научная статья по теме КОМПЬЮТЕРНЫЙ АНАЛИЗ МЕТАГЕНОМНЫХ ДАННЫХ ПРЕДСКАЗАНИЕ КОЛИЧЕСТВЕННОЙ ВЕЛИЧИНЫ СПЕЦИФИЧЕСКОЙ АКТИВНОСТИ БЕЛКОВ Математика
Текст научной статьи на тему «КОМПЬЮТЕРНЫЙ АНАЛИЗ МЕТАГЕНОМНЫХ ДАННЫХ ПРЕДСКАЗАНИЕ КОЛИЧЕСТВЕННОЙ ВЕЛИЧИНЫ СПЕЦИФИЧЕСКОЙ АКТИВНОСТИ БЕЛКОВ»
ДОКЛАДЫ АКАДЕМИИ НАУК, 2012, том 443, № 2, с. 248-252
БИОХИМИЯ, БИОФИЗИКА, ^^^^^^^^^^^^ МОЛЕКУЛЯРНАЯ БИОЛОГИЯ
КОМПЬЮТЕРНЫЙ АНАЛИЗ МЕТАГЕНОМНЫХ ДАННЫХ -ПРЕДСКАЗАНИЕ КОЛИЧЕСТВЕННОЙ ВЕЛИЧИНЫ СПЕЦИФИЧЕСКОЙ АКТИВНОСТИ БЕЛКОВ
© 2012 г. В. А. Иванисенко, П. С. Деменков, С. С. Пинтус, Т. В. Иванисенко, Н. Л. Подколодный, Л. Н. Иванисенко, А. С. Розанов, А. В. Брянская, Е. С. Кострюкова, С. А. Левицкий, О. В. Селезнева, М. М. Чукин, А. К. Ларин, И. Г. Кондратов, В. Н. Лазарев, С. Е. Пельтек, В. М. Говорун, академик Н. А. Колчанов
Поступило 26.07.2011 г.
Биоинформатический анализ данных метаге-номного/метатранскриптомного секвенирова-ния природных микробных сообществ служит эффективным средством для выявления новых ферментов, представляющих практический интерес для биотехнологии. В настоящее время в мире используются компьютерные методы анализа ме-тагеномных данных, основанные на сравнении последовательностей открытых рамок считывания (ОРС) с базами данных охарактеризованных белков и функциональных белковых семейств [1]. Такой подход позволяет отнести потенциальные белки к общим функциональным классам, конкретные представители которых, как правило, обладают целым спектром специфических функций, каталитических активностей и свойств. Уточнение специфической функции и свойств потенциальных белков требует расширенного структурно-функционального анализа белков с применением технологий высокопроизводительных вычислений для обработки данных в масштабах метагеномов.
В настоящей работе предложена высокопроизводительная компьютерная система, предназначенная для конвейерной обработки данных мета-геномного секвенирования и выявления биотех-
Институт цитологии и генетики
Сибирского отделения Российской Академии наук,
Научно-исследовательский институт физико-химической медицины, Москва Институт вычислительной математики и математической геофизики Сибирского отделения Российской Академии наук, Новосибирск
Российский научный центр "Курчатовский институт", Москва
Институт биоорганической химии им. М.М. Шемякина и Ю.А. Овчинникова Российской Академии наук, Москва
нологически важных потенциальных белков. Проведена расширенная функциональная классификация потенциальных белков по данным секвенирования метагенома микробных сообществ донных отложений оз. Кротовая ляга Новосибирской области. Предсказание количественных значений активностей потенциальных белков позволило выделить ряд перспективных для дальнейшей экспериментальной проверки ферментов.
Ранее нами была разработана компьютерная система Protein Structure Discovery (PSD), включающая в себя программы предсказания пространственных структур белков по их аминокислотным последовательностям, идентификации функциональных сайтов, определяющих функциональную специфичность, моделирования взаимодействий белков с субстратами и другими лигандами, предсказания количественных значений специфической активности и термодинамической стабильности белков [2]. На основе PSD нами была создана система конвейерной обработки данных метагеномного секвенирования с применением многопоточных вычислений.
Целью настоящей работы была компьютерная аннотация данных секвенирования метагенома микробных сообществ донных отложений оз. Кротовая ляга Новосибирской области с помощью разработанной системы.
Образцы отобраны на границе тростника и зеркала озера с глубины 60 см в илистых отложениях, образованных остатками водорослей и высших растений, представляющих собой полужидкую массу, располагающуюся на глубине до 120 см от поверхности озера. Из проб озера выделяли образцы ДНК, на основе которых получали библиотеку фрагментов с помощью набора TOPO® Shotgun Subcloning Kit ("Invitrogen", США). Полученными плазмидными векторами трансформировали клетки E. coli посредством электропорации. Нуклео-тидную последовательность рекомбинантных
КОМПЬЮТЕРНЫЙ АНАЛИЗ МЕТАГЕНОМНЫХ ДАННЫХ 249
Таблица 1. Обучающая выборка в-глюкозидаз из различных организмов, использованная для создания модели структура—активность
ID/база данных Организм lg KM
D3JUX2_9EURO/TREMBL Penicillium decumbens -0.32
Q0PHW1_ASPNG/TREMBL Aspergillus niger -0.07
Q7Z9M5_TRIRE/TREMBL Trichoderma reesei 0.10
BGLA_ASPOR/SWISS-Prot Aspergillus oryzae 0.29
Q12715_TRIRE/TREMBL Trichoderma reesei 0.32
Q8TGC6_PHACH/TREMBL Phanerochaete chrysosporium 0.61
Q0WZC4_PHYPO/TREMBL Physarum polycephalum 0.72
BGLE_ASPFU/SWISS-Prot Aspergillus fumigatus 1.39
BGLS_RUMAL/SWISS-Prot Ruminococcus albus 1.41
O08331_CLOSR/TREMBL Clostridium stercorarium 1.52
ACF93471/GenBank Pichia etchellsii 2.3
ABR57325/GenBank Chaetomium thermophilum 0.49
Q875K3/TREMBL Piromyces sp. E2 0.25
XP_001591700/NCBI Sclerotinia sclerotiorum 0.08
AAC38196/GenBank Cellulomonas biazotea -0.13
Потенциальная гликозил-гидролаза ORF-1 Последовательность из метагенома 0.07**
* Логарифм константы Михаэлиса (Хм) в реакции расщепления целлобиозы, значения взяты из базы данных BRENDA (ЕС3.2.1.21 — Р-глюкозидаза).
** Предсказанная активность найденной в метагеномных данных последовательности потенциальной гликозил-гидролазы.
клонов определяли с использованием набора для термоциклического секвенирования Big DyeTM Terminator v.3.1 Cycle Sequencing ("Applied Biosystem", США). Продукты реакции анализировали с использованием автоматического секвенатора ABI Prism Genetic Analyzer 3730XL ("Applied Biosystem", США, "Hitachi", Япония).
Разработанная система была установлена на суперкомпьютерном кластере в Центре коллективного пользования СО РАН "Биоинформатика". Система включала в себя набор стандартных программ анализа данных секвенирования: 1) сборка секве-нированных фрагментов (Celera), 2) поиск открытых рамок считывания, 3) поиск гомологов по базам аминокислотных последовательностей (BLAST) и базам белковых семейств (HHSearch). Этот блок программ позволил классифицировать потенциальные белки согласно найденным гомологам по функциям Gene Ontology, структурным классам белков SCOP, функциональным семействам COG и PFAM, а также реконструировать метаболические пути KEGG. Оригинальные программы PDBSiteScan и WebProAnalyst, интегрированные в
систему конвейерной обработки данных, обеспечивали расширенный функциональный анализ потенциальных белков.
Программа PDBSiteScan позволяет не только идентифицировать функциональные сайты на поверхности белков, но и реализует быстрый метод построения пространственных структур молекулярных комплексов белков с лигандами различной природы, включая другие белки, РНК, ДНК, а также ионы металлов и низкомолекулярные соединения.
Программа WebProAnalyst предназначена для предсказания количественных значений активности или свойств потенциальных белков (рК, Км, ED50 и др.). Предсказание строится на основе регрессионной зависимости между физико-химическими свойствами аминокислот и целевой активностью белков. В качестве обучающей выборки для построения регрессионной модели используется множественное выравнивание заданного белкового семейства с известными значениями активности для каждого белка. Программа автоматически генерирует и проверяет гипотезы
Рис. 1. Фрагмент множественного выравнивания обучающей выборки для предсказания активности Р-глюкози-даз семейства 3 (EC 3.2.1.21). Жирным шрифтом выделен мотив (VLKgElgfqGFIVSDwaG) базы данных Prosite (PS00775), характеризующий третье семейство гликозил-гидролаз, в состав которого входит активный сайт. В пределах данного сайта Asp (D) в позиции 474 выступает в роли нуклеофила. Найденная в метагеномных данных последовательность потенциальной гликозил-гидролазы, обладающая повышенной активностью, обозначена на рисунке как ORF-1.
о связи между физико-химическими свойствами аминокислот в различных участках множественного выравнивания обучающего набора белковых последовательностей и их активностями. Программа позволяет решать следующие три задачи, необходимые для предсказания величины активности или других количественных свойств белков:
1) поиск участков в множественном выравнивании аминокислотных последовательностей, внося-
щих наибольший вклад в величину активности анализируемых белков (активность-модулирующие сайты);
2) поиск ключевых физико-химических характеристик этих участков, влияющих на значения активностей белков;
3) построение регрессионных моделей, связывающих ключевые физико-химические характеристики активность-модулирующих сайтов с активностями белков.
компьютерный анализ метагеномных данных
Предсказанные значения lg km
0.5 1.0 1.5 2.0 2.5 Экспериментальные значения lg km
Рис. 2. Корреляция (Я = 0.97, р < 0.0001) между предсказанными и экспериментально измеренными значениями ^Км, рассчитанная для обучающей выборки гликозил-гидролаз.
На шаге предсказания активностей потенциальных белков, кодируемых ОРС, производится выравнивание последовательностей ОРС с профилем множественного выравнивания обучающей выборки. По данным выравнивания определяются участки в последовательности ОРС, соответствующие найденным в обучающей выборке
активность-модулирующим сайтам. Для этих участков рассчитываются соответствующие физико-химические свойства, которые используются в регрессионной модели для предсказания целевой активности потенциального белка.
Применение разработанной компьютерной системы к анализу данных метагеномного секве-нирования позволило провести расширенную функциональную классификацию потенциальных белков и предсказать ряд перспективных для дальнейшей экспериментальной проверки ферментов.
Всего было определено более 150000 ОРС, превышающих длину 50 аминокислот. В базах данных NCBI_ref, SWISS-Prot и PDB для этих ОРС было найдено 170000, 40000 и 1700 гомологов соответственно (порог E-value задавался равным 10-30). Таким образом, для ОРС, имеющих гомологию с изученными белками, было определено более 500 молекулярных функций и 1000 биологических процессов Gene Ontology. В результате анализа белковых семейств установлено более 270 функциональных классов Pfam, 580 кластеров COG, 830 структурных классов SCOP.
Для иллюстрации результатов предсказания количеств
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.
Пoхожие научные работы по теме «Математика»
БЕЗБОРОДОВ А.М., РЕШЕТИЛОВ А.Н. — 2008 г.
АКБЕРДИН И.Р., ДЕМЕНКОВ П.С., ИВАНИСЕНКО В.А., ИВАНИСЕНКО Н.В., КОЗЛОВ К.Н., КОЛЧАНОВ Н.А., ЛИХОШВАЙ В.А., МИЩЕНКО Е.Л., САМСОНОВ А.М., САМСОНОВА М.Г., ТОДОРОВ Д.И. — 2013 г.
АКОПИАН Т.А., ГОВОРУН В.М., КОСТРЮКОВА Е.С., ЛАЗАРЕВ В.Н., ЛЕВИЦКИЙ С.А., ТИТОВА Г.А. — 2006 г.