Martes 28. Alineamientos múltiples. Cedric Notredame (CRG) Lunes 17 Dominios de proteínas y homología remota. Viernes 7 Miércoles 12.

Transcripción

1 Hoy Lunes 27 Martes 28 Jueves 30 Bases de datos Federico Abascal Alineamiento y búsqueda de homólogos Federico Abascal Alineamientos múltiples Cedric Notredame (CRG) Búsquedas con perfiles Tirso Pons, David de Juan, Federico Abascal Lunes 3 Martes 4 Viernes 7 Miércoles 12 Lunes 17 Dominios de proteínas y homología remota. Luis Sánchez-Pulido (MRC) Bases de datos de dominios y contexto evolutivo y funcional en proteínas. Luis Sánchez-Pulido (MRC) Prácticas Tirso Pons, David de Juan, Federico Abascal Prácticas Tirso Pons, David de Juan, Federico Abascal Examen Módulo de Filogenia

2 Búsqueda de homólogos remotos Federico Abascal (CNIO)

3 Alineamiento por pares # Length: 175! # Identity: 58/175 (33.1%)! # Similarity: 85/175 (48.6%)! # Gaps: 14/175 ( 8.0%)! # Score: 208.0! #! #! #=======================================!! RHEB_YEAST_18 1 KIALIGARNVGKTTLTVRFVESRFVESYYPTIENEF-TRIIPYKSHDCTL 49! :.....: ::....:.....! RAB8A_HUMAN_1 1 KLLLIGDSGVGKTCVLFRFSEDAFNSTFISTIGIDFKIRTIELDGKRIKL 50!! RHEB_YEAST_18 50 EILDTAGQDEVSLLNIKSLTGVRGIILCYSIINRASFDLIPILWDKLVDQ 99! :. :...:..... : :.:::! RAB8A_HUMAN_1 51 QIWDTAGQERFRTITTAYYRGAMGIMLVYDITNEKSFDNIR-NWIRNIEE 99!! RHEB_YEAST_ LGKDNLPVILVGTKADLGRSTKGVKRCVTKAEGEKLASTIGSQDKRNQAA 149!...::..:::.. :... :......:! RAB8A_HUMAN_1 100 HASADVEKMILGNKCDVND-----KRQVSKERGEKLALDYGIK !! RHEB_YEAST_ FIECSAELDYNVEETFMLLLKQMER 174! :. :.:......:.::.! RAB8A_HUMAN_1 138 FMETSAKANINVENAFFTLARDIKA 162!

4 Homólogos?

5 Homologs have similar functions, but

6 Homologs have similar folds

7 Superfamilias, familias, subfamilias KRas NRas HRas MRas ERas etc, etc Ras Rab Rho Rac etc, etc familia ras! GTP-binding! factores de elongación! ATP/GTP binding! GTPbinding ATP/GTPbinding familia ras factores de elongación proteínas ATP-binding ATP-binding! En humanos: 3767 proteínas pertenecen a esta superfamilia.

8 Homólogos: ortólogos y parálogos.! Ortólogos: genes que comparten el último ancestro común y cuya divergencia se debe a la especiación.! Los mismos genes en distintas especies.!!!! Parálogos: genes que debido a una duplicación, ya no comparten el último ancestro. Pueden tener funciones más o menos diferentes! Imagen tomada de una presentación de Manuel José Gómez (CAB)!

9 Homólogos: ortólogos y parálogos.! ras (H. sapiens)! ras2 (H. sapiens)! ras (M. musculus)! ras (C. elegans)! rab (H. sapiens)! rab (M. musculus)! in-paralogs.! Duplicación reciente! Subfamilia ras. Grupo de ortólogos e inparalogs.! Las dos subfamilias son parálogas entre sí.! Subfamilia rab. Grupo de ortólogos.! rab (C. elegans)!

10 Consejos prácticos: validación de posibles homologías remotas >A0R728 A0R728_MYCS2/ IGLVVVGIGMAWGTNAGYAINPARDLGPRLAS? coinciden los residuos alineados del posible homólogo con los conservados en la familia?

11 Validación de posibles homologías remotas >A0R728 A0R728_MYCS2/ IGLVVVGIGMAWGTNAGYAINPARDLGPRLAS coincide lo conservado en una familia con lo conservado en la otra?

12 Validación de posibles homologías remotas

13 Validación de posibles homologías remotas Cómo le explicamos todo esto al ordenador?

14 Métodos sofisticados de búsqueda de homólogos! Perfiles (o PSSM):! son matrices de sustitución (como BLOSUM) específicas de posición.! F K L L S H C L L V F K A F G Q T M F Q Y P I V G Q E L L G F P V V K E A I L K F K V L A A V I A D L E F I S E C I I Q F K L L G N V L V C alin. múltiple!

15 Métodos sofisticados de búsqueda de homólogos! Perfiles (o PSSM):! son matrices de sustitución (como BLOSUM) específicas de posición.! alin. múltiple! perfil! Los valores que vemos en el perfil son una mezcla entre lo observado (alineamiento) y lo que esperaríamos observar (blosum62)! F K L L S H C L L V F K A F G Q T M F Q Y P I V G Q E L L G F P V V K E A I L K F K V L A A V I A D L E F I S E C I I Q F K L L G N V L V C A C D E F G H I K L M N P Q R S T V W Y

16 Métodos sofisticados de búsqueda de homólogos! Cómo utilizar un perfil para buscar homólogos?! El mismo algoritmo usado para alinear dos secuencias (Smith & Waterman) sirve para alinear una secuencia y un perfil.!! En lugar de buscar el valor en la matriz de sustitución, lo miramos en el perfil! P r o f i l e s e \.. _. _..... c \ u \ e n \ c i a

17 Métodos sofisticados de búsqueda de homólogos! Perfiles de tipo HMM (hidden markov model)! La base probabilística de los perfiles simples es pobre, especialmente en cuanto a la penalización de gaps.!! Los HMM son más sólidos (y complejos)!

18 Búsqueda de homólogos con PSI-BLAST! Jackhmmer

19 Búsqueda de homólogos alineamiento múltiple pares Métodos de primera generación: secuencia vs secuencia à homólogos cercanos BLAST Métodos de segunda generación: perfil vs secuencia à homólogos remotos PSI-BLAST HMMER Métodos de tercera generación: perfil vs perfil. Más sensibles à homólogos remotos HHpred, HHblits, HHalign Métodos humanos: criterios funcionales, filogenéticos, estructurales, etc

20 Consejos prácticos Considerar la taxonomía dónde estamos en el árbol de la vida? Considerar los dominios La homología frecuentemente se restringe al dominio Considerar las familias La filogenia va de la mano del análisis de secuencias Homo_ENSP Pan_ENSPTRP Loxodonta_ENSLAFP Sus_ENSSSCP Cavia_ENSCPOP Erinaceus_ENSEEUP Mus_ENSMUSP Ornithorhynchus_ENSOANP Monodelphis_ENSMODP Anolis_ENSACAP Gallus_ENSGALP Xenopus_ENSXETP Tetraodon_ENSTNIP Danio_ENSDARP Homo_ENSP Pan_ENSPTRP Cavia_ENSCPOP Mus_ENSMUSP Sus_ENSSSCP Dasypus_ENSDNOP Loxodonta_ENSLAFP Monodelphis_ENSMODP Ornithorhynchus_ENSOANP Anolis_ENSACAP Gallus_ENSGALP Xenopus_ENSXETP Danio_ENSDARP Tetraodon_ENSTNIP Tetraodon_ENSTNIP Danio_ENSDARP Tetraodon_ENSTNIP Homo_ENSP Pan_ENSPTRP Cavia_ENSCPOP Sus_ENSSSCP Mus_ENSMUSP Monodelphis_ENSMODP Ornithorhynchus_ENSOANP Gallus_ENSGALP Tetraodon_ENSTNIP Danio_ENSDARP Xenopus_ENSXETP Anolis_ENSACAP Ciona_ENSCSAVP Ciona_ENSCSAVP Ciona_ENSCINP Ciona_ENSCINP Caenorhabditis_F07A5.1b Caenorhabditis_Y47G6A.1.1 Caenorhabditis_Y47G6A.2.1 Caenorhabditis_F08G12.10 Caenorhabditis_ZK Caenorhabditis_ZK792.3 Caenorhabditis_F22F4.2.2 Caenorhabditis_R12E2.9 Caenorhabditis_F13G3.8.1 Caenorhabditis_W04D2.3b Caenorhabditis_T18H9.5a Caenorhabditis_K02B2.4 Caenorhabditis_T23H4.1 Caenorhabditis_F26D11.10 Caenorhabditis_C18H7.2a Caenorhabditis_T16H5.1a Caenorhabditis_R07D5.1a Caenorhabditis_R12H7.1 Caenorhabditis_C16E9.4a Caenorhabditis_R09F10.4 Caenorhabditis_Y8G1A.2.1 Caenorhabditis_ZK Caenorhabditis_R12E2.5 Caenorhabditis_R12E2.4a.1 Caenorhabditis_C36H8.2 Drosophila_FBpp Drosophila_FBpp Drosophila_FBpp Drosophila_FBpp Drosophila_FBpp Drosophila_FBpp Drosophila_FBpp Drosophila_FBpp

21 Más consejos Qué queremos encontrar? cuál es la pregunta que queremos responder? No siempre lo que queremos es encontrar homólogos remotos! Nada es mejor que el criterio humano para decidir qué secuencias incluir en el alineamiento, dónde buscar, si un parecido bajo refleja o no una homología, etc.

22 Demo CDD

23 Práctica Hoy: alineamientos múltiples, psi-blast, jackhmmer Lunes y martes: Luis Sánchez Pulido, el arte del análisis de secuencias Viernes 7/nov: Aplicaremos estos métodos para tratar de averiguar la función de las proteínas CDC45 (función poco conocida), implicadas en replicación del ADN