Alinear múltiples secuencias e inspeccionar posiciones conservadas

Ejemplo práctico Compara las cadenas humanas, del ratón y del bovino hemoglobina alpha

Recuperar tres secuencias UniProt revisadas, alinearlas con el servicio remoto Clustal Omega y comprobar qué columnas contienen el mismo aminoácido en los tres. El ejemplo produjo una alineación de columna 142 con las columnas totalmente conservadas 116. Estos son resultados para este pequeño conjunto de tres especies, no una anotación funcional o árbol filogenético.

1. Preparar el período de sesiones y las fuentes

La configuración de conexión se describe en Bases de datos científicos.

1. Crear Alineación de la secuencia de hemoglobina y abrir una nueva conversación con un modelo conectado. Este ejemplo usó Codex subscription.
2. En Settings → Connectors, haga Genes & Ontologies y Genomes disponibles para Main. Clustal Omega pertenece a Genomes; no es un Connector separado.
3. Configure el correo electrónico de contacto válido de investigación-servicio solicitado por Clustal Omega en Settings → Privacy → Share contact email with research data services. Utilice su contacto real, no una dirección inventada. Las entradas de secuencia se envían a EMBL-EBI.
4. Envíe el mensaje a continuación. Use secuencias públicas o autorizadas de otro modo.

Which positions are conserved among human, mouse and bovine hemoglobin
alpha chains? Retrieve the reviewed canonical sequences from UniProt,
record their accessions and organisms, and align the three FASTA records
with Clustal Omega through the Genomes Connector in Session Notebook.
Follow the submitted job through completion, then save the input FASTA,
raw alignment, submission receipt and a short English report with
conserved-column counts and a few clearly mapped examples. Explain why
sequence conservation alone does not prove function.

Compruebe los registros devueltos antes de la alineación:

Organismo	Adhesión revisada	Taxon	Longitud canónica
Humanos · Homo sapiens	P69905	9606	142 aa
Mus musculus	P01942	10090	142 aa
Bovine · Bos taurus	P01966	9913	142 aa

Los nombres de FASTA son human_P69905, mouse_P01942 y bovine_P01966. Todos los nombres deben ser únicos. Human P69905 se asocia con HBA1 y HBA2; una entrada de proteína no es necesariamente un gen único. Mantenga la adhesión y el organismo con cada secuencia.

Las tres secuencias de entrada

2. Presentar una vez y seguir el trabajo

El agente llama a Genomes → clustalo_submit con el FASTA combinado, stype: protein y outfmt: clustal_num. El servicio requiere al menos tres registros y acepta en la mayoría de los registros 4,000 o 4 MiB. Mantenga el job_id devuelto, el formato solicitado y el recibo de la presentación.

1. Inspeccione la respuesta de la presentación Notebook. Un ID de trabajo y QUEUED significa aceptado, no completado.
2. Query clustalo_status para esa misma ID, esperando al menos diez segundos entre cheques y seguir cualquier orientación de servicio más larga. No envíe otra copia porque la cola es lenta.
3. Después de FINISHED, llame a clustalo_results con el mismo ID y formato. Guardar el contenido devuelto como un archivo .aln; recibir un nombre de archivo sugerido no guarda en sí mismo un archivo.
4. Si la sesión se detiene, mantenga el ID de trabajo y continúe el mismo trabajo más tarde. Una respuesta incierta a la presentación puede seguir correspondiendo a un trabajo aceptado; Evite la reposición automática. ERROR, FAILURE y NO FOUND requieren investigación, no una interpretación de alineación vacía.

Este ejemplo de recibo registra inicialmente QUEUED. El resultado posterior de Notebook informó FINISHED y devolvió una alineación Clustal O(1.2.4). Los resultados tienen un período de retención controlado por el proveedor, documentado hasta una semana; guarda el informe rápidamente. El límite de tamaño del resultado es 8 MiB. Vea el campos de operaciones.

Recibimiento de la comunicación original · Alineación en bruto

3. Compruebe la alineación y conteo columnas conservadas

Abra el hemoglobin_alpha_conservation_report.md generado. Compare sus adhesiones y longitudes de secuencia con la entrada FASTA y la alineación cruda. Eliminar las brechas de cada secuencia alineada y confirmar que los residuos restantes coinciden exactamente con su entrada; esto atrapa la sustitución accidental de secuencias o la truncación.

Para esta carrera:

Chequee	Resultado
Entrada y secuencias alineadas	Tres, cada residuos 142
Columnas de alineación	142
Columnas que contienen gap	0
Residuo Índico en las tres secuencias	Columnas 116
Columnas variables	26
Fracción totalmente conservada	116 / 142 = 81.7%

En la salida de cristal, * marca una columna totalmente conservada; : y . describen grupos con propiedades similares, no residuos idénticos. Contar sólo columnas idénticas no-gap para la fracción anterior. Ejemplos son D7, G16, H59, H88 y R142. Aquí la alineación es libre de brechas, por lo que las columnas igualan los números de residuos de secuencia canónica. Con las lagunas, mapee cada secuencia por separado y no confunda columnas de alineación con números de residuos o numeración de proteína madura.

Informe de resultados

4. Mantenga la interpretación dentro de las pruebas

La conservación en estos tres mamíferos relacionados apoya una hipótesis sobre la limitación, pero no prueba la función de un residuo. Doblar, estabilidad, ascendencia compartida y la muestra elegida puede importar. El muestreo de taxones más amplios, el contexto estructural y la evidencia experimental son los siguientes pasos separados. Una alineación de secuencia múltiple no es una búsqueda BLAST o un árbol filogenético.

Mantenga la entrada FASTA, alineación cruda, recepción e informe juntos. Para empezar con una secuencia desconocida, utilice descubrimiento de proteínas y BLAST. Para búsquedas de perfil específicas del programa, consulte Capacidades HMMER e InterProScan.

Clustal Omega · EMBL-EBI FAQ.