Программы пакета BLAST

Программы пакета BLAST для работы с нуклеотидными последовательностями

Создание индексных файлов для программ пакета BLAST:

Для того, чтобы создать индексные файлы для генома Pasteurella multocida, в командной строке linux нужно ввести следующую команду:
```
    formatdb -i pm_genome.fasta -p F -n pm
```
Параметры:
- -i - имя входного файла;
- -p - указание типа данных (F - нуклеотидная последовательность, T - аминокислотная последовательность);
- -n - базовое имя для трёх индексных файлов.
Создание индексных файлов для поиска сразу по трём геномам:

Cписок команд и действий:
- Введение переменной для пути к файлам с геномами:
```
genpath=/home/export/samba/public/tmp
      
```
- Введение переменной, принимающей три значения, соответствующих трём геномам:
```
genomes="$genpath/xc_genome.fasta $genpath/st_genome.fasta $genpath/pm_genome.fasta"
      
```
- Создание индексных файлов:
```
formatdb -i "$genomes" -p F -n 3g
      
```
В результате получено три индексных файла: 3g.nin, 3g.nhr, 3g.nqs;

Поиск в геноме участков, кодирующих белки, похожие на заданный:

Используемая программа - TBLASTN. C её помощью проводят поиск гомологов белка в неаннотированных нуклеотидных последовательностях.
Команда:

    blsatall -p tblastn -d pm -i CAPP_ECOLI -o pm_search.txt

Поиск гомологов CAPP_ECOLI		Геном Pasteurella multocida	Геном Xanthomonas campestris*	Геном Salmonella typhimurium*
Число находок с Е-value<0,01		1
Поиск по трём геномам
	Число находок с E-value<0.01	1	1	1
	E-value лучшей находки	0.0	e-110	0.0
	AC соответствующей записи EMBL	AE006090	AE012175	AE008892
Характеристика лучшей находки
	E-value лучшей находки	0.0	e-110	0.0
	координаты выравниваний в записи генома	4204-6840	173-2836	15358-12710
	AC соответствующей записи EMBL	AE006090	AE012175	AE008892
	Координаты CDS в записи EMBL	complement(4201..6840)	(125..2839)	complement(12707..15358)
	AC/ID UniProt, название кодирующего гена в записи EMBL	Q9CN89 CAPP_PASMU ген ppc	Q8P336 CAPP_XANCP ген ppc	Q8ZKM0 CAPP_SALTY ген ppc
	Процент идентичности	63%	32%	91%
	Примечания	Все три лучшие находки относятся к белковому семейству PEPCase, являются фосфоенолпируват карбоксилазами, обладают одинаковыми функциями.

Файлы с результатами:

Итак, TBLASTN успешно нашла гомологичные белки для CAPP_ECOLI, поэтому эта программа может служить хорошим инструментом для поиска гомологов. Поиск по трём геномам сразу эквивалентен поиску по каждому геному в отдельности. Удобней и быстрей искать сразу по трём геномам. Возможно, если поиск ведётся по большому количеству геномов, это займёт какое-то время, однако мне кажется, это гораздо быстрее, чем искать по каждому геному в отдельности.

Поиск гомологов с помощью программы BLASTN:

Использованная команда:

blastall -p blastn -d 3g -i CAPP_gene1.fasta -o blastn_search.txt

Результат поиска - blastn_search.txt.

E-value лучшей находки	0.0
Геном	Salmonella typhimurium
Процент идентичности	85%
Соответствующий белок	CAPP_SALTY

Выравнивание для лучшей находки: blastnal.txt

>AE008892 AE006468 |AE008892| Salmonella typhimurium LT2, section 196 of
             220 of the complete genome.
          Length = 20385

 Score = 2095 bits (1057), Expect = 0.0
 Identities = 2170/2541 (85%)
 Strand = Plus / Minus

                                                                         
Query: 1     atgaacgaacaatattccgcattgcgtagtaatgtcagtatgctcggcaaagtgctggga 60
             |||||||||||||||||||| ||||||||||||||||||||||||||||| |||||||||
Sbjct: 15358 atgaacgaacaatattccgcgttgcgtagtaatgtcagtatgctcggcaaggtgctggga 15299

                                                                         
Query: 61    gaaaccatcaaggatgcgttgggagaacacattcttgaacgcgtagaaactatccgtaag 120
             |||||||||||||||||| ||||||||||||||||||| ||||||||||| |||||||||
Sbjct: 15298 gaaaccatcaaggatgcgctgggagaacacattcttgatcgcgtagaaacaatccgtaag 15239

                                                                         
Query: 121   ttgtcgaaatcttcacgcgctggcaatgatgctaaccgccaggagttgctcaccacctta 180
              | || |||||||||||||| |||||||| ||||| ||||||||| ||||||||||  ||
Sbjct: 15238 ctatccaaatcttcacgcgccggcaatgaagctaatcgccaggagctgctcaccacgcta 15179

                                                                         
Query: 181   caaaatttgtcgaacgacgagctgctgcccgttgcgcgtgcgtttagtcagttcctgaac 240
             ||||||||||| || |||||||||||||| |||||||| |||||||||||||||||||||
Sbjct: 15178 caaaatttgtctaatgacgagctgctgccagttgcgcgcgcgtttagtcagttcctgaac 15119

                                                                         
Query: 241   ctggccaacaccgccgagcaataccacagcatttcgccgaaaggcgaagctgccagcaac 300
             |||||||| || |||||||||||||||||||||||||| ||||||||||| |||||||||
Sbjct: 15118 ctggccaatactgccgagcaataccacagcatttcgccaaaaggcgaagccgccagcaac 15059

                                                                         
Query: 301   ccggaagtgatcgcccgcaccctgcgtaaactgaaaaaccagccggaactgagcgaagac 360
             ||||||||||| |||||||| ||||| |||||||||||||| ||||| || | ||| |  
Sbjct: 15058 ccggaagtgattgcccgcactctgcgcaaactgaaaaaccaaccggacctcaacgacgca 14999

                                                                         
Query: 361   accatcaaaaaagcagtggaatcgctgtcgctggaactggtcctcacggctcacccaacc 420
             |||||||||||||| || || |||||||| |||||  |||| || || || || || || 
Sbjct: 14998 accatcaaaaaagcggtagagtcgctgtctctggagttggtgctaaccgcccatccgaca 14939

                                                                         
Query: 421   gaaattacccgtcgtacactgatccacaaaatggtggaagtgaacgcctgtttaaaacag 480
             ||||||||||| ||||| || || ||||||||||  ||| | |||  |||| ||||||||
Sbjct: 14938 gaaattacccgccgtacgcttattcacaaaatgggtgaaatcaacaactgtctaaaacag 14879

                                                                         
Query: 481   ctcgataacaaagatatcgctgactacgaacacaaccagctgatgcgtcgcctgcgccag 540
             || ||||| |  |||||||| |||||||||| | ||||| | ||||||||||||||||||
Sbjct: 14878 cttgataataccgatatcgccgactacgaacgccaccaggtaatgcgtcgcctgcgccag 14819

                                                                         
Query: 541   ttgatcgcccagtcatggcataccgatgaaatccgtaagctgcgtccaagcccggtagat 600
             ||||| ||||| || |||||||| ||||| ||||| |||| ||||||||||||||| |||
Sbjct: 14818 ttgattgcccaatcctggcatacggatgagatccgcaagcagcgtccaagcccggtggat 14759

                                                                         
Query: 601   gaagccaaatggggctttgccgtagtggaaaacagcctgtggcaaggcgtaccaaattac 660
             ||||||||||||||||| ||||| || || |||||||||||||| |||||||| || || 
Sbjct: 14758 gaagccaaatggggcttcgccgtggttgagaacagcctgtggcagggcgtacctaactat 14699

                                                                         
Query: 661   ctgcgcgaactgaacgaacaactggaagagaacctcggctacaaactgcccgtcgaattt 720
             ||||| |||||||||||||| |||||||| || |||||||||||| |||| || || |||
Sbjct: 14698 ctgcgtgaactgaacgaacagctggaagaaaatctcggctacaaattgccggtggatttt 14639

                                                                         
Query: 721   gttccggtccgttttacttcgtggatgggcggcgaccgcgacggcaacccgaacgtcact 780
             || ||||| |||||||| || ||||||||||||||||| ||||||||||||||||| || 
Sbjct: 14638 gtgccggtacgttttacctcctggatgggcggcgaccgtgacggcaacccgaacgtgacg 14579

                                                                         
Query: 781   gccgatatcacccgccacgtcctgctactcagccgctggaaagccaccgatttgttcctg 840
             || ||||||||||||||||| ||  |  | ||||||||||||||||||||| ||||||||
Sbjct: 14578 gcggatatcacccgccacgtactcttgttaagccgctggaaagccaccgatctgttcctg 14519

                                                                         
Query: 841   aaagatattcaggtgctggtttctgaactgtcgatggttgaagcgacccctgaactgctg 900
             ||||| ||||| || ||||| || |||||||||||||| || || || || || ||||||
Sbjct: 14518 aaagacattcatgttctggtatcagaactgtcgatggtcgacgccacgccggagctgctg 14459

                                                                         
Query: 901   gcgctggttggcgaagaaggtgccgcagaaccgtatcgctatctgatgaaaaacctgcgt 960
             ||| | || ||||||||||| ||  | || ||||||||||| |||||||||||  |||| 
Sbjct: 14458 gcgttagtgggcgaagaaggcgcgtctgagccgtatcgctacctgatgaaaaaattgcgc 14399

                                                                         
Query: 961   tctcgcctgatggcgacacaggcatggctggaagcgcgcctgaaaggcgaagaactgcca 1020
              | || ||||||||||| ||| | |||||||||||||| |||||||||||  | ||||| 
Sbjct: 14398 gcccgtctgatggcgacccagtcctggctggaagcgcgtctgaaaggcgagaagctgccc 14339

                                                                         
Query: 1021  aaaccagaaggcctgctgacacaaaacgaagaactgtgggaaccgctctacgcttgctac 1080
             ||||| |  ||||||||||| ||||||||  | || |||||||| || ||||| ||||||
Sbjct: 14338 aaaccggctggcctgctgacgcaaaacgagcagctctgggaacctctgtacgcctgctac 14279

                                                                         
Query: 1081  cagtcacttcaggcgtgtggcatgggtattatcgccaacggcgatctgctcgacaccctg 1140
             |||||  | ||||| || |||||||| |||||||||||||||||  | |||||||| || 
Sbjct: 14278 cagtcgttacaggcctgcggcatgggcattatcgccaacggcgagttactcgacacgctc 14219

                                                                         
Query: 1141  cgccgcgtgaaatgtttcggcgtaccgctggtccgtattgatatccgtcaggagagcacg 1200
             ||||||||||| |||||||||||||||||||| |||||||||||||| ||||| || || 
Sbjct: 14218 cgccgcgtgaagtgtttcggcgtaccgctggtgcgtattgatatccgccaggaaagtacc 14159

                                                                         
Query: 1201  cgtcataccgaagcgctgggcgagctgacccgctacctcggtatcggcgactacgaaagc 1260
             || ||||| ||||||||||||||  | ||||||||||||||||| |||||||||||||||
Sbjct: 14158 cgccatactgaagcgctgggcgaaattacccgctacctcggtattggcgactacgaaagc 14099

                                                                         
Query: 1261  tggtcagaggccgacaaacaggcgttcctgatccgcgaactgaactccaaacgtccgctt 1320
             ||||| || |||||||| ||||| ||||||||||||||||||||||||||||||||||| 
Sbjct: 14098 tggtcggaagccgacaagcaggccttcctgatccgcgaactgaactccaaacgtccgctg 14039

                                                                         
Query: 1321  ctgccgcgcaactggcaaccaagcgccgaaacgcgcgaagtgctcgatacctgccaggtg 1380
             |||||||| |||||| | || |||  ||| || ||||||||||| || |||||| |||| 
Sbjct: 14038 ctgccgcgtaactgggagccgagcaacgatacccgcgaagtgcttgaaacctgcaaggtt 13979

                                                                         
Query: 1381  attgccgaagcaccgcaaggctccattgccgcctacgtgatctcgatggcgaaaacgccg 1440
             ||||||||||| ||  |||| || || ||||||||||| || || |||||||||||||||
Sbjct: 13978 attgccgaagcgccaaaaggatcgatcgccgcctacgtaatttcaatggcgaaaacgccg 13919

                                                                         
Query: 1441  tccgacgtactggctgtccacctgctgctgaaagaagcgggtatcgggtttgcgatgccg 1500
             || || || |||||||| || |||||||||||||| || |||||||| ||||| ||||||
Sbjct: 13918 tctgatgtgctggctgtgcatctgctgctgaaagaggcaggtatcggctttgccatgccg 13859

                                                                         
Query: 1501  gttgctccgctgtttgaaaccctcgatgatctgaacaacgccaacgatgtcatgacccag 1560
             || || ||||||||||||||||||||||| |||||||| ||| |||| || |||||||||
Sbjct: 13858 gtcgcgccgctgtttgaaaccctcgatgacctgaacaatgccgacgacgtgatgacccag 13799

                                                                         
Query: 1561  ctgctcaatattgactggtatcgtggcctgattcagggcaaacagatggtgatgattggc 1620
              || | ||||| ||||||||||| || ||||||||||| || |||||||| ||||| |||
Sbjct: 13798 ttgttgaatatcgactggtatcgcggactgattcagggtaagcagatggtcatgatcggc 13739

                                                                         
Query: 1621  tattccgactcagcaaaagatgcgggagtgatggcagcttcctgggcgcaatatcaggca 1680
             || |||||||| || ||||| || || || ||||| || || |||||||| |||||||| 
Sbjct: 13738 tactccgactcggcgaaagacgccggcgttatggccgcgtcatgggcgcagtatcaggcg 13679

                                                                         
Query: 1681  caggatgcattaatcaaaacctgcgaaaaagcgggtattgagctgacgttgttccacggt 1740
             ||||| ||  | ||||||||||| |||||||| || || ||||| ||  | |||||||| 
Sbjct: 13678 caggacgccctgatcaaaacctgtgaaaaagccggcatcgagcttaccctcttccacggc 13619

                                                                         
Query: 1741  cgcggcggttccattggtcgcggcggcgcacctgctcatgcggcgctgctgtcacaaccg 1800
             |||||||| || ||||| || |||||||| || || || ||||||||||| || ||||||
Sbjct: 13618 cgcggcggatctattggccgtggcggcgcgccagcccacgcggcgctgctttcgcaaccg 13559

                                                                         
Query: 1801  ccaggaagcctgaaaggcggcctgcgcgtaaccgaacagggcgagatgatccgctttaaa 1860
             ||||| || ||||||||||| |||||||| ||||| |||||||||||||||||||| |||
Sbjct: 13558 ccaggcagtctgaaaggcggtctgcgcgtgaccgagcagggcgagatgatccgcttcaaa 13499

                                                                         
Query: 1861  tatggtctgccagaaatcaccgtcagcagcctgtcgctttataccggggcgattctggaa 1920
             || || ||||| ||| |||||||||||||||| ||||| || ||| | || |||||||||
Sbjct: 13498 tacggcctgccggaagtcaccgtcagcagcctctcgctctacaccagcgcaattctggaa 13439

                                                                         
Query: 1921  gccaacctgctgccaccgccggagccgaaagagagctggcgtcgcattatggatgaactg 1980
             || ||||||||||| |||||||| |||||||| ||||||||||  ||||||||||| || 
Sbjct: 13438 gcaaacctgctgccgccgccggaaccgaaagacagctggcgtcatattatggatgagctt 13379

                                                                         
Query: 1981  tcagtcatctcctgcgatgtctaccgcggctacgtacgtgaaaacaaagattttgtgcct 2040
             || ||||||||||| ||   ||||||||||||||| || ||||| ||||| ||||| || 
Sbjct: 13378 tccgtcatctcctgtgaaacctaccgcggctacgtgcgcgaaaataaagactttgtaccg 13319

                                                                         
Query: 2041  tacttccgctccgctacgccggaacaagaactgggcaaactgccgttgggttcacgtccg 2100
             |||||||||||||| |||||||| |||||  |||||||| ||||| | || |||||||||
Sbjct: 13318 tacttccgctccgcgacgccggagcaagagttgggcaaattgccgctcggctcacgtccg 13259

                                                                         
Query: 2101  gcgaaacgtcgcccaaccggcggcgtcgagtcactacgcgccattccgtggatcttcgcc 2160
             ||||||||||| ||||| ||||||||||| || || ||||| ||||||||||||||||||
Sbjct: 13258 gcgaaacgtcgtccaactggcggcgtcgaatcgctgcgcgcgattccgtggatcttcgcc 13199

                                                                         
Query: 2161  tggacgcaaaaccgtctgatgctccccgcctggctgggtgcaggtacggcgctgcaaaaa 2220
             |||||||||||||| |||||||| || ||||||||||| || ||||| ||||||||||||
Sbjct: 13198 tggacgcaaaaccgcctgatgctgccagcctggctgggcgcgggtactgcgctgcaaaaa 13139

                                                                         
Query: 2221  gtggtcgaagacggcaaacagagcgagctggaggctatgtgccgcgattggccattcttc 2280
             ||||| |||||||| ||||| ||||| ||||| || ||||||||||| ||||| ||||||
Sbjct: 13138 gtggtggaagacggtaaacaaagcgaactggaagccatgtgccgcgactggccgttcttc 13079

                                                                         
Query: 2281  tcgacgcgtctcggcatgctggagatggtcttcgccaaagcagacctgtggctggcggaa 2340
             || |||||||| || |||||||| ||||| ||| | ||||| |||||||||||||| || 
Sbjct: 13078 tccacgcgtcttgggatgctggaaatggtgttctcgaaagccgacctgtggctggccgac 13019

                                                                         
Query: 2341  tactatgaccaacgcctggtagacaaagcactgtggccgttaggtaaagagttacgcaac 2400
             || || || || |||||||| |  ||| | || |||||| | || |||||| ||||  ||
Sbjct: 13018 tattacgatcagcgcctggtggcgaaaacgctttggccgctgggcaaagagctacgagac 12959

                                                                         
Query: 2401  ctgcaagaagaagacatcaaagtggtgctggcgattgccaacgattcccatctgatggcc 2460
             || |  ||||||||||| ||||||||||||||||||||||||||||| || |||||||||
Sbjct: 12958 ctactggaagaagacattaaagtggtgctggcgattgccaacgattcgcacctgatggcc 12899

                                                                         
Query: 2461  gatctgccgtggattgcagagtctattcagctacggaatatttacaccgacccgctgaac 2520
             ||  | ||||||||||| ||||| |||||| || | ||  |||| ||||| ||  | |||
Sbjct: 12898 gacttaccgtggattgcggagtccattcagttaagaaacgtttataccgatccattaaac 12839

                                  
Query: 2521  gtattgcaggccgagttgctg 2541
             || ||||||||||| ||||||
Sbjct: 12838 gtgttgcaggccgaattgctg 12818

Aннотация соответствующего фрагмента Salmonella typhimurium в документе EMBL:

Координаты CDS: complement(12707..15358)
Стартовый кодон: 1 (atg) (M)
Таблица генетического кода: 11 (bacterial)
Ген: ppc
Кодируемый белок: CAPP_SALTY, фосфоенолпируват карбоксилаза
Интересная заметка к вопросу о гомологах (:
```
/note="similar to E. coli phosphoenolpyruvate carboxylase
(AAC76938.1); Blastp hit to AAC76938.1 (883 aa), 93% identity in aa 1 - 883
```
. CAPP_SALTY - очень близкий гомолог для CAPP_ECOLI.
Записи в банках данных о кодируемом белке: GOA:Q8ZKM0 InterPro:IPR001449 UniProtKB/Swiss-Prot:Q8ZKM0
ID белка: AAL22958.1
Транслированная последовательность кодируемого белка CAPP_SALTY.

  
FT   gene            complement(12707..15368)
FT                   /gene="ppc"
FT                   /note="synonym: STM4119"
FT   CDS             complement(12707..15358)
FT                   /codon_start=1
FT                   /transl_table=11
FT                   /gene="ppc"
FT                   /product="phosphoenolpyruvate carboxylase"
FT                   /EC_number="4.1.1.31"
FT                   /note="similar to E. coli phosphoenolpyruvate carboxylase
FT                   (AAC76938.1); Blastp hit to AAC76938.1 (883 aa), 93%
FT                   identity in aa 1 - 883"
FT                   /db_xref="GOA:Q8ZKM0"
FT                   /db_xref="InterPro:IPR001449"
FT                   /db_xref="UniProtKB/Swiss-Prot:Q8ZKM0"
FT                   /protein_id="AAL22958.1"
FT                   /translation="MNEQYSALRSNVSMLGKVLGETIKDALGEHILDRVETIRKLSKSS
FT                   RAGNEANRQELLTTLQNLSNDELLPVARAFSQFLNLANTAEQYHSISPKGEAASNPEVI
FT                   ARTLRKLKNQPDLNDATIKKAVESLSLELVLTAHPTEITRRTLIHKMGEINNCLKQLDN
FT                   TDIADYERHQVMRRLRQLIAQSWHTDEIRKQRPSPVDEAKWGFAVVENSLWQGVPNYLR
FT                   ELNEQLEENLGYKLPVDFVPVRFTSWMGGDRDGNPNVTADITRHVLLLSRWKATDLFLK
FT                   DIHVLVSELSMVDATPELLALVGEEGASEPYRYLMKKLRARLMATQSWLEARLKGEKLP
FT                   KPAGLLTQNEQLWEPLYACYQSLQACGMGIIANGELLDTLRRVKCFGVPLVRIDIRQES
FT                   TRHTEALGEITRYLGIGDYESWSEADKQAFLIRELNSKRPLLPRNWEPSNDTREVLETC
FT                   KVIAEAPKGSIAAYVISMAKTPSDVLAVHLLLKEAGIGFAMPVAPLFETLDDLNNADDV
FT                   MTQLLNIDWYRGLIQGKQMVMIGYSDSAKDAGVMAASWAQYQAQDALIKTCEKAGIELT
FT                   LFHGRGGSIGRGGAPAHAALLSQPPGSLKGGLRVTEQGEMIRFKYGLPEVTVSSLSLYT
FT                   SAILEANLLPPPEPKDSWRHIMDELSVISCETYRGYVRENKDFVPYFRSATPEQELGKL
FT                   PLGSRPAKRRPTGGVESLRAIPWIFAWTQNRLMLPAWLGAGTALQKVVEDGKQSELEAM
FT                   CRDWPFFSTRLGMLEMVFSKADLWLADYYDQRLVAKTLWPLGKELRDLLEEDIKVVLAI
FT                   ANDSHLMADLPWIAESIQLRNVYTDPLNVLQAELLYRSRLTEEQGKSPDPRVEQALMVT
FT                   IAGVAAGMRNTG"

Итак, BLASTN сгенерировал только одно полное выравнивание, все остальные выравнивания являются локальными. Это можно объяснить высокой чувствительностью BLASTN к сходству последовательностей (отсюда локальные выравнивания). Эта программа хороша для поиска наиболее близких, ближайших гомологов. Лучшей находкой стала фосфоенолпируват карбоксилаза сальмонеллы, и как видно из множественного выравнивания (capp_multial.msf), CAPP_SALTY наиболее близка к CAPP_ECOLI.