바이오파이썬 단백질 분석 : COVID-19 게놈(Genome)

이번 내용은 바이오파이썬으로 단백질 분석하는 내용입니다. 

 

 

파이썬 도크(https://github.com/kaggle/docker-python)에 대한 소개를 하면서 필요할 때는 numpy와 pandas 라이브러리를 이용해서 분석하는 방법인데 간단하고 COVID-19를 이해 할 수 있는 내용이어서 어떤 방향으로 분석했는지를 살펴보겠습니다. 

원본 내용은 Kaggle에 있습니다. 링크는 아래 주소와 같습니다.

 

https://www.kaggle.com/abishpius/covid-19-genome-proteins-analysis-with-biopython

COVID-19 Genome: Proteins Analysis with Biopython

 

COVID-19 핵산 서열을 받아서 실험을 진행하는데 여기서 사용하는 서열은 'MN908947.fasta' 파일로 이전에 리뷰했던 염기서열과 같습니다.

아래 내용을 참고로 이번 리뷰도 한번 실습해 보면 됩니다. 

 

https://tsyoon.tistory.com/14

COVID-19: Biopython으로 단백질 식별하는 방법 (Kaggle)

 

from Bio import SeqIO
for sequence in SeqIO.parse('MN908947.fasta', "fasta"):
    print('Id: ' + sequence.id + '\nSize: ' + str(len(sequence))+' nucleotides')

 

결과 

Id: MN908947.3

Size: 29903 nucleotides

 

SARS-CoV-2 DNA 서열을 나타내는 명령어는 다음과 같습니다. DNA를 mRNA로 전사(transcrib)하고 mRNA를 단백질로 번역(translate) 하는 내용을 아래와 같은 간단한 명령어로 나타낼 수 있습니다. 

 

from Bio.SeqRecord import SeqRecord
from Bio import SeqIO
DNAseq = SeqIO.read('MN908947.fasta', "fasta")

 

DNA = DNAseq.seq
print(DNA)

 

결과 

 

ATTAAAGGTTT...............

 

 

 

mRNA = DNA.transcribe()
print(mRNA)

 

결과 

 

AUUAAAGGU........

 

 

T(티민)과 U(우라실)의 변환이 일어난 상황을 알 수 있습니다. 

이제 아미노산으로 변환되는 내용을 확인해 봅시다. 

 

 

Amino_Acid = mRNA.translate()
print(Amino_Acid)
print("Length of Protein:",len(Amino_Acid))
print("Length of Original mRNA:",len(mRNA))

 

 

 

 

결과 

 

IKGLYLPR*QTNQLSISCRSVL*TNFK.........

 

핵산에서 아미노산으로 변역이 이루어지는 내용은 코돈(codon)으로 나타나는 결과입니다. 

코돈 표를 확인하는 명령어는 다음과 같습니다. 

 

from Bio.Data import CodonTable
print(CodonTable.unambiguous_rna_by_name['Standard'])

 

 

결과 

 

Table 1 Standard, SGC0......

 

 

아미노산 서열에서 *로 표시된 정지코돈으로 나타낸 것을 지우면서 서열의 20개 미만인 아미노산은 제거해 보겠습니다. 

 

Proteins = Amino_Acid.split('*')

Proteins

 

결과

 

[Seq('IKGLYLPR'),

Seq('QTNQLSISCRSVL'),

Seq('TNFKICVAVTRLHA'),   ...................

 

 

for i in Proteins[:]:
    if len(i) < 20:
        Proteins.remove(i)

 

Proteins

 

결과 

 

[Seq('QDTSNSSIFCRLLTVSSVLQPIISTSRFRPGVTER'), Seq('DGEPCPWFQRENTRPTQFACFTGSRRARTWLWRLRGGGLIRGTSTS'),

Seq('TALCVHQTFGCSNCTSWSCYG'),

Seq('DTWCPCPSCGRNTSGLPQGSSS'), .....

 

 

 

from Bio.Blast import NCBIWWW
result_handle = NCBIWWW.qblast("blastp", "nt", Proteins)

 

result_handle에 대한 결과는 저장하는 내용으로만 지정합니다. 

NCBIWWW 함수에 대한 내용은 다음 튜토리얼을 참고하면 되겠습니다. 

 

https://www.tutorialspoint.com/biopython/biopython_overview_of_blast.htm

Biopython - Overview of BLAST - Tutorialspoint

 

Pandas 데이터 프레임 함수를 사용해서 2차 구조에 대한 분석을 해 보면 다음과 같습니다. 

 

이 내용도 ProtParam 모듈을 참고해 보도록 합시다. 

 

https://biopython.org/wiki/ProtParam

Analyzing protein sequences with the ProtParam module. · Biopython

 

 

import pandas as pd 
from Bio.SeqUtils.ProtParam import ProteinAnalysis
MW = []
aromaticity =[]
AA_Freq = []
IsoElectric = []
for j in Proteins[:]:
    a = ProteinAnalysis(str(j))
    MW.append(a.molecular_weight())
    aromaticity.append(a.aromaticity())
    AA_Freq.append(a.count_amino_acids())
    IsoElectric.append(a.isoelectric_point())

 

MW = pd.DataFrame(data = MW,columns = ["Molecular Weights"] )
MW.head()

 

 

결과

Molecular Weights...

 

 

matplotlib와 seaborn으로 그래픽으로 표현해 봅니다. 

 

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('whitegrid');
plt.figure(figsize=(10,6));
sns.distplot(MW,kde=False);
plt.title("SARS-CoV-2 Protein Molecular Weights Distribution");

 

 

 

 

 

 

MW.idxmax()

 

 

print(Proteins[48])
len(Proteins[48])

 

 

결과 

CTIVFKRVCGVSAARLTPCG.........

 

 

 

POI = AA_Freq[48]

plt.figure(figsize=(10,6));
plt.bar(POI.keys(), list(POI.values()), align='center')

 

결과 ,,,,

 

 

결과를 보면 Leusin과 Valin이 많다는 것이 보입니다. 이 둘의 공통적인 성격은 무엇일까요?

그리고, 방향성(aromaticity )과 등점도(isoelectric point)에 대한 결과는 어떤 내용을 의미하는 바인지 알아봅시다. 

 

print('The aromaticity % is ',aromaticity[48])
print('The Isoelectric point is', IsoElectric[48])

 

결과 

The aromaticity % is 0.11662347278785636

The Isoelectric point is 6.899025917053222

 

 

이 내용까지가 바이오파이썬으로 단백질 분석하는 내용에 대한 리뷰입니다. 

폴리프로틴을 분석하는 방법도 있으니 kaggle에서 찾아서 바이오파이썬을 실습해 보는 것도 좋을 것 같습니다. 

 

 

----------------------------

1. 방향성 (Aromaticity)

정의:
방향성은 어떤 분자가 고리 구조를 가지면서 특별히 안정한 상태를 의미합니다.
특히 벤젠(Benzene) 같은 구조라고 봅니다. 

 

조건 (휴클 규칙, Hückel's rule):

1. 평면 구조일 것 (Flat structure)
2. 고리형 구조 (Cyclic)
3. 완전히 공액화된 π 전자 (Conjugated π system)
4. (4n + 2)개의 π 전자를 가질 것 (n은 0, 1, 2, ...)

예시:

• 벤젠 (6개의 π 전자 → 안정함)
• 퓨란, 피롤 같은 헤테로고리도 방향족일 수 있음

의의:

• 방향족성은 분자를 굉장히 안정하게 만들어 줌
• 생명체의 DNA 염기(아데닌, 구아닌 등)도 방향족성 고리를 가짐

 

2. 등점도 (Isoelectric Point, pI)

 

정의:
등점은 아미노산이나 단백질 같은 이온성 물질이 전기적으로 중성이 되는 pH 값입니다.
즉, 순전하(총 전하)가 0이 되는 지점을 말합니다.

 

원리:

• pH가 낮을 때: (+) 전하 많음 (양이온 상태)
• pH가 높을 때: (-) 전하 많음 (음이온 상태)
• pH가 pI일 때: 순전하 0 (양전하와 음전하가 균형)

계산 예시 (단순 아미노산):
pI = (pKa1 + pKa2) / 2
(산성기와 염기성기의 pKa 값 평균)

 

의의:

• 단백질 정제 (전기영동, 등전점 전기초점 등)
• 단백질의 용해도에 큰 영향 → pI 근처에서는 잘 뭉치거나 침전