ተከታታይ ትንተና እና ባዮኢንፎርማቲክስ፡ ዲ ኤን ኤ፣ አር ኤን ኤ እና ፕሮቲኖች

ትርፍ፡

• እንደ FASTA ንባብ ፣ ትርጉም ፣ አሰላለፍ እና BLAST ያሉ የመሠረታዊ ቅደም ተከተል ትንተና ሥራዎችን ኮድ የማተም እና ውጤቱን የመተርጎም ችሎታ።
• እንደ ኢ-ዋጋ ፣የሽፋን መጠን እና የንባብ ፍሬም ያሉ ጽንሰ-ሀሳቦችን በትክክል በመተርጎም የተሳሳቱ መደምደሚያዎችን የማስወገድ ችሎታ።
• ከኦፊሴላዊ የውሂብ ጎታዎች (NCBI, UniProt, Ensembl) ጋር በቅደም ተከተል የተግባር ጥያቄን የማረጋገጥ አስፈላጊነት የመረዳት ችሎታ.

በጣም መሠረታዊው የባዮሎጂ መረጃ ቅደም ተከተል ነው-የዲኤንኤ ቅደም ተከተል A, T, G, C ፊደሎችን ያቀፈ; የ RNA A, U, G, C ቅደም ተከተል; የፕሮቲን 20 አሚኖ አሲድ ፊደላት ሰንሰለት። ጂን ምን እንደሆነ፣ ሁለት ዝርያዎች ምን ያህል እንደሚዛመዱ፣ እና በሚውቴሽን (በቅደም ተከተል ለውጥ) እና በበሽታ መካከል ያለውን ግንኙነት በእነዚህ ቅደም ተከተሎች እንረዳለን። በዚህ ክፍል ውስጥ፣ አርቴፊሻል ኢንተለጀንስ እንደ ኮድ እና የትርጓሜ ረዳት ለቅደም ተከተል ትንተና መጠቀምን እንማራለን፡ FASTA ፋይሎችን ማንበብ፣ ቅደም ተከተሎችን መተርጎም፣ አሰላለፍ (አሰላለፍ፡ ሁለት ተከታታይ ሆሄያትን በደብዳቤ ማወዳደር እና መመሳሰላቸውን ማየት) እና እንደ BLAST ያሉ መሳሪያዎችን መረዳት።

ከመጀመሪያው ወሳኝ ማስጠንቀቂያ: AI የአንድን ተከታታይ ትክክለኛ ተግባር "አያውቀውም"; ይፋዊ የመረጃ ቋቶች (NCBI፣ UniProt፣ Ensembl) እና ተጨባጭ ማስረጃዎች ብቻ ይህን ይላሉ።

መሰረታዊ ፅንሰ-ሀሳቦች እና መሳሪያዎች

• FASTA: ሕብረቁምፊዎችን የሚያከማች የጽሑፍ ቅርጸት; እያንዳንዱ ድርድር በ> የሚጀምር የራስጌ መስመር እና ከሱ በታች ያሉት መስመሮች አሉት።
• BLAST (መሰረታዊ የአካባቢ አሰላለፍ መፈለጊያ መሳሪያ)፡ ያለዎትን ቅደም ተከተል በግዙፉ የውሂብ ጎታ ውስጥ ከሚሊዮኖች ከሚቆጠሩ ቅደም ተከተሎች ጋር የሚያወዳድር እና በጣም ተመሳሳይ የሆኑትን የሚያገኝ መሳሪያ። "ይህ ተከታታይ ምን ይመስላል?" ለጥያቄው መደበኛ መልስ.
• አሰላለፍ፡- ተመሳሳይ ክልሎች አንዱን በሌላው ስር እንዲቀመጡ ሁለት ወይም ከዚያ በላይ ድርድሮችን ማዘጋጀት። ጥንድ አቅጣጫ ወይም ባለብዙ ተከታታይ አሰላለፍ (MSA) ሊሆን ይችላል።
• ትርጉም፡ የዲኤንኤ/አር ኤን ኤ ኮዲንግ ቅደም ተከተል ወደ አሚኖ አሲድ ቅደም ተከተል በሦስትዮሽ ፊደል ቡድኖች (ኮዶኖች) መለወጥ።
• Motif፡ በተከታታዩ ውስጥ አጭር ተደጋጋሚ ጥለት ተግባራዊ ትርጉም ያለው (ለምሳሌ፣ አስገዳጅ ቦታ)።

ጠቃሚ ምክር: AI ን "ያ ተከታታይ እንዲፈነጥቅ" መንገር አይችሉም; ሞዴሉ BLAST የውሂብ ጎታውን መድረስ አይችልም። ግን "የእኔን BLAST ውጤት እንዴት መተርጎም እችላለሁ፣ ኢ-እሴት (ኢ-እሴት) ማለት ምን ማለት ነው?" BLASTን በፕሮግራም የሚጠራውን በBiopython መጠየቅ እና እንዲያውም ኮድ መጻፍ ይችላሉ።

ደረጃ በደረጃ፡ የድርድርን ማንነት መመርመር

1. ቅደም ተከተል ያግኙ፡ እንደ FASTA ፋይል ለማስቀመጥ ያስቀምጡ።
2. መሰረታዊ ቼክ፡ ርዝመት፣ የደብዳቤ ይዘት (ኤ/ቲ/ጂ/ሲ ብቻ ነው ወይስ የማይታወቅ “N” አለ)፣ GC ጥምርታ (የጉዋኒን-ሳይቶሲን መቶኛ፡ እንደ ዝርያ እና ክልል ይለያያል)።
3. BLAST፡ በNCBI ድር በይነገጽ ወይም በፕሮግራም ፈልግ።
4. አስተያየት፡ የምርጥ ግጥሚያውን ኢ-ዋጋ (አነስ ባለ መጠን፣ የአጋጣሚ ነገር ሆኖ የመከሰቱ ዕድሉ ያነሰ) እና የጥያቄውን ሽፋን ይመልከቱ።
5. ማረጋገጫ፡ ተዛማጅ ጂን/ፕሮቲን በ UniProt ወይም NCBI ውስጥ ይክፈቱ እና በትክክል ከሚፈልጉት ተግባር ጋር የሚዛመድ መሆኑን ያረጋግጡ።

AI በደረጃ 2 ኮድ እንዲሰጥዎ እና በደረጃ 4 ላይ አስተያየት እንዲሰጡ ይረዳዎታል; ነገር ግን በእርምጃ 3 እና 5 ውስጥ ያለው ትክክለኛ መረጃ በመሳሪያዎቹ እራሳቸው እና እርስዎ ይቀርባሉ.

ሊገለበጡ የሚችሉ የጥያቄ አብነቶች

ሚና፡ እርስዎ የባዮኢንፎርማቲክስ ረዳት ነዎት። ተግባር፡ የ FASTA ፋይልን (sequences.fasta) በBiopython ያንብቡ። እኔ እፈልጋለሁ: ስም, ርዝመት እና GC ጥምርታ ለእያንዳንዱ ቅደም ተከተል ወደ ጠረጴዛ ጻፍ; ውጤቱን እንደ CSV ያስቀምጡ. የሚሰራ Python ኮድ ከአስተያየቶች ጋር ይስጡ።

ያለኝን የዲኤንኤ ቅደም ተከተል ወደ ፕሮቲን ቅደም ተከተል ተርጉም። Biopython Seq ይጠቀሙ. መተርጎም; የማቆሚያ ኮድን (*); የንባብ ፍሬም አመልክት. ኮድ ይስጡ፣ ያብራሩ። ቅደም ተከተል፡ [FASTA]

የእኔን BLAST ውጤት ተርጉም። ከታች ያሉት የዋጋ-እሴት፣ የመታወቂያ መቶኛ እና የሽፋን መጠን የምርጥ 5 ግጥሚያዎች ናቸው። የትኛው ተዛማጅ አስተማማኝ እንደሆነ እና ለምን እንደሆነ አስረዱኝ፣ ትክክለኛ የተግባር ጥያቄዎችን አታቅርቡ፣ ለማረጋገጥ የሚያስፈልገኝን ደረጃዎች ንገሩኝ። ሠንጠረዥ፡ [መረጃ]

ሁለት የፕሮቲን ቅደም ተከተሎችን በጥንድ አስተካክል እና የመቶኛ ተመሳሳይነት አግኝ። Biopython pairwise2 ወይም Bio.align; አሰላለፍ በተነበበ ሁኔታ ያትሙ. ኮዱን ይስጡ እና የውጤት አሰጣጥ ዘዴን ያብራሩ።

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ፡ "ይህ ቅደም ተከተል የትኛው ጂን ነው?"

ጠንካራ፡ "የሰው የዲኤንኤ ቅደም ተከተል 1,140 ቤዝ ጥንዶች (ከታች FASTA) አለኝ። እኔ ራሴ ይህን ቅደም ተከተል ፈነዳሁት፤ ምርጥ ግጥሚያ TP53፣ e-value 0.0፣ ማንነት 99.8%፣ ሽፋን 100% ነው። ይህ ውጤት ጠንካራ ማስረጃ የሆነው ለምን እንደሆነ ግለጽ፣ ነገር ግን የትኛውን 2 ማረጋገጫዎች መስራት እንዳለብኝ ንገረኝ"

ልዩነት: በጠንካራ ጥያቄ ውስጥ, ትክክለኛው መረጃ (ርዝመት, BLAST ውጤት) ለአምሳያው ይሰጣል; ሞዴሉን የጠየቁት እርስዎ ያቀረቡትን ማስረጃ እንዲተረጉም እንጂ "ለማስታወስ" አይደለም። በደካማ ፍጥነት ላይ ሞዴል ለመሥራት ይገደዳል.

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 - የተሳሳተ የንባብ ፍሬም: አንድ ተማሪ የዲኤንኤውን ቅደም ተከተል ወደ ፕሮቲን ተረጎመ, ነገር ግን ከመጀመሪያው, ትክክለኛውን የመነሻ ኮድ (ATG) ሳያገኝ. ውጤቱ ትርጉም የለሽ ፣ ቀደምት የሚያቆም ፕሮቲን ነበር። ሞዴሉ ሶስቱን የንባብ ፍሬሞች ሲሞክር እና ከ ATG ጀምሮ ረጅሙን ክፍት የንባብ ፍሬም (ORF) ያገኘ ኮድ ሲጽፍ ትክክለኛው 380 አሚኖ አሲድ ፕሮቲን ወጣ።

ጉዳይ 2 — ኢ-እሴት ስህተት፡ አንድ ቴክኒሻን የBLAST ግጥሚያ ከ 2.0 ኢ-እሴት ጋር እንደ"ተገኝ" ዘግቧል። ነገር ግን፣ ከ1 በላይ የሆነ ኢ-እሴት የሚያመለክተው ግጥሚያው በአጋጣሚ ሊሆን ይችላል። ሞዴሉ ይህንን ያብራራ ሲሆን e <1e-5 በአጠቃላይ እንደ አስተማማኝ ገደብ ጥቅም ላይ እንደሚውል አስታውሷል.

ጉዳይ 3 - ብክለት፡ በቤተ ሙከራ ውስጥ ያለው የባክቴሪያ ቅደም ተከተል ፍንዳታ የሰውን ዲኤንኤ እንደ ምርጥ ተዛማጅ ሆኖ አግኝቷል። ይህ የናሙና ብክለት ምልክት ነበር። AI "ያልተጠበቀ የግጥሚያ አይነት ብክለትን ሊያመለክት ይችላል" በማለት ትክክለኛውን ጥርጣሬ አስነስቷል; ቴክኒሻኑ ምሳሌውን ደገመው።

ንጽጽር፡ ሰው ሰራሽ የማሰብ ችሎታ ሚና

ተልዕኮ

ሰው ሰራሽ የማሰብ ችሎታ

መሣሪያ/ዳታቤዝ

ሰው

FASTA ማንበብ፣ ጂሲ/ርዝመት

ኮድ ይጽፋል

-

ውጤቱን ይቆጣጠራል

ትርጉም፣ ORF ማግኘት

ኮድ ይጽፋል

Biopython ያስኬዳል

ፍሬሙን ያረጋግጣል

የድርድር መታወቂያ

አስተያየቶች

BLAST/NCBI ያገኛል

ያረጋግጣል

የተግባር ጥያቄ

ጥቆማዎችን ያቀርባል

UniProt ማስረጃ ይሰጣል

በማለት ይወስናል

የተለመዱ ስህተቶች

• ሞዴሉን የሕብረቁምፊ መታወቂያውን "እንዲያስታውስ" መጠየቅ: ሞዴሉ ሕብረቁምፊዎችን አላስታውስም; BLAST ተጠቀም።
• ኢ-እሴትን በተሳሳተ መንገድ መተርጎም: ትንሽ ጥሩ ነው, ትልቅ መጥፎ ነው; ጣራውን አስታውስ.
• የንባብ ፍሬሙን አለመፈተሽ፡- የተሳሳተ ፍሬም የማይረባ ፕሮቲን ይፈጥራል።
• ሽፋንን ችላ ማለት፡ ከፍተኛ ማንነት ግን ዝቅተኛ ሽፋን ማለት ከፊል ተዛማጅ ማለት ነው።
• የጠፋ ብክለት፡ ያልተጠበቁ ዝርያዎችን ማዛመድ ከባድ ማስጠንቀቂያ ነው።

ማስጠንቀቂያ፡ አንድ ተከታታይ "99% ከ TP53 ጋር ስለሚመሳሰል ብቻ" ቅደም ተከተል TP53 ተግባርን እንደሚይዝ አያረጋግጥም። ጠንካራ መላምት ነው። ተግባሩ በተጨባጭ ማስረጃዎች እና በዳታቤዝ መግለጫዎች መደገፍ አለበት። AI በቀላሉ “ይህ ዕጢ ማፈን ነው” ማለቱ በቂ አይደለም።

የበርካታ ቅደም ተከተሎች አሰላለፍ እና የዝርያ መሰረት

በደርዘን የሚቆጠሩ ቅደም ተከተሎችን ብቻ ከሁለት በላይ ማመጣጠን ብዙ ተከታታይ አሰላለፍ (MSA) ተብሎ የሚጠራ ሲሆን የብዙ ትንታኔዎች መሰረት ነው፡ የተጠበቁ ክልሎችን ማግኘት (በዝግመተ ለውጥ ውስጥ ሳይለወጡ የቀሩ እና ተግባራዊ ጠቀሜታ ያላቸው ክፍሎች)፣ የፍየልጄኔቲክ ዛፎችን መገንባት፣ የፕሮቲን ቤተሰቦችን መለየት። እንደ MAFFT፣ MUSCLE እና Clustal ያሉ መሳሪያዎች ይህንን ስራ ይሰራሉ። AI እነዚህን መሳሪያዎች ከፓይዘን (ለምሳሌ በባዮፕቶን በኩል) የሚጠራውን ኮድ ይጽፋል እና ውጤቱን ለመተርጎም ይረዳዎታል ። ነገር ግን አሰላለፉ ራሱ መሳሪያውን እንጂ አምሳያውን "በሮት" አይደለም.

ኤምኤስኤ ሲተረጉሙ ለተቀመጡት አምዶች ትኩረት ይስጡ፡ በሁሉም ቅደም ተከተሎች አንድ አይነት ሆኖ የሚቀረው አሚኖ አሲድ ለፕሮቲን ተግባር በጣም ወሳኝ ነው (ለምሳሌ የኢንዛይም ንቁ ቦታ)። ይህ ሚውቴሽን ለምን ጎጂ ሊሆን እንደሚችል ጠንካራ ፍንጭ ይሰጣል። ነገር ግን "የተጠበቀ = ጉልህ" መላምት ነው; የሙከራ ማረጋገጫ ያስፈልገዋል.

የእኔን ባለብዙ አሰላለፍ ፋይል (aligned.fasta) ማለትም የMAFFT ውፅዓት የሆነውን ከBiopython ጋር ያንብቡ። ለእያንዳንዱ አምድ የማቆያ መጠን ያሰሉ; ከ90% በላይ የተጠበቁ ቦታዎችን ይዘርዝሩ። እነዚህ ቦታዎች ለምን ተግባራዊ ጠቀሜታ ሊሆኑ እንደሚችሉ ያብራሩ፣ ቁርጥ ያለ ተግባር አይጠይቁ።

ሚውቴሽን እና ተለዋጭ የትርጓሜ ወጥመድ

በሕብረቁምፊ ውስጥ የፊደል ለውጥ (ተለዋዋጭ) ሲመለከቱ፣ “ጎጂ ነው” ማለት ትልቅ ዝላይ ነው። አብዛኛዎቹ ተለዋጮች ገለልተኛ ናቸው (ውጤታማ ያልሆኑ)። የአንድን ተለዋጭ ተፅእኖ በሚተረጉምበት ጊዜ፣ አንድ ሰው የ AI ቃል ሳይሆን ልዩ ልዩ የውሂብ ጎታዎችን (እንደ ክሊንቫር) እና የህዝብ ብዛት ፍሪኩዌንሲ ውሂብን (እንደ gnomAD) መመልከት አለበት። ሞዴሉ አንድ ተለዋጭ “በሽታ አምጪ” እንደሆነ ከተናገረ፣ ከእነዚህ ምንጮች ጋር ሳታረጋግጥ ይህንን ወደ ክሊኒካዊ ወይም የምርምር መደምደሚያ በጭራሽ አይጻፉት።

ለመረጋገጫ ቤዝ ዳታቤዝ

በተከታታይ ትንታኔ ውስጥ ያሉትን እያንዳንዱን የይገባኛል ጥያቄዎች ለማረጋገጥ ኦፊሴላዊ ምንጮችን ማወቅ ከአርቴፊሻል ኢንተለጀንስ ፈጠራዎች በጣም ጠንካራው ጋሻዎ ነው። በብዛት ጥቅም ላይ የዋለው:

የውሂብ ጎታ

ለምንድነው

የተለመደ ማረጋገጫ

NCBI GenBank/RefSeq

የዲ ኤን ኤ / አር ኤን ኤ ቅደም ተከተሎች, የጂን መዝገቦች

የሕብረቁምፊ መታወቂያ፣ ርዝመት

UniProt

የፕሮቲን ቅደም ተከተሎች እና ተግባራት

ተግባር, የአሚኖ አሲዶች ብዛት

ሰብስብ

የጂኖም ማብራሪያ፣ የጂን ሥፍራዎች

የጂን-ክሮሞሶም ካርታ

ክሊንቫር

ተለዋጮች ክሊኒካዊ ጠቀሜታ

በሽታ አምጪ / ገለልተኛ ውሳኔ

gnomAD

በህዝቡ ውስጥ ተለዋዋጭ ድግግሞሽ

ያልተለመደ / የተለመደ ልዩነት

AI ከእነዚህ መሰረቶች ውስጥ የትኛውን ማየት እንዳለብዎ ሊጠቁም ይችላል; ግን ጥያቄውን ጠርተህ ውጤቱን ታነባለህ። "ሞዴሉ UniProt የሚለው ይህ ነው አለ" ማረጋገጫ አይደለም; ማረጋገጫ የ UniProt ገጹን እራስዎ እየከፈተ ነው።

በማጠቃለያው

ተከታታይ ትንተና የባዮኢንፎርማቲክስ ልብ ነው; FASTA፣ BLAST፣ አሰላለፍ እና መተርጎም መሰረታዊ ስራዎች ናቸው። AI ለእነዚህ ኦፕሬሽኖች ኮድ ይጽፋል እና ውጤቶቻቸውን እንዲተረጉሙ ያግዝዎታል, ነገር ግን መሳሪያዎች (BLAST) እና የውሂብ ጎታዎች (NCBI, UniProt) ትክክለኛውን ተከታታይ መለያ ያቀርባሉ. እንደ ኢ-እሴት፣ ሽፋን እና የንባብ ፍሬም ያሉ ጽንሰ-ሀሳቦችን በትክክል መረዳት የተሳሳተ መደምደሚያን ለማስወገድ ቁልፍ ነው። የተግባር ጥያቄ ሁል ጊዜ ገለልተኛ ማስረጃን ይፈልጋል።

የመተግበሪያ ተግባር

የዲኤንኤ ቅደም ተከተል (ወይም ከኤንቢአይ የወረዱትን ጂን) ይውሰዱ። AI ርዝመቱን እና የጂሲ ሬሾን በቢዮፒቶን እንዲያሰላ ያድርጉት፣ ከዚያም በሶስቱም የንባብ ክፈፎች እና ረጅሙን ORF በሚያገኘው ኮድ ያትሙ። ውጤቱን አሂድ. ከዚያ ይህንን ቅደም ተከተል እራስዎ በNCBI BLAST ውስጥ ይፈልጉ እና ሞዴሉ የኢ-እሴት እና የምርጥ ግጥሚያውን የሽፋን መጠን እንዲተረጉም ያድርጉ። በ UniProt ውስጥ የሞዴሉን ተግባራዊ የይገባኛል ጥያቄ ያረጋግጡ።

የማረጋገጫ ዝርዝር

• [ ] ሕብረቁምፊውን ከማስኬድ በፊት የርዝመቱን እና የደብዳቤውን ይዘት ፈትሻለሁ።
• [ ] በትርጉሙ ውስጥ ትክክለኛውን የንባብ ፍሬም ተጠቀምኩኝ።
• [ ] እኔ ራሴ BLAST ሮጥኩ፣ ሞዴሉን "አላስታውስም"።
• [ ] የኢ-እሴት እና የሽፋን ጥምርታ በትክክል ተርጉሜአለሁ።
• [] ያልተጠበቁ ዝርያዎችን ለመበከል የሚጣጣሙትን ገምግሜያለሁ.
• [ ] የተግባር ጥያቄውን በይፋዊው የውሂብ ጎታ አረጋግጫለሁ።