バイオ・データ・マイニング/HMMERで相同性検索を行う のバックアップソース(No.5)

このページはまだ書きかけです．


*はじめに [#c3ccb75c]

ここでは，''HMMER''を使って相同性検索を行います．


*相同性検索 [#mfc486a6]

相同性検索については次のページで説明しています．
-[[BLASTで相同性検索を行う>バイオ・データ・マイニング/BLASTで相同性検索を行う]] - とうごろうぃき

HMMERによる相同性検索を行う前に，BLASTによる相同性検索を先に理解しておくことをおすすめします．


*HMMER [#u67fa5cf]

''HMMER''は''モチーフ''をクエリーとして相同性検索を行うツールです．
（反対に配列をクエリーとしてモチーフを検索することもできますが，ここでは説明しません．）

''モチーフ''とは，タンパク質の''ドメイン''を構造化したものです．

タンパク質の''ドメイン''は，タンパク質のアミノ酸配列の部分配列のうち，''タンパ質の機能を発現するのに必要な部分''です．
同じ機能をもつ（異なる種の）タンパク質には，同じ（あるいは，とても良く似た）ドメインが含まれています．
ドメイン以外の部分は大きく異なっていても，ドメインが同じであれば（あるいは，とても良く似ていれば）同じ機能を発現します．

HMMERでは，モチーフは''プロファイルHMM''で表現されます．

*プロファイルHMM [#qcce93e1]

''プロファイルHMM''は，多樹配列アラインメントの結果を一つにまとめたものである''プロファイル''を''隠れマルコフモデル'' (''HMM'', hidden Markov model) で表したものです．

状態遷移確率が直前の状態のみに依存するという''マルコフ性''を仮定して状態遷移確率をモデル化したものが''マルコフ・モデル''であり，マルコフ・モデルにおいて状態が''観測''できず（隠れていて）''出力''だけが観測できるものが''HMM''です．

たとえば，長さ3のドメインのHMMは次のようなものになります．
#ref(./hmm.png,25%)
Sが開始状態，Eが終端状態，Mが一致状態，Iが挿入状態，Dが削除状態を表します．
出力は，一致状態と挿入状態ではアミノ酸のいずれか，削除状態では出力なし（ギャップだけど明示的には観測できない）となります．

以下のような多重アラインメントで表されるモチーフのプロファイルHMMを考えてみましょう．
#geshi(txt){{
foo     CD-F
bar     CDEF
baz     C--Y
        *  :
}}

最初のアミノ酸は C ですべて一致していますので，[math]\Pr(M_1|S) = 1[/math] となります．（以下，明示的に書かないところは確率ゼロです．）
また，[math]M_1[/math] での出力確率は [math]\Pr(C|M_1) = 1[/math] となります．

次のアミノ酸は3本中2本が D なので，[math]\Pr(M_2|M_1) = 2/3[/math], [math]\Pr(D_2|M_1) = 1/3[/math] となります．
出力確率は [math]\Pr(D|M_2) = 1[/math] です．

その次のアミノ酸は1本に E が挿入されているので，[math]\Pr(I_2|M_2) = 1/2[/math], [math]\Pr(M_3|M_2) = 1/2[/math], [math]\Pr(M_3|D_2) = 1[/math] となります．
[math]I_2[/math] での出力確率は [math]\Pr(E|I_2) = 1[/math] であり，[math]M_3[/math] での出力確率は [math]\Pr(F|M_3) = 2/3[/math], [math]\Pr(Y|M_3) = 1/3[/math] です．

HMMERに含まれる''hmmbuild''というツールを使って，ClustalWの多重アラインメントの出力からプロファイルHMMを作ることができます．

プロファイルHMMは，EMアルゴリズムの一種であるBaum-Welchアルゴリズムによって作られます．

また，Viterbiアルゴリズムを用いて，プロファイルHMMに最も一致するアミノ酸配列を出力することができます．


*タンパク質のファミリー [#u18a3a82]

タンパク質の''ファミリー''とは，進化的祖先が同じタンパク質，つまり相同体を集めたものです．

進化的祖先が同じファミリーを集めたものを''スーパーファミリー''といい，あるスーパーファミリーに含まれるファミリーをそのスーパーファミリーの''サブファミリー''といいます．

たとえば，ヘモグロビン (Hemoglobin) はグロビン (Globin) というファミリーに属しています．

タンパク質が所属しているファミリーは，UniProtの''Family & Domains''で確認できます．


*プロファイルHMMデータベース [#pfe8a194]

タンパク質の機能が確認されているドメインのモチーフをプロファイルHMMにして，データベースにしたものが [[''Pfam'':http://pfam.xfam.org]]です．

Pfamでは，アミノ酸配列をクエリーとして，クエリー配列に一致するモチーフ（プロファイルHMM）を検索することができます．

ここでは，UniProtに登録されているファミリー情報 (Family & Domains) からPfamへのリンクをたどることで，プロファイルHMMを入手します．


*HMMERによるタンパク質の相同性検索 [#cceb5bb1]

PfamからプロファイルHMMを取得して，HMMERで相同性検索を行います．

**プロファイルHMMを取得する [#n76df931]

まず，UniProtでタンパク質を検索し，Family & Domainsを表示します．
#ref(./uniprot_hba_human.png,50%)

つぎに，Family and domain databasesにあるPfamへのリンクをクリックします．
#ref(./uniprot_hba_human_family_and_domains.png,50%)

すると，Pfamのページに移動しますので，ここで，''Curation & model''を表示します．
#ref(./pfam_globin.png,50%)

一番下にプロファイルHMMについての情報が載っていて，ファイルをダウンロードできます．
#ref(./pfam_globin_model.png,50%)


*HMMERを実行する [#pa614c46]

プロファイルHMMをクエリーとしてタンパク質のアミノ酸配列を検索するには，''hmmsearch''を使います．

[[HMMERのhmmsearch:http://hmmer.janelia.org/search/hmmsearch]]のテキスト・エリアにダウンロードしたプロファイルHMMのテキストをすべてコピー・アンド・ペーストするか，''Upload a File''でダウンロードしたファイルを指定して，''Submit''ボタンを押します．
#ref(./hmmer.png,50%)

すると，検索結果が表示されます．
最初の画面では，スコア (E-value) が小さい順にタンパク質が並んでいます．
#ref(./hmmer_score.png,50%)

''Taxonomy''をクリックすると，種ごとに分類されて表示されます．
#ref(./hmmer_taxonomy.png,50%)

''Domain''をクリックすると，Pfamのドメインごとに分類されて表示されます．
#ref(./hmmer_domain.png,50%)

''Download''をクリックすると，検索結果をいろいろなフォーマットでダウンロードできます．
#ref(./hmmer_download.png,50%)



*演習 [#t85622e4]
UniProtからヒトのアミラーゼ AMY1_Human が所属するファミリーを調べ，PfamからそのファミリーのプロファイルHMMを入手し，HMMERを用いて相同性検索を行ってみよう．


*参考文献 [#fc0906ca]
#html{{
<iframe src="http://rcm-fe.amazon-adsystem.com/e/cm?lt1=_blank&bc1=FFFFFF&IS2=1&bg1=FFFFFF&fc1=444B4C&lc1=444B4C&t=tohgorohmatsu-22&o=9&p=8&l=as4&m=amazon&f=ifr&ref=ss_til&asins=4895924262" style="width:120px;height:240px;" scrolling="no" marginwidth="0" marginheight="0" frameborder="0"></iframe>
}}
-6章 類似配列のデータベース検索
トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS