V10 FASTA

PAM- und BLOSUM-Matrizen berücksichtigen auch die Substitutionsraten der Aminosäuren.

Die PAM10-Matrize entsteht durch 10maliges multiplizieren der 1PAM-Matix, logarithmieren und Multiplikation mit 10.

Weil es bei dem Austausch einer Aminosäure auch wieder zu einer Rückmutation kommen kann.

Das VENN- Diagramm zeigt die Gemeinsamkeiten der Aminosäuren auf:

Polarität, Größe, Acidität, Hydrophobizität und Aromatizität.

Dies sind meist so genannte „heuristische“ Verfahren, d.h. der

Geschwindigkeitsgewinn wird dadurch erkauft, dass nicht unbedingt das optimale Ergebnis erzielt wird (in der Regel aber zumindest ein Ergebnis nahe am Optimum).

1. Suche nach kurzen identischen Sequenzabschnitten

2. Bewertung der Treffer mit Substitutionsmatrix; Löschen von Bereichen mit niedrigen Scores

3. Verbindung benachbarter Treffer (Einführen von Gaps /Verknüpfungsstrafpunkt)

4. Berechnung des optimalen Alignments im ausgewählten Bereich der Matrix

Bei Schritt 1 muss man die Mindestlänge der übereinstimmenden

Teilsequenzen festlegen. Auf diesem Prinzip funktionieren auch andere Algorithmen. Je nach Algorithmus und Implementierung heißt der entsprechende Parameter meist „ktup“ oder „word size“.

• Je kleiner ktup bzw. word size ist, desto mehr Treffer

  werden im ersten Schritt gefunden.

• Je kleiner der Wert ist, desto sensitiver ist die Suche,

  aber desto höher ist auch der Rechenaufwand.

• Für Nukleotide wird meist der Wert 6 und für Proteine

  der Wert 2 gewählt, da bei vier verschiedenen

  Nukleotiden die Wahrscheinlichkeit für

  aufeinanderfolgende Übereinstimmungen in beiden

  Sequenzen größer ist als bei 20 verschiedenen

  Aminosäuren.

• Als Maß dafür, wie signifikant ein Alignment ist, wird die

  Wahrscheinlichkeit für einen vergleichbaren Treffer in einer

  Datenbank aus Zufallssequenzen berechnet.

• Je kleiner der e-Value ist, um so glaubwürdiger ist das

  errechnete Alignment.

• Ein e-Value von 0,05 bedeutet, dass das Alignment zu 95%

  signifikant ist.

• Bei Datenbanksuchen: Die Anzahl von Treffern in einer

  solchen Zufallsdatenbank (mit gleicher Größe wie die

  Datenbank, in der die Suche durchgeführt wurde) mit

  gleichem oder besseren Score.

• Insb. sehr kurze Sequenzen erreichen oft hohe e-Values.

  Zum Beispiel ist die Wahrscheinlichkeit dafür, die

  Nukleotidsequenz „ATG“ in einer beliebigen DNA-

  Sequenz zu finden, nahezu 1.

• Daher muss dann je nach Implementierung und Eingabe

  der Schwellenwert, oberhalb dessen ein Alignment nicht

  angezeigt wird, hochgesetzt werden, wenn man kurze

  Sequenzen vergleichen will.

• FASTA: Protein-Protein-Datenbank bzw. DNA-DNA-

  Datenbank Vergleich.

• FASTX: Suchsequenz DNA - Protein-Datenbank Vergleich

• FASTY: Suchsequenz DNA - Protein-Datenbank Vergleich

  (komplexer und langsamer als FASTX).

• TFASTX: Suchsequenz Protein – DNA-Datenbank Vergleich.

• FASTF: Suchsequenz Protein (Edman-Abbau) – Protein-

  Datenbank Vergleich.

• FASTS: Suchsequenz Protein (MALDI-Analysen) – Protein-

  Datenbank Vergleich.

• SSEARCH: Protein-Protein-Datenbank bzw. DNA-DNA-

  Datenbank Vergleich. (Smith-Waterman-Algorithmus / 10-50 mal langsamer als FASTA).

• Meistgenutzter Algorithmus für Suche in Sequenzdaten

• Grundprinzip ähnelt FASTA: Suche nach „diagonalen Treffern“ als erster Schritt (BLAST erlaubt dabei auch Mismatches)

• Durchführung:

– Sequenzen werden in kurze Abschnitte („Wörter“) zerlegt

– Word size für Nucleotide = 11 und für Proteine = 3.

– Wörter (und „ähnliche Wörter“ im Gegensatz zu FASTA) werden bewertet (Scores können vorberechnet werden, da bei kurzen Wörtern überschaubare Kombinationsmöglichkeiten bestehen. Nur für Proteine nicht für Nucleotide).

– und dann nach übereinstimmenden Wörtern in der Datenbank

gesucht (genauer: nach Treffern mit Score von mind. T =

Schwellenwert)

– Suche nach nahe zusammenliegenden Trefferpaaren mit der

Fensterlänge A auf der gleichen Diagonalen („High Scoring Pairs“)

– Treffer werden schrittweise nach links oder rechts erweitert, bis

sich der Score nicht mehr erhöhen lässt.

• Das Ergebnis der heuristischen Suchalgorithmen ist stark von der verwendeten Matrix abhängig. Meist wir Blosum62 verwendet.

• Blosum80 oder PAM40 für stark konservierte Proteindomänen: hohe Identität über kurze Bereiche.

• Blosum45 oder PAM250 für geringere Identität über einen größeren Bereich.

• Filtering: Gewisse Bereiche (mit niedriger Komplexität) werden bei der Blastsuche maskiert (z.B. mit einem X gekennzeichnet / bei Nucleinsäuren mit einem N).

• Grafics summary:

  • Übersicht über in der Sequenz gefundene Motive

  • Grafische Darstellung der Treffer (Länge u. Position sowie farblichmarkierte Qualität des Alignments)

• Descriptions:

  • Text-Liste der Treffer

• Alignments:

  • Die eigentlichen Alignments