Структурно-функциональные мотивы в последовательностях цитохромов Р450

• Автор: Гусев, Семен Александрович
• Шифр специальности: 03.00.04
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Москва
• Количество страниц: 102 с.

Содержание

Список сокращений .

Введение

Обзор литературы

Выравнивание белковых последовательностей .

Определение выравнивния аминокислотных последовательностей

Способы оценки сходства между аминокислотами

Матрица замен Дейхофф .

Матрица замен

Выбор матрицы замен .

Выравнивание двух последовательностей

Выравнивание последовательностей без вставок .
Выравнивание последовательностей с вставками .
Поиск оптимального выравнивания с помощью динамического
программирования
Функция штрафа за вставки
Использование дополнительных сведений при построении
выравнивания
Множественное выравнивание последовательностей .
Иерархические методы выравнивания
Анализ результатов множественного выравнивания .
Алгоритм .
Алгоритм . 1В
Случайные последовательности .
Программа .
Свойства случайных баз данных
Определение мотива .
Идентификация мотивов последовательности белка .
База данных i
Шаги, для нахождения нового паттерна .
Поиск мотивов в последовательностях
Выделение паттерна .
Методы полного выравнивания последовательности .
Подходы, основанные на теории информации .
Идентификация уникальных пептидных слов
Методы локального выравнивания .
Краткая характеристика надсемейства цитохромов Р0
Микросомальное окисление .
Разнообразие форм Р4
Распространенность и локализация Р0
Механизм функционирования Р0 .
Классификация Р0ссдержащих монооксигеназных систем
Номенклатура цитохромов Р0 .
База данных по цитохромам Р4
Программные средства, использовавшиеся в работе
Выбор суперсемейства для проверки
Материалы и методы .
Источники последовательностей
Формирование выборки для проверки метода поиска мотивов
Множественное выравнивание .
Консенсусные последовательности
Статистика Шермана .
Оценка специфичности мотивов .
Принцип наименьшей длины мотива
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ.
Зависимость плотности КП при множественном выравнивании
случайно сгенерированных последовательностей .
Методы перекодирования КП в бинарную последовательность
Роль вставок в консенсусной последовательности .
Свойства оценочной функции .
Параметры алгоритма
Результаты, полученные при обработке проверочной выборки .
Поиск мотивов в надсемействе цитохромов Р0 .
Структурнофункциональная карта сур
Определение границ кластеров .
Способы хранения мотивов .
Доступность разработанных методов анализа консенсусных
последовательностей .
Выводы
Список литературы


Цель настоящего исследования заключается в разработке метода автоматического нахождения мотивов в группах структурно или функционально родственных белков и применении его к надсемейству цитохромов Р4 . Р0 с широкой и узкой специфичностью. Выравнивание последовательностей есть процедура сравнения двух парное выравнивание и более множественное выравнивание строк с целью поиска индивидуальных символов, а так же наборов символов, находящихся в одном и том же порядке в исследуемых последовательностях. Существует два типа выравнивания глобальное и локальное. При глобальном выравнивании делается попытка выравнять как можно большее количество символов. Последовательности, которые похожи друг на друга и имеют примерно одну длину, являются хорошими кандидатами для глобального выравнивания. При локальном выравнивании Леонтсвич и соавт. Локальное выравнивание наиболее приемлемо для выравнивания последовательностей, которые имеют гомологию лишь в некоторых местах или сильно отличаются по длине последовательности. Алгоритм выравнивания требует задания в качестве одного из параметров типа матрицы замен. При выравнивании белковых последовательностей необходимо оценить сходство между аминокислотными остатками, используя набор баллов для всех возможных пар комбинаций аминокислотных остатков. Чаще всего для оценки сходства используется матрица размером х , в которой элементы, соответствующие идентичным или близким по свойствам остаткам например, I и Ь , имеют большие значения, а элементы, относящиеся к несходным остаткам например, I и Б меньшие. Наибольшее распространение получили матрицы, рассчитанные по частотам замен в гомологичных белках. Пожалуй, самую распространенную схему оценки сходства аминокислот разработала Дейхофф с соавторами еб а1. Эта система основана на общей модели эволюции белков. Дейхофф и др. А вследствие ряда последовательных мутаций например, Л х у была очень низкой. Поскольку анализ проводился на сравнительно небольшом числе белковых семейств, полученная матрица допустимых точечных мутаций содержала большое количество единиц и нулей. Чтобы получить законченную картину эволюционного процесса с учетом не меняющихся аминокислот, для каждого типа аминокислот было рассчитано отношение числа всех замен к общему числу аминокислот данного типа в базе данных. Из этих величин и данных по взаимным заменам была рассчитана вероятностная матрица мутаций М, каждый элемент которой М . В качестве меры этого расстояния предложена единица РАМ, определенная как процент допускаемых точечных мутаций в выровненных последовательностях. Если вероятностная матрица мутаций соотнесена с определенным эволюционным расстоянием, то можно получить матрицы для больших эволюционных расстояний, повторно умножая исходную матрицу саму на себя. Шварц и Дейхофф полагают, что при РАМ матрица теряет информативность. При эволюционном расстоянии в 0 РАМ должна остаться неизменной только одна из пяти позиций исходной последовательности, при этом изза неодинаковой изменчивости сохранится триптофанов, цистеинов, гистидинов и только 7 серинов. При сопоставлении последовательностей обычно используется матрица, нормированная путем деления каждого элемента на частоту встречаемости аминокислотного остатка а. В результате получается симметричная матрица сходства, в которой элементы представляют вероятности замен, нормированные к частотам встречаемости соответствующих аминокислот. Окончательный вариант матрицы составлен из логарифмов нормированных М, элементов, что позволяет складывать, а не умножать величины при расчетах. Составленные таким образом матрицы вероятностных логарифмированных величин i упоминаются в литературе как матрицы Дейхофф. Чаще других используется матрица, рассчитанная для расстояния в 0 РАМ. Она считается пригодной для выявления отдаленного родства, когда замены отмечаются примерно в выровненных позиций. Частоты замен, использованные при разработке матриц Дейхофф и им подобных, были получены при анализе полных выравниваний близкородственных последовательностей.