*はじめに [#c844e1d8]
ここでは，''ClustalW''を使ってタンパク質のアミノ酸配列のペアワイズ・アラインメントを行います．
*ClustalW [#d87e4f43]
''ClustalW''は，ゲノム配列あるいはアミノ酸配列の''アラインメント''を行うツールです．
ClustalWは，''Clustalアルゴリズム''を実装したCUI版のツールであり，現在の最新版はClustalW2です．
ここでは，ClustalWをWeb上で利用できるサービス[[DDBJ:http://clustalw.ddbj.nig.ac.jp/index.php?lang=ja]]を利用します．
*ペアワイズ・アラインメント [#zf1a04b1]
配列（シーケンス）を比較して対応する部分を見つけて並べることをシーケンス・アラインメント（配列アラインメント）と言います．
二つの配列に対するシーケンス・アラインメントをペアワイズ・シーケンス・アラインメント（ペアワイズ・アラインメント，ペアワイズ配列アラインメント）と言います．
*ペアワイズ・アラインメントの仕組み [#u0c8759f]
突然変異によってDNAの塩基配列に変化が生じることによって，アミノ酸配列に変化が生じ，あるアミノ酸が別のアミノ酸に置換されたり，（一つ以上の）アミノ酸が挿入されたり，欠失されたりします．
二つの配列を比較し，このような置換，挿入，欠失の個所を見つけ出します．
たとえば，''CDEFGHI''という文字列fooと''CDEGHI''という文字列barを比較します．
fooはbarの3文字目と4文字目の間に文字Fが挿入されたものです．（barはfooから文字Fが欠失したものとも言えます．）
この二つの文字列を比較して，以下のように並べます．
#geshi(txt){{
foo CDEFGHI 7
bar CDE-GHI 6
*** ***
}}
ここで，文字列の後の7と6は各文字列の長さを表しています．
また，''-''印は文字が欠失している個所，''*''印は文字が一致している個所を表しています．
このとき，このアラインメントに対して''スコア''が計算されます．
アミノ酸が一致している部分では正のスコアを加算し，一方が欠失している部分では''ギャップ ・ペナルティ''をスコアから差し引きます．
アミノ酸が一致している部分で加算される正のスコアや，アミノ酸が置換されている部分で加算されるスコアは，アミノ酸の置換確率から求められた''スコア行列''によって決まります．
スコア行列には，Dayhoffが1978年に発表したアミノ酸置換確率から求められた''PAMスコア行列''や，より新しい（とはいっても1992年）データから求められた''BLOSUMスコア行列''があります．
ここで，文字列barと''CDEPGHI''という文字列buzのペアワイズ・アラインメントを考えると，buzはfooから文字Fが消失して文字Pが挿入されたもの，すなわち
#geshi(txt){{
foo CDEF-GHI 7
buz CDE-PGHI 7
*** ***
}}
と考えることもできるし，buzはfooの文字Fが文字Pに置換されたもの，すなわち
#geshi(txt){{
foo CDEFGHI 7
buz CDEPGHI 7
*** ***
}}
と考えることもできます．
ペアワイズ・アラインメントでは，いくつものアラインメント候補に対してスコアを計算し，最もスコアが高いものを選びます．
*ClustalWの使い方 [#u7551c37]
[[DDBJのClustalWのページ:http://clustalw.ddbj.nig.ac.jp/index.php?lang=ja]]に行き，''Sequences''のところで''Protein''（タンパク質）を選びます．
ClustalWでは，FASTA形式やEMBL-SWISSPROT形式など，複数の記述形式がサポートされています．
ここでは，FASTA形式を使います．
FASTA形式では，行頭に''>''があるとそこから空白または改行までが配列名を表します．
そこで，
#geshi(txt){{
>foo
CDEFGHI
>bar
CDEGHI
}}
と入力し，''Submit''のところにある''Send to ClustalW''ボタンを押します．
すると，しばらくして，以下のような結果が出力されます．
#geshi(txt){{
CLUSTAL 2.1 Multiple Sequence Alignments
Sequence type explicitly set to Protein
Sequence format is Pearson
Sequence 1: foo 7 aa
Sequence 2: bar 6 aa
Start of Pairwise alignments
Aligning...
Sequences (1:2) Aligned. Score: 50
Guide tree file created: [../work/2014/10/03/0609/clustalw_1412284188_625002_32032.dnd]
There are 1 groups
Start of Multiple Alignment
Aligning...
Group 1: Sequences: 2 Score:128
Alignment Score 32
CLUSTAL-Alignment file created [../work/2014/10/03/0609/clustalw_1412284188_625002_32032.aln]
CLUSTAL 2.1 Multiple Sequence Alignments
Sequence format is CLUSTAL
Sequence 1: foo 7 aa
Sequence 2: bar 7 aa
CLUSTAL 2.1 multiple sequence alignment
foo CDEFGHI 7
bar CDE-GHI 6
*** ***
(foo:0.25,bar:0.25);
}}
Sequence 1がfoo，Sequence 2がbarで，二つのシーケンスSequences (1:2)のスコアは50でした．（スコア行列にはデフォルトのGonnet行列を用いた結果です．）
*タンパク質のペアワイズ・アラインメント [#s2332455]
**タンパク質アミノ酸配列の取得 [#ae59416a]
タンパク質データベースの一つである[[UniProt:http://www.uniprot.org]]からタンパク質のアミノ酸配列を取得して，ClustalWでペアワイズ・アラインメントを行います．
#ref(./uniprot.png,50%)
UniProtに''Hemoglobin''と入力してヘモグロビンを検索します．
''Entry''は登録ID，''Entry name''は登録名，''Protein names''はタンパク質名，''Gane names''は遺伝子名，''Organism''は生物の種類，Lengthはタンパク質の長さを表します．
#ref(./uniprot_hemoglobin.png,50%)
ここでは，上位に出てきたヒト'Homo sapiens (Human)の''HBG1_HUMAN''とマウスMus musculus (Mouse)の''HBB1_MOUSE''を比較します．
''Entry''のリンクをクリックして，タンパク質の情報を表示します．
#ref(./uniprot_P69891.png,50%)
下にスクロールさせて，''Sequence''のところを探します．
左側の''Display''メニューで''None''を選択して一旦全部消してから''SEQUENCE''だけを選択してもいいです．
#ref(./uniprot_sequence.png,50%)
''FASTA''をクリックすると，FASTA形式のアミノ酸配列が表示されます．
#geshi(txt){{
>sp|P69891|HBG1_HUMAN Hemoglobin subunit gamma-1 OS=Homo sapiens GN=HBG1 PE=1 SV=2
MGHFTEEDKATITSLWGKVNVEDAGGETLGRLLVVYPWTQRFFDSFGNLSSASAIMGNPK
VKAHGKKVLTSLGDAIKHLDDLKGTFAQLSELHCDKLHVDPENFKLLGNVLVTVLAIHFG
KEFTPEVQASWQKMVTAVASALSSRYH
}}
これをコピーします．
![[PukiWiki]](https://xn--p8ja5bwe1i.jp:443/wiki/image/banner.png "[PukiWiki]")
