V9 Sequenzalignment II

Match (I)

Gap (=)

Folge-Gap

Mismatch (.)

Ähnlichkeit (+)

Alignmnet zweier Sequenzen, wobei nur die Teilsequenzen zugeordnet werden, die einen maximalen Score erreichen

Mismatches und Gaps am Anfang und Ende werden “abgeschnitten”

Bereiche mit geringer Ähnlichkeit werden nicht verwendet

kann identisch mit globalem Alignment sein

Globales Alignment

Pluspunkte errechnen sich von der Anzahl der Vergleichwerte, während bei Smith-Waterman die Pluspunkte durch die Matches entstehen

NMW: Folge-Gaps

NMW: Gaps + Folge Gaps

Im Gegensatz zu DNA/RNA sind bei Proteinen nicht alle

Mutationen gleich wahrscheinlich.

Daher wird zur Bewertung von Proteinsequenz-Alignments

nicht nur nach match / mismatch unterschieden, sondern (meist empirisch ermittelte) Substitutionsraten einbezogen.

Eingang findet: Anzahl der Austausche, Anzahl des

Vorkommens und relative Mutierbarkeit.

PAM (Point Accepted Mutations oder Percent Accepted Mutations)

BLOSUM (BLOcks SUbstitution Matrix oder BLOcks SUMmen)

Einheit zur Messung der evolutionären Distanz

(Divergenz) zwischen zwei Aminosäuresequenzen

Zwei Sequenzen A und B unterscheiden sich um eine PAM-Einheit,wenn B aus A durch eine Serie von akzeptierten Punktmutationen entstanden ist und pro 100 Residuen (Aminosäuren) im Schnitt eine Punktmutation auftrat.“

Einmal eingeführte Mutationen können in späteren Schritten wieder aufgehoben werden, so dass zwei Sequenzen, die um 100 PAM-Einheiten divergieren, nicht zu 100% verschieden sein müssen. Selbst bei 250 PAM-Einheiten Divergenz kann erwartet werden, dass die Proteine zu 20% übereinstimmen.

Eine PAM1-Matrix wird aus Proteinsequenzen ermittelt,

die sich um 1 PAM-Einheit unterscheiden.

Analog kann eine PAM n-Matrix (für niedrige Werte von

n) aus Sequenzen mit n PAM-Einheiten Unterschied

ermittelt werden. Für größere n wird die PAM n-Matrix

(z.B. PAM250) rechnerisch aus Matrizen mit niedrigeren

n -Werten abgeleitet (1990 George et al.)

PAM n-Matrizen sind symmetrisch, d.h. der Austausch

von Aminosäure A gegen B erhält den gleichen Score

wie der von B gegen A.

Dies ist sinnvoll, weil die Mutationsrichtung oft nicht

bekannt ist.

Die PAM-Matrizen wurden in den 70er Jahren basierend auf einer relativ kleinen Datenmenge errechnet. Zugrunde liegt eine Analyse von 100 Proteinen in Gruppen mit mehr als 85% Sequenzidentität

Sie haben sich für viele Alignments als nicht genau genug erwiesen.

Henikoff und Henikoff haben 1992 anhand von Sequenzblöcken aus der BLOCKS Datenbank die BLOSUM Matrix errechnet. Diese Blöcke stammen aus Multiple Sequence Alignments und enthalten keine Gaps.

Die Blöcke können viele identische oder sehr ähnliche Sequenzen enthalten, was zu hohen Werten für konservierte Aminosäuren und zu hohen Strafwerten für die Austausche der Aminosäuren führt.

Daher wurden aus den Blöcken Sequenzen entfernt, so dass die verbleibenden Sequenzen maximal n% Ähnlichkeit aufweisen.

Die BLOSUM62-Matrix wurde aus Blöcken mit max. 62% Sequenz- Homologie berechnet, für die BLOSUM80-Matrix sind es 80%, etc.

Gapkosten sollten so gewählt sein, dass das Öffnen einer neuen Lücke recht „teuer“ wird und damit die Alignments nicht zerrissen werden, gleichzeitig das Verlängern der Lücke nicht zu teuer wird

Die Wahl der Kostenfunktion hängt auch mit der Wahl der

Ähnlichkeitsmatrix zusammen

Für die beliebten BLOSUM62- und BLOSUM50-Matrizen

haben sich folgende Werte bewährt:

• BLOSUM50: Gap = -12, Folgegap = -1

• BLOSUM62: Gap = -11, Folgegap = -1

Die Zahlen in Matrixnamen wie BLOSUM62 oder

PAM100 sind ein Maß für die Ähnlichkeit der zugrunde

liegenden (und damit auch der zu vergleichenden)

Sequenzdaten.

Dabei gilt bei BLOSUM: Je kleiner die Zahl, desto

unähnlicher die Sequenzen. Bei PAM ist es umgekehrt.