ブロサム

バイオインフォマティクスにおいて、BLOSUM（BLO cks SU bstitution Matrix）行列は、タンパク質の配列アラインメントに使用される置換行列である。BLOSUM行列は、進化的に異なるタンパク質配列間のアラインメントをスコアリングするために使用される。これらはローカルアラインメントに基づく。BLOSUM行列は、 Steven HenikoffとJorja Henikoffによる論文で初めて紹介された。 ^{[1]彼らは、タンパク質ファミリーの非常に}保存された領域（配列アラインメントにギャップがない）についてBLOCKSデータベースをスキャンし、アミノ酸の相対頻度と置換確率をカウントした。次に、20の標準アミノ酸の210の可能な置換ペアそれぞれについて、ログオッズスコアを計算した。すべてのBLOSUM行列は観測されたアラインメントに基づいており、 PAM行列のように近縁のタンパク質の比較から外挿されたものではない。

生物の複製細胞すべての遺伝的指示は、そのDNAに含まれています。 ^[2]細胞の生涯を通じて、この情報は細胞メカニズムによって転写および複製され、タンパク質を生成したり、細胞分裂中に娘細胞に指示を与えたりしますが、これらのプロセス中にDNAが変化する可能性があります。^{[2] [3]これは}突然変異として知られています。分子レベルでは、DNAが複製される前にこれらの変化のほとんど（すべてではない）を修正する制御システムがあります。^{[3] [4]}

タンパク質の機能性は、その構造に大きく依存しています。^[5]タンパク質内のアミノ酸を 1 つ変更すると、その機能を実行する能力が低下したり、突然変異によってタンパク質が実行する機能が変更されたりすることがあります。^[3]このような変更は、細胞内の重要​​な機能に深刻な影響を及ぼし、細胞、極端な場合には生物の死を引き起こす可能性があります。^[6]逆に、変更によって細胞は異なる方法で機能し続ける可能性があり、突然変異は生物の子孫に受け継がれる可能性があります。この変更が子孫に重大な身体的不利益をもたらさない場合、この突然変異が集団内で存続する可能性があります。機能の変更が有利になる可能性もあります。

遺伝暗号によって翻訳される20種類のアミノ酸は、側鎖の物理的および化学的特性によって大きく異なります。^[5]しかし、これらのアミノ酸は、同様の物理化学的特性を持つグループに分類できます。^[5]アミノ酸を同じカテゴリの別のアミノ酸に置き換えると、異なるカテゴリのアミノ酸に置き換えるよりも、タンパク質の構造と機能への影響が小さくなる傾向があります。

配列アライメントは、現代生物学の基本的な研究方法です。タンパク質の最も一般的な配列アライメントは、異なる配列間の類似性を探して機能を推測したり、進化の関係を確立したりすることです。これにより、研究者は相同性と保存の性質を通じて遺伝子の起源と機能をより深く理解することができます。置換マトリックスは、タンパク質の異なる配列の類似性を計算するアルゴリズムで使用されますが、Dayhoff PAMマトリックスの有用性は、85% を超える類似性を持つ配列が必要であるため、時間の経過とともに低下しています。このギャップを埋めるために、Henikoffと Henikoff は BLOSUM (BLOcks SUbstitution Matrix) マトリックスを導入しました。これにより、アライメントと、関連するタンパク質の各グループからのクエリを使用した検索が大幅に改善されました。^[1]

ブロサム

ブロック置換マトリックス、タンパク質の配列アライメントに使用される置換マトリックス。

スコアリング指標（統計的 vs. 生物学的）

配列アラインメントを評価する際、その意味を知りたいと思うでしょう。そのためには、スコアリングマトリックス、つまり生物学的に意味のあるアミノ酸またはヌクレオチド残基のペアがアラインメント中に出現する確率を表す値の表が必要です。各位置のスコアは、タンパク質配列のローカルアラインメントのブロックにおける置換頻度から得られます。^[7]

ブロサムr

類似度がr%未満のブロックから構築されたマトリックス

• たとえば、BLOSUM62 は、類似度が 62% 未満の配列を使用して構築されたマトリックスです (同一性が 62% 以上の配列はクラスター化されています)。
• 注: BLOSUM 62 はタンパク質 BLAST のデフォルト マトリックスです。実験により、BLOSUM-62 マトリックスは、ほとんどの弱いタンパク質類似性を検出するのに最適であることがわかっています。^[1]

異なるアラインメント データベースを使用する BLOSUM マトリックスのセットが複数存在し、番号で名前が付けられています。番号が大きい BLOSUM マトリックスは、近縁の配列を比較するために設計されており、番号が小さい BLOSUM マトリックスは、遠縁の配列を比較するために設計されています。たとえば、BLOSUM80 は近縁のアラインメントに使用され、BLOSUM45 は遠縁のアラインメントに使用されます。マトリックスは、指定されたパーセンテージよりも類似しているすべての配列を 1 つの配列にマージ (クラスタリング) し、それらの配列 (指定されたパーセンテージ値よりも相違しているすべての配列) のみを比較することによって作成されました。これにより、近縁の配列の寄与が削減されます。使用されたパーセンテージが名前に付加され、たとえば BLOSUM80 のように、80% を超える同一性を持つ配列がクラスタリングされます。

BLOSUMマトリックスは、類似したアミノ酸配列のブロックをデータとして使用し、そのデータに統計的手法を適用して類似性スコアを取得することによって得られます。統計的手法の手順： ^[8]

r% を超える同一性を持つシーケンスを削除します。シーケンスを削除するには 2 つの方法があります。ブロックからシーケンスを削除するか、類似のシーケンスを見つけてクラスターを表す新しいシーケンスに置き換えるかのいずれかです。削除は、指定されたしきい値よりも類似しているタンパク質シーケンスを削除するために行われます。

タンパク質ファミリーの最も保存された領域の配列アラインメントを格納するデータベース。これらのアラインメントは、BLOSUM マトリックスを導出するために使用されます。しきい値よりも低い同一性のパーセンテージを持つ配列のみが使用されます。ブロックを使用して、多重アラインメントの各列のアミノ酸のペアをカウントします。

これは、観測データ内の各アミノ酸の組み合わせの発生率と、そのペアの発生の期待値の比率を示します。この値は切り捨てられ、置換マトリックスで使用されます。

${\displaystyle LogOddRatio=2\log _{2}{\left({\frac {P\left(O\right)}{P\left(E\right)}}\right)}}$

ここで、はペアを観測する確率であり、 は各アミノ酸の背景確率を与えられた場合に、そのようなペアが発生すると予想される確率です。 ${\displaystyle P\left(O\right)}$${\displaystyle P\left(E\right)}$

関連性のオッズは対数オッズ比から計算され、その後切り上げられて置換行列 BLOSUM 行列が得られます。

スコアリング マトリックスまたは値の表は、配列アラインメントの重要性を評価するために必要であり、たとえば、生物学的に意味のあるアミノ酸またはヌクレオチド残基のペアがアラインメントに出現する確率を記述するなどです。通常、2 つのヌクレオチド配列を比較する場合、スコアリングされるのは、2 つの塩基が 1 つの位置で同じであるかどうかだけです。すべての一致と不一致には、それぞれ同じスコアが与えられます (通常、一致の場合は +1 または +5、不一致の場合は -1 または -4)。^[9]しかし、タンパク質の場合は異なります。アミノ酸の置換マトリックスはより複雑で、任意のアミノ酸が別のアミノ酸に置換される頻度に影響を与える可能性のあるすべての要素を暗黙的に考慮します。目的は、2 つの残基が相同である可能性が低い場合 (進化の過程で正しくアラインメントされている)、それらを一緒にアラインメントすることに対して比較的重いペナルティを与えることです。アミノ酸置換率を均一性から遠ざける 2 つの主な力があります。置換は異なる頻度で発生し、他の置換よりも機能的に許容されにくくなります。したがって、置換は選択されません。^[7]

一般的に使用される置換マトリックスには、ブロック置換（BLOSUM）^[1] と点受容変異（PAM）^{[10] [11]} マトリックスがあります。どちらも、多くの相同タンパク質の高信頼アラインメントセットを取得し、すべての置換の頻度を評価することに基づいていますが、異なる方法を使用して計算されます。^[7]

BLOSUM 内のスコアは、アラインメントにおいて、2 つのアミノ酸が生物学的な意味で出現する可能性と、同じアミノ酸が偶然出現する可能性の比の対数を測定する対数オッズ スコアです。マトリックスは、計算に使用されるアラインメントされたタンパク質配列の最小同一性パーセンテージに基づいています。^[12]考えられるすべての同一性または置換には、関連タンパク質のアラインメントで観察された頻度に基づいてスコアが割り当てられます。^[13]より可能性の高い置換には正のスコアが与えられ、より可能性の低い置換には負のスコアが与えられます。

BLOSUM マトリックスを計算するには、次の式を使用します。

${\displaystyle S_{ij}={\frac {1}{\lambda }}\log {\frac {p_{ij}}{q_{i}q_{j}}}}$

ここで、は 2 つのアミノ酸とが相同配列で互いに置き換わる確率であり、 およびは任意のタンパク質配列でアミノ酸とが見つかる背景確率です。 係数はスケーリング係数であり、行列に簡単に計算できる整数値が含まれるように設定されます。 ${\displaystyle p_{ij}}$${\displaystyle i}$${\displaystyle j}$${\displaystyle q_{i}}$${\displaystyle q_{j}}$${\displaystyle i}$${\displaystyle j}$${\displaystyle \lambda}$

BLOSUM80: 関連するタンパク質

BLOSUM62: ミッドレンジ

BLOSUM45: 遠縁のタンパク質

Nature Biotechnology ^[14]の記事によると、長年標準として使用されてきたBLOSUM62は、ヘニコフとヘニコフによって記述されたアルゴリズムによれば正確ではないことが明らかになりました。^[1]驚くべきことに、誤って計算されたBLOSUM62は検索パフォーマンスを向上させます。^[14]

BLOSUM62 マトリックス。表のアミノ酸は、(a) のように側鎖の化学的性質に従ってグループ化されています。マトリックスの各値は、BLOCKS データベースで 62% レベルでクラスター化されたアミノ酸ペアの出現頻度を、同じ 2 つのアミノ酸が偶然に整列する確率で割ることによって計算されます。次に、比率は対数に変換され、PAM の場合と同様に、対数オッズ スコアとして表されます。BLOSUM マトリックスは通常、半ビット単位でスケールされます。スコアが 0 の場合、データベースで特定の 2 つのアミノ酸が整列している頻度が偶然であると予想されたことを示し、正のスコアは、整列が偶然よりも頻繁に見つかったことを示し、負のスコアは、整列が偶然よりも頻繁に見つからないことを示します。

^{BLOSUMスコアは、B型肝炎ウイルスキャリア[15]}とT細胞エピトープ^[16]の表面遺伝子変異を予測し理解するために使用されました。

HBsAgのDNA配列は180人の患者から得られ、そのうち51人は慢性HBVキャリアで、129人は新たに診断された患者であり、GenBankからインポートされた168のHBV配列で構築されたコンセンサス配列と比較されました。文献レビューとBLOSUMスコアを使用して、潜在的に変化した抗原性を定義しました。^[15]

スパースエンコーディング、Blosumエンコーディング、隠れマルコフモデルから得られた入力を組み合わせた新しい入力表現が開発されました。この方法は、C型肝炎ウイルスのゲノムに対するT細胞エピトープを予測し、合理的なワクチン設計のプロセスを導くための予測方法の可能な応用について議論します。^[16]

BLOSUMマトリックスは、DNA配列やタンパク質配列を比較してアライメントの品質を判断するためのスコアリングマトリックスとしても使用されます。この形式のスコアリングシステムは、 BLASTを含む幅広いアライメントソフトウェアで利用されています。^[17]

BLOSUM マトリックスに加えて、以前に開発されたスコアリング マトリックスを使用することもできます。これはPAMとして知られています。この 2 つのマトリックスは同じスコアリング結果をもたらしますが、異なる方法論を使用します。BLOSUM は関連配列のモチーフの変異を直接調べますが、PAM は密接に関連する配列に基づいて進化情報を推定します。 ^[1]

PAMとBLOSUMはどちらも同じスコア情報を表示する異なる方法であるため、両者を比較することはできますが、このスコアを取得する方法が大きく異なるため、PAM100はBLOSUM100と同じではありません。^[18]

Blosum マトリックスを簡単に使用できる、さまざまなプログラミング言語のソフトウェア パッケージがいくつかあります。

例としては、 Pythonの blosum モジュールや、JavaのBioJavaライブラリなどがあります。

• 配列アライメント
• 点受容突然変異

• Sean R. Eddy (2004)。「BLOSUM62 アライメント スコア マトリックスはどこから来たのか?」Nature Biotechnology 22 ( 8): 1035–6. doi :10.1038/nbt0804-1035. PMID  15286655. S2CID  205269887.
• BLOCKS WWWサーバー
• NCBI の BLAST スコアリング システム
• NCBI FTP サーバー上の BLOSUM のデータ ファイル。
• インタラクティブ BLOSUM ネットワーク可視化 2017 年 1 月 30 日アーカイブ - Wayback Machine