Sequence Alignments---

Ilka Maria Axmann-

Charité-Universitätsmedizin Berlin, Institut für Theoretische Biologie

introduction

Was ist ein Alignment?

Anordnung 2er oder mehrerer Sequenzen zur Untersuchung funktioneller, struktureller oder evolutionärer Verwandtschaften (Homologien) von Nukleotid- und Aminosäuresequenzen

Wie sieht ein Alignment aus?

gap gap match - konserviertes ElementSeq1 HELIKS---TRN--HELIKS mismatch - MutationSeq2 HELIKSSCHLEIFEHELIKS gap - Deletion oder Insertion (Indel)

match mismatch match

für lange/viele Sequenzen Computer notwendigÄhnlichkeit der einzelnen Elemente muss berechnet werden können -> Scoring Matrix (Bewertungsmatrix)

introduction

Welche Arten, Algorithmen und Software gibt es?

2 Seq paarweises Alignmentmehrere Seq multiples Alignment

(1 Seq Rückfaltung, z.B. für RNA Seq)

Lokales Alignment Finden ähnlicher Teilsequenzen, z.B. Suche nach Seq.motiven, ProteindomänenSmith-Waterman-Algorithmus (klassisch)software: BLAST basic local alignment search tool

(aktuell, heuristisch)

Globales Alignment Alle Elemente werden berücksichtigt, Sequenzen oft ähnlich lang und viele Seq.homologien zu erwarten

Needleman-Wunsch-Algorithmus (dynamic programming, Laufzeit ~ LängeAnzahl)

software: CLUSTALW

motivation: homology search

NCBI/BLAST/blastp

>query sequence in fasta formatMLAGLSVLNLFPLAALEVGQQWYWEIGNLKLHGQTFATSWFVILLLVIASLAATRNVQRV PSGIQNLMEYVLEFLRDLARNQLGEKEYRPWLPFIGTLFLFIFVSNWSGALLPWKLIHIP DGAELAAPTNDINTTVALALLTSLAYFYAGLRKKGLGYFANYVQPIPVLLPIKILEDFTK PLSLSFRLFGNILADELVVAVLVLLVPLLVPLPLMALGLFTSAIQALVFATLAGAYIHEA IESEGEEH

motivation: protein structure prediction

Software

zum Beispiel: I-TASSER (Zhang lab)

Ambrish Roy, Dong Xu, Jonathan Poisson, Yang Zhang. A Protocol for Computer-Based Protein Structure and Function Prediction. Journal of Visualized Experiments, vol 57, e3259 (2011).

Figure: An example of I-TASSER result page showing tertiary structure predictions for the query proteins.

motivation: phylogenetic trees

Fig. © http://www.seas.upenn.edu/~cis120/hw/hw02/index.html

tree of life

motivation: similarity of nucleotide sequences

KaiC – protein phosphorylation

¤ conserved P-sites: S427 and T428

pS/pT

S/pT or pS/T

S/T

SDS-PAGE &

NanoLC-MS/MS

- + SynKaiA

0 0.3 1 2 4 6 Hours at 18°C

ProKaiC

SynKaiC-

+ SynKaiA

¤ ProKaiC autophosphorylation without KaiA

¤ hypothesis: absence of kaiA compensated by enhanced autophosphorylation activity of KaiC

xx oooooooooo SynPCC7942 : SITDSHISTITDTIILLQYVEIRGEMSRAINVFKMRGSWHDKAIREFMISDKGPDIKDSFRNFERIISGSPTRITVDEKSELSRIVRGVQEKGPES Thermosyn : SITESHISTITDTILLLQYVEIRGEMSRAINVFKMRGSWHDKGIREYVITEKGAEIRDSFRNFEGIISGTPTRISVDEKTELARIAKGMQDLESE- ProMIT9313 : SITDSHISTITDTILLLQYVEIRGEMARAVNVFKMRGSWHDKRIREYVITDNGPQIKDSFSNFERIFSGAPHRITDDERA---------------- ProMED4 : SITDSHISTITDTILLLQYVEIKGEMARAINVFKMRGSWHDKRIREYIITGQGPEIKDSFSNFEQIFSGAPHRVISDQS--IPNVFKGIEKN----

A-loop (Kim et al., 2008)

Fig. © Axmann et al., 2009, J Bact

motivation: similarity/function of proteins

amino acidsCarboxy- (-COOH) und Aminogruppe (-NH2)

proteinogen (22)L-Aminosäuren

kanonisch (20)Codon/Triplett (61)

Fig. © Wikipedia

amino acids: physicochemical properties Carboxy- (-COOH) und Aminogruppe (-NH2)

proteinogen (22)L-Aminosäuren

kanonisch (20)Codon/Triplett (61)

Fig. © Wikipedia

amino acids and codons

# AS Codon 1 Start AUG 1 Met AUG 1 Trp UGG 2 Tyr UAU UAC 2 Phe UUU UUC 2 Cys UGU UGC 2 Asn AAU AAC 2 Asp GAU GAC 2 Gln CAA CAG 2 Glu GAA GAG 2 His CAU CAC 2 Lys AAA AAG 3 Ile AUU AUC AUA 4 Gly GGU GGC GGA GGG 4 Ala GCU GCC GCA GCG 4 Val GUU GUC GUA GUG 4 Thr ACU ACC ACA ACG 4 Pro CCU CCC CCA CCG 6 Leu CUU CUC CUA CUG UUA UUG 6 Ser UCU UCC UCA UCG AGU AGC 6 Arg CGU CGC CGA CGG AGA AGG 3 Stop UAA UAG UGA

substitution matrices

20 x 20 matrix

PAM – point accepted mutationsMargaret Dayhoff, 1970er JahreZahl substituierter Paare in nah verwandten Proteinen (Hämoglobin)

PAM1: Rate der Substitution, wenn sich 1% der Aminosäuren verändern, entspricht Ähnlichkeit von 99%

PAM250: höchste Stufe, Sequenzähnlichkeit von 20 %

BLOSUM – BLOck Substitution Matrix

Henikoff & Henikoff, 1992Multiple Alignments evolutionär divergenter Proteine genutzt und darin „Blöcke“ konservierter Sequenzabschnitte gefunden und ausgezählt

BLOSUM62: am häufigsten genutzt,verwandte Proteinsequenz mit maximal 60% Identität

substitution matrices: PAM250

substitution matrices: BLOSUM62