Выравнивание пар последовательностей

В этом примере показано, как извлечь некоторые последовательности из GenBank®, найдите открытые рамки считывания (ORFs), и затем выровняйте последовательности с помощью глобальных и локальных алгоритмов выравнивания.

Доступ к данным NCBI из MATLAB® Workspace

Один из многих захватывающих разделов веб-сайта NCBI является разделом Генов и болезней. Этот раздел обеспечивает всестороннее введение в медицинскую генетику.

В этом примере вы будете смотреть на гены, сопоставленные с болезнью Тея-Сакса. Болезнь Тея-Сакса является автосомальной удаляющейся болезнью, вызванной мутациями в обеих аллелях гена (HEXA, который коды для альфа-подблока hexosaminidase A) на хромосоме 15.

Ссылочная последовательность NCBI для HEXA имеет инвентарный номер NM_000520. Можно использовать getgenbank функция, чтобы получить информацию о последовательности из репозитория данных NCBI и загрузить его в MATLAB®.

humanHEXA = getgenbank('NM_000520');

Путем выполнения BLAST ищут или путем поиска в геноме мыши, можно найти ортогональный ген, AK080777 является инвентарным номером для мыши hexosaminidase ген.

mouseHEXA = getgenbank('AK080777');

Для вашего удобства ранее загруженные последовательности включены в MAT-файл. Обратите внимание на то, что данные в общедоступных репозиториях часто курируются и обновляются; поэтому результаты этого примера могут немного отличаться, когда вы используете актуальные наборы данных.

load('hexosaminidase.mat','humanHEXA','mouseHEXA')

Исследование открытых рамок считывания (ORFs)

Можно использовать функциональный seqshoworfs искать ORFs в последовательности для человеческого гена HEXA. Заметьте, что самый длинный ORF находится на системе координат первого чтения. Выходное значение в переменной humanORFs структура, дающая положение запуска и кодонов остановки для всего ORFs на каждой рамке считывания.

humanORFs = seqshoworfs(humanHEXA.Sequence)

humanORFs=3×2 struct
    Start
    Stop

Теперь посмотрите на ORFs в мыши ген HEXA. В этом случае ORF находится также на первой системе координат.

mouseORFs = seqshoworfs(mouseHEXA.Sequence)

mouseORFs=3×2 struct
    Start
    Stop

Выравнивание последовательностей

Первый шаг должен использовать глобальное выравнивание последовательности, чтобы искать общие черты между этими последовательностями. Вы могли посмотреть на выравнивание между последовательностями нуклеотида, но это обычно более поучительно, чтобы посмотреть на выравнивание между последовательностями белка в этом примере, мы знаем, что последовательности кодируют последовательности. Используйте nt2aa функционируйте, чтобы преобразовать последовательности нуклеотида в соответствующие последовательности аминокислот. Заметьте, что ген HEXA происходит в первой системе координат для обеих последовательностей, в противном случае необходимо использовать входной параметр Frame задавать альтернативную систему координат кодирования.

humanProtein = nt2aa(humanHEXA.Sequence);
mouseProtein = nt2aa(mouseHEXA.Sequence);

Один из самых легких способов искать подобие между последовательностями с точечной диаграммой.

seqdotplot(mouseProtein,humanProtein)
Warning: Match matrix has more points than available screen pixels.<br>         Scaling image by factors of 1 in X and 2 in Y.
xlabel('Human hexosaminidase A');ylabel('Mouse hexosaminidase A');

С настройками по умолчанию точечная диаграмма немного затрудняет, чтобы интерпретировать, таким образом, можно попробовать немного более строгую точечную диаграмму.

seqdotplot(mouseProtein,humanProtein,4,3)
Warning: Match matrix has more points than available screen pixels.<br>         Scaling image by factors of 1 in X and 2 in Y.
xlabel('Human hexosaminidase A');ylabel('Mouse hexosaminidase A');

Диагональная линия указывает, что существует, вероятно, хорошее выравнивание, таким образом, можно теперь смотреть на глобальное выравнивание с помощью функционального nwalign который использует алгоритм Needleman-Wunsch.

[score, globalAlignment] = nwalign(humanProtein,mouseProtein);

Функциональный showalignment отображает выравнивание в окне фигуры MATLAB с соответствием и подобными остатками, подсвеченными в различных цветах.

showalignment(globalAlignment);

Совершенствование с полуглобальным выравниванием

Выравнивание очень хорошо за исключением терминальных сегментов. Например, заметьте разреженные совпадающие пары в первых положениях. Это происходит, потому что глобальное выравнивание пытается обеспечить соответствие полностью к концам и существует точка, где штраф за открытие новых разрывов сопоставим со счетом соответствия с остатками. В некоторых случаях желательно удалить штраф разрыва, добавленный в концах глобального выравнивания; это позволяет вам лучше совпадать с этой парой последовательностей. Этот метод обычно известен как 'полуглобальное' выравнивание или 'glocal' выравнивание.

[score, globalAlignment] = nwalign(humanProtein,mouseProtein,'glocal',true);
showalignment(globalAlignment);

Совершенствование выравнивания путем извлечения последовательности белка

Другой способ совершенствовать ваше выравнивание только при помощи последовательностей белка. Заметьте, что выровненная область разграничена запуском (M-метионин), и остановитесь (*) аминокислоты в последовательностях. Если последовательность сокращена так, чтобы только переведенные области были рассмотрены, то кажется вероятным, что вы получите лучшее выравнивание. Используйте find команда, чтобы искать индекс аминокислоты запуска в каждой последовательности:

humanStart = find(humanProtein == 'M',1)
humanStart = 70
mouseStart = find(mouseProtein == 'M',1)
mouseStart = 11

Точно так же используйте find команда, чтобы искать индекс первой остановки, происходящей после запуска перевода. Необходимо соблюдать особую осторожность, потому что существует также остановка в самом начале humanProtein последовательность.

humanStop = find(humanProtein(humanStart:end)=='*',1) + humanStart - 1
humanStop = 599
mouseStop = find(mouseProtein(mouseStart:end)=='*',1) + mouseStart - 1
mouseStop = 539

Используйте эти индексы, чтобы обрезать последовательности.

humanSeq = humanProtein(humanStart:humanStop);
humanSeqFormatted = seqdisp(humanSeq)
humanSeqFormatted = 9x70 char array
    '  1  MTSSRLWFSL LLAAAFAGRA TALWPWPQNF QTSDQRYVLY PNNFQFQYDV SSAAQPGCSV'
    ' 61  LDEAFQRYRD LLFGSGSWPR PYLTGKRHTL EKNVLVVSVV TPGCNQLPTL ESVENYTLTI'
    '121  NDDQCLLLSE TVWGALRGLE TFSQLVWKSA EGTFFINKTE IEDFPRFPHR GLLLDTSRHY'
    '181  LPLSSILDTL DVMAYNKLNV FHWHLVDDPS FPYESFTFPE LMRKGSYNPV THIYTAQDVK'
    '241  EVIEYARLRG IRVLAEFDTP GHTLSWGPGI PGLLTPCYSG SEPSGTFGPV NPSLNNTYEF'
    '301  MSTFFLEVSS VFPDFYLHLG GDEVDFTCWK SNPEIQDFMR KKGFGEDFKQ LESFYIQTLL'
    '361  DIVSSYGKGY VVWQEVFDNK VKIQPDTIIQ VWREDIPVNY MKELELVTKA GFRALLSAPW'
    '421  YLNRISYGPD WKDFYIVEPL AFEGTPEQKA LVIGGEACMW GEYVDNTNLV PRLWPRAGAV'
    '481  AERLWSNKLT SDLTFAYERL SHFRCELLRR GVQAQPLNVG FCEQEFEQT*           '

mouseSeq = mouseProtein(mouseStart:mouseStop);
mouseSeqFormatted = seqdisp(mouseSeq)
mouseSeqFormatted = 9x70 char array
    '  1  MAGCRLWVSL LLAAALACLA TALWPWPQYI QTYHRRYTLY PNNFQFRYHV SSAAQAGCVV'
    ' 61  LDEAFRRYRN LLFGSGSWPR PSFSNKQQTL GKNILVVSVV TAECNEFPNL ESVENYTLTI'
    '121  NDDQCLLASE TVWGALRGLE TFSQLVWKSA EGTFFINKTK IKDFPRFPHR GVLLDTSRHY'
    '181  LPLSSILDTL DVMAYNKFNV FHWHLVDDSS FPYESFTFPE LTRKGSFNPV THIYTAQDVK'
    '241  EVIEYARLRG IRVLAEFDTP GHTLSWGPGA PGLLTPCYSG SHLSGTFGPV NPSLNSTYDF'
    '301  MSTLFLEISS VFPDFYLHLG GDEVDFTCWK SNPNIQAFMK KKGFTDFKQL ESFYIQTLLD'
    '361  IVSDYDKGYV VWQEVFDNKV KVRPDTIIQV WREEMPVEYM LEMQDITRAG FRALLSAPWY'
    '421  LNRVKYGPDW KDMYKVEPLA FHGTPEQKAL VIGGEACMWG EYVDSTNLVP RLWPRAGAVA'
    '481  ERLWSSNLTT NIDFAFKRLS HFRCELVRRG IQAQPISVGC CEQEFEQT*            '

Если вы выровняете эти две последовательности и затем просмотрите их, то вы будете видеть очень хорошее глобальное выравнивание.

[score, alignment] = nwalign(humanSeq,mouseSeq);
showalignment(alignment);

Открытая информация о рамке считывания также доступна от выхода seqshoworfs команда, но индексы основана на последовательностях нуклеотида. Используйте эти индексы, чтобы обрезать исходные последовательности нуклеотида и затем перевести их в аминокислоты.

humanPORF = nt2aa(humanHEXA.Sequence(humanORFs(1).Start(1):humanORFs(1).Stop(1)));
mousePORF = nt2aa(mouseHEXA.Sequence(mouseORFs(1).Start(1):mouseORFs(1).Stop(1)));
[score, ORFAlignment] = nwalign(humanPORF,mousePORF);
showalignment(ORFAlignment);

В качестве альтернативы можно использовать информацию об области кодирования (CDS) от структуры данных GenBank, чтобы найти область кодирования генов.

idx = humanHEXA.CDS.indices;
humanCodingRegion = humanHEXA.Sequence(idx(1):idx(2));
idx = mouseHEXA.CDS.indices;        
mouseCodingRegion = mouseHEXA.Sequence(idx(1):idx(2));

Можно также получить перевод областей кодирования от этой структуры.

humanTranslatedRegion = humanHEXA.CDS.translation;
mouseTranslatedRegion = mouseHEXA.CDS.translation;

Локальное выравнивание

Вместо того, чтобы обрезать последовательности, чтобы искать лучшее выравнивание, альтернативный подход должен использовать локальное выравнивание. Функциональный swalign выполняет локальное выравнивание с помощью алгоритма Смита-лодочника. Это показывает очень хорошее выравнивание для целой области кодирования и разумное подобие для нескольких остатков вне в обоих концы гена.

[score, localAlignment] = swalign(humanProtein,mouseProtein);
showalignment(localAlignment);

Выравнивание дополнительных последовательностей DNA

Все функции выравнивания последовательности, обеспеченные в MATLAB, могут быть настроены. Например, путем изменения строк и столбцов матрицы выигрыша можно выровнять последовательности дополнением а не идентичностью. В этом случае можно переупорядочить NUC44 выигрыш матрицы; положительный счет дан для дополнений, в то время как отрицательный счет дан в противном случае. Первые 30 нуклеотидов от мыши ген HEXA будут выровнены к его дополнению.

[M, info] = nuc44;
map = nt2int(seqcomplement(info.Order))
map = 1x15 uint8 row vector

    4    3    2    1    6    5    8    7    9   10   14   13   12   11   15

Mc = M(:,map)
Mc = 15×15

    -4    -4    -4     5    -4     1     1    -4    -4     1    -1    -1    -1    -4    -2
    -4    -4     5    -4     1    -4     1    -4     1    -4    -1    -1    -4    -1    -2
    -4     5    -4    -4    -4     1    -4     1     1    -4    -1    -4    -1    -1    -2
     5    -4    -4    -4     1    -4    -4     1    -4     1    -4    -1    -1    -1    -2
    -4     1    -4     1    -4    -1    -2    -2    -2    -2    -1    -3    -1    -3    -1
     1    -4     1    -4    -1    -4    -2    -2    -2    -2    -3    -1    -3    -1    -1
     1     1    -4    -4    -2    -2    -4    -1    -2    -2    -3    -3    -1    -1    -1
    -4    -4     1     1    -2    -2    -1    -4    -2    -2    -1    -1    -3    -3    -1
    -4     1     1    -4    -2    -2    -2    -2    -1    -4    -1    -3    -3    -1    -1
     1    -4    -4     1    -2    -2    -2    -2    -4    -1    -3    -1    -1    -3    -1
      ⋮

[score, compAlignment] = nwalign(mouseHEXA.Sequence(1:30), ...
    seqcomplement(mouseHEXA.Sequence(1:30)), 'SCORINGMATRIX', ...
        Mc, 'ALPHABET', 'NT')
score = 150
compAlignment = 3x30 char array
    'GCTGCTGGAAGGGGAGCTGGCCGGTGGGCC'
    '::::::::::::::::::::::::::::::'
    'CGACGACCTTCCCCTCGACCGGCCACCCGG'

Для просмотра документации необходимо авторизоваться на сайте