Vous devez sauver vos réponses dans un fichier texte que vous publierez sur le site du cours (cf. exercice 7). Envoyez moi un mail à zucker at free.fr votre nom et votre groupe afin que je vous cree un compte. Mettez dans le sujet du mail M1S1 sinon je ne lis pas...
Exercice 0 Distance entre 2 séquences
Essayer le programme BABA
Quelques rappels sur les séquences là.
Exercice 1 Comparaison de 2 séquences par DOTPLOT (nuage de point) |
Attention: la séquence doit etre au format BRUT! cggcgccgcgagcttctcctctcctcacgaccgaggcagagcagtcattatggcgaacct Attention: la séquence doit etre au format BRUT!: >SWISSPROT:P04156 HUMAN MAJOR PRION PROTEIN PRECURSOR (PRP) MANLGCWMLVLFVATWSDLGLCKKRPKPGGWNTGGSRYPGQGSPGGNRYPPQGGGGWGQPHGGGWGQPHG GGWGQPHGGGWGQPHGGGWGQGGGTHSQWNKPSKPKTNMKHMAGAAAAGAVVGGLGGYMLGSAMSRPIIH FGSDYEDRYYRENMHRYPNQVYYRPMDEYSNQNNFVHDCVNITIKQHTVTTTTKGENFTETDVKMMERVV EQMCITQYERESQAYYQRGSSMVLFSSPPVILLISFLIFLIVG |
Etant donné les differents parametres de modélisation de l'évolution, tels la matrice de substitution et les pénalités d'INDEL, la programmation dynamique (par exemple l'algorithme de Needleman & Wunsch) permet de calculer automatiquement l'alignement global optimal entre deux séquences.
Exercice 2 Alignement global de 2 séquences |
|
Objectif: Trouver dans une banque de séquences celles qui ressemblent le plus à ma séquence (sonde)
Un alignement global optimal entre une séquence sonde et chaque séquence des banques de données prendrait des semaines a compléter (10 784 693 017 nucléotides dans 9 715 647 fiches de séquences dans GENBANK/EMBL au 02/12/2000). Les logiciels de recherche de similarité de séquence tels que BLAST ou FASTA utilisent des approches heuristiques pour accelérer le calcul.
Exercice 3 Recherche dans les banques par similitude de séquence |
|
Jeudi 14-18h: Alignements Multiples & Domaines Conservés |
Objectif: Aligner ensemble une famille de séquences pour faire resortir les régions conservées
En appliquant les memes principes que pour l'alignement 2 à 2, on peut aligner entre elles un grand nombre de séquences. Le plus souvent les programmes d'alignement multiple procedent progressivement en effectuant des alignements 2 à 2 successifs.
Exercice 4 Alignement multiple de séquences |
|
Objectif: Comparer une protéine à une banque de signatures fonctionnelles
Grace à des alignements de protéines d'une même famille, des signatures spécifiques à ces familles peuvent être génerées. Celles-ci peuvent être reprérsentées sous la forme de motifs consensus ou de profiles matriciels, ou encore par des modèles statistiques plus performants (Modèles de Markov Cachés).
Note importante sur les prédictions... |
Ces outils font des prédictions,
et en tant que tels sont faillibles!
Ces outils sont généralement entrainés sur un jeu d'apprentissage de séquences connues, puis testés sur un deuxieme jeu de calibrage de séquences aux caractéristiques également connues. Ceci permet de mesurer les différents taux suivants: VP = vrais positifs, VN = vrais négatifs A partir de ces taux, on peut en déduire les caractéristiques de prédiction suivantes: sensibilité = VP / (VP+FN) spécificité = VP / (VP+FP) L'optimisation de l'un de ces deux parametres entraine généralement la diminution de l'autre. En bioinformatique, on aura tendance à règler les logiciels de prédiction pour une sensibilté maximale (afin de minimiser les faux positifs), même si ceci a souvent pour conséquence de faire surprédire les logiciels (diminution de la spécificité). |
L'alignement de deux séquences similaires permet d'observer leur degré d'apparentée (homologues) ainsi que de définir les régions conservées au cours de l'évolution (divergence d'une séquence ancestrale commune ou, plus rarement, convergence de deux séquences indépendantes). On sépare habituellement les homologies entre protéines en deux groupes:
Un alignement devra mettre en évidence les:
Pour en savoir plus, voir le tutoriel d'Infobiogen sur les similarités de séquences..
.
Les matrices de substitution | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Exemple des matrices PAM (Point Accepted Mutation) Ces matrices ont été crées par Magaret Dayhoff et al. et sont basées sur l'établissement empirique du taux des substitutions d'acides aminés observées dans 71 familles de protéines très semblables (environ 1300 séquences). Dans ces matrices, une valeur faible de remplacement (par exemple le remplacement d'un tryptophane par une cystéine) signifie que ce remplacement est facile est donc correspondra à une région de faible homologie. Au contraire, une valeur forte correspond à un point d'ancrage donc à une région de forte homologie. Les calculs initiaux ont conduit à la création de la matrice PAM1. Cette matrice donne les scores de similiarité obtenus si on avait 1 mutation pour une séquence de 100 acides aminés. Ceci correspond à un très faible taux de changement et les séquences doivent être presque identiques pour pouvoir utiliser cette matrice de scores. Pour effectuer des recherches dans les banques de données ou aligner des séquences plus éloignées, il faut mieux utiliser une matrice de similarité qui permette de prendre en compte des mutations moins évidentes. Ces matrices sont obtenues en multipliant la matrice PAM1 par elle même. Ainsi la matrice PAM250 autorise 250 mutations pour une séquence de 100 acides aminés : du fait des mutations silencieuses (synonymes) et des mutations reverses, cela correspond à environ 20% d'identité.
Dayhoff, MO, Schwartz, RM, Orcutt, BC (1978) A model of evolutionary change in proteins, matrixes for detecting distant relationships. In Dayhoff, MO (ed.), Atlas of protein sequence and structure, Vol 5, pp. 345-358. National Biomedical Research Foundation, Washington, DC.
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Quelle matrice utiliser?
Il existe donc différentes matrices de scores destinées à aider le biologiste dans ces analyses. L'efficacité de ces matrices dépend du type d'expériences et des résultats utilisés pour l'alignement, et bien que de nombreuses études comparatives aient été menées, il n'y a pas de matrice idéale mais il ressort de ces études que les matrices plutôt basées sur les comparaisons de séquences (Gonnet, BLOSSUM) ou sur les structures 3D donnent le plus souvent de meilleurs résultats que celles basées principalement sur le modèle de Dayhoff. Les matrices BLOSUM élevées et les matrices PAM faibles permettent de comparer des séquences relativement proches et courtes tandis que pour comparer des séquences plus divergentes et plus longues, il vaut mieux utiliser des BLOSUM plus faibles (ou des PAM plus élevées).
Pour tous les logiciels qui utilisent l'alignement de séquences, la matrice BLOSUM62 est souvent un judicieux premier choix! |
Trois serveurs bioinformatiques dédiés aux banques de données biologiques: