Benemérita Universidad Autónoma de Puebla
Licenciatura multidisciplinaria en biotecnología
Bioinformática
Práctica 3: BLAST
Vania Lizandré Castañón Vargas
Introducción:
Con el paso del tiempo y debido a la creciente necesidad de estudiar y comparar
grandes cantidades de información genética, se desarrollaron diversas herramientas
computacionales para el análisis de secuencias ya sea cortas o largas. Fue en 1990 que
nació BLAST, una herramienta producida por NCBI que nos permite analizar
secuencias de proteínas o ADN para encontrar similitud entre dos secuencias de
interés o entre una secuencia y distintas bases de datos.
Hoy en día representa, una gran herramienta para la biología molecular, debido a que
al encontrar similaridad entre dos o más secuencias se puede inferir la función de
ciertos genes, así como predecir nuevos miembros de familias de genes y explorar
relaciones evolutivas.
A continuación, se muestran distintas aplicaciones de la herramienta BLAST de
NCBI, así como de bases de datos de nucleótidos y proteicas.
Ejercicio 1:
Se presenta a continuación el alineamiento de la transcriptasa reversa para HIV-1 y
una poliproteína relacionada a retrovirus. Se espera un E value de 7x10-70.
Matriz de puntuación: BLOSUM 62
Como se muestra en la imagen, se obtuvo el E value esperado
Matriz de puntuación: BLOSUM 50
Matriz de puntuación: BLOSUM 90
Matriz de puntuación: PAM30
Matriz de puntuación: PAM70
Matriz de puntuación: PAM250
¿Cuáles son los valores esperados?
MATIZ DE QUERY
MAX SCORE TOTAL SCORE E VALUE IDENT
PUNTUACIÓN COVER
BLOSUM 62 243 304 56% 7x10-70 28%
BLOSUM 50 157 429 56% 4x10-43 34%
BLOSUM 90 317 317 59% 1X10-71 92%
PAM 30 229 229 50% 8x10-64 29%
PAM 70 217 237 57% 2x10-60 28%
PAM 250 111 351 50% 2X10-29 35%
¿Qué longitud de residuos aminoácidos es alineado?
Depende de la matriz, los valores van desde el 50% al 59%
¿Los resultados de búsqueda son similares o diferentes usando matrices
BLOSUM y PAM?
Son muy pocos similares y difieren en los rangos desde identidad hasta el valor de E
Ejercicio 2:
Se encontró únicamente una secuencia parcial de la subinidad I de la citocromo
oxidasa para el Homo Sapiens neanderthalensis que se comparó con la subunidad II
de citocromo oxidasa. Respecto a la citocromo oxidasa prehistórica fue la única que
se encontró en la base de datos y no fue encontrada la subunidad I de la citocromo
oxidasa actual. No hubo ninguna similitud significativa.
Ejercicio 3:
A continuación, se muestra el alineamiento por pares entre alfa y beta globina
humana.
Matriz de puntuación: PAM30
Matriz de puntuación: PAM70
Matriz de puntuación: PAM250
Matriz de puntuación: BLOSUM 45
Matriz de puntuación: BLOSUM62
Matriz de puntuación: BLOSUM 90
Tabla de recopilación de datos:
MATIZ DE QUERY
MAX SCORE TOTAL SCORE E VALUE IDENT
PUNTUACIÓN COVER
BLOSUM 45 89.8 89.8 97% 2x10-29 41%
BLOSUM 62 91.3 91.3 97% 2x10-29 41%
BLOSUM 90 94.5 94.5 97% 3X10-28 42%
PAM 30 99.5 99.5 100% 2x10-27 41%
PAM 70 98.8 98.8 100% 4x10-28 41%
PAM 250 83.9 83.9 98% 9X10-29 40%
¿Cuál de ellas tiene el mejor puntaje?
BLOSOM 62 Y BLOSOM45, debido a tienen los más bajos E value, lo que
significa una probabilidad más baja de que el alineamiento haya sido por azar.
Aunque estas matrices no presentan el mayor número de identidad (que indica en
porcentaje, la cantidad de residuos en la misma posición en ambas cadenas), tiene
más peso el valor de E value, debido a que algunas veces son agregados espacios
que disminuyen el porcentaje de Ident. Sin embargo, al ser secuencias de moléculas
de una misma especie, lo más ideal sería utilizar una matriz para secuencias
similares, como PAM 30.
Ejercicio 4:
Se buscaron los números de accesos para las proteínas Aphrodisin y Odorant-
binding en roedores.
La afrodisina es una proteína secretada vía vaginal en hámsteres para favorecer
comportamiento copulatorio en machos.
Las proteínas de unión a olores son proteínas altamente concentradas en las
mucosidades nasales de los vertebrados.
Aphrodisin: Q9Z1I7 para hámster dorado
Odorant-binding: A0A1U8CSD9 para hámster dorado
Se realizaron alineamientos en BLAST
Matriz de puntuación: BLOSUM 62
Matriz de puntuación: BLOSUM 45
Matriz de puntuación: PAM 30
Matriz de puntuación PAM250
Tabla de recopilación de datos.
MATIZ DE QUERY
MAX SCORE TOTAL SCORE E VALUE IDENT
PUNTUACIÓN COVER
BLOSUM 62 20 20 100% 0.014 23%
BLOSUM 45 21.9 21.9 92% 0.003 20%
PAM 30 21.8 21.8 100% 0.007 23%
PAM 250 20.1 20.1 92% 0.009 22%
¿Cuál medida es la más útil para ayudar a evaluar esta relación?
NCBI utiliza como default BLOSUM 62 debido a que es una media entre matrices
para secuencias posiblemente relacionadas y secuencias no relacionadas. Sin
embargo, BLOSUM 45 presenta un menor valor E, pero esta matriz es utilizada para
secuencias poco relacionadas entre sí, como secuencias de distintas especies,
mientras que PAM30 es para secuencias relacionadas, pero su E value resulta ser no
tan bajo. Resulta más útil PAM 30 solo si conocemos la procedencia de las
secuencias.
Ejercicio 5:
Se realizó un alineamiento entre la secuencia de la subunidad B de la hemoglobina
para determinar la cercanía entre Proteles cristata (Lobo de tierra) con Canis lupus
familiaris (Perro doméstico) y Proteles cristata con Panthera onca (Jaguar)
Proteles cristata vs Canis lupus familiaris
Matriz de puntuación PAM 30
Matriz de puntuación: PAM 250
Matriz de puntuación: BLOSUM 45
Matriz de puntuación: BLOSUM 90
Proteles cristata vs Panthera onca
Matríz de puntuación: PAM30
Matríz de puntuación: PAM250
Matríz de puntuación: BLOSUM 45
Matríz de puntuación: BLOSUM 90
Tabla de Proteles cristata vs Panthera onca
MATIZ DE QUERY
MAX SCORE TOTAL SCORE E VALUE IDENT
PUNTUACIÓN COVER
BLOSUM 90 282 282 99% 8x10-101 90%
BLOSUM 45 283 283 100% 7x10-106 90%
PAM 30 281 281 100% 2x10-91 90%
PAM 250 224 224 100% 6x10-86 90%
Tabla de Proteles cristata vs Canis lupus familiaris
MATIZ DE QUERY
MAX SCORE TOTAL SCORE E VALUE IDENT
PUNTUACIÓN COVER
BLOSUM 90 277 277 98% 4x10-9 90%
BLOSUM 45 279 279 98% 5x10-104 90%
PAM 30 276 276 98% 1x10-89 90%
PAM 250 221 221 98% 3x10-85 90%
¿El próteles está más estrechamente relacionado a un perro doméstico o a un
jaguar?
Al jaguar.
¿Cuál es la matriz más precisa?
BLOSUM 45 debido a que en ambas comparaciones daba los E-values más bajos
Conclusión:
El desarrollo de nuevas tecnologías representa un arma de doble filo, debido a que
nos puede llevar a confiar ciegamente en el resultado que nos da una maquina sin
analizarlo, sin embargo, es muy necesario, ya que sería imposible analizar una
cantidad enorme de datos de manera manual. Es muy importante actualmente contar
con este tipo de herramientas para poder llevar a cabo investigaciones.
El uso de estas herramientas resulta sumamente sencillo una vez que se han llevado
a cabo algunas operaciones y se está familiarizado con la interfaz de la plataforma.
Cuestionario:
1. ¿Qué es un alineamiento por pares?
El alineamiento de pares de secuencias es la comparación de dos secuencias,
ya sea de nucleótidos y proteicas, se considera como la base de diversas
herramientas de análisis de secuencias como el alineamiento de secuencias
múltiples
2. Si son proteínas altamente relacionadas ¿Qué PAM utilizarías? Justifica
tu respuesta
Utilizaría PAM30, ya que a un mayor número de PAM se asume que hay un
número menor de distancia evolutiva entre las secuencias a comparar. Esta
matriz está parametrizada para comparar pocos puntos de mutación.
3. Defina homología, identidad y similaridad
Similaridad: Grado en el que un par de secuencias de nucleótidos o proteínas
están relacionadas. La similaridad puede ser expresada como un porcentaje
de identidad
Identidad: Grado en que dos secuencias de aminoácidos o nucleótidos tienen
los mismos residuos a la misma posición en un alineamiento. Se expresa
como porcentaje.
Homología: Similaridad atribuida a que las moléculas biológicas provienen
un ancestro en común.
4. ¿En qué tipo de alineamientos se basa la matriz BLOSUM?
BLOSUM se basa en la conservación de dominios en proteínas. Es utilizada
para el alineamiento de secuencias de proteínas evolutivamente divergentes,
realizando alineamiento local
5. Defina secuencias ortólogas y parálogas en proteínas
Ortólogo: Secuencias homólogas en diferentes especies que vienen de un
ancestro común, por lo que pueden presentar la misma función. (Homologo
entre diferentes especies).
Parálogo: Secuencias homólogas en un mismo organismo pero que difieren
en función.
Bibliografía
Fassler, J. (14 de Julio de 2011). BLAST Glossary. Obtenido de
[Link]