SIFT 演算法詳解

標籤：評估   經驗   cti   綜合   1年   演算法詳解   effect   概念   矩陣   

 

有什麼特徵可以協助我們來區分導致功能和表型變化的變異和其他變異，然後我們如何綜合特徵來做出一個預測模型？


表型或功能的改變(phenotypical/functional effect)
a,個體表型上的體現（導致疾病的或不導致疾病的）
b,演化上的概念（它是不是會影響這個人的適應性，deleterious,還是說它對人的 這個 適應性沒有影響，即neutral）
c,特徵（比如頭髮，身高）
……
……
一般來說，蛋白序列的改變，它就更有可能結構和功能的改變，就更有可能在細胞水平的改變，可能最終造成人的各個的表現的改變，但所有的這些都不是絕對的，都是統計的一個概念

我們如何預測非同義突變對功能表現的影響？

一、簡介

SIFT是基於保守性的一個演算法，這個方法是2001年由Pauline和Henikoff發表的，SIFT和BLOSUM(作者是Hennikoff)作者是一個課題組，雖然替代矩陣可以評估兩個氨基酸的相似性和可替代性，但是其實在不同的蛋白，不同的位點，它對氨基酸替代的容忍程度是不一樣的，所以它後來就做了一個基於同源蛋白每一個位點上的氨基酸保守性的評估，有一些位點，它就是超級保守，在所有的物種中都沒有看到過其他的任何別的氨基酸，那你如果在一個個體中看到那個位點有一個變異，哪怕它不是很嚴重的一個變異，但可能在那個位點，它就是嚴重的，還有一些位點呢，就在不同物種的同源蛋白中，你看他什麼氨基酸都可能出現。（說了好繞口啊，其實就是保守性嘛）
SIFT基於一個重要位點它應該在一個物種中的同源蛋白中應該是比較保守的，如果在這些位點上發生了突變，那這些突變更有可能會導致個體的適應性的下降。
第一步：把可能的同源蛋白先找出來，這就是一個資料庫搜尋，也就是BLAST（PSI-blast是BLAST的一個變種，比BLAST更好一點）做的事情。
第二步：只挑那些相似性比較高的，那更有可能在功能上仍然一致的序列來進行後續的比對，它挑的是在比對上的這些區間要有90%的一致性。
第三部：然後做多序列比對

你可以看到有些位點就是完全保守的，有些位點會有一些變化，而有的一些位點變化比較多
第四步 根據每一個位點，你所看到的氨基酸的分布就可以算一個機率，基於這個機率，他得到最後一個值，一個數值的預測值，如果這個SCORE分數小於0.05，它就預測它是deleterious,如果是大於0.05,它就是中性的，不會造成功能和表現的改變
這個是可以通過軟體實現的，應該是傻瓜式的操作不，06年他們發表一個文章，假陰性（False Negative rate）是31%，即31%影響功能和表型的變異被它預測了不影響,False Positive(假陽性)，預測出來是影響表型功能其實是不影響的，Coverage，所有這些同義突變裡，有60%是它可以用來做預測的。
當然啦，這個準確度還是不太盡人意的。那麼我們怎樣地應一個準確度呢？
首先，你希望預測的是什嗎？你希望真正知道的就是這樣的變異是不是真的影響表型，Positive就是說的確影響表型，Negative就是不影響表型
我們要有模中實驗或者計算的策略做一個評估，所有的實驗的結果，或者預測的結果。下面的圖你一看就懂了，有點點像博弈論中的矩陣圖

PolyPhen同時結合序列和結果上的資訊，主要的假設就是說有一些氨基酸的改變可能會影響蛋白的摺疊，影響蛋白的的相互作用區間，影響它的穩定性 ，而蛋白結構如果有改變，那蛋白的功能就更可能會發生改變，所以它整合了序列和三維結構的一些特徵

第一步 跟SIFT相似，先做一個多序列比對，即把同源蛋白，功能一樣的蛋白做一個多序列比對

第二步 然後找到這個蛋白的三維結構，或者這個三維結構沒有，但是有一個和你這個蛋白序列比較相類似的另外一個蛋白結構有，那你可以做一個同源建模，來預測它的三維結構

第三步 有了這個結構呢，PolyPhen就開始來算，你的這個看到的變異位點，它在結構上有什麼特徵，比如它是不是位於一個二硫鍵，因為二硫鍵對結構帶來比較大的影響，它是不是處於一個位點呢，是不是處於一個重要的活性位點呢，它是不是出於跨膜區呢，跨膜區的變異經常會對結構和功能造成比較大的影響，它是不是出於訊號肽的地區呢等等，這都是它評估的一些特徵。

第四步 它也評估這個位點所在的二級結構是是什嗎？它是在蛋白的表面。還是在蛋白的內部，它有沒有影響到它能形成的氫鍵的數目的改變等等。最後它做判斷就是用一個所謂的rule-based，基於經驗的
它的好處是在有三維結構的時候，還是比較好的，但是，沒有三維結構，那它方法就用不了，也只能用在這個序列的資訊，並且它的這些規則是完全基於經驗的，那你的經驗是對還是不對呢？

在2010年，他們課題組又開發了PolyPhen2這個版本：

1. 增加了更多用來做預測的特徵；
2. 改成了用機器學習的一個方法，就是一個叫Naive Bayes的一種極其學習方法，這個演算法的評估比原來基於經驗的方法準確度是有很高的提高。

 

SIFT 演算法詳解