An

1
Análise Computacional de Seqüências Nucleotídicas
e Protéicas

• BLAST
• Antonio Basílio de Miranda
• 24/11/2004

2
BLAST Basic Local Alignment and Search Tool

• Provavelmente a ferramenta computacional mais
  utilizada em biologia molecular e bioinformática
• Busca seqüências armazenadas nos bancos de dados
  pela similaridade entre a estrutura primária da
  seqüência query e as armazenadas
• Anotações (características) descritas para
  seqüências armazenadas podem ser transferidas
  para a seqüência query desde que suas estruturas
  primárias sejam semelhantes
• O maior problema é definir um cut-off, limite
  onde as similaridades encontradas entre a query e
  os hits não sejam mais significativos

3
BLAST Basic Local Alignment and Search Tool

• É um método heurístico para alinhamentos locais
• Projetado especificamente para buscas em bancos
  de dados
• Idéia básica bons alinhamentos irão conter
  pequenos trechos de combinações iguais

4
BLAST

• Existem vários sabores e tipos de BLAST
• Nucleotídeo
• Proteína
• Traduzido
• Genomas

5
BLAST

• Nucleotídeo
• Nucleotídeo-nucleotídeo (blastn)
• Megablast
• Megablast descontínuo
• Busca por hits curtos e quase perfeitos
• Busca em cromatogramas

6
BLAST

• Proteína
• Proteína-proteína (blastp)
• PHI-BLAST e PSI-BLAST (através da obtenção de
  perfis)
• Busca por hits curtos e quase perfeitos
• Busca no banco de dados de domínios conservados
  (rps-blast) (Smart, PFam e COG)
• Busca pela arquitetura de domínios (cdart)

7
PHI-BLAST e PSI-BLAST

• PHI-BLAST Quais outras seqüências protéicas
  contém tanto a ocorrência do padrão P e são
  homólogas a query P na vizinhança das ocorrências
  dos padrões?
• PSI-BLAST Construção de uma matriz de valores
  posição-específica (position specific scoring
  matrix, PSSM)

8
BLAST

• Traduzido
• query traduzida x banco de dados de proteínas
  (blastx)
• query de proteína x banco de dados traduzido
  (tblastn)
• query traduzida x banco de dados traduzido
  (tblastx)

9
BLAST

• Genomas
• Galinha, vaca, porco, cachorro, ovelha, gato
• Amostras ambientais
• Homem, camundongo, rato
• Fugu rubripes, zebrafish
• Insetos, nematódeos, plantas, fungos, malária
• Genomas microbianos, outros genomas eucarióticos

10
BLAST - algoritmo

• 1. Filtrar as regiões de baixa complexidade
• 2. Criar as query words (de comprimento 3 para
  sequências protéicas e 11 para DNA) através do
  uso de uma janela deslizante

MEFPGLGSLGTSEPLPQFVDPALVSS
MEF EFP FPG PGL GLG
11
BLAST - algoritmo

• 3. Utilizando uma matriz de substituição (PAM,
  BLOSUM), contar todas as possíveis palavras de
  tamanho 3 ou 11 contra a query
• 4. Selecionar um limite (neighborhood word score
  threshold - T) para manter as sequências mais
  significativas (normalmente umas 50 por query)

12
(Parênteses matrizes de substituição)

• O que é uma matriz de substituição?
• É uma matriz representando todas as possíveis
  trocas entre aminoácidos, onde um valor é
  atribuído a cada uma destas trocas
• Esses valores são obtidos através da contagem
  dessas trocas tomando-se como base umdeterminado
  modelo evolutivo

13
Parênteses matrizes de substituição)
14
BLAST - algoritmo

• 5. Repetir os passos 3 e 4 para cada query word
  no passo 2
• 6. Organizar as palavras de alta pontuação em uma
  árvore de busca

M
E
E
P
F
G
15
BLAST - algoritmo

• 7. Procurar em cada sequência no banco de dados
  uma combinação com uma query word de alta
  pontuação. Cada combinação será uma semente
  para um alinhamento sem gaps.
• 8. Extensão das combinações
• 8.1. BLAST original extensão das combinações à
  esquerda e à direita da semente usando
  alinhamentos sem gaps. Esta extensão irá
  continuar enquanto o score aumentar ou pelo menos
  continuar o mesmo. Esta extensão é o chamado HSP
  (High Scoring Pair).

16
BLAST - algoritmo

• 8.2. Atualmente combinações ao longo da mesma
  diagonal (Dot plot) com uma distância A entre as
  duas são reunidas e a extensão se dá com a
  sequência maior.
• 9. Utilizando uma contagem limite S, manter
  somente as combinações estendidas com score
  mínimo igual a S.

17
BLAST - algoritmo

• 10. Determinar a significância estatística de
  cada combinação remanescente
• 11. Tentar estender os HSPs de cada combinação
  remanescente
• 12. Mostrar os alinhamentos locais (dea cordo com
  Smith-Waterman).

18
(Parênteses matrizes de homologia)
19
Resultado (BLASTN)
20
Resultado (formatação)
21
Resultado (BLASTN)

• O output é dividido em cinco partes
• 1. Um header contendo a versão do BLAST, data da
  compilação, referência, RID, etc.
• 2. Uma visão gráfica dos alinhamentos
• 3. Um sumário com uma descrição em uma linha de
  cada hit
• 4. Os alinhamentos
• 5. Rodapé com a descrição detalhada dos
  parâmetros de busca empregados, o banco de dados,
  etc.
• Existem várias opções de formatação dos
  resultados.

22
Resultado (header)
23
Resultado (graphical overview)
24
Resultado (one-line descriptions)
25
Resultado (links)

• G Gene
• U UniGene
• E GEO Profile (dados de expressão gênica e
  hibridização genômica obtidos por tecnologia
  high-throughput)

26
Resultado (alignments)
27

• HSP High Scoring Pairs
• Segmentos onde o alinhamento possui alta qualidade

28
HSPs
29
Resultado (footer)
30
CDART