Мотив (молекулярная биология)
 |
Эта статья или раздел нуждается в переработке. Пожалуйста, улучшите статью в соответствии с правилами написания статей.
|
Моти́в в молекулярной биологии — это характерная последовательность нуклеотидов (в ДНК, РНК) или аминокислот (в белках), которая имеет существенное биологическое значение. Мотивы в белках позволяют найти участки белков, отвечающие за определённые свойства.
Консервати́вные моти́вы — короткие последовательности нуклеотидов в ДНК или аминокислот в белке, которые сохраняются в процессе эволюции, поскольку эти нуклеотиды или аминокислоты незаменимы для выполнения каких-либо процессов в клетке. Например, введение одной из посттрансляционных модификаций белков — присоединение глюкозы (N-гликозилирование) — осуществляется ферментами, у которых в аминокислотной последовательности есть:
Содержание
Мотивы в белках
Поиск мотивов в белках с помощью регулярных выражений
Для обозначения мотива используют стандартные обозначения регулярных выражений:
- Алфавит — совокупность отдельных символов, обозначающих определенную аминокислоту или набор аминокислот.
- Строка из символов алфавита — обозначающая последовательность соответствующих аминокислот.
- [ABC] — любая строка символов, взятых из алфавита в квадратных скобках соответствует любому из соответствующих аминокислот; например [ABC] соответствует любому из аминокислот, из представленных: или a или b или c.
- {ABC} — любая строка символов, взятых из алфавита соответствует любой аминокислоте кроме тех, что находятся в фигурных скобках; например {ABC} соответствует любой аминокислоте, кроме: a, b и c.
Главная идея, лежащая в этих обозначениях — принцип соответствия: последовательность элементов паттерна совпадает с последовательностью аминокислот, тогда и только тогда, когда последнюю последовательность можно разбить на подпоследовательности таким образом, что каждый элемент массива соответствует соответствующий подпоследовательности в свою очередь.
Например, модель [AB] [CDE] F соответствует шести последовательности аминокислот: ACF, ADF, AEF, BCF, BDF и BEF.
Поиск мотивов в белках с помощью PROSITE
PROSITE использует ИЮПАК для обозначения однобуквенных кодов аминокислот, за исключением символа конкатенации "-", используемого между элементами паттерна.
PROSITE дополняет список выражений, описанных выше:
1. «х» — шаблон элемента обозначают любую аминокислоту.
2. '<' — шаблон ограничивается N-концом последовательности.
3. '>' — шаблон ограничивается C-концом последовательности.
Также символ ' >' может находиться внутри квадратных скобок, например: S [ T> ] соответствует как " ST " и « S >».
4. Если е — шаблон элемента, и m и n два целых десятичных числа и m < = n, то:
- - е (m) эквивалентно повторению е ровно m раз
- - е ( m, n) эквивалентно повторению е ровно k раз для любого целого k удовлетворяющей : m < = k < = n
Например:
х (3) эквивалентно Х-Х-Х.
х (2,4) соответствует любой последовательности, которая соответствует хх или ххх или хххх.
Мотив домена цинкового пальца: C-х (2,4)-C-х (3)-[LIVMFYWC]- х(8)-H-x(3,5)-H
Поиск мотивов в белках с помощью пространственной структуры белка
Данный метод предложен в работе Мацуды, и др.. 1997.[1]
Оперон E. coli репрессор лактозы LacI (PDB [www.rcsb.org/pdb/explore/explore.do?structureId=1lcc 1lcc] chain A) и ген активатор катабализма (PDB [www.rcsb.org/pdb/explore/explore.do?structureId=3gap 3gap] chain A) оба имеют мотив: спираль-поворот-спираль, но их аминокислотные последовательности не очень схожи. Мацуда и др. разработал код, который они назвали «трехмерной код цепи», представляющий структуру белка в виде строки из писем. Эта схема кодирования показывает сходство между белками гораздо более отчетливо, чем аминокислотные последовательности:
Последовательность 3D код аминокислотной цепи
1lccA TWWWWWWWKCLKWWWWWWG LYDVAEYAGVSYQTVSRVV
3gapA KWWWWWWGKCFKWWWWWWW RQEIGQIVGCSRETVGRIL
где «W» соответствует α-спирали, и «E» и «D» соответствует β-нити.
Мотивы в нуклеотидных последовательностях
Матрица чисел содержит частоту нуклеотида для каждой позиции в мотиве фиксированной длины. Есть два типа весовых матриц.
- Позиционная матрица частот (PFM) записывает положение в зависимости от частоты каждого нуклеотида. PFM может быть экспериментально определен из SELEX эксперимента или обнаружен с помощью вычислительных инструментов, таких как MEME использующего скрытые модели Маркова.
- Позиционная матрица весов (PWM) содержат веса для вычисления степени сходства нуклеотидных последовательностей. Можно указывать коэффициент специфичности в входящей последовательности мотива. Позиционная матрица весов использует для вычисления позиционную матрицу частот.
Пример позиционной матрицы частот из базы данных [en.wikipedia.org/wiki/TRANSFAC TRANSFAC] для фактора транскрипции AP −1:
| Позиция | A | C | G | T | Консенсус |
|---|---|---|---|---|---|
| 01 | 6 | 2 | 8 | 1 | G |
| 02 | 3 | 5 | 9 | 0 | G |
| 03 | 0 | 0 | 0 | 17 | T |
| 04 | 0 | 0 | 17 | 0 | G |
| 05 | 17 | 0 | 0 | 0 | A |
| 06 | 0 | 16 | 0 | 1 | C |
| 07 | 3 | 2 | 3 | 9 | T |
| 08 | 4 | 7 | 2 | 4 | C |
| 09 | 9 | 6 | 1 | 1 | A |
| 10 | 4 | 3 | 7 | 3 | G |
| 11 | 6 | 3 | 1 | 7 | T |
Первая колонка определяет позицию, вторая колонка содержит частоту появлений нуклеотида А в этой позиции, третья колонка содержит частоту появлений нуклеотида C в этой позиции, четвертая колонка содержит частоту появлений нуклеотида G в этой позиции, пятая колонка содержит частоту появлений T в этой позиции, а последний столбец содержит консенсус для этой позиции. Обратите внимание, что суммы вхождений для A, C, G, и T для каждой строки должна быть равна, потому что позиционная матрица частот (PFM) происходит на основе объединения нескольких последовательностей.
Поиск мотивов
Поиск мотивов de novo
Существует ряд программ, которые учитывают несколько входных последовательностей и пытаются определить кандидата(ов) в мотивы.
Одной из таких программ является MEME, которая генерирует статистическую информацию по каждому кандидату (н-р: частоту встречаемости группы нуклеотидов (паттерны)). Другие алгоритмы используют программы AlignAce, Amadeus, CisModule, FIRE, Gibbs Motif Sampler, PhyloGibbs, SeSiMCMC, ChIPMunk and Weeder. SCOPE, MotifVoter и MProfiler используют в ходе работы сразу несколько алгоритмов поиска.
Поиск мотива строится на комбинаторной основе, то есть мотивы обнаруживаются методом перебора. В настоящее время существует более 100 публикаций с подобными алгоритмами; Weirauch и др. оценили множество алгоритмов[2]
Поиск мотивов через эволюционные отношения
Мотивы были обнаружены при изучении сходных генов у разных видов. Например, выравнивая аминокислотные последовательности, GCM(glial cells missing) гена человека, мыши и D. melanogaster, Akiyama[3] обнаружил паттерн [en.wikipedia.org/wiki/GCM_transcription_factors GCM мотив]. Он охватывает около 150 аминокислотных остатка:
WDIND*.*P..*…D.F.*W***.**.IYS**…A.*H*S*WAMRNTNNHN
Где . — любая аминокислота или гэп
• — обозначает один член близко родственного семейства аминокислот.
[www.imsc.res.in/~rsidd/phylogibbs/ PhyloGibbs][4][5] и Gibbs Motif Sampler[6][7] — являются алгоритмами для обнаружения мотивов на основе филогенетических отношений.
Напишите отзыв о статье "Мотив (молекулярная биология)"
Примечания
- ↑ Matsuda H, Taniguchi F, Hashimoto A (1997). «[helix-web.stanford.edu/psb97/matsuda.pdf An approach to detection of protein structural motifs using an encoding scheme of backbone conformations]». Proc. of 2nd Pacific Symposium on Biocomputing: 280–291.
- ↑ Weirauch et al. (2009). «Evaluation of methods for modeling transcription factor sequence specificity». Nature biotechnology 31: 126–134. DOI:10.1038/nbt.2486.
- ↑ Akiyama Y, Hosoya T, Poole AM, Hotta Y (1996). «The gcm-motif: a novel DNA-binding motif conserved in Drosophila and mammals». Proc. Natl. Acad. Sci. U.S.A. 93 (25): 14912–14916. DOI:10.1073/pnas.93.25.14912. PMID 8962155.
- ↑ Siddharthan R, van Nimwegen E, Siggia ED (2004). «PhyloGibbs: A Gibbs sampler incorporating phylogenetic information». In Eskin E, Workman C (eds), RECOMB 2004 Satellite Workshop on Regulatory Genomics, LNBI 3318, 3041 (Springer-Verlag Berlin Heidelberg 2005).
- ↑ Siddharthan R, Siggia ED, van Nimwegen E (2005). «PhyloGibbs: A Gibbs sampling motif finder that incorporates phylogeny». PLoS Comput Biol 1 (7): e67. DOI:10.1371/journal.pcbi.0010067. PMID 16477324.
- ↑ (8 October 1993) «[www.sciencemag.org/content/262/5131/208 Detecting subtle sequence signals: a Gibbs sampling strategy for multiple alignment]». Science 262 (5131): 208–214. DOI:10.1126/science.8211139. PMID 8211139.
- ↑ (15 July 2007) «[bioinformatics.oxfordjournals.org/content/23/14/1718 A phylogenetic Gibbs sampler that yields centroid solutions for cis regulatory site prediction]». Bioinformatics 23 (14): 1718–1727. DOI:10.1093/bioinformatics/btm241. PMID 17488758.
Литература
- Balla S, Thapar V, Verma S, Luong T, Faghri T, Huang CH, Rajasekaran S, del Campo JJ, Shinn JH, Mohler WA, Maciejewski MW, Gryk MR, Piccirillo B, Schiller SR, Schiller MR. (2006) «Minimotif Miner: a tool for investigating protein function» Nature Methods Mar;3(3):175-7.
Ссылки
Методы поиска мотивов и базы данных
- [nar.oxfordjournals.org/content/early/2013/06/29/nar.gkt574.long kmerHMM: a Hidden Markov Model method for motif discovery on protein binding microarray data]
- [pms.engr.uconn.edu PMS] or [motifsearch.com] — for discovery of de novo DNA/Protein motifs (from University of Connecticut)
- [mnm.engr.uconn.edu/MNM/SMSSearchServlet Minimotif Miner] — for discovery of short contiguous motifs of known function (from University of Nevada Las Vegas and University of Connecticut)
- [acgt.cs.tau.ac.il/allegro/ Amadeus and Allegro motif finding platforms] (from Tel-Aviv University)
- [us.expasy.org/prosite PROSITE] — database of protein families and domains
- [202.54.26.221/quadfinder Database and Analysis Suite for Quadruplex forming motifs in Nucleotide Sequences]
- [meme.nbcr.net MEME Suite of motif-based sequence analysis tools]
- [www.gene-regulation.com/pub/databases.html TRANSFAC] — a commercial (limited public access) database for transcription factor motifs
- [dna.stanford.edu/emotif eMotif] (from Stanford University)
- [autosome.ru/HOCOMOCO/ HOCOMOCO] — Homo Sapiens Comprehensive Model Collection of transcription factor binding models obtained by careful integration of data from different sources
- [bioprospector.stanford.edu Bioprospector] (from Stanford University)
- [tavazoielab.princeton.edu/FIRE/ FIRE motif discovery approach] (from the Tavazoie lab at Princeton)
- [bioinformatics.caltech.edu/cis-analysis.txt Cis-analysis] — list of and comments on other programs useful for discovering cis-regulatory element motifs
- [www.ncbi.nlm.nih.gov/ NCBI Home Page] — NIH’s National Library of Medicine NCBI (National Center for Biotechnology Information) link to a tremendous number of resources including sequence analysis and motif discovery.
- [www.stud.uni-potsdam.de/~haussler/wiki/index.php/Main_Page Transcriptional Regulation Wiki]
- [openwetware.org/wiki/Wikiomics:Sequence_motifs Wikiomic Sequence motifs page]
- [xxmotif.genzentrum.lmu.de/ XXmotif open-source software for eXhaustive, weight matriX-based motif discovery in nucleotide sequences]
- [link.springer.com/chapter/10.1007%2F978-3-642-04031-3_2 MProfiler: an ensemble method for DNA motif finding]
Отрывок, характеризующий Мотив (молекулярная биология)
– Картошки важнеющие, – повторил он. – Ты покушай вот так то.Пьеру казалось, что он никогда не ел кушанья вкуснее этого.
– Нет, мне все ничего, – сказал Пьер, – но за что они расстреляли этих несчастных!.. Последний лет двадцати.
– Тц, тц… – сказал маленький человек. – Греха то, греха то… – быстро прибавил он, и, как будто слова его всегда были готовы во рту его и нечаянно вылетали из него, он продолжал: – Что ж это, барин, вы так в Москве то остались?
– Я не думал, что они так скоро придут. Я нечаянно остался, – сказал Пьер.
– Да как же они взяли тебя, соколик, из дома твоего?
– Нет, я пошел на пожар, и тут они схватили меня, судили за поджигателя.
– Где суд, там и неправда, – вставил маленький человек.
– А ты давно здесь? – спросил Пьер, дожевывая последнюю картошку.
– Я то? В то воскресенье меня взяли из гошпиталя в Москве.
– Ты кто же, солдат?
– Солдаты Апшеронского полка. От лихорадки умирал. Нам и не сказали ничего. Наших человек двадцать лежало. И не думали, не гадали.
– Что ж, тебе скучно здесь? – спросил Пьер.
– Как не скучно, соколик. Меня Платоном звать; Каратаевы прозвище, – прибавил он, видимо, с тем, чтобы облегчить Пьеру обращение к нему. – Соколиком на службе прозвали. Как не скучать, соколик! Москва, она городам мать. Как не скучать на это смотреть. Да червь капусту гложе, а сам прежде того пропадае: так то старички говаривали, – прибавил он быстро.
– Как, как это ты сказал? – спросил Пьер.
– Я то? – спросил Каратаев. – Я говорю: не нашим умом, а божьим судом, – сказал он, думая, что повторяет сказанное. И тотчас же продолжал: – Как же у вас, барин, и вотчины есть? И дом есть? Стало быть, полная чаша! И хозяйка есть? А старики родители живы? – спрашивал он, и хотя Пьер не видел в темноте, но чувствовал, что у солдата морщились губы сдержанною улыбкой ласки в то время, как он спрашивал это. Он, видимо, был огорчен тем, что у Пьера не было родителей, в особенности матери.
– Жена для совета, теща для привета, а нет милей родной матушки! – сказал он. – Ну, а детки есть? – продолжал он спрашивать. Отрицательный ответ Пьера опять, видимо, огорчил его, и он поспешил прибавить: – Что ж, люди молодые, еще даст бог, будут. Только бы в совете жить…
– Да теперь все равно, – невольно сказал Пьер.
– Эх, милый человек ты, – возразил Платон. – От сумы да от тюрьмы никогда не отказывайся. – Он уселся получше, прокашлялся, видимо приготовляясь к длинному рассказу. – Так то, друг мой любезный, жил я еще дома, – начал он. – Вотчина у нас богатая, земли много, хорошо живут мужики, и наш дом, слава тебе богу. Сам сем батюшка косить выходил. Жили хорошо. Христьяне настоящие были. Случилось… – И Платон Каратаев рассказал длинную историю о том, как он поехал в чужую рощу за лесом и попался сторожу, как его секли, судили и отдали ь солдаты. – Что ж соколик, – говорил он изменяющимся от улыбки голосом, – думали горе, ан радость! Брату бы идти, кабы не мой грех. А у брата меньшого сам пят ребят, – а у меня, гляди, одна солдатка осталась. Была девочка, да еще до солдатства бог прибрал. Пришел я на побывку, скажу я тебе. Гляжу – лучше прежнего живут. Животов полон двор, бабы дома, два брата на заработках. Один Михайло, меньшой, дома. Батюшка и говорит: «Мне, говорит, все детки равны: какой палец ни укуси, все больно. А кабы не Платона тогда забрили, Михайле бы идти». Позвал нас всех – веришь – поставил перед образа. Михайло, говорит, поди сюда, кланяйся ему в ноги, и ты, баба, кланяйся, и внучата кланяйтесь. Поняли? говорит. Так то, друг мой любезный. Рок головы ищет. А мы всё судим: то не хорошо, то не ладно. Наше счастье, дружок, как вода в бредне: тянешь – надулось, а вытащишь – ничего нету. Так то. – И Платон пересел на своей соломе.
Помолчав несколько времени, Платон встал.
– Что ж, я чай, спать хочешь? – сказал он и быстро начал креститься, приговаривая:
– Господи, Иисус Христос, Никола угодник, Фрола и Лавра, господи Иисус Христос, Никола угодник! Фрола и Лавра, господи Иисус Христос – помилуй и спаси нас! – заключил он, поклонился в землю, встал и, вздохнув, сел на свою солому. – Вот так то. Положи, боже, камушком, подними калачиком, – проговорил он и лег, натягивая на себя шинель.
– Какую это ты молитву читал? – спросил Пьер.
– Ась? – проговорил Платон (он уже было заснул). – Читал что? Богу молился. А ты рази не молишься?
– Нет, и я молюсь, – сказал Пьер. – Но что ты говорил: Фрола и Лавра?
– А как же, – быстро отвечал Платон, – лошадиный праздник. И скота жалеть надо, – сказал Каратаев. – Вишь, шельма, свернулась. Угрелась, сукина дочь, – сказал он, ощупав собаку у своих ног, и, повернувшись опять, тотчас же заснул.
Наружи слышались где то вдалеке плач и крики, и сквозь щели балагана виднелся огонь; но в балагане было тихо и темно. Пьер долго не спал и с открытыми глазами лежал в темноте на своем месте, прислушиваясь к мерному храпенью Платона, лежавшего подле него, и чувствовал, что прежде разрушенный мир теперь с новой красотой, на каких то новых и незыблемых основах, воздвигался в его душе.
В балагане, в который поступил Пьер и в котором он пробыл четыре недели, было двадцать три человека пленных солдат, три офицера и два чиновника.
Все они потом как в тумане представлялись Пьеру, но Платон Каратаев остался навсегда в душе Пьера самым сильным и дорогим воспоминанием и олицетворением всего русского, доброго и круглого. Когда на другой день, на рассвете, Пьер увидал своего соседа, первое впечатление чего то круглого подтвердилось вполне: вся фигура Платона в его подпоясанной веревкою французской шинели, в фуражке и лаптях, была круглая, голова была совершенно круглая, спина, грудь, плечи, даже руки, которые он носил, как бы всегда собираясь обнять что то, были круглые; приятная улыбка и большие карие нежные глаза были круглые.
Платону Каратаеву должно было быть за пятьдесят лет, судя по его рассказам о походах, в которых он участвовал давнишним солдатом. Он сам не знал и никак не мог определить, сколько ему было лет; но зубы его, ярко белые и крепкие, которые все выкатывались своими двумя полукругами, когда он смеялся (что он часто делал), были все хороши и целы; ни одного седого волоса не было в его бороде и волосах, и все тело его имело вид гибкости и в особенности твердости и сносливости.
Лицо его, несмотря на мелкие круглые морщинки, имело выражение невинности и юности; голос у него был приятный и певучий. Но главная особенность его речи состояла в непосредственности и спорости. Он, видимо, никогда не думал о том, что он сказал и что он скажет; и от этого в быстроте и верности его интонаций была особенная неотразимая убедительность.
Физические силы его и поворотливость были таковы первое время плена, что, казалось, он не понимал, что такое усталость и болезнь. Каждый день утром а вечером он, ложась, говорил: «Положи, господи, камушком, подними калачиком»; поутру, вставая, всегда одинаково пожимая плечами, говорил: «Лег – свернулся, встал – встряхнулся». И действительно, стоило ему лечь, чтобы тотчас же заснуть камнем, и стоило встряхнуться, чтобы тотчас же, без секунды промедления, взяться за какое нибудь дело, как дети, вставши, берутся за игрушки. Он все умел делать, не очень хорошо, но и не дурно. Он пек, парил, шил, строгал, тачал сапоги. Он всегда был занят и только по ночам позволял себе разговоры, которые он любил, и песни. Он пел песни, не так, как поют песенники, знающие, что их слушают, но пел, как поют птицы, очевидно, потому, что звуки эти ему было так же необходимо издавать, как необходимо бывает потянуться или расходиться; и звуки эти всегда бывали тонкие, нежные, почти женские, заунывные, и лицо его при этом бывало очень серьезно.
Попав в плен и обросши бородою, он, видимо, отбросил от себя все напущенное на него, чуждое, солдатское и невольно возвратился к прежнему, крестьянскому, народному складу.
– Солдат в отпуску – рубаха из порток, – говаривал он. Он неохотно говорил про свое солдатское время, хотя не жаловался, и часто повторял, что он всю службу ни разу бит не был. Когда он рассказывал, то преимущественно рассказывал из своих старых и, видимо, дорогих ему воспоминаний «христианского», как он выговаривал, крестьянского быта. Поговорки, которые наполняли его речь, не были те, большей частью неприличные и бойкие поговорки, которые говорят солдаты, но это были те народные изречения, которые кажутся столь незначительными, взятые отдельно, и которые получают вдруг значение глубокой мудрости, когда они сказаны кстати.
Часто он говорил совершенно противоположное тому, что он говорил прежде, но и то и другое было справедливо. Он любил говорить и говорил хорошо, украшая свою речь ласкательными и пословицами, которые, Пьеру казалось, он сам выдумывал; но главная прелесть его рассказов состояла в том, что в его речи события самые простые, иногда те самые, которые, не замечая их, видел Пьер, получали характер торжественного благообразия. Он любил слушать сказки, которые рассказывал по вечерам (всё одни и те же) один солдат, но больше всего он любил слушать рассказы о настоящей жизни. Он радостно улыбался, слушая такие рассказы, вставляя слова и делая вопросы, клонившиеся к тому, чтобы уяснить себе благообразие того, что ему рассказывали. Привязанностей, дружбы, любви, как понимал их Пьер, Каратаев не имел никаких; но он любил и любовно жил со всем, с чем его сводила жизнь, и в особенности с человеком – не с известным каким нибудь человеком, а с теми людьми, которые были перед его глазами. Он любил свою шавку, любил товарищей, французов, любил Пьера, который был его соседом; но Пьер чувствовал, что Каратаев, несмотря на всю свою ласковую нежность к нему (которою он невольно отдавал должное духовной жизни Пьера), ни на минуту не огорчился бы разлукой с ним. И Пьер то же чувство начинал испытывать к Каратаеву.
