Биоинформатика. Сравнение белков

Определения и обозначения

Биоинформатика — это применение информатики для хранения, обработки и изучения биологических данных, например сведений о белках. Информатика помогает работать с такими данными быстро и упорядоченно. Это нужно, когда информации много и её сложно сравнивать вручную. Один из примеров такой работы — сопоставление записей белков.

Белок — молекула, состоящая из аминокислот. Аминокислоты соединены в цепочку, а их порядок называют последовательностью. Он важен, потому что два белка могут содержать похожие наборы аминокислот, но отличаться их расположением. Изучая порядок, учёные получают сведения о строении белка и могут сравнивать его с другими белками.

Аминокислотная последовательность — это запись порядка аминокислот в белке. В компьютерных данных каждой аминокислоте соответствует условный буквенный символ. Буква служит знаком, а не самой аминокислотой. Такая запись удобна: её можно хранить как строку символов и обрабатывать с помощью компьютера.

Сравнение белков — сопоставление их аминокислотных последовательностей для поиска совпадений и различий. Сравнивая символы, можно описать, насколько похожи записи двух белков. Это помогает исследовать биологические данные и замечать сходство. Однако результат сравнения последовательностей не всегда позволяет сразу определить функцию белка.

Как это устроено

Последовательность белка можно представить как строку букв, потому что в компьютерной записи каждой аминокислоте соответствует символ. Компьютер умеет хранить текст и выполнять с ним операции, например находить одинаковые символы. Поэтому буквенная запись позволяет обрабатывать данные о белке теми же удобными способами, что и другие строки. При этом буквы остаются условными обозначениями аминокислот.

Чтобы сравнить два белка, сначала записывают их последовательности, а затем сопоставляют символы. Если строки одинаковой длины, можно сравнивать буквы с одинаковыми номерами: первую с первой, вторую со второй и так далее. Совпавшие символы показывают одинаковые аминокислоты в этих позициях, а разные — различия. Такой порядок действий помогает не пропустить отдельные позиции.

Число совпадений и различий помогает описать сходство последовательностей. Например, если при одинаковой длине совпадает много позиций, строки обычно считают более похожими, чем строки с малым числом совпадений. Но одного числа недостаточно без учёта длины: пять совпадений из шести — не то же самое, что пять из ста. Поэтому полезно указывать и общее число сопоставленных позиций или долю совпадений.

Если строки разной длины, сравнение букв только по одинаковым номерам может дать неверное представление. Причина в том, что в одной записи может быть дополнительный символ или отсутствовать какой-то символ: после этого номера позиций сдвигаются. Тогда буквы, относящиеся к соответствующим участкам, окажутся под разными номерами. Сначала нужно определить, как лучше сопоставить последовательности, и только потом подсчитывать сходство.

Похожая последовательность может быть основанием предположить, что белки похожи, но не доказывает одинаковую функцию. Дело в том, что сравнение букв показывает сходство записи, а функция зависит от свойств белка и его работы в живом организме. Поэтому учёные используют сходство как подсказку для дальнейшего изучения. Окончательный вывод требует дополнительных данных и исследований.

Сравнение аминокислотных последовательностей белков

Заполните первые две строки для обеих последовательностей, чтобы видеть их длину и сами символы. Затем сравните правильно сопоставленные позиции и отдельно запишите совпадения и различия. В последней строке сделайте вывод, учитывая длину строк и способ сопоставления.

Разбор задач

Задача 1

Даны последовательности ABCD и ABED. Найдите позиции, в которых аминокислоты совпадают, и укажите число различий. Строки одинаковой длины, поэтому можно сравнить символы с одинаковыми номерами. Буквы здесь условно обозначают аминокислоты.

1. Сопоставим первые позиции: A и A совпадают.
2. Сравним вторые позиции: B и B совпадают.
3. На третьей позиции стоят C и E, это различие; на четвёртой D и D совпадают.

Ответ: совпадают позиции 1, 2 и 4. Различие одно — в позиции 3. Всего сопоставлено четыре позиции, поэтому результат легко проверить пересчётом.

Задача 2

Даны последовательности ABCDA и ABEDA. Найдите число совпадений и различий, а затем определите долю совпадающих позиций. Поскольку длины строк одинаковы, сравниваем буквы по их номерам. Долю найдём как отношение числа совпадений к общему числу позиций.

1. На позициях 1 и 2 буквы A и A, B и B совпадают.
2. На позиции 3 буквы C и E различаются; на позиции 4 буквы D и D совпадают.
3. На позиции 5 буквы A и A совпадают, значит, совпадений четыре, различие одно.
4. Делим четыре совпадения на пять позиций: 4/5 = 0,8, или 80%.

Ответ: четыре совпадения, одно различие. Доля совпадающих позиций равна 4/5, то есть 80%. Проверка: четыре совпадения и одно различие вместе дают пять сопоставленных позиций.

Задача 3

Сравните последовательности ABCDA и ABXCDYA. Объясните, почему нельзя надёжно оценить сходство, просто сравнив буквы с одинаковыми номерами. Здесь во второй строке больше символов, значит, строки имеют разную длину. Это может повлиять на то, какие буквы следует считать соответствующими друг другу.

1. Посчитаем символы: в первой строке их 5, во второй — 7.
2. При сравнении по номерам первые буквы совпадут, но вставленные символы могут сдвинуть позиции следующих букв.
3. Поэтому сначала нужно выяснить, как правильно сопоставить строки, учитывая возможные добавления или пропуски.

Ответ: надёжно подсчитать сходство только сравнением одинаковых номеров нельзя. Разная длина может означать, что некоторые позиции смещены относительно друг друга. До подсчёта совпадений нужно правильно сопоставить последовательности.

Типичные ошибки

Ошибка — считать, что одна разная буква в определённой позиции означает, что белки совершенно не похожи. Так думают, потому что внимание сосредотачивается на отдельном несовпадении, а не на всей строке. Сравните все сопоставленные позиции и посчитайте как совпадения, так и различия. Один отличающийся символ не отменяет сходства остальных.

Ошибка — сравнивать последовательности разной длины только по одинаковым номерам символов. Её допускают, забывая, что вставка или пропуск может сдвинуть следующие позиции. Проверьте длину обеих строк до подсчёта. Если она различается, сначала решите, как правильно сопоставить последовательности.

Ошибка — по похожим последовательностям сразу заключать, что белки выполняют одну функцию. Такое предположение кажется удобным, потому что сходство выглядит убедительным результатом сравнения. Но последовательности показывают только сходство записи и служат основанием для гипотезы. Проверяйте, есть ли дополнительные данные о функции, прежде чем делать окончательный вывод.

Ошибка — путать букву в записи с самой аминокислотой. Это происходит потому, что символ заменяет название вещества в короткой компьютерной записи. Помните: буква — условное обозначение, а аминокислота — часть молекулы белка. Проверить себя можно вопросом: сравниваем мы реальные молекулы напрямую или их буквенные записи?

Связь с другими темами

Для этой темы нужны знания о том, что такое информация и как компьютер хранит текст в виде последовательности символов. Ещё пригодится представление о белке как цепочке аминокислот и умение сравнивать строки. Эти знания помогают понять, почему белковые данные удобно записывать буквами и обрабатывать на компьютере. Сравнение последовательностей применяют в биологии и медицине, чтобы изучать белки и искать сходство между ними.

Что запомнить

• Биоинформатика применяет методы информатики для работы с биологическими данными.
• Белок можно представить в виде последовательности аминокислот.
• Аминокислоты в компьютерной записи обозначают буквами.
• При сравнении последовательностей находят совпадающие и различающиеся позиции.
• Сходство последовательностей оценивают с учётом их длины и способа сопоставления.
• Сходство последовательностей само по себе не доказывает одинаковую функцию белков.