In questa lezione ci occuperemo
Ricerca di pattern e motivi funzionali
in sequenze nucleotidiche
Ricerca di pattern e motivi funzionali
in sequenze proteiche
Potremmo enunciare il seguente paradigma:
La sequenza del DNA determina la sequenza di una proteina
La sequenza di una proteina ne determina la struttura
La struttura di una proteina ne determina la funzione
Dal DNA …………….. alle Proteine
Sequenze nucleotidiche
Sequenze proteiche
TRADUZIONE
Esercizio relativo alla traduzione di una sequenza nucleotidica in una
sequenza amminoacidica
Data la sequenza del gene della b-emoglobina umana:
… ctggcccacaagtatcactac…
1)Scrivere la traduzione di questa sequenza in una sequenza amminoacidica
2)Scrivere la sequenza nucleotidica per un cambiamento di una singola base che
produca una mutazione silente in questa regione (la mutazione silete è quella
che lascia invariata la sequenza amminoacidica)
3)Scrivere la sequenza nucleotidica e la traduzione in sequenza amminoacidica
per un cambiamento di una singola base che produca una mutazione di un
amminoacido.
Ricerca di pattern e di motivi funzionali
Qualche definizione necessaria …….
Un motivo di interesse biologico è costituito da un insieme di caratteri (nucleotidi o
amminoacidi) non necessariamente contigui nella sequenza ma che si trovano
sempre o sono spesso associati ad una precisa struttura e funzione biologica (ad
esempio: promotori o hanno la stessa capacità di legare nucleotidi)
La bioinformatica si occupa di sviluppare metodi per il riconoscimento di pattern di
interesse biologico e di curare banche dati in cui tali pattern siano organizzati e
resi disponibili per l’analisi strutturale e funzionale di nuove sequenze.
Ciò deriva dal fatto che nel corso dell’evoluzione la natura ha sviluppato uno o
pochi modi per erealizzare una nuova funzione (ad es. attività catalitica o altro)
Per quanto riguarda la Ricerca di pattern e motivi funzionali in sequenze
nucleotidiche
In realtà non ci sono strumenti che possono essere utilizzati indifferentemente per l’analisi
di una qualsiasi sequenza nucleotidica. Infatti nella studio dei segnali importanti per
l’identificazione dei singoli geni è necessario considerare alcuni punti:
a) Alcuni programmi sono stati sviluppati per un organismo specifico o per un
numero limitato di organismi
b) Per tutte le sequenze è necessario un filtro che escluda dall’analisi le sequenze
ripetitive.
Infatti, una grande parte del DNA è costituito da sequenze di DNA ripetute che non
fanno parte di regioni codificanti. Queste sequenze devono essere eliminate perché
possono interferire con le misure di similarità biologicamente significative nel corso
delle ricerche in banche dati
Ci sono due programmi che fanno questo:
CENSOR (http://www.girinst.org/Censor_Server.html) e
RepeatMasker (http://www.repeatmasker.org/)
Questi due programmi accedono a raccolte di sequenze di DNA ripetute ed
operano un confronto con le sequenze sottomesse al programma riuscendo ad
identificare le sequenze ripetute presenti e le sottraggono dalla ricerca.
Censor può essere usato
con sequenze proteiche
e nucleotidiche
Possiamo scegliere un
organismo per il quale
fare la ricerca
Scegliere di andare a
valutare le percentuali di
identità e non di
similarità come viene
fatta di default
A noi potrebbe interessare:
1) Ricercare i promotori eucariotici
L’identificazione dei promotori è importante per l’identificazione di
sequenze geniche codificanti e per la corretta assegnazione di esoni tra i
geni situati nella stessa porzione del cromosoma
(PromoterScan: http://www-bimas.cit.nih.gov/molbio/proscan/)
2) Ricercare i siti di giunzione tra introni ed esoni
Un gene è costituito da una sequenza codificante interrotta da sequenze
non codificanti (dette introni). I geni sono combinazioni di corti esoni ed
introni di lunghezza variabile. Il termine esoni si applica a tutte le regioni
che non sono eliminate nel corso di maturazione del RNA [cioè le regioni
non tradotte al 5’ dei geni, quelle codificanti vere e proprie (CDS) e le
regioni non tradotte al 3’].
Identificare i siti di giunzione tra introni ed esoni per una corretta predizione
della struttura di un gene.
NetGene: http://genome.cbs.dtu.dk/services/NetGene2/
GenScan: http://genes.mit.edu/GENSCAN.html
GenScan è il programma più usato per predire la struttura di un gene
3) Siti di inizio della traduzione
Il codone di inizio è in generale (anche se non sempre) il codone AUG che
codifica per la Metionina
(GeneMark:
http://exon.gatech.edu/GeneMark/genemark_prok_gms_plus.cgi/)
4) Identificazione dei segnali di poliadenilazione e di terminazione della
traduzione
La più nota sequenza segnale coinvolta nella poliadenilazione è AATAAA
(GRAIL: http://compbio.ornl.gov/Grail-1.3/
Esercizio 1: Predizioni dei geni codificanti proteine in sequenze
genomiche mediante GenScan
Ricerchiamo i geni in una sequenza genomica prodotta nell’ambito del
progetto di sequenziamento del genoma di Fugu.
Collegandosi al sito: http://fugu.hgmp.mrc.ac.uk/fugu-bin/clonesearch/ si
effettua la ricerca della sequenza scaffold S004519.
La sequenza così estratta può essere utilizzata per la predizione utilizzando
il programma GenScan.
La sequenza estratta viene incollata nella box clicca su Run GenScan
Nell’output di GenScan sono indicati tutti i geni predetti, per ciascuno dei
quali viene riportata la corrispondente ipotetica sequenza amminoacidica.
Queste sequenze possono essere caratterizzati:
o effettuando una ricerca con BLAST contro la banca dati delle proteine
o ricercando i domini o motivi funzionali attraverso il sistema InterPro
Esercizio 2: Caratterizzazione di ipotetiche proteine predette mediante
BLAST
Selezionata una proteina dall’entry di GenScan ottenuta nell’esercizio
precedente, copiare la sequenza in BLASTP e lanciare la ricerca.
Quante proteine omologhe troviamo?
Quale proteina è quella che ha una percentuale di identità di sequenza
maggiore?
Esercizio 3: Stabilire con precisione la struttura di uno specifico gene usando
GenomeScan (http://genes.mit.edu/genomescan.html)
A partire dalla sequenza genomica (S004519) e dalla proteina omologa
selezionata con la più alta percentuale di identità di sequenza
RunGenomeScan
Ripetere i tre esercizi precedenti usando lo
scaffold S000194
Esercizio 4: Determinazione della struttura di un gene mediante il confronto
tra la sequenza genomica e l’mRNA maturo mediante il programma SPIDEY
http://www.ncbi.nlm.nih.gov/IEB/Research/Ostell/Spidey/
L’allineamento tra una sequenza genomica contenente un gene e la
sequenza dell’mRNA corrispondente determina la struttura del gene con
l’esatta localizzazione degli introni e degli esoni.
Come procedere?
1. Trovare la sequenza genomica di cox4 umano mediante SRS
2. Incollare la sequenza di cox4 (NT_024767) nella box sulla pagina di SPIDEY
ed indicare l’accession number della sequenza del trascritto NM_001861 nel
riquadro in basso.
Il risultato in SPIDEY mostrerà la struttura di cox4, di esoni ed introni
SPIDEY
Potete inserire
o le sequenze
o gli accession
number
Quanti esoni avete trovato usando SPIDEY?
Ripetere questa stessa ricerca con GenScan usando la stessa sequenza di cox4
Ricerca di pattern e di motivi funzionali in sequenze proteiche
Le proteine possono essere raggruppate in un numero limitato di famiglie sulla
base della similarità di sequenze.
Le proteine ed i domini proteici appartenenti ad una stessa famiglia condividono
attributi funzionali e strutturali derivanti da un progenitore comune.
Dallo studio di allineamenti multipli di sequenze appartenenti ad una stessa
famiglia è evidente che alcune regioni sono più conservate di altre
queste regioni conservate sono in generale importanti per la funzione e la
struttura di una proteina.
Analizzando le regioni costanti e variabili in un allineamento multiplo è possibile
identificare un motivo che possa servire alla classificazione funzionale delle
proteine che lo contengono.
Vari programmi in rete:
Individuazione di domini
SMART
PFAM
Individuazione di motivi funzionali
PROSITE
PSORT
ELM
SMART: http://smart.embl-heidelberg.de/smart/set_mode.cgi?NORMAL=1
PFAM
http://www.sanger.ac.uk/Software/Pfam/
PROSITE http ://www.expasy.org/prosite/
È una banca dati che raccoglie più di 1600 motivi proteici associati ad una
determinata struttura e funzione.
La sintassi di PROSITE:
x indica la posizione in cui ciascun residuo viene accettato
Tra le parentesi [ ] sono indicati i residui consentiti in una posizione
Tra le parentesi { } sono indicati i residui NON consentiti in una posizione
Ad esempio:
[A,G]x4GK[S,T]
viene tradotto come
[Ala o Gly]-x-x-x-x-GlySer[Ser o Thr]
Qualche esempio pratico:
Ricercare in Prosite la sequenza P68082 Scrivere l’ID dell’entry di Prosite e la
famiglia a cui appartiene la proteina
Ricercare l’accession number relativo all’interleuchina 1 beta umana (usando ….)
e ricercare in Prosite a quale famiglia appartiene questa proteina
Il programma ScanProsite (http://www.expasy.org/tools/scanprosite/)
confronta una sequenza con PROSITE o un motivo con tutte le sequenze
proteiche riportate in SWISSPROT.
…… Esempi!!
PSORT (http://psort.nibb.ac.jp/form2.html)
è una procedura per la predizione della localizzazione delle proteine nella cellula.
Riceve informazioni sottoforma di sequenze proteiche associate a localizzazioni
subcellulari e ne ricava regole di associazione empiriche.
Applicando queste regole ad una sequenza proteica di localizzazione ignota,
PSORT giunge a predire la localizzazione, fornendo anche un indice di affidabilità
della predizione.
EML (http://elm.eu.org/)
Analizza i siti funzionali nelle proteine
ESEMPI PRATICI
