1. Sequence analysis
HIV/SIV вирус халдварласан
организмуудад филогенетик
мод байгуулах
Биоинформатик 4
С.Ганчимэг

2. Оршил
• Энэ жишээ нь өвчин үүсгэгчдийн геномын мутаци, Африкын
ногоон сармагчингын /simian immunodeficiency virus- болон
хүний дархлал хомсдлын вирусын халдварлалтын тухай. Энэ
мэдээлэл нь халдварлах үйл явдлын түүх болон 2 өөр вирусын
strain-s үүссэн гэдгийг нотлох боломжтой юм.
• Хүний ДОХын вирусын 2 өөр төрлийн гинж
 type 1 (HIV-1) болон
 type 2 (HIV-2). 2 гинж нь хоёулаа ойр зүйлүүдэд
халдварласан. HIV-2 нь sooty mangabey (Cercocebus atys,Old
world monkey) –д байдаг . HIV-1 вирусыг common chimpanzee
(Pan troglodytes)-аас үүсэлтэй гэж таамагладаг.

3. Retrieve sequence
information from GenBank
• Энэжишээндфилогенетик модбайгуулахдаа ХүнийболонSimian
immunodeficiencyvirus–ийн17өөрөөргинжнээс 3 кодоныурттайдараалал
авсан.
Эдгээрдарааллуудыг ньтэдгээрийнхандалтындугаараарньГенбанкаас
татажавсан.
Биднийсонирхсон3кодныбүснь
• gagprotein(Group-specific antigen Gag proteins are encoded by
the gag gene, and provide structural elements of the virus)
• Pol polyprotein( pol генийгкодлодог.)
• envelope polyprotein precursor (вирус ) юм.
• Эдгээр дараалал ньГенбанкаас CDS ийн мэдээллээр дамжиж
ирнэ. ( CDS is a software package for generalised Information Storage
and Retrieval systems developed)

4. • % Description Accession CDS:gag/pol/env
• data = {'HIV-1 (Zaire)' 'K03454' [1 2 8] ;
• 'HIV1-NDK (Zaire)' 'M27323' [1 2 8] ;
• 'HIV-2 (Senegal)' 'M15390' [1 2 8] ;
• 'HIV2-MCN13' 'AY509259' [1 2 8] ;
• 'HIV-2UC1 (IvoryCoast)‘ 'L07625' [1 2 8] ;
• 'SIVMM251 Macaque' 'M19499‘ [1 2 8] ;
• 'SIVAGM677A Green monkey' 'M58410' [1 2 7] ;
• 'SIVlhoest L''Hoest monkeys' 'AF075269‘ [1 2 7] ;
• 'SIVcpz Chimpanzees Cameroon' 'AF115393' [1 2 8] ;
• 'SIVmnd5440 Mandrillus sphinx' 'AY159322' [1 2 8] ;
• 'SIVAGM3 Green monkeys' 'M30931' [1 2 7] ;
• 'SIVMM239 Simian macaque' 'M33262' [1 2 8] ;
• 'CIVcpzUS Chimpanzee' 'AF103818 ' [1 2 8] ;
• 'SIVmon Cercopithecus Monkeys' 'AY340701 ' [1 2 8] ;
• 'SIVcpzTAN1 Chimpanzee' 'AF44776 3' [1 2 8] ;
• 'SIVsmSL92b Sooty Mangabey' 'AF334679‘ [1 2 8] ;
• };
• numViruses = size(data,1)

5. Та getgenbank функцыг ашиглан GenBank ийн өгөгдлийн сангаас
MATLAB руу мэдээллээ хөрвүүлж болно. SearchURL нь бодит GenBank
ийн үр дүнг харуулна. Веб комманд ашиглан хандах боломжтой.
)
acc_num = data{1,2}
seqs_hiv = getgenbank(acc_num)
web(seqs_hiv(1).SearchURL

6. .
Хандалтын дугаараар нь NCBI GenBank ийн өгөгдлийн
сангаас мэдээлэл хүлээн авах.
• acc_num = K03454
• seqs_hiv =
• LocusName: 'HIVELICG'
LocusSequenceLength: '9176‘
LocusNumberofStrands: ''
• LocusTopology: 'linear'
• LocusMoleculeType: 'DNA‘
LocusGenBankDivision: 'VRL‘
LocusModificationDate: '27-FEB-2002'
• Definition: 'Human immunodeficiency virus type 1, isolate ELI, complete genome.'
• Accession: 'K03454 X04414'
• Version: 'K03454.1'
• GI: '326675'
• Keywords: []
• Segment: []
• Source: 'Human immunodeficiency virus 1 (HIV-1)'
• SourceOrganism: [3x56 char]
• Reference: {[1x1 struct]}
• Comment: 'On Feb 26, 2002 this sequence version replaced gi:60167.'
• Features: [128x74 char]
• CDS: [1x9 struct]
• Sequence: [1x9176 char]
• Search URL: 'http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Search&db=nucleotide&term=K03454&dopt=GenBank&mode=file'
• Retrieve URL: 'http://www.ncbi.nlm.nih.gov:80/entrez/query.fcgi?cmd=Text&db=nucleotide&uid=326675&dopt=GenBank'
for ind = 2:numViruses
seqs_hiv(ind) = getgenbank(data{ind,2});
end

7. • Хэрвээ интернет холболт байхгүй бол та энэ коммандыг
ашиглаж өгөгдлөө хэрэглэх боломжтой.
load hivdemodata % <== Uncomment this if no Internet
connection

8. Extract CDS for the GAG, POL, and ENV coding regions. Then extract
the nucleotide sequences using the CDS pointers
For ind = 1:numViruses
temp_seq = seqs_hiv(ind).Sequence;
temp_seq = regexprep(temp_seq,'[nry]','a');
CDSs = seqs_hiv(ind).CDS(data{ind,3});
gag(ind).Sequence = temp_seq(CDSs(1).indices(1):CDSs(1).indices(2));
pol(ind).Sequence = temp_seq(CDSs(2).indices(1):CDSs(2).indices(2));
env(ind).Sequence = temp_seq(CDSs(3).indices(1):CDSs(3).indices(2));
end

9. Филогенетик мод байгуулах.
• seqpdist ба seqlinkage комманд нь филогенетик мод
байгуулахад хэрэглэгддэг. GAG coding region нь 'Tajima-
Nei‘ ийн аргыг ашигладаг. Энэ арга нь дарааллуудын хоорон
дахь зайг хэмждэг. Unweighted pair group арга нь арифметик
дундажыг тооцно.Өөрөөр энэ аргыг 'UPGMA' гэж нэрлэдэг.
'Tajima-Nei‘ ийн арга нь зөвхөн нуклеотидийн дарааллыг
тодорхойлдог. Энэ нь нуклеотидийн дарааллал амин хүчлийн
дарааллаас илүү хурдан хөрвүүлэгддэгээс шалтгаалдаг.

10. gagd = seqpdist(gag,'method','Tajima-Nei','Alphabet','NT','indel','pair');
gagtree = seqlinkage(gagd,'UPGMA',data(:,1))
plot(gagtree,'type','angular');
title('Immunodeficieny virus (GAG protein)')

12. • Дараагийн филогенетик мод байгуулахад POL
polyproteins нь 'Jukes-Cantor' ийн арга ашиглана.
Өөрөөр WPGMA арга гэж нэрлэдэг. Энэ арга нь амин
хүчлийн дарааллыг тодорхойлход хэрэглэгдэнэ.

13. % Convert nucleotide sequences to amino acid sequences using *nt2aa*.
for ind = 1:numViruses
aagag(ind).Sequence = nt2aa(gag(ind).Sequence);
aapol(ind).Sequence = nt2aa(pol(ind).Sequence);
aaenv(ind).Sequence = nt2aa(env(ind).Sequence);
end
% Calculate the distance and linkage, and then generate the tree.
pold = seqpdist(aapol,'method','Jukes-Cantor','indel','pair');
poltree = seqlinkage(pold,'WPGMA',data(:,1))
plot(poltree,'type','angular');
title('Immunodeficieny virus (POL polyprotein)')

15. Шаталсан 'UPGMA‘ аргыг ашиглан ENV polyproteins
дээр филогенетик мод байгуулах.
envd = seqpdist(aaenv,'method','Alignment','indel','score',...
'ScoringMatrix','Blosum62');
envtree = seqlinkage(envd,'UPGMA',data(:,1))
plot(envtree,'type','angular');
title('Immunodeficieny virus (ENV polyprotein)')

17. Нэгтгэсэн мод байгуулах.
Эдгээр 3 мод нь маш ойролцоо гарсан боловч нэг
сонирхол татахуйц ялгаа байна. Жишээлбэл POL
модонд 'SIVmnd5440 Mandrillus sphinx' дараалал нь
HIV-1 strain тай ойролцоо байрласан байна. Гэвч ENV
модонд HIV-1 дарааллаас маш хол байрласан байна.
Эдгээр 3 мод нь хоорондоо үл ялиг ялгаатай үр дүн
гарсан учраас нэгтгэсэн мод нь илүү сайн үр дүн гаргаж
магадгүй. Мод байгуулахдаа 3 модны weighted average
(is similar to an arithmetic mean ) -ийг ашигласан.

18. weights = [sum(gagd) sum(pold) sum(envd)];
weights = weights / sum(weights);
dist = gagd .* weights(1) + pold .* weights(2) + envd .* weights(3);
% Note that different metrics were used in the calculation of the pairwise
% distances. This could bias the consensus tree. You may wish to
% recalculate the distances for the three regions using the same metric to
% get an unbiased tree.
tree_hiv = seqlinkage(dist,'average',data(:,1));
plot(tree_hiv,'type','angular');
title('Immunodeficieny virus (Weighted tree)')

20. HIV вирусын үүсэл
• Филогенетик мод байгуулсан үр дүнд анализ хийхэд 2 салаасан
хэсэг ба зарим нэг хэсгүүд гарсан. Хамгийн том салаа нь бүх
HIV2 ийн дээжүүдийг агуулсан байсан.
• sooty mangabey (old world monkey) нь HIV2 вирусын үүсэл
гэдгийг тогтоосон.
• HIV1 гинжийг агуулсан салаа нь HIV1 ийн үүсэл нь Chimpanzee –
аас үүсэлтэй гэдгийг харуулж байна. Гэсэн хэдий ч HIV
судлаачдын дунд аль зүйлээс хүнд халдварлсан нь маргаантай
хэвээр байна.

21. % Add annotations
annotation1 = annotation(gcf,'textarrow',[0.2875 0.3089],[0.681 0.7571],...
'Color',[1 0.5 0],'String',{'Possible HIV type 1 origin'},...
'TextColor',[1 0.5 0]);
annotation(gcf,'textarrow',[0.4196 0.4893],[0.5929 0.5405],...
'Color',[1 0 0],'String',{'HIV type 2 origin'},'TextColor',[1 0 0]);

22. References:
• [1] "Origin of HIV-1 in the chimpanzee Pan troglodytes troglodytes" Nature
397(6718), 436-41 (1999)
• [2] "Comparison of simian immunodeficiency virus isolates" Nature
331(6157), 619-622 (1988)
• [3] "Genetic variability of the AIDS virus: nucleotide sequence analysis of
two isolates from African patients" Cell 46 (1), 63-74 (1986)
Copyright 2003-2005 The MathWorks, Inc.
Published with MATLAB® 7.