Сигналы в нуклеотидных последовательностях

1. Имея последовательности ДНК E. coli, находящейся перед несколькими генами, регулируемыми белком PurR (пуриновым репрессором), с помощью сервера MEME найдем общий мотив в предложенных последоватнльностях, то есть предполагаемый сигнал, который узнает белок PurR.
   
   Для этого введем в поле "name of file" сервера MEME файл с данными последовательностями и установим параметры:
   распределение количества встреч каждого мотива: "Zero or one per sequence" (не более одного мотива на нуклеотидную последовательность);
   максимальная и минимальная длина мотива: по 16 (ищем мотивы строго заданной длины);
   число различных мотивов: 1.
   
   Нажмем "Start search" и перейдем по ссылке "MEME output as HTML".
   
   В результате получим следующую информацию о предполагаемых сигналах в данных последовательностях (сайтах, с которыми взаимодействует белок PurR):
   
   Диаграмма Logo, отображающая частоту встречаемости нуклеотида (сравнивая все последовательности) на каждой позиции предполагаемого сигнала:
   
   
   Матрица PSSM, ставящая каждой букве на каждой позиции в последовательности определенный положительный или отрицательный вес:

   Позиция мотива	A	C	G	T	Паттерн (нуклеотиды, дающие положительный вклад)
   1	151	-1023	7	-1023	R (A или G)
   2	-65	107	-51	-65	C
   3	-1023	-151	195	-1023	G
   4	-1023	195	-151	-1023	C
   5	193	-1023	-1023	-1023	A
   6	193	-1023	-1023	-1023	A
   7	93	-151	-151	34	W (А или Т)
   8	-1023	207	-1023	-1023	C
   9	-1023	-1023	207	-1023	G
   10	-165	-1023	-51	151	T
   11	-1023	-1023	-1023	193	T
   12	-1023	-1023	-1023	193	T
   13	-65	-1023	-151	151	T
   14	-165	195	-1023	-1023	C
   15	-165	107	49	-165	S (G или C)
   16	-7	-51	-1023	115	W (A или Т)

   
   
   Таблица найденных мотивов (с P-value):

   Имя последовательности	Направление цепи	Координата первого нуклеотида	P-value
   purE	+	313	6.77e-09
   purL	+	308	7.68e-09
   cvpA	+	328	8.75e-09
   codB	-	317	1.11e-08
   purR	+	339	2.25e-08
   pyrC	-	333	5.65e-08
   carA	+	163	6.71e-08
   purA	-	278	1.03e-07
   purM	-	320	1.85e-07
   folD	-	421	2.78e-07
   glnB	+	317	5.79e-07
   guaB	+	331	5.79e-07

   
   
   Таким образом, по результатам MEME в исходных последовательностях были найдены следующие сигналы:
   

   >codB
   tcctggagatctgacgaccattgatgatcctgcgtcgttggatcagatccgccaggcgatggaagagtaggttattgtcggatgcgtcgcgcggtgcatc
   cggcactgtgtgccgatgcctgatgcgacgctgacgcgttttatcatgcctacggacctgaaccgtaggtcggataaggcgctcgcgtcgcatccgacac
   catgctcagatgcctgatgcgacgctgacgcgtcttatcaggcctacccactgtttttacaccgataatttttcccccacctttttgcactcattcatat
   aaaaaatatatttccccacgaaaacgattgctttttatcttcagatgaatagaatgcggcggattttttgggtttcaaacagcaaaaagggggaatttcg
   tgtcgcaagataacaactttagccaggggccagtcccgcagtcggcgcggaaaggggtattggcattgacgttcgtcatgctgggattaaccttcttttc
   
   >purE
   tgtgcgcaaacgcattgccgcgcgaatgcgcgcgaacagcaaagaagccaacagcagtaaatcgctggcgatcatggacgttaaccaaaacgcggtggtc
   agtgcgatggaaaaacatcaggtgcaatggctgatccacgggcatacccatcgcccggcggtgcatgaacttatcgccaatcagcaacctgcttttcgcg
   tggtactgggtgcctggcatacggaaggttcaatggtgaaagtcacggcggatgacgttgagctgattcattttccgttttaaaaaacccgcaactttgc
   tgatttcacagccacgcaaccgttttccttgctctctttccgtgctattctctgtgccctctaaagccgagagttgtgcaccacaggagttttaagacgc
   atgtcttcccgcaataatccggcgcgtgtcgccatcgtgatggggtccaaaagcgactgggctaccatgcagttcgccgccgaaatcttcgaaatcctga
   
   >pyrC
   tcagaaagcgaccatgaaactgaagctgaaagcgctgcccgtgtttgataaagaaaaaggtgcgatcttcctgaaagagatggaagtggtcgatgcgacg
   gtacaaccggaaaaaatgcaaacggtgatgcaaacgttgcttccctatttgaaccaggcattacgcaattactttaaccagcaacctgcttacgtcctgc
   gcgaagatggcagccagggcgaagcaatggcgaaaaaactggcgaaaggcattgaagtgaagccaggcgaaattgtcattccatttactgattaatcacg
   agggcgcattcgcgccctttatttttcgtgcaaaggaaaacgtttccgcttatcctttgtgtccggcaaaaacatcccttcagccggagcatagagatta
   atgactgcaccatcccaggtattaaagatccgccgcccagacgactggcaccttcacctccgcgatggcgacatgttaaaaactgtcgtgccatatacca
   
   >purR
   tcgagaggaaatcagtgcagcgcggcagtcaaacccacggctacgatcaaaccgaggacgataatcgttgttaccagtgaaaatttaaggtcggtgctca
   tcaagttttctccttttttattaccacacaaaaagtgatattacgcatttttacacactgtgatgaaaaaatctcccgtcatttataatgataagtgttt
   ttaccacttccccttttcgtcaagatcggccaaaattccacgcttacactatttgcgtactggccattgaccccttcctgacgctccgtgtcgtttttcc
   ggcgtaccgcaacacttttgttgtgcgtaaggtgtgtaaaggcaaacgtttaccttgcgattttgcaggagctgaagttagggtctggagtgaaatggaa
   tggcaacaataaaagatgtagcgaaacgagcaaacgtttccactacaactgtgtcacacgtgatcaacaaaacacgtttcgtcgctgaagaaacgcgcaa
   
   >cvpA
   gccatccacgccagtgcagggtaaaattacccgtattctggttgggccggatgcctcgaaagataagctgaaaggttcgctgggtgagttgaagcaactt
   tctggcttaagtggcgtggtaatgggctatacgccgaattaatacggtcttgcctgatgcgacgctggcgcgtcttatcaggcctacgcaggggtagaac
   cgtaggtcggataaggcgtttacgccgcatccgacacgcattgcccgatgccgcaaaggcataaaaagtcgatggcgttgaatattttttcagcgccatt
   tttattgatgcgcgggaaggaaatccctacgcaaacgttttctttttctgttagaatgcgccccgaacaggatgacagggcgtaaaatcgtgggacacat
   atggtctggattgattacgccataatcgcggtgattgctttttcctctctggttagcctgatccgcggctttgttcgtgaagcgttatcgctggtgacat
   
   >purM
   ggtgctgatatcttgctcacgcatcagtcccagcttgtgtttgacgagtgggtgtttgacttccacgatcttcatactctttctcctttgaggggcagcc
   acaaaaaaaatcgacggattatacctcctttcttcaaggcggcaatattcttttcgttgactttagtcaaaatgataacggtttgagataaagttatttt
   atattcagatggttatgaaagaagattattccatccgaaaactaacctttaccctggcacaagtcttctttcgccgcgcgcctggggaaaagacgtgcaa
   aaaggttgtgtaaagcagtctcgcaaacgtttgctttccctgttagaattgcgccgaattttatttttctaccgcaagtaacgcgtggggacccaagcag
   tgaccgataaaacctctcttagctacaaagatgccggtgttgatattgacgcgggtaatgctctggttggaagaatcaaaggcgtagtgaagaaaacgcg
   
   >guaB
   acttgttgcccatgctgtgggcggaaggtcacccggcggttgctgttgcggaacatcgcgcagcgtacctgggcggtgtcgtctttgagtgtaaagtacc
   agtgaccggaagctggttgcgtgaaattagaaatttcgccgctgatccaaacctgtcccatctcatgctcaagcagcagacgaaccgtttgattcaggcg
   actaacggtaaaaattgcaggggattgagaaggtaacatgtgagcgagatcaaattctaaatcagcaggttattcagtcgatagtaacccgcccttcggg
   gatagcaagcattttttgcaaaaaggggtagatgcaatcggttacgctctgtataatgccgcggcaatatttattaaccactctggtcgagatattgccc
   atgctacgtatcgctaaagaagctctgacgtttgacgacgttctcctcgttcctgctcactctaccgttctgccgaatactgctgacctcagcacccagc
   
   >glnB
   tgtccgcgcgttctctaccgatgcgatgaaacgcctgatgaccgcgagctggccgggtaatgtgcgccagttggtcaacgtgattgaacagtgcgtggcg
   ctgacctcatctccggtgattagtgatgcgctggtggagcaggcgctggagggtgaaaatacggcgctgccaacctttgttgaggcacgtaatcagtttg
   aactcaactatttgcgtaagctgctgcaaatcaccaaaggcaacgtcacccacgcggcgagaatggcggggcgcaaccggacagaattttataaactgct
   ttcccgacacgagctggatgcaaacgatttcaaggaatgaattggcgttatgtgttacgtttagcagatcaaaagacaggcgaccttttcaaggaatagc
   atgaaaaagattgatgcgattataaaacccttcaagctggacgatgtccgcgaagcactggccgaagtcggtattaccggcatgacggtgaccgaagtga
   
   >purL
   ctcacacgcaactctccccgcgcttgaatggcggcgatacggttgtcggctttaccaaaccagggaatggatggccagagagcgaccgcgagcagcagtg
   ccagaatgccgatgaacagataattaatctttaattttttcaattagttaattctctgtgtcgtgcgcgtcccagcttgaaaaaacgtaataatagtgaa
   aggtttactcataaatgagcggcattttgcgtaaacctgcgccagatggcaacttattacagccattggcggcacgcgttgctaattcacgatggtgatt
   ttatttccacgcaaacggtttcgtcagcgcatcagattctttataatgacgcccgtttcccccccttgggtacaccgaaagcttagaagacgagagactt
   atgatggaaattctgcgtggttcgcctgcactgtcggcattccgaatcaacaaactgctggcacgttttcaggctgccaggctcccggttcacaatattt
   
   >purA
   cttccgcaacgcgttaatataacgactgcggtacaggtcaataaagccaccgcatcctcagggatgtcggtggttttctttttctataaggataatgaat
   gaattcgacaatctggctggcgcttgccctggttttggtactggaaggtttagggccgatgctttacccgaaggcatggaagaagatgatctctgcgatg
   accaatttgcccgataatattttacgtcgttttggcggtggacttgtggttgcgggcgttgtggtctactacatgttgaggaaaacgattggctgaacaa
   aaaacagactgatcgaggtcatttttgagtgcaaaaagtgctgtaactctgaaaaagcgatggtagaatccatttttaagcaaacggtgattttgaaaaa
   tgggtaacaacgtcgtcgtactgggcacccaatggggtgacgaaggtaaaggtaagatcgtcgatcttctgactgaacgggctaaatatgttgtacgcta
   
   >folD
   tagtagtaaattcctttttatcctctaagaatgtcttaattgaaaatatgcactctattctaaaaaatagagagccccgttagatgaatacttccgcgca
   aaatatattcaacacaaatatagacctgaagcggtaaattaccaggctgaaaattctttttatattgtcaggtatttcttaaattatcttaatccttaga
   caaggaaataaatcagttccagatttacaacgccatcatggacgaaaaatgaagctttcagtctcagcgacggtgcgcctcaccttcgcaagaggtcgct
   tcacgcgataaatctgaaacgaaacctgacagcgcgccccgcttctgacaaaataggcgcatccccttcgatctacgtaacagatggaatcctctctctg
   atggcagcaaagattattgacggtaaaacgattgcgcagcaggtgcgctctgaagttgctcaaaaagttcaggcgcgtattgcagccggactgcgggcac
   
   >rpiA
   ttttcctgcactatgacacaattttgtgtcaggttgcatataccgaagccgtcggcgggtaacatttgtatccgtggttaaaagcgcagcttaaaagatc
   agggatttgcgctaatgcatttcgctcagcgagttcgcgccctggttgtgttgaatggcgtggcgttattgcctcaatttgcctgtaaacaggggcttgc
   gaacggtgaactggtgcgcctgtttgcaccgtggagcggcatacccagaccgttgtatgctttatttgcggggcgaaaggggatgcctgccattgcgcga
   tattttatggatgagttaaccacgcggcttgccaacggggtctgaatcgctttttttgtatataatgcgtgtgaaatttcataccacaggcgaaacgatc
   atgacgcaggatgaattgaaaaaagcagtaggatgggcggcacttcagtatgttcagcccggcaccattgttggtgtaggtacaggttccaccgccgcac
   
   >carA
   ggctttaatttttggcccttttatttttggtgttatgtttttaaattgtctataagtgccaaaaattacatgttttgtcttctgtttttgttgttttaat
   gtaaattttgaccatttggtccacttttttctgctcgtttttatttcatgcaatcttcttgctgcgcaagcgttttccagaacaggttagatgatctttt
   tgtcgcttaatgcctgtaaaacatgcatgagccacaaaataatataaaaaatcccgccattaagttgacttttagcgcccatatctccagaatgccgccg
   tttgccagaaattcgtcggtaagcagatttgcattgatttacgtcatcattgtgaattaatatgcaaataaagtgagtgaatattctctggagggtgttt
   tgattaagtcagcgctattggttctggaagacggaacccagtttcacggtcgggccataggggcaacaggttcggcggttggggaagtcgttttcaatac
   

2. Теперь сравним результаты, полученные с помощью MEME, с экспериментально установленными сайтами узнавания PurR.
   
   МEME предсказал сайт связывания с белком в 12 последовательностях из 13. В реальности он встречается в 10 последовательностях (в последовательностях carA и folD сайта нет, хотя MEME его в них предсказал). В последовательности purA MEME предсказал сайт не в том месте, где он расположен на самом деле. На самом деле он располагается здесь:
   

   >purA
   cttccgcaacgcgttaatataacgactgcggtacaggtcaataaagccaccgcatcctcagggatgtcggtggttttctttttctataaggataatgaat
   gaattcgacaatctggctggcgcttgccctggttttggtactggaaggtttagggccgatgctttacccgaaggcatggaagaagatgatctctgcgatg
   accaatttgcccgataatattttacgtcgttttggcggtggacttgtggttgcgggcgttgtggtctactacatgttgaggaaaacgattggctgaacaa
   aaaacagactgatcgaggtcatttttgagtgcaaaaagtgctgtaactctgaaaaagcgatggtagaatccatttttaagcaaacggtgattttgaaaaa
   tgggtaacaacgtcgtcgtactgggcacccaatggggtgacgaaggtaaaggtaagatcgtcgatcttctgactgaacgggctaaatatgttgtacgcta
   

   
   Подсчитаем чувствительность и специфичность. Чувствительность - отношение числа правильных предсказаний к числу реальных сайтов; специфичность - отношение числа правильных предсказаний к общему числу предсказаний (правильных и неправильных). Будем считать реальный сайт предсказанным верно, если он пересекается с предсказанием по 8 или более нуклеотидам.
   Итак, чувствительность в данном случае равна 9 / 10 = 0.9, специфичность равна 9 / 12 = 0.75.