Por

1
Porównywanie sekwencji bialkowychz
wykorzystaniem metodyewolucyjno-progresywnej

• Pawel Kupis
• Jacek Mandziuk

2
Biologiczna geneza problemu

• bialko (polipeptyd)
• polimer liniowy aminokwasowy
• monomery aminokwasy
• 20 rodzajów aminokwasów
• pierwszorzedowa struktura protein
• sekwencja bialkowa
• kolejnosc aminokwasów
• polaryzacja (kierunek czytania sekwencji)

3
Biologiczna geneza problemu

• przyklad
• HBA_HUMAN (prefix ludzkiej hemoblobiny)
• VLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLS
  HGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFK
  LLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYR

4
Porównywanie sekwencji

• problem
• trudno wyznaczyc kryterium porównywania
• pomysl
• ilosc identycznych pozycji w sekwencjach o
  identycznej dlugosci
• rozwiazanie
• uliniowienie sekwencji

5
Uliniowienie sekwencji

• uliniowienie sekwencji (ang. sequence alignment)
• warunki
• n-ty wiersza po usunieciu znaków - daje n-ta
  sekwencje
• dlugosc wszystkich wierszy uliniowienia jest
  jednakowa
• zadna kolumna uliniowienia nie zawiera tylko
  znaków -

CA-GCUUAUCGCUUAG AAUGCAU-UGACG--G
6
Uliniowienie wielu sekwencji

• MSA (ang. multiple sequence alignment)
• warunki
• n-ty wiersza po usunieciu znaków - daje n-ta
  sekwencje
• dlugosc wszystkich wierszy uliniowienia jest
  jednakowa
• zadna kolumna uliniowienia nie zawiera tylko
  znaków -
• takie same jak dla uliniwienia dwóch sekwencji

LGB2_LUPLU VPQ--NNPELQAHAGKVFKLVYEAAIQLQVTGVVVTDA
TLKNLGSVHVSK-GVADAHFPV MYG_PHYCA
EAEMKASEDLKKHGVTVLTALGAILKKKG--HHEAELKPLAQS---HATK
HKIPIKYLEF GLB5_PETMA ADQLKKSADVRWHAERIINAVNDAVAS
MD--DTEKMSMKLRDLSGKHAKSFQVDPQYFKV HBB_HUMAN
PDAVMGNPKVKAHGKKVLGAFSDGLAHLD--NLKGTFATLSEL---HCDK
LHVDPENFRL HBB_HORSE PGAVMGNPKVKAHGKKVLHSFGEGVHH
LD--NLKGTFAALSEL---HCDKLHVDPENFRL HBA_HUMAN
-----GSAQVKGHGKKVADALTNAVAHVD--DMPNALSALSDL---HAHK
LRVDPVNFKL HBA_HORSE -----GSAQVKAHGKKVGDALTLAVGH
LD--DLPGALSNLSDL---HAHKLRVDPVNFKL
. . . . .
.
7
Metoda ewolucyjno-progresywna

• metoda 2-etapowa
• etap 1. - ewolucyjny
• dopasowywanie kolumn calkowicie identycznych
• znajdowanie optymalnego tzw. wstepnego
  uliniowienia
• etap wykonywany rekurencyjnie
• etap 2. - progresywny
• uliniowienie obszarów miedzy kolumnami
  zidentyfikowanymi w etapie 1.

8
Etap ewolucyjny

• dopasowywanie kolumn calkowicie identycznych,
  przyklad
• wszystkie mozliwe kolumny zgodne

9
Etap ewolucyjny

• blok kolumn identycznych
• kolumny tworza blok jesli we wszystkich wierszach
  róznica w indeksach wynosi jeden (wiekszy indeks
  mniejszy indeks)
• blok moze miec dowolna dlugosc
• w szczególnosci pojedyncza kolumna równiez mozna
  traktowac jako blok

10
Etap ewolucyjny

• wstepne uliniowienie
• szereg bloków spelniajacy nastepujace warunki
• dowolny indeks moze wystapic w wierszu tylko raz
• w kazdym wierszu indeksy sa w porzadku rosnacym
• powyzsze warunki gwarantuja, ze na podstawie
  wstepnego uliniowienia mozna zbudowac pelne
  uliniowienie (zachowujac ustalone kolumny
  identyczne)

11
Etap ewolucyjny

• kolumny szkodliwe
• intuicyjnie mozemy okreslic taka kolumne jako
  laczaca zbyt odlegle czesci róznych sekwencji
• kolumna taka, uniemozliwia bardzo czesto lepsze
  dopasowanie innych kolumn identycznych

12
Etap ewolucyjny

• bliskie optymalnemu uliniowienie z wymuszeniem
  uzgodnienia kolumny symboli T
• uliniowienie tych samych sekwencji bez
  uzgadnianie symboli T

13
Etap ewolucyjny

• zadania algorytmu ewolucyjnego
• znalezienie optymalnego wstepnego uliniowienia
• budowa populacji startowej
• czas budowy musi byc kontrolowalny
• wprowadzenie to populacji startowej
  reprezentatywnego podzbioru mozliwych kolumn
  identycznych
• uzycie wszystkich (z wszystkich czesci sekwencji)
  symboli z sekwencji
• unikanie szkodliwych kolumn
• ew. pózniejsza ich eliminacja

14
Budowa populacji startowej

• metode charakteryzuja dwa podstawowe parametry
• cmax górny limit (w przyblizeniu) ilosci
  zidentyfikowanych kolumn identycznych
• w szerokosc tzw. okna przeszukiwania
• symbole tworzace kolumne identyczna nie moga
  pochodzic z dowolnych czesci sekwencji
• kazdy symbol pochodzi z aktywnego okna
  przeszukiwania danej sekwencji

15
Budowa populacji startowej

• wzgledna dlugosc okna przeszukiwania (w stosunku
  do dl. sekwencji) jest taka sama dla wszystkich
  sekwencji
• analogicznie wzgledna pozycja srodka okna
  (wzgledem poczatku sekwencji)
• z kazdego okna, losowo, wybierany jest jeden
  symbol
• jesli wszystkie symbole sa identyczne, tworzona
  jest kolumna identyczna
• nie jest sprawdzana unikalnosc kolumny
• czynnosc jest wykonywana razy dla
  kazdego symbolu (okna szerokosci jednego
  symbolu) wyróznionej sekwencji
• gdzie m dl. wyróznionej sekwencji (np.
  najkrótszej)

16
Budowa populacji startowej

• zbieranie informacji (tworzenie wstepnych
  uliniowien)

A zbiór kolumn identycznych (porzadek
odnajdywania) P populacja startowa, poczatkowo
pusta cp nominalny rozmiar populacji startowej
17
Algorytm ewolucyjny

• populacja startowa (cmax4000, w0.04)
• cp (ma n) / 10, ma sr. dl. sekwencji, n
  ilosc sekwencji
• cp gt 100 oraz cp lt 400
• tylko jeden operator genetyczny - krzyzowanie

18
Algorytm ewolucyjny

• krzyzowanie
• jednopunktowe
• losowe punkty ciecia (mozliwe przed pierwszym i
  za ostatnim blokiem)
• punkt ciecia nigdy nie rozdziela bloku
• po wymianie informacji sprawdzana jest mozliwosc
  zlaczenia bloków sasiadujacych z punktem ciecia
• lepszy z potomków musi byc lepszy od obojga
  rodziców
• domyslne prawdopodobienstwo krzyzowania 0.4

19
Algorytm ewolucyjny

• funkcja przystosowaniacol(p) ilosc kolumn
  identycznych w osobniku plenmin(p) minimalna
  dlugosc uliniowienia powstalego na podstawie
  uliniowienia wstepnego reprezentowanego przez
  osobnika pa wykladnik okreslajacy istotnosc
  karania na powstawanie nadmiernie dlugich
  uliniowien (20)

20
Algorytm ewolucyjny

• jesli i-ty blok wstepnego uliniowienia p
  oznaczymy jako bito funkcja lenmin(p)
  wyraza sie wzorem

21
Algorytm ewolucyjny

• warunki stopu
• przystosowanie najlepszego osobnika nie zmienilo
  sie od 40 generacji
• osiagnieto limit 1000 generacji
• wywolania rekurencyjne dla obszarów miedzy
  blokami (w najlepszym z osobników)
• koniec rekurencji
• alg. ewolucyjny nie znalazl zadnej kolumny
  identycznej
• minimalna odleglosc miedzy danymi blokami jest lt
  20

22
Algorytm progresywny

• uruchamiany dla obszarów miedzy blokami
  zidentyfikowanymi przez alg. ewolucyjny
• implementacja zblizona do ClustalW
• drzewo filogenetyczne budowane metoda
  neighbor-joining (z ukorzenianiem metoda
  mid-point rooting)

23
Algorytm progresywny

• uliniawianie par metoda Myersa-Millera
• przystosowanie do uliniawiania uliniowien
• przystosowanie do afinicznej kary za wprowadzane
  przerwy
• kara k(w) GOP wGEP, w dl. Wprowadzonej
  przerwy
• kary za wprowadzanie przerw zalezne od pozycji w
  sekwencji (funkcyjny opis parametrów kary
  afinicznej)
• stosowanie macierzy substytucji (automatyczny
  dobór w zaleznosci do odleglosci sekwencji w
  drzewie filogenetycznym)

24
Testy

• Na podstawie referencyjnych baz
  BAliBASEbazy udostepniaja zarówno testowe
  zestawy sekwencji, jak i gotowe uliniowienia
  tych zestawów

25
Ocena uliniowienia

• miara SPS (Sum-of-Pair Score)
  , N - ilosc sekwencji, n - dlugosc
  uliniowienia danej pary sekwencji, m - ilosc
  przerw w uliniowieniu pary sekwencji
• miara CS (Column Score)
• ilosc kolumn identycznych w stosunku do dl.
  uliniowienia
• wszystkie wyniki podawane sa jako sredni stosunek
  miar w odniesieniu do rezultatów dla uliniowien
  z bazy referencyjnej

26
Wyniki
27
Wyniki
28
Koniec

• Pytania?
• Sugestie

Dziekuje za uwage