Responder às seguintes perguntas e tirar suas conclusões:

1) Quantas e quais são as posições em que há mutação (substituição
no alinhamento ótimo com a sequência de referência) na cepa
brasileira? (# 56/108, id MT126808)

2) Quantas delas estão presentes no grupo de características
compatíveis selecionadas na segunda fase do projeto e
quantas não?

3) Há incompatibilidades entre as características/posições da
cepa brasileira? Se houver, desenhe o grafo de
incompatibilidades entre as características que apresentam
alguma incompatibilidade. (Uma aresta ligando duas
características indica que elas são incompatíveis entre
si.)

4) Para cada posição de uma característica incompatível da
cepa brasileira, cuja informação foi ignorada na elaboração
da filogenia obtida, listar que outras cepas de que outros
países apresentam a mesma mutação. Existe algum padrão
geográfico observável? Considere a representabilidade de
cada país no conjunto das cepas observadas; compare as
probabilidades de se ter o país em questão dado que sejam
satisfeitas as seguintes condições: a cepa pertence ao
conjunto de todas as cepas; a cepa pertence ao conjunto das
cepas que apresentam a característica incompatível em
questão.

O programa fornecido MutacoesDeAminoacidos.py processa o
arquivo de mutações mutacoes108.txt e verifica se cada
mutação se encontra em região codificante ou não. As
regiões codificantes são os ORFs (Open Reading Frames)
estudados e anotados na sequência de referência. Caso
pertença a uma região codificante, o programa também
calcula o códon a que pertence a posição em que ocorre a
mutação, bem como o aminoácido codificado. Isto é feito
diretamente, no caso da sequência de referência, e requer
que se calcule em que posição do códon ocorreu a
mutação. As mutações silenciosas são mais fáceis de serem
aceitas e costumam ocorrer na posição 2 do códon, enquanto
que mutações ocorridas nas posições 0 ou 1 costumam
produzir alteração no aminoácido. Como quase não há
operações de inserção e remoção nas regiões codificantes, e
quando há ocorrem em múltiplos de três, a mutação
correspondente na outra sequência, também mencionada como
sequência alvo (target), deve se dar na mesma posição no
códon correspondente. Decodificados os aminoácidos
associados aos referidos códons nas sequências de
referência e alvo, o programa contabiliza a mutação nos
contadores de frequências de mutações de aminoácidos
associados ao par de amoniácidos em questão. Além de listar
estas informações relativas a cada substituição, o programa
lista ao final toda a tabela de contadores. No caso de
sequências similares, a matriz PAM normalmente recomendada
é a PAM-30, de modo que sua pontuação para o par de
aminoácidos em questão também é exibida nesta listagem. Tal
como observado na seção 3.5.1, o cálculo das matrizes PAM
faz uso de frequências f_{ab} em seus cálculos. No
programa, as frequências relativas a todas as substituições
presentes no arquivo mutacoes108.txt são armazenadas no
dicionário Freq. Já o dicionário FreqPos registra quais são
as posições envolvidas, de modo que a cardinalidade do
conjunto de posições funciona como um contador da
frequência de eventos de mutações.

5) Seja A o conjunto dos pares de aminoácidos distintos com
pontuação estritamente positiva na matriz PAM-30, e seja m
o número destes pares. A grosso modo, estes pares de
aminoácidos participam mais frequentemente de substituições
que os outros pares. Considere o conjunto C formado pelos m
pares de aminoácidos mais frequentes na lista de posições
com mutações (segundo contadores dados pela cardinalidade
de FreqPos[ par ]). Liste os conjuntos A e C, compare-os, e
comente. (Além da própria função ListaConjunto fornecida,
ajuda nesta comparação o cálculo do índice de Jaccard entre
A e C.) Busque explicação a qualquer discrepância
observada.