Upload
diane-deville
View
111
Download
2
Embed Size (px)
Citation preview
Bio-informatique appliquéeConcepts et matrices des substitutions
Emese Meglécz [email protected]
Groupe Bureau Virtuel: AMU_BI4U2_bioinfo
TDs et cours de Jacques van Helden:http://jacques.van-helden.perso.luminy.univmed.fr/bioinformatics_introductory_course/web_course/BI4U2/
Cours basé sur les cours de Céline Brochier-Armanet et Jacques van Helden
• Modèles évolutifs– Mutations, duplications, divergence
– Homologie, orthologie, paralogie, etc …
• Alignements de paires de séquences– Matrices de substitutions
– Dot plots (dottup, dotmatcher)
– Alignement par glissement
– Alignement avec indels• Global (Needleman-Wunsch)• Local (Smith-Waterman)
– Recherche de similarités dans les bases de données (Fasta, BLAST)
• Alignements multiples (ClustalX)• Identification de motifs dans les séquences
Contenu du cours
% Identité « identities »:
Proportion des aa identiques entre les séquences
% Similarité « positives »:
Proportion des aa similaires entre les séquences
Similarité
Identities = 14/26 (54%), Positives = 15/26 (58%),
VCGMWLDGDIAAVDMFTHVEIGDDEVV G W+ GDI MFTH DD EV VAGIWVAGDIRGGPMFTHTAYDDFEV
• % Identité ou similarité maximale:100%
• % Identité entre deux séquences nucléiques aléatoires ?
Similarité
• % Identité ou similarité maximale: 100%
• % Identité entre deux séquences nucléiques aléatoires ?
4 bases => % Identité attendu entre séquences aléatoires: ¼
Similarité
• % Identité ou similarité maximale:100%
• % Identité entre deux séquences protéiques aléatoires ?
Similarité
• % Identité ou similarité maximale: 100%
• % Identité entre deux séquences protéiques aléatoires ?
20 aa => % Identité attendu entre séquences aléatoires: 1/20
Similarité
• La similarité entre deux séquences peut s’interpréter par deux hypothèses alternatives:
– Homologie: la ressemblance s’explique par le fait que les deux séquences divergent d’un ancêtre commun.
– Evolution convergente (analogie): les similarités sont apparues dans les deux séquences de façon indépendante, mais ont été sélectionnées pour la même raison.
Similarité, homologie, analogie
• Deux séquences sont dites homologues si elles possèdent un ancêtre commun
• L’existence d’un ancêtre commun est inférée à partir de la similarité
Événement évolutif (spéciation, duplication)
séquence1 séquence2
Ancêtre commun
Homologie
• L’homologie n’est pas quantifiable– Deux séquences sont homologues (possèdent des caractères
communs parce qu’elles dérivent d’un ancêtre commun) ou elles ne le sont pas.
– Raisonnement binaire
• La similarité est quantifiable– On peut dire de deux séquences qu’elles sont similaires à 50%
ou 75%
30 % d’identité sur une longueur de 100 AA
homologie est probable entre les séquences
Homologie ≠ Similarité
• Deux séquences qui descendent d’un ancêtre commun divergent.• La divergence peut résulter d’une duplication ou d’une spéciation.• Evénements de mutations: substitutions, délétions, insertions.
Duplication et spéciation
a1 a2
divergence
now
time
a
duplication
ancestral sequence
b c
divergence
now
time
a
speciation
ancestral species
• Inférence– Avant d’affirmer que deux séquences sont homologues, nous
devrions pouvoir retracer leur histoire jusqu’à leur ancêtre commun.
– Nous ne pouvons malheureusement pas disposer des séquences des espèces disparues. Il est donc impossible de démontrer formellement l’homologie.
– Cependant, nous pouvons appuyer l’hypothèse d’homologie sur une analyse de la vraisemblance d’un scénario évolutif (taux de mutations, niveaux de similarités).
– L’inférence d’homologie est toujours attachée à un certain risque de faux positifs.
Homologie
La formulation correcte :
• on observe un certain niveau de similarité entre deux séquences (% identité, % similarité).
• Sur cette base, on évalue des scénarios évolutifs: cette similarité peut provenir
– d’une évolution convergente (analogie)– d’une évolution divergente à partir d’un ancêtre commun (homologie)– Similarité due au hasard
• Si la deuxième hypothèse est la plus vraisemblable, on infère que les séquences sont homologues.
Homologie ≠ Similarité
• Convergence ou simple hasard pour de courtes séquences (quelques résidus)
Score = 32.0 bits (68), Expect = 9.5 Identities = 14/26 (54%), Positives = 14/26 (54%), Gaps = 7/26 (26%)
Query 2 VCGMWRDGDI---EMFTH---DD-EV 20 V G W GDI MFTH DD EV Sbjct 304 VAGIWVAGDIRGGPMFTHTAYDDFEV 329
Similarité sans homologie
• Existence de régions de faible complexité (régions riches en quelques aa.,
• Cas de la fibroïne [GSGAGA]n)
…
Similarité sans homologie
• Globine gamma humaine vs myoglobine humaine
GENE ID: 4151 MB | myoglobin [Homo sapiens] (Over 10 PubMed links) Score = 48.5 bits (114), Expect = 6e-06, Identities = 31/121 (26%), Positives = 53/121 (44%), Gaps = 0/121 (0%) Query 26 GETLGRLLVVYPWTQRFFDSFGNLSSASAIMGNPKVKAHGKKVLTSLGDAIKHLDDLKGT 85 GE L RL +P T FD F +L S + + +K HG VLT+LG +K + Sbjct 9 GEVLIRLFKGHPETLEKFDKFKHLKSEDEMKASEDLKKHGATVLTALGGILKKKGHHEAE 68
Query 86 FAQLSELHCDKLHVDPENFKLLGNVLVTVLAIHFGKEFTPEVQASWQKMVTGVASALSSR 145 L++ H K + + + + ++ VL +F + Q + K + ++S Sbjct 69 IKPLAQSHATKHKIPVKYLEFISECIIQVLQSKHPGDFGADAQGAMNKALELFRKDMASN 128
Query 146 Y 146 Y Sbjct 129 Y 129
Homologie sans Similarité
Wajcmana et Kiger, 2002
Homologie sans Similarité
• Analogie: relation entre deux caractères qui se sont développés de
manière convergente à partir d’ancêtres différents. • Homologie: L'homologie est la relation entre les deux caractères qui sont
descendus, le plus souvent avec une divergence, d'un caractère ancestral commun.
• Cenancestor: l'ancêtre commun le plus récent des taxons d’intérêt. MRCA (Most Recent Common Ancestor)
Homologie/analogie
Fitch, W. M. (2000). Homology a personal view on some of the problems. Trends Genet 16, 227-31 .
• Orthologie: paire de gènes homologues dont le dernier ancêtre commun a eu lieu immédiatement avant un événement de spéciation
• La fonction est souvent conservée au cours de l’évolution des orthologues
• A, B et C sont orthologues
Les catégories d’homologies
SeqA SeqB SeqCChat Souris Rat
Myoglobines
Spéciations
• Paralogie: paire de gènes homologues dont le dernier ancêtre commun a eu lieu immédiatement avant un événement de duplication génique
• Les fonctions d’un ou de plusieurs paralogues peuvent changer au cours de l’évolution (spécialisation, nouvelle fonction)
• B et C sont paralogues
• A et C, A et B sont orthologues
SeqA SeqB SeqCInsuline Insuline I Insuline IIChat Souris
Spéciation
Duplication
Les catégories d’homologies
• Xénologie: relation entre les deux gènes homologues dont l'histoire, depuis leur ancêtre commun, implique le transfert du matériel génétique interspécifiques (horizontal)
Espèce A Espèce B
Ancêtre de BAncêtre de A
Les catégories d’homologies
Exercise
• Définissez le type d’homologie/analogies entre chaque paire des gènes.
– P paralogue
– O orthologue
– X xénologue
– A analogue
Orthologues: gènes homologues issus de la spéciationParalogues: gènes homologues issus d'un phénomène de duplicationXénologue: Gène ayant été acquis par transfert horizontal
A1 AB1 B1 B2 C1 C2 C3A1AB1B1B2C1C2C3
Exercise
A1 AB1 B1 B2 C1 C2 C3A1AB1B1 OB2C1 OC2C3
• Définissez le type d’homologie/analogie entre chaque paire des gènes.
– P paralogue
– O orthologue
– X xénologue
– A analogue
Orthologues: gènes homologues issus de la spéciationParalogues: gènes homologues issus d'un phénomène de duplicationXénologue: Gène ayant été acquis par transfert horizontal
Exercise
A1 AB1 B1 B2 C1 C2 C3A1 X O O O O OAB1 X X X X X XB1 O X P O P PB2 O X P P O OC1 O X O P P PC2 O X P O P PC3 O X P O P P
Orthologues: gènes homologues issus de la spéciationParalogues: gènes homologues issus d'un phénomène de duplicationXénologue: Gène ayant été acquis par transfert horizontal
• Définissez le type d’homologie/analogie entre chaque paire des gènes.
– P paralogue
– O orthologue
– X xénologue
– A analogue
Exercise
A1 AB1 B1 B2 C1 C2 C3A1 X O O O O OAB1 X X X X X XB1 O X P O P PB2 O X P P O OC1 O X O P P PC2 O X P O P PC3 O X P O P P
Orthologie peut être une relation 1 à N
A1 [orthologue]-> B1A1 [orthologue]-> B2
L’orthologie est réciproque.A1 <-[orthologue]-> B1
L’orthologie n’est pas transitiveA1 <-[orthologue]-> B1A1 <-[orthologue]-> B2B1 <-[paralogue]-> B2
Exercise
A1 AB1 B1 B2 C1 C2 C3A1 X O O O O OAB1 X X X X X XB1 O X P O P PB2 O X P P O OC1 O X O P P PC2 O X P O P PC3 O X P O P P
A1 AB1 B1 C1 B2 C2 C3
A, B, C représentent les espèces2, 3, 3 les copies des gènes
Spéciation
Duplication
Exercise
A, B, C représentent les espèces1, 2, 3 les copies des gènes
A1 AB1 B1 C1 B2 C2 C3
Spéciation
Duplication
A1 C3 C2 B2 C1 AB1 B1
Les deux arbres sont identiques
Espèce A Espèce B
Seq1 Seq2 Seq3 Seq4
Marquez les spéciations et les duplications sur l’arbre et déterminez le type d’homologie entreSeq1 et Seq2Seq1 et Seq3Seq1 et Seq4Seq2 et Seq3Seq2 et Seq4Seq3 et Seq4
Exercise
Espèce A Espèce B
Seq1 Seq2 Seq3 Seq4
Marquez les spéciations et les duplications sur l’arbre et déterminez le type d’homologie entreSeq1 et Seq2 paraloguesSeq1 et Seq3 orthologuesSeq1 et Seq4 orthologuesSeq2 et Seq3 orthologuesSeq2 et Seq4 orthologuesSeq3 et Seq4 paralogues
Spéciation
Duplications
Exercise
Espèce A Espèce B Espèce A Espèce B
Seq1 Seq2 Seq3 Seq4
Marquez les spéciations et les duplications sur l’arbre et déterminez le type d’homologie entreSeq1 et Seq2Seq1 et Seq3Seq1 et Seq4Seq2 et Seq3Seq2 et Seq4Seq3 et Seq4
Exercise
Espèce A Espèce B Espèce A Espèce B
Seq1 Seq2 Seq3 Seq4
Marquez les spéciations et les duplications sur l’arbre et déterminez le type d’homologie entreSeq1 et Seq2 orthologuesSeq1 et Seq3 paraloguesSeq1 et Seq4 paralogues Seq2 et Seq3 paralogues Seq2 et Seq4 paralogues Seq3 et Seq4 orthologues
Spéciations
Duplication
Exercise
Alignez les séquences suivantes:
Seq1 GTTACGASeq2 GTTGGA
Alignement
Seq1 GTTACGASeq2 GTTGGA
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Alignement 1
Alignement 2
Alignement
Identification des positions homologues dans les séquences nucléotidique ou protéiques
maximiser leurs similarités
AACTGCATTGTAAA-TGCAT-GTA** ***** ***
Alignement de 2 séquencesAlignement par paire:
Alignement multiple:
AACTGCATTGTAAA-TGCAT-GTAAACTCCATTGTAAA-TGAATT-TA** * ** **
Alignement des séquences
A1 B1 A’1 C1 A2 C2 A’2 B2Seq1 Seq2
Alignement global et local
A1 B1 A’1 C1 A2 C2 A’2 B2Seq1 Seq2
Alignement global
A1 B1 A’1 C1
A2 C2 A’2 B2
Seq2
Seq1
Alignement global et local
A1 B1 A’1 C1 A2 C2 A’2 B2Seq1 Seq2
Alignement global Alignement local
A1 B1 A’1 C1
A2 C2 A’2 B2
Seq2
Seq1 A1A2B1B2A’1A’2C1C2
A’1A2
A1A’2
Alignement global et local
Score: valeur numérique de chaque événement
Score de substitution (Y): 0Score d’identité (X): 1Pénalité de gap : -1
A T C G
A X Y Y Y
T Y X Y Y
C Y Y X Y
G Y Y Y X
Matrices des substitutions (matrice des scores)
A T C G
A 1 0 0 0
T 0 1 0 0
C 0 0 1 0
G 0 0 0 1
Pénalité de gap : -1
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Calculez les scores !
Matrices des substitutions
A T C G
A 1 0 0 0
T 0 1 0 0
C 0 0 1 0
G 0 0 0 1
Pénalité de gap : -1
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Score: 5 -1 = 4
Score: 5 -1 = 4
Matrices des substitutions
A T C G
A 5 -4 -4 -4
T -4 5 -4 -4
C -4 -4 5 -4
G -4 -4 -4 5
Pénalité de gap : -10
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Calculez les scores !
Matrices des substitutions
A T C G
A 5 -4 -4 -4
T -4 5 -4 -4
C -4 -4 5 -4
G -4 -4 -4 5
Pénalité de gap : -10
Score: (5 x 5) – (1 x 4) –(1 x 10) = 11
Score: (5 x 5) – (1 x 4) –(1 x 10) = 11
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Matrices des substitutions
Le valeur de score de l’alignement dépend de matrice de score utilisé
A T C G
A 5 -4 -4 -4
T -4 5 -4 -4
C -4 -4 5 -4
G -4 -4 -4 5
Pénalité de gap : -10
Seq1 GTTACGAGTTACGASeq2 GTT-GGAGTT-GGA *** ***** **
Seq1 GTTACGASeq2 GTT-GGA *** **
Calculez les scores et les identités !
Matrices des substitutions
A T C G
A 5 -4 -4 -4
T -4 5 -4 -4
C -4 -4 5 -4
G -4 -4 -4 5
Pénalité de gap : -10
Seq1 GTTACGAGTTACGASeq2 GTT-GGAGTT-GGA *** ***** **
Seq1 GTTACGASeq2 GTT-GGA *** **
Score: (10 x 5) – (2 x 4) –(2 x 10) = 22Identité : 5/7
Score: (5 x 5) – (1 x 4) –(1 x 10) = 11Identité : 5/7
Matrices des substitutions
Le valeur de score de l’alignement dépend de longueur de l’alignement
Le score de l’alignement dépend – Des matrices de substitutions => impossible de comparer des
alignements faits avec des matrices différentes– Longueur de l’alignement
Les scores servent à optimiser un alignement, une matrice de scores et une pénalité des gaps donnés
Matrices des substitutions
A G
C T
A T C G
A X Z Z Y
T Z X Y Z
C Z Y X Z
G Y Z Z X
Score d’identité (X): 1Score de transition (Y): 0,5Score de transversion (Z) : 0Pénalité de gap : -1
Modèle d’évolution: intégration des paramètres venant des observations biologiques
Purines
Pyrimidines
Modèle d’évolutionKimura à deux paramètres
Transition (Y)Transversion (Z)
A G
C T
A T C G
A 1 0 0 0,5
T 0 1 0,5 0
C 0 0,5 1 0
G 0,5 0 0 1
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Pénalité de gap : -1
Calculez les scores !
Modèle d’évolution; Kimura à deux paramètres
A G
C T
A T C G
A 1 0 0 0,5
T 0 1 0,5 0
C 0 0,5 1 0
G 0,5 0 0 1
Seq1 GTTACGASeq2 GTT-GGA *** **
Seq1 GTTACGASeq2 GTTG-GA *** **
Score: 5 - 1+ 0 = 4
Score: 5 - 1+ 0,5 = 4,5
Pénalité de gap : -1
Modèle d’évolution
Alignez les séquences
suivantes et calculez
les scores:
Seq1 GTTGAGGCGTGGAAASeq2 GTTGCGTGGAAA
A T C G
A 1 0 0 0,5
T 0 1 0,5 0
C 0 0,5 1 0
G 0,5 0 0 1
Pénalité de gap : -1
Pénalité des indels
Seq1 GTTGAGGCGTGGAAASeq2 GTT---GCGTGGAAA *** *********
Seq1 GTTGAGGCGTGGAAASeq2 GTT--G-CGTGGAAA *** * ********
Seq1 GTTGAGGCGTGGAAASeq2 GTTG---CGTGGAAA **** ********
Alignement 1(12 x 1) – (3 x 1) = 9
A T C G
A 1 0 0 0,5
T 0 1 0,5 0
C 0 0,5 1 0
G 0,5 0 0 1
Pénalité de gap : -1
Alignement 2(12 x 1) – (3 x 1) = 9
Pénalité des indels
Alignement 3(12 x 1) – (3 x 1) = 9
A T C G
A 1 0 0 0,5
T 0 1 0,5 0
C 0 0,5 1 0
G 0,5 0 0 1
Pénalité d’ouverture de gap : -3
Pénalité d’extension de gap :-1
Calculez les scores !
Pénalité des indels
Seq1 GTTGAGGCGTGGAAASeq2 GTT---GCGTGGAAA *** *********
Seq1 GTTGAGGCGTGGAAASeq2 GTT--G-CGTGGAAA *** * ********
Alignement 1(12x1) – 3 – (3x1) = 6
A T C G
A 1 0 0 0,5
T 0 1 0,5 0
C 0 0,5 1 0
G 0,5 0 0 1
Pénalité d’ouverture de gap : -3
Pénalité d’extension de gap :-1
Alignement 2(12x1) – (2x3) – (3x1) = 3
Pénalité des indels
Seq1 GTTGAGGCGTGGAAASeq2 GTT---GCGTGGAAA *** *********
Seq1 GTTGAGGCGTGGAAASeq2 GTT--G-CGTGGAAA *** * ********
Les mutations sont rares
Choisir l’hypothèse qui implique le moins de changements évolutifs ET
Les changements les plus probables
Alignement
• Généralités:– f (mutations) > f (mutations observées)– f (substitutions) > f (indel) (contre exemple: microsatellites)
– f (transitions) > f (transversion)– Un évènement d’insertion/délétion peut impliquer
plusieurs résidus
Fréquence des mutations observés
Plus difficile à modéliser que celui des nucléotides:
– Un acide aminé peut être remplacé par un autre de différentes façons (code génétique).
• Phe (UUU, UUC) => Leu(UUA, UUG, CUU, CUC, CUA, CUG)
– Le nombre de substitutions requises pour passer d’un acide aminé à un autre diffère.
• Asn (AAU, AAC) => Trp (UGG) 3 mutations; Phe => Leu 1ou 2 mutations
– La probabilité des substitutions au niveau nucléotidique diffère
• P(AAU,Asn|GAU,Asp) > P(AAU,Asn|CAU,His)P(Transition) > P(Transversion)
Évolution des séquences protéiques (1)
– Certaines substitutions peuvent avoir plus ou moins d’effet sur la fonction des protéines.
• Acide aminés polaires, apolaires, basique, acide, STOP
NQ
DE
KR
H
YWF
M
T
SC
A G
I LV
P
PetitOH
Polaire
Hydrophile
NH2
Chargé
NégatifPositif
Aromatique
Hydrophobe
Aliphatique
Évolution des séquences protéiques (2)
Mesure des fréquences de substitution dans des alignements de protéines homologues :
– Matrices basées sur des arbres construits en utilisant le maximum de parcimonie :
• PAM (Dayhoff et al., 1978).• JTT (Jones et al., 1992).
– Matrices basées sur des arbres construits en utilisant le maximum de vraisemblance :
• WAG (Whelan et Goldman, 2001).
– Matrices basées sur des comparaisons par paires utilisant des alignements locaux :
• BLOSUM (Henikoff et Henikoff, 1992).
Modèles d’évolution des séquence protéiques
Construction d’une matrice de substitution• Aligner des séquences
• Compter des occurrences de chaque paire d’aa dans les alignements (y compris les identités)
• Changer les nombres des occurrences en fréquences
VCGMVGVM
V C G M…
V 0,25
C 0 0
G 0,25 0,25 0
M…
0 0 0 0,25
V C G M…
V 1
C 0 0
G 1 1 0
M…
0 0 0 1
Construction d’une matrice de substitution
• Calculer la fréquence de chaque aa.fV= 0,375, fC= 0,125, fG= 0,25, fM= 0,25
• Transformer les fréquences en lod- scores (lod-score = "log-odds" = "log des chances"
VCGMVGVM
ji
jiijji ff
fss ,
2,, log
V C G M…
V 0,8
C NA NA
G 1,4 3 NA
M…
NA NA NA 2
38log25.0125.0
25.0log 22,,
GCCG ss
V C G M…
V 0,25
C 0 0
G 0,25 0,25 0
M…
0 0 0 0,25
Matrice PAM
• Chaque case représente la probabilité de voir ces deux résidus remplacés l'un par l'autre dans un alignement. (matrice lod-score, de "log-odds" ou "log des chances")
• Valeurs négatives => On observe le remplacement moins souvent qu’on pourrait l’attendre par hasard.
• Valeurs positives => On observe le remplacement plus souvent qu’on pourrait l’attendre par hasard.
fij est la fréquence de remplacement du résidu i par jfi et fj sont les fréquences respectives des résidus i et j
ji
jiijji ff
fss ,
2,, log
• PAM (Point Accepted Mutation) :– 71 familles de gènes nucléaires correspondant à 1300
séquences :• Séquences peu divergentes entre elles (identité ≥ 85 % entre
chaque paire possible dans une famille).
– Alignements globaux
• JTT (Jones, Taylor and Thornton) :– Construites à partir de 59 190 mutations ponctuelles observées
dans 16 300 protéines.– Alignements globaux.
Matrices PAM et JTT
•La table est valable pour une certaine distance évolutive, car les fréquences des substitutions dépendent de taux de divergence entre les séquences.
•Margaret Dayhoff a calculé une série de matrices; chacune correspondant à un taux de divergence différent
PAM001 1% substitution per position en moyenne
PAM050 50 % substitution per position en moyenne
PAM250 250% substitution per position en moyenne (note: une position peut muter plusieurs fois)
•La matrice de substitution devrait être choisie en fonction des divergences entre les séquences
Matrice de PAM
Cys C 12Ser S 0 2Thr T -2 1 3Pro P -1 1 0 6Ala A -2 1 1 1 2Gly G -3 1 0 -1 1 5Asn N -4 1 0 -1 0 0 2Asp D -5 0 0 -1 0 1 2 4Glu E -5 0 0 -1 0 0 1 3 4Gln Q -5 -1 -1 0 0 -1 1 2 2 4His H -3 -1 -1 0 -1 -2 2 1 1 3 6Arg R -4 0 -1 0 -2 -3 0 -1 -1 1 2 6Lys K -5 0 0 -1 -1 -2 1 0 0 1 0 3 5Met M -5 -2 -1 -2 -1 -3 -2 -3 -2 -1 -2 0 0 6Ile I -2 -1 0 -2 -1 -3 -2 -2 -2 -2 -2 -2 -2 2 5
Leu L -6 -3 -2 -3 -2 -4 -3 -4 -3 -2 -2 -3 -3 4 2 6Val V -2 -1 0 -1 0 -1 -2 -2 -2 -2 -2 -2 -2 2 4 2 4
Phe F -4 -3 -3 -5 -4 -5 -4 -6 -5 -5 -2 -4 -5 0 1 2 -1 9Tyr Y 0 -3 -3 -5 -3 -5 -2 -4 -4 -4 0 -4 -4 -2 -1 -1 -2 7 10Trp W -8 -2 -5 -6 -6 -7 -4 -7 -7 -5 -3 2 -3 -4 -5 -2 -6 0 0 17
C S T P A G N D E Q H R K M I L V F Y WCys Ser Thr Pro Ala Gly Asn Asp Glu Gln His Arg Lys Met Ile Leu Val Phe Tyr Trp
Hydrophobic C P A G M I L VAromatic H F Y WPolar S T N Q YBasic H R KAcidic D E
Matrice de PAM250
S tryptophane/cystéine = -8S tyrosine/phénylalanine = 7S tryptophane/tryptophane = 17
Matrice de PAM250 (Hinton diagram)
• Carré jaunes => valeurs positives (mutations acceptés)
• Carrés rouges=> valeurs négatives (mutations rares).
• Les tailles de carrés sont proportionnelles aux valeurs absolues des scores
BLOSUM (Blocks Substitution Matrices) :– Utilisation de ~2000 domaines conservés provenant de 500
familles de protéines.– Comparaisons effectuées dans les domaines alignés (banque
BLOCKS).– Matrices créées à partir de domaines comprenant des
séquences ± divergentes :• Toutes les paires ayant servi a construire une matrice BLOSUMk
ont une identité ≥ à k %.
• Matrices plus adaptées pour des protéines distantes du point de vue évolutif.
Matrice de BLOSUM
Matrice de BLOSUM62
• Pas de matrice idéale.– BLOSUM globalement
meilleures que PAM.
• Degré de similarité des séquences.
• Il est recommandé d’expérimenter !
Choix d’une matrice
Score d’un alignement
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 R L A S V E T D M P - - - - - L T L R Q H . | . | : : | . : . go ge ge ge ge . . | . . | T L T S L Q T T L K N L K E M A H L G T HS -1 +4 +0 +4 +1 +2 +5 -1 +2 -1 -10 -1 -1 -1 -1 -1 -2 +4 -2 -1 +8 = 7
Go : Pénalité d’ouverture de gap (-10)Ge: Pénalité d’extension de gap (-1)
• Matrices de substitution– PAM series
• Dayhoff, M. O., Schwartz, R. M. & Orcutt, B. (1978). A model of evolutionary change in proteins. Atlas of Protein Sequence and Structure 5, 345--352.
– BLOSUM substitution matrices• Henikoff, S. & Henikoff, J. G. (1992). Amino acid substitution matrices from
protein blocks. Proc Natl Acad Sci U S A 89, 10915-9.
– Gonnet matrices, built by an iterative procedure• Gonnet, G. H., Cohen, M. A. & Benner, S. A. (1992). Exhaustive matching of
the entire protein sequence database. Science 256, 1443-5. 1.
Références clés pour les matrices de substitutions
Bibliographie
• Tagu et Riesler: Bio-informatique. Principes d’utilisation des outils, 2010, Editions Quae (Code BU: 570.11 BIO)
• W. Mount. Bioinformatics: Sequence and Genome Analysis. (2004) pp. 692. http://www.bioinformaticsonline.org/ (Code BU: 572.86 MOU)
• Perrière et Brochier-Armanet: Concepts et méthodes en phylogénie moléculaire, 2010, Springer (BU:570.11 PER)
Cours basée sur les cours de Céline Brochier-Armanet et Jacques van Helden