Научная литература
booksshare.net -> Добавить материал -> Биология -> Александров А.А. -> "Компьютерный анализ генетических текстов" -> 22

Компьютерный анализ генетических текстов - Александров А.А.

Александров А.А., Александров Н.Н., Бородовский М.Ю. Компьютерный анализ генетических текстов — М.:Наука , 1990. — 267 c.
ISBN 5-02-004691-4
Скачать (прямая ссылка): komputerniyanalizgeneticheskihtextov1990.djv
Предыдущая << 1 .. 16 17 18 19 20 21 < 22 > 23 24 25 26 27 28 .. 119 >> Следующая

Таблица 2.1 Наблюдаемые и ожидаемые частоты встречаемости шпилечных структур
Показатель | Длина ножки
1 ! 2 1 3 | 4 1 5 1 6 1 > 7 1 Е

Частота По модели нулевого порядка
ожидаемая 13853 3581 925 239 61,8 16,0 5,54 18682
наблюдаемая 13285 3477 987 245 82 28 14 18118
Хи-квадрат 23,0 3,0 4,2 0,2 6,6 9,0 12,8 58,6
Частота По модели первого порядка
ожидаемая 13305 3651 1002 275 7,55 20,7 7,75 18337
наблюдаемая 13285 3477 987 245 82 28 14 18118
Хи-квадрат 1,69 8,29 0,22 3,27 0,6 2,57 6,55 23,15
Позволяют ли однородные марковские цепи объяснить явление селекции кодонов (Nussinov,1981b;Almagor,1983)? Ведь известны и другие точки зрения.
Стратегия использования кодонов связывается с формированием определенной конфигурации вторичной структуры мРНК, сказывающей влияние на скорость синтеза белка на рибосомах (Hasegava et al.,1979). Правила селекции кодонов можно интерпретировать с точки зрения дискриминации "предтерминирующих" кодонов, т.е. кодонов, которые при замене (мутации) одного нуклеотида превращаются в терминирующие (Modiano et al.,1981). Ясно, что уменьшение числа предтерминирующих кодонов повышает мутационную устойчивость генома.
Достаточно убедительно выглядит и "энергетическая" гипотеза (Gro-sjean,Fiers,1982), отражающая тот факт, что наиболее часто встречающимися являются кодоны со средним значением энергии кодон-анти-кодонового взаимодействия, а кодоны, сильно или слабо взаимодействующие со своими антикодонами, дискриминируются. По мнению авторов, такая стратегия использования кодонов позволяет клетке создать наилучшие условия для элонгации белковых пепей.
Существует и другая популярная точка зрения, которая также имеет в виду оптимальные условия биосинтеза белка и обращает внимание на тот факт, что наиболее активно используемые из синонимических кодонов в прокариотах и эукариотах соответствуют наиболее распространенным из изоакцепторных тРНК (Ikemura 1981,1982; Bennetzen.Bendjarain, 1982). Такой подход делает понятным и наблюдаемое повышение частот использования таких кодонов в генах ДНК Е.coli и S.cerivisiae, обладающих наиболее сильной экспрессией по сравнению с менее сильно экспрессируемыми генами.
Таким образом, альтернативная точка зрения на природу селекции кодонов основывается на существовании корреляции характеристик селекции кодонов с показателями эффективности механизма трансляции.
Новые аргументы в пользу этого представления вытекают из статистического анализа первичных структур ДНК генома эубактерии Е.coli (Бородовский и др.,1986 а,Ь) и приводятся ниже.
Марковские модели функциональных областей генома. Рассмотрим по отдельности кодирующие и некодирующие области генома E.coli. Практически для этой цели из выборки фрагментов ДНК E.coli длиной 135 тыс. нуклеотидов были выделены две подвыборки длиной 80,0 и 42,5 тыс. нуклеотидов, состоящие из белок-кодирующих и некодирующих областей соответственно.
Прежде всего было отмечено что разные функциональные области различаются частотами встречаемости мононуклеотидов {табл.2.2).
Таблица 2.2
Частоты встречаемости нуклеотидов (Пи среднеквадратичные ошибки определения этих величин (s) для различных выборок
Выборка 1 *т 1 f 1 1 I s
E.coli в целом 0,243 0,243 0,252 0,262 0,0012
Области
кодирующие 0,231 0,251 0,246 0,272 0,0015
некодирующие 0,259 0,231 0,261 0,248 0,0020
Затем рассматривается вопрос, являются ли характеристики динукле-отидных корреляций устойчивыми по всей длине генома E.coli, или же они различаются в кодирующих и некодирующих областях. Для этого пс статистике динуклеотидов в общей выборке и двух функциональных под-выборках определяются переходные вероятности для трех марковских моделей первого порядка (табл.2.3).
Таблица 2.3 Значения переходных вероятностей
Пер Общая выборка Немодируюцре Кодирующие
вый области области
и у кяе
отид (А) (Б) (В)
Второй нуклеотид
Т I С 1 А 1 В Т | С | й | Б 1 | С | А | 6
Т 0,267 0,235 0,185 0,309 0,309 0,220 0,208 0,266 0,234 0,247 0,173 0,346
С 0,235 0,222 0,251 0,296 0,234 0,234 0,273 0,264 0,231 0,215 0,235 0,319
А 0,242 0,222 0,325 0,214 0,253 0,207 0,318 0,222 0,232 0,236 0,329 0,207
Б 0,229 0,294 0,244 0,233 0,238 0,270 0,246 0,246 0,224 0,305 0,243 0,228
Заметим, что в каждом из этих трех случаев переходные вероятности удовлетворяют системе уравнений
Е Р(Ь|a)fa = fb, a,b = T,C,A,G, (2.2)
Предыдущая << 1 .. 16 17 18 19 20 21 < 22 > 23 24 25 26 27 28 .. 119 >> Следующая

Реклама

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed

Есть, чем поделиться? Отправьте
материал
нам
Авторские права © 2009 BooksShare.
Все права защищены.
Rambler's Top100

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed