Alan: Biyoenformatik · Düzey: İleri IBO
Dizi benzerliği nasıl değerlendirilir?
İki dizinin yüksek benzerliği ortak kökenle uyumlu olabilir; 'iki gen %70 homolog' ifadesi bilimsel olarak doğru değildir. Homoloji, ortak kökenden türeme ilişkisine dair nitel bir hipotezdir; yüzde olarak raporlanan ölçü çoğunlukla dizi benzerliği veya kimlik yüzdesidir. Hizalamada eşleşme puanı, uyumsuzluk cezası ve boşluk açma/uzatma cezaları sonucu değiştirir. Yerel hizalama (Smith–Waterman yaklaşımı) ortak yüksek benzerlikli bölümleri ararken, global hizalama (Needleman–Wunsch yaklaşımı) dizilerin uçtan uca karşılaştırılmasına uygundur.
BLAST, yerel benzer bölgeler bulmaya yönelik hızlı, sezgisel bir algoritma ailesidir. E-değeri, belirli arama uzayında benzer veya daha iyi puanlı eşleşmelerin şans eseri beklenen sayısını yaklaşık gösterir; 'eşleşmenin yanlış olma olasılığı' değildir. Veri tabanı boyutu büyüdükçe aynı puan için E-değeri değişebilir. Kısa dizilerde ve düşük karmaşıklıklı bölgelerde yanlış yorum riski artar.
Özgün veri
Bir gen bölgesi için A eşleşmesi: %97 kimlik, %18 kapsam, E=10⁻⁴; B eşleşmesi: %83 kimlik, %99 kapsam, E=10⁻⁷⁰ olsun. Sadece kimliğe göre A'yı 'daha yakın bütün gen' saymak yanıltıcıdır; B daha uzun hizalama ve çok daha güçlü istatistiksel destek sunar. Paralogi, domain paylaşımı ve kontaminasyon gibi alternatifler ayrıca değerlendirilmelidir.
Özgün soru: BLAST E-değeri küçüldüğünde hangisi doğrudur? A) Homoloji yüzdesi artar B) Arama koşullarında benzer veya daha iyi rastgele eşleşmelerin beklenen sayısı azalır C) Örnek mutlaka aynı türdür D) Dizinin uzunluğu kesin azalır E) Protein yapısı kanıtlanır. Yanıt B.
Kaynak: NCBI BLAST: https://blast.ncbi.nlm.nih.gov/Blast.cgi
Katı kontrol sonrası derinleştirme
Hizalama güvenirliği ve çoklu hipotez
BLAST'ın E değeri, verilen veri tabanı ve arama koşullarında bir skor kadar iyi veya daha iyi rastgele hizalamaların beklenen sayısını açıklar; homoloji olasılığı değildir. Kısa bir dizide çok yüksek yüzde kimlik, bütün proteinlerin aynı işleve sahip olduğunu kanıtlamaz. Hizalama uzunluğu, kapsama oranı, düşük karmaşıklıklı bölgeler, korunmuş motifler ve çoklu protein alanları birlikte incelenmelidir.
Moleküler filogeni çıkarımı için yalnız 'en yüksek BLAST yüzdesi' yaklaşımı yetersizdir. Ortolog ve paralog ilişkilerini ayırmak, çoklu dizileri hizalamak ve güvenilir bir karşılaştırma modelini seçmek gerekir. Bootstrap desteği, tekrar örneklenen hizalama sütunları altında ilgili dalın ne sıklıkla ortaya çıktığını anlatır; dalın koşulsuz doğruluk olasılığı değildir. Dizi bölgesi yatay gen transferi veya tekrar nedeniyle ana tür ilişkisinden farklı öykü taşıyabilir.
Yorum sorusu: İki protein %95 kimliğe ve yalnız %8 hizalama kapsamına sahipse tüm protein işlevleri özdeş midir? Yanıt: Bu veriden böyle bir sonuç çıkmaz.