Adi Pratama K 311810001

1.
G T C T C A T G
0 -10 -20 -30 -40 -50 -60 -70 -80
A -10 0 -10 -20 -30 -40 -49 -59 -69
C -20 -10 0 -9 -19 -29 -39 -49 -59
G -30 -19 -10 0 -9 -19 -29 -39 -48
T -40 -29 -18 -10 1 -9 -19 -28 -38
C -50 -39 -28 -17 -8 2 -8 -18 -28
C -60 -49 -39 -27 -17 -8 2 -8 -18
T -70 -59 -48 -37 -26 -17 -8 3 -7
T -80 -69 -58 -47 -36 -26 -17 -7 3
C -90 -79 -68 -57 -46 -35 -26 -17 -7
A -100 -89 -78 -67 -56 -45 -34 -26 -17
T -110 -99 -88 -77 -66 -55 -44 -33 -26
T -120 -109 -98 -87 -76 -65 -54 -43 -33
Best Alignment:
GTCTCATG - - - -
ACGTCCTTCATT

2.
AACDQRST
A - CD- RST

Scoring : 4+(-8-1)+9+6+(-8-1)+5+4+5 =33-18 =15

3.
Sequence Alignment:
ACA - TCCT -TA
CCAT - CC- AAA

4.
A. BLAST: Stephen Altschul, Warren Gish, Webb Miller, Eugene Myers, dan David Lipman
Artikel publikasi BLAST: Altschul, S. F., et al. Basic Local Alignment Search Tool. Journal
of Molecular Biology 215, 403–410 (1990) doi:10.1016/S0022-2836(05)80360-2
FASTA: David J. Lipman, William R. Pearson (1985)
Artikel publikasi FASTA:
Lipman, D. J. and Pearson, W. R. (1985) Rapid and sensitive protein similarity searches.
Science 227, 1435–1441.
Pearson WR, Lipman DJ. Improved tools for biological sequence comparison. Proc Natl
Acad Sci USA. 1988;85:2444–2448.
Pearson W.R. (2000) Flexible sequence similarity searching with the FASTA3 program
package. Methods Mol. Biol., 132, 185–219.
 Adi Pratama K 311810001

B. Motivasi : Untuk mempercepat pencarian kemiripan sekuen dengan waktu yang lebih
singkat dibanding algoritma sebelumnya (Smith–Waterman algorithm). Algoritma ‘rapid
heuristic’ yang diterapkan dalam BLAST dan FASTA dapat melakukan pencarian lebih
cepat, tetapi tingkat akurasi akan menurun.
C.
BLAST:

FASTA:

D.
BLAST-N: membandingkan sekuen nukleotida dengan sekuen nukleotida
BLAST-P: membandingkan sekuen protein dengan sekuen protein
BLAST-X: Membandingkan sekuen nukleotida dengan sekuen protein
tBLAST-N: membandingkan sekuen protein terhadap enam frame translasi sekuen nukleotida
 Adi Pratama K 311810001

tBLAST-X: Membandingkan enam frame translasi sekuen nukleotida dengan enam frame
translasi sekuen protein.

FASTA (prot query vs prot database)

FASTA (nucl query vs nucl database)
TFASTX (prot query vs nucl database)

5. A. Motivasi atau Latar Belakang BLOSUM dan PAM :

• BLOSUM
➢ Henikoff memperkenalkan metode ini dengan hasil peningkatan dalam sequence
alignment dan pencarian menggunakan query dari masing – masing grup protein
karena kegunaan matrix Dayhoff PAM semakin menurun karena syarat similarity
saat proses sequence alignment dengan similarity lebih dari 85%.
• PAM
➢ Penerimaan poin mutasi sangat bergantung pada asam amino yang digantikan dan
asam amino yang pengganti. Sehingga, matrix PAM dibuat untuk menghitung
berbagai tingkat penerimaan poin mutasi saat melakukan evaluasi protein similarity
saat proses alignment

B. Rumus BLOSUM :

Rumus PAM :

C. Jenis/varian BLOSUM dan PAM :

i. BLOSUM :
1. BLOSUM45
2. BLOSUM50
3. BLOSUM62
4. BLOSUM80
5. BLOSUM90
ii. PAM :
1. PAM100
2. PAM120
3. PAM160
4. PAM200
5. PAM250

D. Persamaan dan Perbedaan

i. Persamaan :
1. BLOSUM :
 Adi Pratama K 311810001

a. Untuk membandingkan sequence yang berelasi dekat, matrix BLOSUM

dengan angka yang lebih tinggi dibuat.
b. Untuk membandingkan protein yang berelasi jauh, matrix BLOSUM
dengan angka yang lebih rendah dibuat.
2. PAM :
a. Untuk membandingkan sequence yang berelasi dekat, matrix PAM dengan
angka yang lebih rendah dibuat.
b. Untuk membandingkan protein yang berelasi jauh, matrix PAM dengan
angka yang lebih tinggi dibuat.
ii. Perbedaan :
1. BLOSUM :
a. Berdasarkan pada local alignment.
b. BLOSUM62 adalah matrix yang dihitung dari perbandingan sequence
dengan identitas tidak lebih dari 62%.
c. Berdasarkan observed alignments, tidak diekstrapolasi dari perbandingan
protein yang berkerabat dekat.
d. Angka yang besar dalam skema penamaan matrix menunjukkan kemiripan
sequence yang lebih tinggi dan jarak evolusi yang lebih kecil.
2. PAM :
a. Berdasarkan pada global alignment dari protein yang berelasi dekat.
b. PAM1 adalah matrix yang dihitung dari perbandingan sequence dengan
tidak lebih dari 1% divergensi tetapi sesuai dengan 99% identitas sequence.
c. PAM matrix yang lain diekstrapolasi dari PAM1.
d. Angka yang lebih besar dalam skema penamaan matrix menunjukkan jarak
evolusi yang lebih besar.