Bio-informatica2 Samenvatting

H3: Pairwise Sequence Alignment (herhaling)
Protein alignment
Drie reden waarom eiwit alignment beter is dan DNA alignment:
1. Verandering in DNA sequentie zorgt niet altijd voor verandering in eiwit
sequentie
2. Bepaalde aminozuren hebben dezelfde biochemische eigenschappen.
 Om deze reden is verandering van aminozuur niet altijd even erg
3. Eiwit sequenties kunnen homologe sequenties identificeren

Definitions: Homology, Similarity, Identity
Homoloog = het delen van een gemeenschappelijke voorouder
 Er is geen graad in homologie, iets is wel of niet homoloog
 Iets kan homoloog zijn zonder dat het statistische significantie
aminozuur of nucleotide
overeenkomsten deelt

2 type homologie:
1. Ortholoog = verschillende
eiwitten/genen door speciatie
(soortvorming)
2. Paraloog = verschillende
eiwitten/genen in eenzelfde soort door
gen-duplicatie

Pairwise alignment = het naast elkaar houden van twee sequenties, waarbij
het doel is om een zo’n hoog mogelijke overeenkomst te verkrijgen
 Met BLASTP (protein) en BLASTN (nucleotiden)

BLAST op NCBI:
1. Kies tussen BLASTP en BLASTN
2. Geef de sequenties
3. Kies de paramters:
- Scoring matrix (PAM/BLOSUM)
- Gap penalties
- Word size, expect value etc.
4. Klik op algin :




 De tussenliggende lijn geeft de overeenkomsten weer tussen de twee
sequenties

,Conservatieve substitutie = overeenkomsten in alignments door
vergelijkbare aminzouren (in de alignment weergegeven met een + teken)
 Aminozuren die vergelijkbaar zijn: (K R H) – (D E) - (S T) – (W F Y L I V
MA)
Vergelijkbaarheid percentage = identieke aminozuren + vergelijkbare
aminozuren
Gaps
Drie meest voorkomende mutaties
1. Substitutie
2. Insertie
3. Deletie

Substituties kunnen leiden tot de verandering van aminozuur, en dus de
alignment van twee niet identieke aminozuren

Inserties en deleties kunnen zorgen voor gaps bij één van de twee sequenties
tijdens pairwise sequence alignment

Het toevoegen van gaps kan zorgen voor een beter alignment
 Het gebruiken van gaps geeft een penalty en dus verlaging van de
scoring

Twee type gap penalties:
1. Gap open
2. Gap verlenging
 Gap verlenging penalty is lager dan een gap open penalty, omdat een
insertie/deletie kan zorgen voor gap groter dan 1 aminozuur

Scoring matrices
Dayhoff model = scoringsysteem wat de basis is voor eiwit-alignment scoring
 Opgesteld in 7 stappen

Dayhoff stap 1: Accepted Point Mutations (PAM)
De verandering van een aminozuur in een eiwit die geaccepteerd is door de
natuurlijke selectie.
 het is pas geaccepteerd als het nieuwe eiwit met de mutatie het
meest voorkomende eiwit is

Dayhoff heeft bepaald wat de frequentie is van alle PAM’s door eiwitten te
vergelijken met een 85% overeenkomst


Dayhoff stap 2: Frequentie van de aminozuren
Bepaalde aminozuren komen vaker voor dan andere, dit moet worden
meegenomen in het scoringsmodel

,Dayhoff stap 3: Relatieve mutabiliteit (veranderlijkheid)
Sommige aminozuren veranderen/muteren sneller dan anderen. Dit is
geanalyseerd door Dayhoff:




bepaalde aminozuren hebben een hele lage mutabiliteit, omdat als deze
muteert het bijvoorbeeld kan leiden tot sterfte van het organisme



Dayhoff stap 4: Mutatie waarschijnlijkheidsmatrix (bij 1 PAM)
Met de data van eerdere verkregen stappen (1 t/m 3) kan er een mutatie
waarschijnlijkheidsmatrix worden opgesteld.

Deze matrix bestaat uit de kan dat aminozuur i vervangen wordt door

, aminozuur j

Bovenstaande figuur is bij PAM1, dit houdt in dat er 1% van de aminozuren is
veranderd tussen de twee eiwit sequenties

Aan de hand van deze matrix kan er rekening worden gehouden met de
scoring, bijvoorbeeld een hogere penalty als een eiwit wordt vervangen door
een substitutie die bijna nooit voorkomt



Dayhoff stap 5: PAM250 en andere PAM matrixen
De matrix die is verkregen uit Dayhoff stap 4 is met een PAM van 1. Andere
PAM matrixen zijn verkregen door deze matrix met zichzelf te
vermenigvuldigen.
 Dus een PAM3 is een PAM1 matrix die drie keer met zichzelf is
vermenigvuldigd.

Deze matrixen zijn nodig, omdat er bijna nooit twee sequenties zijn die maar
1% verschil hebben. Dus als er veel afwijking is tussen twee eiwit sequenties
kies je voor een hogere PAM

Een PAM250 is één van de meest gebruikte matrixen tijdens een BLAST.
 Een PAM250 is ongeveer bij een 20% verschil tussen twee matrixen


Dayhoff stap 6: Mutatiewaarschijnlijkheidsmatrix naar verwantschap kans
matrix
Met behulp van een formule waarbij de
data/percentage uit de PAM matrix wordt gedeeld door
de kans dat aminozuur i in de tweede sequentie
voorkomt.

Als deze waarde (Rij) positief is dan geeft dit aan dat
een vervanging vaker gebeurt dan bij toeval wordt
verwacht. Een negatieve waarde geeft aan dat vervanging niet de voorkeur
heeft.

Dayhoff stap 7: Log-kans matrix
De formule van stap 6 kan uitgebreid worden om zo een
score te krijgen. Alle score van alle aminozuren en
substituties kunnen dan in een tabel worden ingevuld
 De log-kans matrix
 Als je veel punten krijg voor een match (W  W) krijg je veel
minpunten voor een mismatch