Cours d’Introduction à la bioinformatique (SSV3U15)
Retour à la page d’accueil du cours
Un alignement par paire indique les régions similaires entre deux séquences biologiques (nucléiques ou peptidiques).
Afin d’aligner au mieux les résidus identiques ou similaires (scores positifs dans les matrices de substitutions), les programmes d’alignement peuvent insérer des espacements (gaps) au sein des séquences alignées. Les gaps sont représentés par des traits d’union "-".
R L A S V E T D M P - - - - - L T L R Q H
T L T S L Q T T L K N L K E M A H L G T HLes gaps peuvent être interprétés selon deux scénarios évolutifs alternatifs:
L’alignement d’une paire de séquences ne permet pas de départager ces deux possibilités. On définit le terme indel (in extenso: insertion ou délétion) pour indiquer cet événement évolutif de nature indéterminé qui est à l’origine du gap.
Au-delà du score brut, on peut dériver une série de scores qui fournissent des informations complémentaires concernant la qualité de l’alignement.
| Longueur de l’alignement | Nombre de colonnes de l’alignement. Attention, la longueur de l’alignement diffère généralement de celle des séquences alignées, pour différente raisons:
|
| Nombre d’identités | Nombre de positions où sont alignés deux résidus identiques |
| Pourcentage d’identités | Nombre d’identités divisé par la longueur totale de l’alignement. |
| Nombre de similarités ("positives") | Nombre de positions de l’alignement caractérisées par un score positif dans la matrice de substitution (identités et substitutions "conservatives"). |
| Pourcentage de similarités | Nombre de similarités divisé par la longueur totale de l’alignement, fois \(100\) |
Retour à la table des matières
Un alignement global recouvre les séquences alignées sur l’ensemble de leur longueur, tandis qu’un alignement local peut se limiter à un fragment de chaque séquence.
L’intérêt de l’alignement global est de révéler les événements évolutifs (délétions, insertions, substitutions) sur l’ensemble de la longueur des séquences d’intérêt. On recourt par exemple aux alignements globaux quand on veut étudier l’évolution d’une famille de protéines dans son ensemble.
Les alignements locaux révèlent les segments conservés entre deux ou plusieurs séquences. On les utilise par exemple pour extraire un domaine conservé à partir d’une famille de séquences homologues.
Retour à la table des matières
BLAST est une méthode de recherche de séquences par similarité qui effectue des alignements locaux entre une séquence requête (query sequence) et chacune des séquences d’une base de données (par exemple UniprotKB, qui recouvre 40 millions de séquences protéiques).
Pour pouvoir effectuer cette tâche énorme dans un temps raisonnable, BLAST se base sur une approche heuristique: les séquences de la base de données sont préalablement indexées dans un "dictionnaire de mots", qui dresse la liste des séquences de la base de données contenant chaque oligomère (oligopeptide pour les bases de données de protéines, oligonucléotides pour les séquences nucléiques) d’une taille donnée.
Quand on lance une recherche, BLAST commence par analyser la séquence requête en dressant la liste des oligomères présents. Il consulte ensuite le dictionnaire pour extraire la liste des séquences de la base de données qui contiennent ces mots, et lance un alignement par paire avec ce sous-ensemble des séquences.
Cette heuristique est plus rapide que les méthodes d’alignement par paire par programmation dynamique (Needleman-Wunsch en alignement global, Smith-Waterman en alignement local), mais elle présente un certain risque de louper des similarités.
BLAST permet non seulement de comparer des séquences de même type (protéine versus protéine, acide nucléique versus acide nucléique), mais également d’effectuer des recherches avec une séquence requête d’un type (peptidiques ou nucléiques) dans une base de donnée de l’autre type. Pour ces recherches croisées, les séquences nucléiques sont traduites dans les 6 cadres de lectures (3 cadres de lecture par brin), et le résultat est analysé avec l’algorithme blastp.
| Requête | Base de données | Outil | Exemples d’applications |
|---|---|---|---|
| séquence peptidique | séquence peptidique | blastp | En partant d’une protéine de fonction connue, collecter les protéines similaires dans la base de données Uniprot afin de constituer la famille de protéine supposées homologues. |
| séquence nucléique | séquence nucléique | blastn | Comparer les séquences d’ARNm aux séquences génomiques. |
| Aligner un ARN d’interférence (ARNi) sur un génome pour détecter ses cibles potentielles. | |||
| séquence nucléique (traduite dans les 6 cadres) | séquence peptidique | blastx | Après avoir séquencé un morceau d’ADN, chercher des fragments potentiellement codants (susceptibles de produire un polypeptide similaire à des protéines connues) dans cette séquence même si on ne connaît pas la position des gènes. |
| séquence peptidique | séquence nucléique (traduite dans les 6 cadres) | tblastn | Identifier une région génomique susceptible de coder pour un homologue d’une protéine d’intérêt. |
| Identifier dans un génome les pseudo-gènes (gènes défectifs, qui peuvent contenir un ou plusieurs codons stop) correspondant à une protéine d’intérêt. | |||
| séquence nucléique (traduite dans les 6 cadres) | séquence nucléique (traduite dans les 6 cadres) | tblastx | A partir d’une séquence d’ADN, identifier des segments de régions codantes ayant une contrepartie dans un génome ou une base de données de référence |
Comment calculer le score brut d’un alignement ?
Pour calculer le score brut (raw score) d’un alignement, on associe à chaque paire de résidus alignés le score correspondant dans la matrice de substitutions.
Dans l’exemple ci-dessous, nous avons calculé le score de l’alignement suivant avec la matrice BLOSUM62.
On applique un traitement particulier pour assigner un score aux gaps: on définit (de façon quelque peu arbitraire) deux pénalités.
On peut dès lors calculer le score brut (raw score) en additionnant, tout au long de l’alignement, des scores d’identité, de substitution, d’ouverture et d’extension de gap.
Enfin, pour faciliter la lecture de l’alignement, on insère entre les deux séquences alignées un ligne de symboles.