Microsoft PowerPoint - Alignment09Apr14_print [互換モード]

Size: px

Start display at page:

Download "Microsoft PowerPoint - Alignment09Apr14_print [互換モード]"

えつとたつざわ
5 years ago
Views:

1 近畿大学農学部生命情報学ペアワイズアライメントと配列相同性解析 009 年 4 月 14 日 ( 火 ) 奈良先端大情報蛋白質機能予測学講座川端猛 takawaba@is.naist.jp 平成 1 年度生命情報学 & 生命情報学実習講義日程講義生命情報学演習生命情報学演習 4/7 川端 1 配列決定とバイオインフォマティクス 4/14 川端ペアワイズアライメントと配列相同性検索川端主要 WEBデータベースの使用法 (BLS) 4/1 川端 3 マルチプルアライメントとその応用中村 hemoffice を用いた計算化学演習 4/8 川端 4 分子系統学基礎 5/1 川端 5 蛋白質の物理化学的性質と配列解析中村系統樹作成演習 (lustalx) /19 川端 6 蛋白質立体構造データの情報解析川端蛋白質立体構造データの可視化 (RasMol) 5/6 川端 7 >> 試験 << 6/ 金谷 1 ポストゲノム解析入門 ( トランスクリプトーム解析 ) 6/9 金谷ポストゲノム解析入門 ( インタラクトーム解析 ) 金谷 1 発現プロフィール解析演習 6/16 金谷 3 ポストゲノム解析 ( 統合解析 ) 金谷インタラクトローム代謝物解析演習 6/3 金谷 4 メタボローム解析 ( その1) 6/30 金谷 5 メタボローム解析 ( その) 7/7 金谷 6 メタボローム解析 ( その3) 7/14 金谷 7 >> 試験 << 1

2 先週のゲノムデータベースの話題の補足のスライドバクテリアのオペロン構造オペロン : ゲノム上遺伝子群が隣接して同じ方向にコードされた領域多くの場合それらはまとめて一度に転写され翻訳されるトリプトファンの合成に関するオペロン ( 大腸菌 ) ヒスチジンの合成に関するオペロン ( 大腸菌 ) オペロンにコードされる遺伝子群はある生物学的機能を担うのに必要な遺伝子群であることが多いアミノ酸合成細胞外からの分子の取り込み ( トランスポータ ) リボゾームのタンパク質鞭毛のタンパク質などがオペロンを構成することが多いオペロンがあるのは原核生物のみ真核生物はオペロンを持たない

3 オペロン構造をなす遺伝子群が一つの複合体を形成する例 F1P 合成酵素のオペロン ( 大腸菌 ) β 鎖 (atpd) α 鎖 β 鎖 (atp) (atpd) α 鎖 (atp) γ 鎖 (atp) エキソンイントロンの境界に現れやすい配列 [] [ 終止 ] エキソンイントロンエキソンイントロンエキソンヒトの場合エキソンの直後のイントロンの配列はであることが多い最初のエキソンの先頭は開始コドン () 最後のエキソンの末尾は終止コドンになる 3

4 ペアワイズアライメント atg acg gac aaa ttg acc tcc ctt cgt cag tac acc acc gta gtg gcc gac act ggg gac 進化! DN 配列情報分子生物学のセントラルドグマ M D K L S L R Q Y V V D D アミノ酸配列もの立体構造かたち化学反応を触媒 ( 酵素 ) 酸素を運ぶ ( ヘモグロビン ) 異物を排除 ( 免疫グロブリン ) 個体細胞はたらき分子機能 4

高分子は文字列だとみなせる atg acg gac aaa ttg acc tcc ctt cgt cag tac acc acc gta gtg gcc gac act ggg gac DN 配列情報 M D K L S L R Q Y V V D D アミノ酸配列もの立体構造かたち DNもタンパク質もユニットが一列に並んだ高分子ユニット : DN は 4 種の核酸 (atgc)

5 高分子は文字列だとみなせる atg acg gac aaa ttg acc tcc ctt cgt cag tac acc acc gta gtg gcc gac act ggg gac DN 配列情報 M D K L S L R Q Y V V D D アミノ酸配列もの立体構造かたち DNもタンパク質もユニットが一列に並んだ高分子ユニット : DN は 4 種の核酸 (atgc) タンパク質は 0 種のアミノ酸 (DEFH ) atgacggacaaattgacctcccttcgtcagtacaccaccgtagtggccga M D K L S L R Q Y V V D D 単なる文字列だとみなして処理をしてもある種の本質は失われない進化とはDNという文字列が変化すること atgacggacaaattgacctcccttcgtcagtacacc M D K L S L R Q Y atgacgaacaaattgacctcccttcgtcagtacacc M N K L S L R Q Y より正確には個体の DN が変化したあとにその変異がその種の集団において定着する集団遺伝学的な過程が必要 1 個体の DN に変異が生じるその変異が子孫に継承され 3 中立か正の淘汰が働けば同じ変異を持った子孫が種の集団内で多数を占める 5

6 違う生物の同じ機能のタンパク質のアミノ酸配列トリオースリン酸異性化酵素 ( riosephosphate isomerase (E ) (IM,PIS)) >PIS_HUMN ヒト "riosephosphate isomerase (E 5.3 PSRKFFVNWKMNRKQSLELILNKVPDEVVPP YIDFRQKLDPKIVQNYKVNFEISPMIKDW VVLHSERRHVFESDELIQKVHLELVIIEKLDERE IEKVVFEQKVIDNVKDWSKVVLYEPVWIKPQQ QEVHEKLRWLKSNVSDVQSRIIYSVKELSQPD VDFLVSLKPEFVDIINKQ >PIS_RBI ウサギ "riosephosphate isomerase (E 5 PSRKFFVNWKMNRKKNLELILNKVPDEVVPP YIDFRQKLDPKIVQNYKVNFEISPMIKDW VVLHSERRHVFESDELIQKVHLSELVIIEKLDERE IEKVVFEQKVIDNVKDWSKVVLYEPVWIKPQQ QEVHEKLRWLKSNVSDVQSRIIYSVKELSQPD VDFLVSLKPEFVDIINKQ 違う生物の同じ機能のタンパク質のアミノ酸配列トリオースリン酸異性化酵素 ( riosephosphate isomerase (E ) (IM,PIS)) >PIS_HUMN ヒト "riosephosphate isomerase (E 5.3 PSRKFFVNWKMNRKQSLELILNKVPDEVVPP YIDFRQKLDPKIVQNYKVNFEISPMIKDW VVLHSERRHVFESDELIQKVHLELVIIEKLDERE IEKVVFEQKVIDNVKDWSKVVLYEPVWIKPQQ QEVHEKLRWLKSNVSDVQSRIIYSVKELSQPD VDFLVSLKPEFVDIINKQ >PIS_YES 酵母 "riosephosphate isomerase (E 5.3 RFFVNFKLNSKQSIKEIVERLNSIPENVEVVIPPY LDYSVSLVKKPQVVQNYLKSFENSVDQIKDVKWV ILHSERRSYFHEDDKFIDKKFLQVVILIELEEKK KLDVVERQLNVLEEVKDWNVVVYEPVWILPED QDIHSIRKFLSKLDKSELRILYSNSNVFKDKDV DFLVSLKPEFVDIINSRN 6

7 違う生物の同じ機能のタンパク質のアミノ酸配列トリオースリン酸異性化酵素 ( riosephosphate isomerase (E ) (IM,PIS)) >PIS_HUMN ヒト "riosephosphate isomerase (E 5.3 PSRKFFVNWKMNRKQSLELILNKVPDEVVPP YIDFRQKLDPKIVQNYKVNFEISPMIKDW VVLHSERRHVFESDELIQKVHLELVIIEKLDERE IEKVVFEQKVIDNVKDWSKVVLYEPVWIKPQQ QEVHEKLRWLKSNVSDVQSRIIYSVKELSQPD VDFLVSLKPEFVDIINKQ >PIS_EOLI 大腸菌 "riosephosphate isomerase (E 5 MRHPLVMNWKLNSRHMVHELVSNLRKELVVIPPEM YIDMKREESHIMLQNVDLNLSFESMLKDIQY IIIHSERRYHKESDELIKKFVLKEQLPVLIEEENE KEEVRQIDVLKQFEVIYEPVWIKSP QQVHKFIRDHIKVDNIEQVIIQYSVNSNELFQP DIDLVSLKDFVIVKEKQ 進化的なイベント : 置換と削除挿入トリオースリン酸異性化酵素 ( riosephosphate isomerase (E ) (IM,PIS)) の場合ヒト (PIS_HUMN) とウサギ (PIS_RBI) の比較 HUMN 1:PSRKFFVNWKMNRKQSLELILNKVPDEVVPPYIDFRQKLDPKI:60 ****************** ***** ********************************** RBI 1:PSRKFFVNWKMNRKKNLELILNKVPDEVVPPYIDFRQKLDPKI:60 PIS_HUMN 48 vs PIS_RBI 48 SeqID 98.4 % 置換 (substitution) : アミノ酸核酸の変化ヒト (PIS_HUMN) と大腸菌 (PIS_EOLI) の比較 HUMN 4:RKFFVNWKMNRKQSLELILNKVP-DEVVPPYIDFRQKLD-PKIV:61 DEVVPPYIDFRQKLD PKIV:61 * * **** ** ** * * * *** *** * * EOLI :RHPLVMNWKLNSRHMVHELVSNLRKELVVIPPEMYIDMKREESHIML:61 PIS_HUMN 48 vs PIS_EOLI 55 SeqID 45.9 % 削除挿入 (insertion, deletion ; indel) 7

配列の類似と立体構造の類似ヒトのヘモグロビンのα 鎖とβ 鎖 (SeqID 46.

3:LPEEKSVLWKV--NVDEVELRLLVVYPWQRFFESFDLSPDVMNPKV:60 lpha 56:KHKKVDLNVHVDDMPNLSLSDLHHKLRVDPVNFKLLSHLLVLHLP:11 * ***** *

**** * * * * * * ** Beta 11:EFPPVQYQKVVVNLHKY:145 機能や立体構造はよく似ている配列の類似を知ることは立体構造予測につながる配列比較 ( 配列相同性検索 ) の基本論理 1 つの DN /

8 配列の類似と立体構造の類似ヒトのヘモグロビンのα 鎖とβ 鎖 (SeqID 46.0%) lpha :LSPDKNVKWKVHEYELERMFLSFPKYFPHF-DLS-----HSQV:55 * * * * * **** * * *** * * * * * *** * * Beta 3:LPEEKSVLWKV--NVDEVELRLLVVYPWQRFFESFDLSPDVMNPKV:60 lpha 56:KHKKVDLNVHVDDMPNLSLSDLHHKLRVDPVNFKLLSHLLVLHLP:11 * ***** * ** * ** ** ** *** ** ** * ** * Beta 61:KHKKVLFSDLHLDNLKFLSELHDKLHVDPENFRLLNVLVVLHHFK:10 lpha 116:EFPVHSLDKFLSVSVLSKY:140 **** * * * * * * ** Beta 11:EFPPVQYQKVVVNLHKY:145 機能や立体構造はよく似ている配列の類似を知ることは立体構造予測につながる配列比較 ( 配列相同性検索 ) の基本論理 1 つの DN / アミノ酸の文字列が似ている進化的に関係がある ( 相同 ) から似ている 3 進化的に関係があるなら他の生物学的な性質 ( 機能立体構造など ) も似ているはず相同性の発見により他の生物学的な性質を予測できる類似 (similarity) 相同 (homology): 進化的な原因によるもの祖先を共有 ( 進化史の中である時点まで同じであったから似ている ) 相似 (analogy) : それ以外の原因によるもの 8

9 進化のイメージ : 系統樹対象物が生成される過程 ( 歴史進化史 ) を木構造で示したもの生物種の系統図家系図ヒトウサギトリワニトカゲカメマグロカエル酵母大腸菌つの配列を比較するには? 1. 類似性のスコア関数の定義文字の間の類似性をどうやって定量するか? FDE ** * EEE. アライメント 3 つ同じだから 3 点? F と E の対応と D と E の対応は等価だろうか? どうやって文字と文字を対応づけるか? BDEF DE BDEF BEEF BDEF *** --DE- -BDEF- * ** B-EEF もっと長いときはどうやって計算する? 9

10 スコア関数の定義 (1) 一致不一致スコア S (, B ) = α β = B B もっとも簡単 DNの場合によく使われる BLSの核酸のデフォルトは α=1,β= # 問題点 : 文字列間の類似性を捉えられない L( ロイシン, 疎水性 ) V( バリン疎水性 ) : 起こりやすい L( ロイシン, 疎水性 ) E( グルタミン酸 - 荷電 ) : 起こりにくい () 対数オッズスコア (log odds score) S(, B) = log P rand Pevo(, B) ( ) P ( B) rand つの異なるタンパク質のあるサイトのアミノ酸が,B であったとき Protein1 : XXXXXXXX Protein : XXXXBXXXX P evo (B): (,B): 進化的な関係からと B の対応が生じた確率 P rand () P rand (B) : 偶然にと B の対応が生じた確率 10

11 # BLOSUM6 (blastpのデフォルトで使われている置換スコア行列) R N D Q E H I L K M F P S W Y V B Z X * R N D Q E H I L K M F P S W Y V B Z X * スコアの計算例 FD S(,) + S(F,E) S(D,E) + S(,) = 1 EE 4 9 ギャップがある場合はギャップのスコア ( ギャップペナルティ ) を設定する FD EE- S(,) ) + S(F,E) + S(D,E) + gap +S()=10 S(,)

12 1. ギャップなしアライメント. ギャップありアライメント FD ギャップなし EE アライメントスコア関数 ( ギャップを含む ) を最大にするような文字の対応つけを探すギャップあり FED- --EE a. グローバルアライメント (lustalw) b. ローカルアライメント (FS, BLS) DEFHKLM FHKKL DEFHK-LM ---FHKKL- グローバル FHK-L FHKKL ローカル動的計画法というアルゴリズムで解くそのイメージをつかむためにはドットマトリックス法が有効ドットマトリックス : 例 1 (1) スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする 1: : (1) 配列 1 配列を横と縦に並べる配列配列 1 1

13 ドットマトリックス : 例 1 () スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする 1: : (1) 配列 1 配列を横と縦に並べる () 文字が一致するマスにを描く配列配列 1 ドットマトリックス : 例 1 (3) スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする 1: : (1) 配列 1 配列を横と縦に並べる () 文字が一致するマスにを描く配列 (3) 多くのを通るような左上と右下を結ぶ折れ線配列 1 13

14 ドットマトリックス : 例 1 (4) スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする 1: : (1) 配列 1 配列を横と縦に並べる () 文字が一致するマスにを描く配列 (3) 多くのを通るような左上と右下を結ぶ折れ線 (4) アライメント 1:- ********* :- 配列 1 スコア : 一致 (+1) 9+ 不一致 (0) 0+ ギャップ (-1) =7 ドットマトリックスのパスの引き方の詳細スコア : 一致 :+1 不一致:0 ギャップ:-1とする始点から終点を結ぶパスのなかからパスのスコアの合計が最大になるパスを選ぶ進む方向は 3 通りたてよこななめ配列点数アライメントたて -1 配列 1がよこ -1 配列がななめ 0 文字が一致しない対応にななめ +1 文字が一致する対応始点配列 1 終点 14

15 ドットマトリックス : 例 (1) スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする配列 1: 配列 : (1) 配列 1 配列を横と縦に並べる配列配列 1 ドットマトリックス : 例 () スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする配列 1: 配列 : (1) 配列 1 配列を横と縦に並べる () 文字が一致するマスにを描く配列配列 1 15

16 ドットマトリックス : 例 (3) スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする配列 1: 配列 : (1) 配列 1 配列を横と縦に並べる () 文字が一致するマスにを描く配列 (3) 多くのを通るような左上と右下を結ぶ折れ線配列 1 ドットマトリックス : 例 (4) スコア : 一致 :+1 不一致 :0 ギャップ :-1 とする配列 1: 配列 : (1) 配列 1 配列を横と縦に並べる () 文字が一致するマスにを描く配列 (3) 多くのを通るような左上と右下を結ぶ折れ線 (4) アライメント 1:- ** ** ** ** :- 配列 1 スコア : 一致 (+1) 8+ 不一致 (0) 1+ ギャップ (-1) =6 16

対角上の平均化によるスムージング配列 1: 配列 : 配列配列 1 配列 1 配列 (1) 単純に一致している座標を黒く塗る Window=1, hreshold=1 に相当 () 長さ Window の連続したペアが比較し一致度が hreshold 以上であれば黒く塗る Window=3, hreshold= の場合 HBB_HUMN

17 対角上の平均化によるスムージング配列 1: 配列 : 配列配列 1 配列 1 配列 (1) 単純に一致している座標を黒く塗る Window=1, hreshold=1 に相当 () 長さ Window の連続したペアが比較し一致度が hreshold 以上であれば黒く塗る Window=3, hreshold= の場合 HBB_HUMN ドットマトリックスの例 HB_HUM N Matrix=ID ID,W=1,=1 Matrix=ID,W=5,=3, Matrix=BLOSUM6, W=7,=10 W 文字が一致しているペアを黒く塗る長さ W の word の総スコアが以上なら中心を黒く塗るスコアは最も簡単には一致不一致スコア対数オッズスコアを使うとより高感度になる 17

18 ドットマトリックス法の特徴アルゴリズムが平易非常に長い配列の比較にも対応部分一致繰り返しなど特殊なケースにも対応できるあくまでグラフィカルな対応なので具体的な文字列対応 ( アライメント ) は与えない配列 1 配列動的計画法によるアライメントアライメント問題は有向グラフの最適経路問題と等価有向グラフの最適経路問題は動的計画法 (Dynamic Programming) と呼ばれるアルゴリズムで解ける O(NM) の計算量 ( 文字列長の積に比例 ) 18

19 最適経路問題始点から終点 L にいたるエッジの得点の合計が最大となる経路を探す B D 3 6 J E H 7 L 始点終点 4 F I 1 K 最適経路問題始点から終点 L にいたるエッジの得点の合計が最大となる経路を探す B D 3 6 J E 5 H 点 L 始点終点 4 F I 1 K 19

20 最適経路問題始点から終点 L にいたるエッジの得点の合計が最大となる経路を探す B D 3 6 J 点 9 E H 7 L 始点終点 4 F I 1 K アライメントを最適経路問題として考える鉛直水平に比較したい文字列を並べる対角線のエッジには一致スコア鉛直水平のエッジにはギャップスコアを書き込む右下のノードから左上のノードへ至る最適経路を求める j L D V 終点 L i Q I 始点 0

21 アライメントを最適経路問題として考える鉛直水平に比較したい文字列を並べる対角線のエッジには一致スコア鉛直水平のエッジにはギャップスコアを書き込む右下のノードから左上のノードへ至る最適経路を求める j L D V 終点 L i Q LD-V --LQI I =-9 点始点アライメントを最適経路問題として考える鉛直水平に比較したい文字列を並べる対角線のエッジには一致スコア鉛直水平のエッジにはギャップスコアを書き込む右下のノードから左上のノードへ至る最適経路を求める j L D V 終点 L i Q LDV LQ-I I =9 点始点 1

22 (0) 準備グローバルアライメントの解法 (Needleman & Wunsh,1970) 始点右端の列下端の行の格子点のスコアを 0 に設定 (1) 前向きステップ F( i + 1, j + 1) + S( xi, y j ) F( i, j) = max F( i + 1, j) + ap F( i, j + 1) + ap 対角 ( d) 鉛直 ( v) 水平 ( h) F(i,j) h 終点 F(i,j+1) () 後ろ向きステップ F(i+1,j) 始点を起点にして辿る終点に到着したら終了 v d F(i+1,j+1 動的計画法の手続き L Q I (1) 前向き (Forward) () 後ろ向き (raceback) L D V L Q I O(NM) L D V LDV LQ-I

23 グローバルとローカルの格子上の違い DEFHKLM FHKKL DEFHK-LM ---FHKKL- FHK-L FHKKL グローバルローカルグローバルローカル (0) 準備ローカルアライメントの解法 (Smith & Waterman,1981) 格子の端のスコアを 0 に設定 (1) 前向きステップ F( i + 1, j + 1) + s( xi, y j ) 対角 ( d) F( i + 1, j) + ap 鉛直 ( v) F( i, j) = max F( i, j + 1) + ap 水平 ( h) 0 終結 (0) () 後ろ向きステップ最大のスコアのノードを探しそのノードを起点にして辿るパス 0 が現れたら終了 3

24 配列相同性検索 - BLS を中心として - 配列相同性検索クエリ配列を配列データベースと比較相同な配列を探す LLMFPVEQRSD クエリ配列 LMFPVDQRSD SLHFFVEDR QLFVEQWWVHK LLMYPVEQRE 配列データベースクエリ配列 LLMFPVEQRSD *** * ***** ** LL-MYPVEQRE 相同な配列 ( 有意に似ている配列 ) 機能未知遺伝子の機能予測 ( アノテーション ) 機能既知の配列との類似機能の類似を示唆立体構造予測構造既知の配列との類似構造の類似を示唆遺伝子発見既知遺伝子と類似している領域の発見遺伝子の存在を示唆 4

25 配列データベースの中からクエリ配列と類似したエントリを見つけるには? 動的計画法を繰り返し実行すればよい 1. いかに高速に計算を実行するか動的計画法はO(NM) の計算時間 1,000~100,000 配列の検索には時間がかかる高度なヒューリスティック解法の導入. どれだけ似ていれば意味があるのか? 何をもって類似性の指標とするのか同一残基率 (%) スコア? 統計的有意性の判断の導入 BLS のアライメントアルゴリズム動的計画法を使わず独自のヒューリスティックアルゴリズムを開発ヒューリスティック : 常に正しい解を返すわけではないが多くの場合まあまあの解を返すことが経験的に知られているアルゴリズム計算時間の比較 153 残基のクエリ配列を54,457 配列のデータベースと比較クアッドコアIntel Xeon X5355(.66Hz) でシングルPUで計算私が書いた DP SSERH35 説明 Smith & Waterman をで素朴に実装 FSの開発グループが実装した Smith & Waterman 計算時間 sec sec FS35 ヒューリスティックアルゴリズムを使用.36 sec BLSP ヒューリスティックアルゴリズムを使用 0.38 sec 5

26 動的計画法の復習 9 L Q I (1)Forward L D V L Q O(NM) 0 I ()raceback L D V LDV LQ-I BLS のヒューリスティックス目標 :Smith&Waterman のローカルアライメントの DP の近似解 1. クエリの各 wordに対し近隣 wordのリストを作成. 近隣 wordリストを用いてデータベースを検索スを検索 3. ヒットしたwordをungapで伸展 (HSP) 4. さらにgap 入りアライメントで伸展 LLEPVKV LMEPVKVLE LLEPVKV LMEPVKVLE 6

27 BLSP..1 [pr ] Reference: ltschul, Stephen F., homas L. Madden, lejandro. Schaffer, Jinghui Zhang, Zheng Zhang, Webb Miller, and David J. Lipman (1997), "apped BLS and PSI-BLS: a new generation of protein database search programs", Nucleic cids Res. 5: BLS の出力例 (1) Query= RE_EOLI "Rec protein (Recombinase )" (35 letters) Database: 40scop1.59nm 3886 sequences; 705,110 total letters Searching...done Sequences producing significant alignments: Score E (bits) Value reb-1 [c ] RE PROEIN (E ) 448 e-17 1g18 [d ] RE PROEIN 70 9e-14 1g0uF [d ] PROESOME OMPONEN byr [d ] ENDONULESE g3q [c ] ELL DIVISION INHIBIOR ct5 [c.1.6.] YES HYPOHEIL PROEIN, SELENOME g0uD [d ] PROESOME OMPONEN PUP e3 [c ] P g0u [d ] PROESOME OMPONEN Y cp [c ] NIROENSE IRON PROEIN f3o [c ] HYPOHEIL B RNSPORER P-BINDIN PROEIN 5.4 1qjB [d ] RBON MONOXIDE DEHYDROENSE dgy [c.7.1.1] DENOSINE KINSE skyB3 [c ] F1-PSE g6o [c ] -LPH cmx [d.3.1.6] UBIQUIIN YUH1-UBL abp- [c ] L-*RBINOSE-BINDIN PROEIN (MUN WIH ME tps [c.1.3.1] HIMIN PHOSPHE SYNHSE b15 [c..1.] LOHOL DEHYDROENSE pmi- [b.8.1.3] PHOSPHOMNNOSE ISOMERSE >reb-1 [c ] RE PROEIN (E ) Length = 43 Score = 448 bits (115), Expect = e-17 Identities = 43/66 (91%), Positives = 43/66 (91%), aps = 3/66 (8%) Query: 3 DENKQKLLQIEKQFKSIMRLEDRSMDVEISSLSLDILLPMRIV 6 DENKQKLLQIEKQFKSIMRLEDRSMDVEISSLSLDILLPMRIV Sbjct: 1 DENKQKLLQIEKQFKSIMRLEDRSMDVEISSLSLDILLPMRIV 60 Query: 63 EIYPESSKLLQVIQREKFIDEHLDPIYRKLVDIDNLLSQPD 1 EIYPESSKLLQVIQREKFIDEHLDPIYRKLVDIDNLLSQPD Sbjct: 61 EIYPESSKLLQVIQREKFIDEHLDPIYRKLVDIDNLLSQPD 10 Query: 13 EQLEIDLRSVDVIVVDSVLPKEIEEIDSHMLRMMSQMRKLNL 18 EQLEIDLRSVDVIVVDSVLPKEIE LRMMSQMRKLNL Sbjct: 11 EQLEIDLRSVDVIVVDSVLPKEIE LRMMSQMRKLNL 17 Query: 183 KQSNLLIFINQIRMKIVMFNPENLKFYSVRLDIRRIVKEENVVSE 4 KQSNLLIFINQ NLKFYSVRLDIRRIVKEENVVSE Sbjct: 173 KQSNLLIFINQ NLKFYSVRLDIRRIVKEENVVSE 17 Query: 43 RVKVVKNKIPFKQEFQILYEI 68 RVKVVKNKIPFKQEFQILYEI Sbjct: 18 RVKVVKNKIPFKQEFQILYEI 43 BLS の出力例 () >1g18 [d ] RE PROEIN Length = 60 Score = 70.1 bits (170), Expect = 9e-14 Identities = 30/56 (53%), Positives = 44/56 (78%) Query: 7 ELVDLVKEKLIEKWYSYKEKIQKNWLKDNPEKEIEKKVRELL 37 L+D+V + LI K+W++Y+E++QK N +L +N + EIEKK++E L 7

28 Query: 43 RVKVVKNKIPFKQEFQILYEI 68 RVKVVKNKIPFKQEFQILYEI Sbjct: 18 RVKVVKNKIPFKQEFQILYEI 43 >1g18 [d ] RE PROEIN Length = 60 BLS の出力例 (3) Score = 70.1 bits (170), Expect = 9e-14 Identities = 30/56 (53%), Positives = 44/56 (78%) Query: 7 ELVDLVKEKLIEKWYSYKEKIQKNWLKDNPEKEIEKKVRELL 37 L+D+V + LI K+W++Y+E++QK N +L +N + EIEKK++E L Sbjct: 4 SLIDMVDQLIRKSWFYEEQLQKENRNFLVENDVDEIEKKIKEKL 59 >1g0uF [d ] PROESOME OMPONEN 1 Length = 4 Score = 3.3 bits (7), Expect = 0.00 Identities = 5/88 (8%), Positives = 47/88 (53%), aps = 9/88 (10%) Query: 71 YELVDLVKEKLIEKWYSYKEKIQKNWLK----DNPE--KEIEKKVR E ++++ YK ++ + L+ +PE ++E K+ Sbjct: 13 FVDKNHLYMLEPSSYWYKKRQSKELEKLVDHHPELSREVKQ 191 Query: 35 EL--LLSNPNSPDFSVDDSE-VEN L N DF ++ S ++EN Sbjct: 19 KIIYLHEDNKEKDFELEISWSLSEN 19 >1byr [d ] ENDONULESE Length = 15 Score = 8.5 bits (6), Expect = 0.9 Identities = 8/10 (7%), Positives = 46/10 (44%), aps = 19/10 (18%) Query: 65 YPESSKLLQVIQREKFI----DEHLDPIYRKLVDIDNLLSQPD 10 どれだけ似ていれば意味があるのか? 類似性の指標同一残基率 (%) 直感的にわかりやすい一般に30% ぐらいがしきい値とされる感度が低くアライメントの長さや不一致ペアの類似性に鈍感アの類似性に鈍感 SLK * * SEL 4/8 = 50 % Score = 4 SLKLLNKKFWQ * ** ** * ** SIRLDRRKSFWKE 8/16 = 50 % Score = 55 スコア同一残基率より感度は高いが残基率より感度は高いが比較する配列の長さに依存長いほど高いス長いほど高いスコアになる E-value スコアの統計的有意性ランダムな配列を比較した場合にそのスコアが生じる可能性を見積もる 8

29 E-value E-value ( expectation value) ランダムな配列データベースを検索したときにそのスコア S 以上の値になるアライメントの本数の期待値ランダムな配列とは : アミノ酸がランダムな順序に並んだ配列ただしアミノ酸の組成平均的な値に従うとするアミノ酸の長さ比較したアミノ酸の同じにする論理の流れランダムな配列では起こりえないスコア偶然では起こりえないスコア進化的に関係がある類似性に違いない値の大きさ単位は本小さいほどよく似ている必ず0 以上の値になるしきい値原理的には1 経験的には0.0001から0.01ぐらい E-value の計算に必要なパラメータパラメータ定数 K,λλ E( S) = Kmn e λs スコア行列とギャップペナルティに依存 m: クエリの残基長 n : データベースの残基長データベースに含まれる全ての配列を一つにつなげた場合の長さクエリ配列長とデータベースの大きさに E-value は比例比較した配列が同じでもデータベースのほかの配列の数が変わると E-value も変わってしまう 9

30 BLSP..1 [pr ] Reference: ltschul, Stephen F., homas L. Madden, lejandro. Schaffer, Jinghui Zhang, Zheng Zhang, Webb Miller, and David J. Lipman (1997), "apped BLS and PSI-BLS: a new generation of protein database search programs", Nucleic cids Res. 5: Query= RE_EOLI "Rec protein (Recombinase )" (35 letters) Database: 40scop1.59nm 3886 sequences; 705,110 total letters Searching...done Sequences producing significant alignments: Score E (bits) Value reb-1 [c ] RE PROEIN (E ) 448 e-17 1g18 [d ] RE PROEIN 70 9e-14 1g0uF [d ] PROESOME OMPONEN byr [d ] ENDONULESE g3q [c ] ELL DIVISION INHIBIOR ct5 [c.1.6.] YES HYPOHEIL PROEIN, SELENOME g0uD [d ] PROESOME OMPONEN PUP e3 [c ] P g0u [d ] PROESOME OMPONEN Y cp [c ] NIROENSE IRON PROEIN f3o [c ] HYPOHEIL B RNSPORER P-BINDIN PROEIN 5.4 1qjB [d ] RBON MONOXIDE DEHYDROENSE dgy [c.7.1.1] DENOSINE KINSE 5 3. Query: 13 EQLEIDLRSVDVIVVDSVLPKEIEEIDSHMLRMMSQMRKLNL 18 EQLEIDLRSVDVIVVDSVLPKEIE LRMMSQMRKLNL Sbjct: 11 EQLEIDLRSVDVIVVDSVLPKEIE LRMMSQMRKLNL 17 Query: 183 KQSNLLIFINQIRMKIVMFNPENLKFYSVRLDIRRIVKEENVVSE 4 KQSNLLIFINQ NLKFYSVRLDIRRIVKEENVVSE Sbjct: 173 KQSNLLIFINQ NLKFYSVRLDIRRIVKEENVVSE 17 Query: 43 RVKVVKNKIPFKQEFQILYEI 68 RVKVVKNKIPFKQEFQILYEI Sbjct: 18 RVKVVKNKIPFKQEFQILYEI 43 Bit Score Raw Score >1g18 [d ] RE PROEIN Length = 60 Score = 70.1 bits (170), Expect = 9e-14 Identities = 30/56 (53%), Positives = 44/56 (78%) Query: 7 ELVDLVKEKLIEKWYSYKEKIQKNWLKDNPEKEIEKKVRELL 37 L+D+V + LI K+W++Y+E++QK N +L +N + EIEKK++E L Sbjct: 4 SLIDMVDQLIRKSWFYEEQLQKENRNFLVENDVDEIEKKIKEKL 59 >1g0uF [d ] PROESOME OMPONEN 1 Length = 4 Score = 3.3 bits (7), Expect = 0.00 Identities = 5/88 (8%), Positives = 47/88 (53%), aps = 9/88 (10%) Query: 71 YELVDLVKEKLIEKWYSYKEKIQKNWLK----DNPE--KEIEKKVR 34 30

31 Database: 40scop1.59nm Posted date: Jun, 00 3:06 PM Number of letters in database: 705,110 Number of sequences in database: 3886 Lambda K H apped Lambda K H Matrix: BLOSUM6 ap Penalties: Existence: 11, Extension: 1 Number of Hits to DB: 469,543 Number of Sequences: 3886 Number of extensions: Number of successful extensions: 65 Number of sequences better than 10.0: 17 Number of HSP's better than 10.0 without gapping: 13 Number of HSP's successfully gapped in prelim test: 4 Number of HSP's that attempted gapping in prelim test: 50 Number of HSP's gapped (non-prelim): 17 length of query: 35 length of database: 705,110 effective HSP length: 79 effective length of query: 73 effective length of database: 398,116 effective search space: effective search space used: タンパク質の相同性の判断基準同一残基率 (Sequence Identity)(%) 同一残基率 30% 以上 BLS の E-value < 配列解析 PSI-BLS の E-value < 立体構造比較が必要 31

32 BLS のプログラムの種類クエリ配列データベース配列比較回数 blastn 核酸核酸回相補鎖にした DB 配列とも比較典型的な使用目的ゲノムDNのアノテーション cdnのゲノムへのマッピング非コーディング領域の比較 blastp アミノ酸アミノ酸 1 回タンパク質配列からの比較的遠縁のホモログの発見 blastx 核酸 ( を翻訳したアミノ酸 ) アミノ酸 6 回クエリから 6 通りのアミノ酸配列を生成して比較ゲノム DN から遺伝子 ( タンパク質をコードしている領域 ) を発見する tblastn アミノ酸核酸 ( を翻訳したアミノ酸 ) 6 回クエリから 6 通りのアミノ酸配列を生成して比較あるタンパク質をコードしているゲノムの領域を発見する tblastn 核酸 ( を翻訳したアミノ酸 ) 核酸 ( を翻訳したアミノ酸 ) 36 回クエリ DB とも 6 通りのアミノ酸配列を生成して比較やや遠縁の生物種のゲノムをその中にコードされたタンパク質で比較 DB に登録されていない遺伝子の発見を期待 DN には相補鎖がありそれぞれ 3 つのアミノ酸の読み枠がある DNは二重らせん構造を作っているために入れ替えて向きを逆にした相補鎖があるはず 3つの核酸が1つのアミノ酸に S F S F x L Q F H S D L F I L 翻訳されるので読み枠をずらせば一本の核酸配列から 3 本のアミノ酸配列を作ることができる核酸よりアミノ酸で比較したほうがより遠縁のホモログを認識可能 3

33 blastp( アミノ酸対アミノ酸 ) によるタンパク質の機能予測クエリ :.thermophius のタンパク質, データベース : 大腸菌の全タンパク質 BLSP..3 [May-13-00] Query= X07 S tthe0 Database: ecoli_aa (144 letters) 437 sequences; 1,350,094 total letters Sequences producing significant alignments: Score E (bits) Value inf NP_ "protein chain initiation factor IF" N_ e4 rhsd NP_ "RhsD protein in RhsD element" N_ pta NP_ "phosphotransacetylase" N_ prs NP_ "phosphoribosylpyrophosphate synthetase" N_ yiak NP_ ",3-diketo-L-gulonate dehydrogenase, NDH-depe ffh NP_ "4.5S-RNP protein, P-binding export factor, pa ybdr NP_ "putative dehydrogenase, ND(P)-binding" N_ ydf NP_ "putative oxidoreductase" N_ >inf NP_ "protein chain initiation factor IF" N_ Length = 180 Score = 137 bits (346), Expect = e4 Identities = 7/139 (51%), Positives = 9/139 (65%), aps = 1/139 (0%) Query: 4 RELRLQEMDLDLVLVPNDPPVRIMDYSKWRYEQQMXXXXXXXXXXXEVKSIKFR 63 REL +E +DLV + PN+PPV RIMDY K+ YE+ +VK IKFR Sbjct: 40 RELEKEEVDLVEISPNEPPVRIMDYKFLYEKSKSSKEQKKKQKVIQVKEIKFR 99 Query: 64 VKIDEHDYQKLHIKRFLQEHKVKVIMFRREVHPELERILNRVEDLKDLVVE 13 DE DYQ KL + RFL+E K K++ FRRE+H ++ +LNRV +DL++LVVE Sbjct: 100 PDEDYQVKLRSLIRFLEEDKKILRFRREMHQQIMEVLNRVKDDLQELVVE 159 blastp( アミノ酸対アミノ酸 ) の適用例 ) ORF のアノテーション :H.influenzae の ORF 対大腸菌の ORF Query= HI0078 hinf Sequences producing significant alignments: HI0078 は cysteine trn syntetase Score E (bits) Value cyss ecol "cysteine trn synthetase" met ecol "methionine trn synthetase" 39 5e-04 iles ecol "isoleucine trn synthetase" leus ecol "leucine trn synthetase" yidw ecol "regulator protein for dgo operon" Query= HI0083 hinf (71 letters) Score E Sequences producing significant alignments: (bits) Value ispb ecol "octaprenyl diphosphate synthase" lpl ecol "lipoate-protein ligase " 6.9 nlp ecol "lipoprotein-8" 6.9 b137 ecol "putative membrane protein" 6.9 mda ecol "modulator of drug activity " 9.0 HI0083 は大腸菌にはホモログがない 33

34 参考文献金久實著ポストゲノム情報への招待 (001) 共立出版中村保一他編バイオデータベースとウェブツールの手とり足とり活用法改訂第版 (007) 羊土社 rthur M.Lesk( 岡崎康司坊農秀雄監訳 ) バイオインフォマティクス基礎講義一歩進んだ発想をみがくために (003), メディカルサイエンスインターナインタショナル D.W.Mount 著岡崎康司坊農秀雄監訳バイオインフォマティクスゲノム配列から機能解析へ - 第版メディカルインターナショナル 005 年円阿久津達也バイオインフォマティクスの数理とアルゴリズム (007) 共立出版 R.Durbin 他著阿久津達也他訳バイオインフォマティクス - 確率モデルによる遺伝子解析医学出版 001 年 9800 円 BLS WEB page 34

A Constructive Approach to Gene Expression Dynamics

A Constructive Approach to Gene Expression Dynamics 配列アラインメント (I): 大域アラインメント http://www.lab.tohou.ac.jp/sci/is/nacher/eaching/bioinformatics/ week.pdf 08/4/0 08/4/0 基本的な考え方バイオインフォマティクスにはさまざまなアルゴリズムがありますがその多くにおいて基本的な考え方は配列が類似していれば機能も類似しているというものである例えば