Программы пакета BLAST для работы с нуклеотидными последовательностями

Поиск в геноме участков, кодирующих белки, похожие на заданный

Создание индексных файлов пакета BLAST для поиска по заданному геному:
formatdb -i pm_genome.fasta -p F -n pm

Где параметры:

• -i = файл для которого создаются индексные файлы.
• -p = тип файла (T- белковый, F-нуклеотидный)
• -n = базовое имя

Поиск по TBLASTN с порогом на E-value 0,001:
blastall -p tblastn -d pm -i k6pf1_ecoli.fasta -e 0.001 -o output.txt

Где прараметры:

• -p = имя программы из пакета BLAST
• -d = базовое имя индексных файлов
• -i = имя файла, содержащего то, что будем искать в фаста-формате.
• -o = имя выходного файла
• -e = порог E-value

  Поиск гомологов белка K6PF1_Ecoli в геноме бактерии Pasteurella multocida.

  Число находок с Е-value<0,001		1
  Характеристика лучшей находки:		Score = 452 bits (1164), Identities = 220/320 (68%), Positives = 254/320 (79%), Gaps = 1/320 (0%) Frame = +1
  	E-value находки	e-129
  	Название геномной последовательности	AE006042
  	Координаты выравнивания(-ий) в найденной последовательности	8494-9453

  Нахождение записи EMBL по последовательности с помощью программы BLASTN.

  Найденная в предыдущем задании последовательность была вырезана в файл ae006042.fasta
  На сайте EBI был запущен поиск этой последовательности в банке "EMBL standard prokaryote".
  Для первой находки была выдана следующая информация:

  >EM_PRO:AE004439; AE004439 Pasteurella multocida subsp. multocida str. Pm70,
              complete genome.
          Length = 2,257,487
  
    Minus Strand HSPs:
  
   Score = 4744 (717.8 bits), Expect = 1.3e-206, P = 1.3e-206
   Identities = 952/960 (99%), Positives = 952/960 (99%), Strand = Minus / Plus
  
  Query:   960 ATGATNNNNNNNNTAGCAGTATTAACCAGTGGTGGTGACGCACCGGGCATGAATGCCGCC 901
               |||||        |||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95079 ATGATAAAAAAAATAGCAGTATTAACCAGTGGTGGTGACGCACCGGGCATGAATGCCGCC 95138
  
  Query:   900 ATTCGCGGCGTGGTTCGTTCAGCACTTGCGGCAGGATTAGAAGTATACGGTATTTATGAA 841
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95139 ATTCGCGGCGTGGTTCGTTCAGCACTTGCGGCAGGATTAGAAGTATACGGTATTTATGAA 95198
  
  Query:   840 GGCTATTATGGGTTATATCATAATAAAGTGAAACAAATGACCCGTTATAGTGTTTCCGAC 781
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95199 GGCTATTATGGGTTATATCATAATAAAGTGAAACAAATGACCCGTTATAGTGTTTCCGAC 95258
  
  Query:   780 ATTATTAACCGCGGCGGTACTTTTTTAGGATCGGCGCGTTTTCCTGAATTTAAAGATCCT 721
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95259 ATTATTAACCGCGGCGGTACTTTTTTAGGATCGGCGCGTTTTCCTGAATTTAAAGATCCT 95318
  
  Query:   720 GCGGTTCGCGCTAAATGTGCTGAAATTTTACGTTCCCATGGTATTGATGCACTTGTGGTG 661
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95319 GCGGTTCGCGCTAAATGTGCTGAAATTTTACGTTCCCATGGTATTGATGCACTTGTGGTG 95378
  
  Query:   660 ATTGGTGGGGACGGTTCTTACATGGGGGCAAAATTACTGACGGAAGAACATGGTTTCCCT 601
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95379 ATTGGTGGGGACGGTTCTTACATGGGGGCAAAATTACTGACGGAAGAACATGGTTTCCCT 95438
  
  Query:   600 TGCGTCGGTATCCCGGGTACGATTGATAATGATGTGGCAGGGACAGACTACACCATCGGT 541
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95439 TGCGTCGGTATCCCGGGTACGATTGATAATGATGTGGCAGGGACAGACTACACCATCGGT 95498
  
  Query:   540 TATCAAACCGCATTACAGACAGCCGTCGAAGCCATTGACCGTTTACGCGATACCTCAAGC 481
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95499 TATCAAACCGCATTACAGACAGCCGTCGAAGCCATTGACCGTTTACGCGATACCTCAAGC 95558
  
  Query:   480 TCGCACCAACGTATTTCGATTGTTGAAATCATGGGACGTCATTGTAGTGATTTAGCTATT 421
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95559 TCGCACCAACGTATTTCGATTGTTGAAATCATGGGACGTCATTGTAGTGATTTAGCTATT 95618
  
  Query:   420 TCAGCGGGTATTGCTGGTGGTTGTGAGTATATTGTGGCATCGGAAGTAGAATTTAACCGT 361
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95619 TCAGCGGGTATTGCTGGTGGTTGTGAGTATATTGTGGCATCGGAAGTAGAATTTAACCGT 95678
  
  Query:   360 GAAGAGTTAATTCAACAGATTGAGCGCAGTATTATCAAAGGTAAACGTCATGCCATTATT 301
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95679 GAAGAGTTAATTCAACAGATTGAGCGCAGTATTATCAAAGGTAAACGTCATGCCATTATT 95738
  
  Query:   300 GCAATTACTGAGTTAATTTGTGATGTGAATGAATTAGCCCGTGAAATTGAATCGCGTGTG 241
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95739 GCAATTACTGAGTTAATTTGTGATGTGAATGAATTAGCCCGTGAAATTGAATCGCGTGTG 95798
  
  Query:   240 AAACATGAAACCCGTGCTACCATTTTAGGTCATATTCAACGTGGCGGTACGCCTTGCGCA 181
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95799 AAACATGAAACCCGTGCTACCATTTTAGGTCATATTCAACGTGGCGGTACGCCTTGCGCA 95858
  
  Query:   180 TTTGACCGTATTTTAGGTTCACGTATGGGCGTTTATGCGGTTGATTTATTAATGCAAGGT 121
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95859 TTTGACCGTATTTTAGGTTCACGTATGGGCGTTTATGCGGTTGATTTATTAATGCAAGGT 95918
  
  Query:   120 AAAGGTGGCTATTGCGTTGGTATTCAAAATGAACAATTAGTTCACCACGATATTATTGAT 61
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95919 AAAGGTGGCTATTGCGTTGGTATTCAAAATGAACAATTAGTTCACCACGATATTATTGAT 95978
  
  Query:    60 GCAATCAACAATATGCGCCGTGAATTTAAAGCGGATTGGTTAGCATTATCGAAACGTTTA 1
               ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
  Sbjct: 95979 GCAATCAACAATATGCGCCGTGAATTTAAAGCGGATTGGTTAGCATTATCGAAACGTTTA 96038
  
  
   
  

  Следовательно, в записи AE004439 последовательность имеет координаты 95079-96038.
  О соответствующем участке в поле FT имеется следующая информация:

                                                         
  FT   CDS             95079..96044
  FT                   /codon_start=1
  FT                   /transl_table=11
  FT                   /gene="pfkA"
  FT                   /locus_tag="PM0069"
  FT                   /product="PfkA"
  FT                   /db_xref="GOA:Q9CPH2"
  FT                   /db_xref="HSSP:2PFK"
  FT                   /db_xref="InterPro:IPR015912"
  FT                   /db_xref="UniProtKB/Swiss-Prot:Q9CPH2"
  FT                   /protein_id="AAK02153.1"
  FT                   /translation="MIKKIAVLTSGGDAPGMNAAIRGVVRSALAAGLEVYGIYEGYYGL
  FT                   YHNKVKQMTRYSVSDIINRGGTFLGSARFPEFKDPAVRAKCAEILRSHGIDALVVIGGD
  FT                   GSYMGAKLLTEEHGFPCVGIPGTIDNDVAGTDYTIGYQTALQTAVEAIDRLRDTSSSHQ
  FT                   RISIVEIMGRHCSDLAISAGIAGGCEYIVASEVEFNREELIQQIERSIIKGKRHAIIAI
  FT                   TELICDVNELAREIESRVKHETRATILGHIQRGGTPCAFDRILGSRMGVYAVDLLMQGK
  FT                   GGYCVGIQNEQLVHHDIIDAINNMRREFKADWLALSKRLD"
  
  

  
  Координаты CDS: 95079..96044
  Участок соответствует записи Q9CPH2 банка UniProt.
  

  Поиск гомологов с помощью программы BLASTN

  Необходимо создать в своей рабочей директории fasta-файл с последовательностью из генома E.coli, кодирующей мой белок K6PF1_ECOLI.
  Мной была выбрана запись L19201 EMBL.
  Эта запись была сохранена в файл с помощью команды

      entret embl:L19201 -auto
  

  
  Нужные координаты CDS: 69185..70147

  Кодирующая последовательность была вырезана в отдельный файл:

      seqret "embl:L19201[69185..70147]"
  

  На выходе получился файл l19201.fasta
  
  Затем я подала полученный файл на вход программе BLASTN для поиска в геноме Pasteurella multocida.
  
  Для этого я выполнила следующую команду:

      blastall -p blastn -d pm -i l19201.fasta > l19201.out
  

  Полученный в итоге файл: l19201.out

  По результатам работы программы составим таблицу:

  Программа	TBLASTN	BLASTN
  Число находок (e-value<0.001 )	1	0
  E-value лучшей находки	e-129	0.028
  Координаты выравнивания	8494-9453	5351-5368
  Длины выравниваний	959	17
  Название геномной последовательности	AE006042	AE006114

  Из таблицы видно, что поиск по аминокислотной последовательности намного лучше, чем по нуклеотидной последовательности. Результаты поиска blastn отличаются от поиска tblastn значительно большими e-value находок (менее достоверными), большим числом находок (выравниваний получается больше, потому что 3 нуклеотида соответсвуют 1ой аминокислоте) и меньшей длиной выравнивания. Это может происходить из-за того, что белки кодируются 20 буквами, а гены 4.

  
  <<Обратно на третий семестр
  <<Обратно на главную страницу

  ©Лелекова Мария,2008