Recherche de similarités dans les séquences génomiques

Comparaison deux à deux

Dot plot Vous allez utiliser le programme dotlet. Il faut commencer par entrer les séquences avec lesquelles vous allez travailler, sans l'entete FASTA (bouton input). Le copier-coller se fait avec CTRL c CTRL v. La construction du dot plot se fait ensuite avec compute. Une fois le dot plot affiché, vous pouvez vous déplacer dedans à l'aide de la souris.

Alignement deux à deux
alignement global : Needle (algorithme de Needleman&Wunsh)

• à la Génopole de Lille,
• à l'Institut Pasteur,
• à l'EBI.

alignement local : Water (algorithme de Smith & Waterman)

• à la Génopole de Lille,
• à l'Institut Pasteur,
• à l'EBI.

Pour les sites de la Génopole et de l'Institut Pasteur, veillez à bien remplir le champ E-mail : comme ce champ n'est pas utile pour les programmes de cette séance, tapez n'importe quoi (a, xxxx, bécassine, tarzan,...). Le résultat de l'alignement est ensuite disponible dans outfile.out.

Séquence nucléique / séquence protéique

• Dot plot: construisez le dot plot des séquences ADN (pl6_human.adn et pl6_mouse.adn), puis le dot plot des séquences protéiques (pl6_human.seq et pl6_mouse.seq). Pour les séquences protéiques, testez différentes matrices de score.

  Sur quel type de séquence la similarité est-elle la plus visible ?

• Alignement: comparez maintenant les séquences, nucléiques puis protéiques, avec l'algorithme d'alignement global.

Blast versus alignement

Introns / exons

• Les fichiers xlactcag.seq et xlacacr.seq contiennent le gène de l'actine chez Xenopus laevis et la seconde l'ADNc de ce même gène. D'après vous, à quoi va ressembler le dot plot ?

• Vérifiez en faisant un dot plot de ces séquences. Combien il y a-t-il d'introns ? Vous pouvez repérer exactement les positions des sites d'épissage, avec l'algorithme d'alignement global. Vérifiez avec les annotations portées dans EMBL à l'aide de SRS, par exemple. Les numéros d'accès sont indiqués dans l'entête FASTA de la séquence.

Conservation de domaine

• Faites un alignement global des deux séquences. Qu'en pensez-vous ?

• Construisez le dot plot de ces deux séquences. Vous devez observer une similitude locale: c'est un domaine actif caractéristique des kinases. Localiser précisément ce domaine en vous aidant de l'alignment tool. Pour en savoir plus sur ce domaine, vous pouvez consulter la documentation de la banque de données Prosite PDOC00100. Prosite est une banque de motifs protéiques.

• Comparez ensuite les deux séquences avec un alignement local. Vous devez retrouver le même résultat.

Analyse d'une séquence

• Localisation de répétitions : analysez avec le dot plot la séquence de rétrotransposon de tabac contenue dans le fichier ben2.adn. Combien il y a-t-il de répétitions significatives ? En utilisant la fenêtre alignment tool, repérer exactement leur position.

• Faible complexité : c'est la séquence contenue dans le fichier falciparum.seq. Vous devez observer quatre taches. A quoi chacune correspond-elle ?

Alignement multiple

Définition et recherche de motifs

Faites maintenant un alignement multiple des séquences avec Clustalx.

Vous devez voir apparaitre un motif approché commun, avec des positions parfaitement conservées.

Modéliser ce motif sous la forme d'une expression Prosite simple . La syntaxe pour la description du motif est la suivante:

- Tous les éléments de l'expression sont séparés par des tirets -.
- Le joker est la lettre X.
- On peut préciser le nombre d'occurrences avec des parentheses X(5) ou D(2,4).
- Le choix entre plusieurs acides aminés possibles se note avec des crochets [AP].

Le programme ScanProsite permet de localiser dans la banque Swissprot toutes les séquences contenant un motif spécifié par une expression de ce type. Utilisez ScanProsite pour rechercher dans Swissprot les séquences contenant votre motif. Sauvegardez-en au moins une.

En fait, le travail que vous venez de faire manuellement aurait pu être facilité par l'utilisation de programmes spécialisés dans la gestion de motifs biologiques, avec Prosite. L'analyse d'une séquence se fait avec le programme ProfileScan. Lancez-le sur une des séquences que vous aviez sauvegardées. Vous devez trouver le domaine CDP_ALCOHOL_P_TRANSF. En suivant le lien documentation, on obtient la description du motif utilisé par Prosite qui caractérise CDP_ALCOHOL_P_TRANSF. Comparez avec votre motif !

Comparaison des méthodes d'alignement

• Faites un alignement multiple des séquences contenues dans le fichier idy.seq avec Clustalx, puis avec Dialign2 et comparez les résultats.

  Pensez-vous qu'il est raisonnable de faire une confiance aveugle aux programmes d'alignement ? Lequel des deux alignements multiples vous semble-t-il le plus satisfaisant ? Pour cela, vous pouvez étudier les annotations de ces séquences, en faisant une recherche dans SRS a partir de leur numeros d'identification, ou en faisant des dot plots.

• Faites maintenant deux alignements multiples des séquences de kinase.seq, toujours avec Clustalx et Dialign2.

  Cette fois, lequel des deux alignements vous semble-t-il le plus pertinent ? Pourquoi ?