Over Coach Inloggen Begin met lezen

Biologie · Begrippenlijst

Wat is Meervoudige uitlijning en profielen?

Definitie 5.11 Universitaire biologie — jaar 3 · Hoofdstuk 5 — Bio-informatica en sequentieanalyse

Een meervoudige sequentie-uitlijning zet een familie van sequenties in kolommen van homologe residuen. Exact dynamisch programmeren over kk sequenties kost nkn^{k} en is voorbij drie onmogelijk; praktische programma’s lijnen stapsgewijs uit, eerst het naaste paar volgens een gidsboom, daarna sequenties en groepen bij de groeiende uitlijning, met ronden van verfijning. Een voltooide uitlijning wordt samengevat als een profiel: per kolom de frequentie van elk residu en van hiaten. Een profiel-HMM, een verborgen markovmodel, formaliseert dit als een keten van overeenkomsttoestanden, één per geconserveerde kolom, die elk residuen met hun eigen kansen uitzenden, met invoeg- en verwijdertoestanden die op elke positie extra of ontbrekende residuen toelaten; het model van een familie (een Pfam-vermelding) scoort een nieuwe sequentie met de kans van het beste pad door de toestanden, en vindt homologen ver onder de schemerzone van de paarsgewijze vergelijking, omdat een kolom die alleen hydrofobe residuen duldt dat ook zegt, terwijl één enkele sequentie dat niet kan.

Een profiel-HMM van een familie met vier kolommen. Elke overeenkomsttoestand M zendt een residu uit met de eigen frequenties van de kolom; invoegtoestanden I (met zelflussen) laten extra residuen toe, verwijdertoestanden D slaan een kolom over. Een sequentie scoren is haar meest waarschijnlijke pad zoeken.
Een profiel-HMM van een familie met vier kolommen. Elke overeenkomsttoestand M zendt een residu uit met de eigen frequenties van de kolom; invoegtoestanden I (met zelflussen) laten extra residuen toe, verwijdertoestanden D slaan een kolom over. Een sequentie scoren is haar meest waarschijnlijke pad zoeken.

Voorbeelden

Voorbeeld 5.7 (Identiteit, gelijkenis en de schemerzone)

Twee willekeurige eiwitsequenties die optimaal met hiaten worden uitgelijnd halen door toeval ongeveer 15 tot 20 %15\text{ tot }20\,\% identiteit. Boven 35 %35\,\% identiteit over honderd residuen zijn twee eiwitten vrijwel zeker homoloog; tussen 20 %20\,\% en 35 %35\,\% ligt de schemerzone, waar identiteit alleen niets kan beslissen en de statistiek hieronder dat moet doen. Homologen kunnen ver onder de zone vallen: de subeenheden van hemoglobine en myoglobine delen 25 %25\,\% identiteit, lysozym en α\alpha-lactalbumine 40 %40\,\%, en veel paren eiwitten met dezelfde vouwing delen minder dan 15 %15\,\%, alleen op te sporen door profielen of structuren te vergelijken.

Voorbeeld 5.10 (Een E-waarde lezen)

Een zoekvraag van 250250 residuen tegen een databank van 5×10105\times 10^{10} residuen heeft mn=1.25×1013≈243.5mn = 1.25\times 10^{13} \approx 2^{43.5}. Een treffer met een bitscore van 6060 heeft E=243.5−60=2−16.5≈10−5E = 2^{43.5 - 60} = 2^{-16.5} \approx 10^{-5}: vrijwel zeker een homoloog. Een treffer met S′=40S' = 40 heeft E=23.5≈11E = 2^{3.5} \approx 11: elf zulke scores zijn door toeval te verwachten, en de treffer betekent niets. Dezelfde uitlijning, met dezelfde bitscore, tegen een tien keer grotere databank doorzocht, heeft een tien keer grotere EE — significantie is een eigenschap van de zoekactie, niet van het paar. De gangbare drempel is E<10−3E < 10^{-3} voor een betrouwbare homoloog; E≈0.01E \approx 0.01–11 verdient een tweede blik met een profielmethode.

Lees in het hoofdstuk →

Verwante begrippen