Alignement multiple de séquences Alignement de séquences Un ensemble de séquences similaires peuvent être soumis à un alignement multiple. Alignement multiple de séquences On voudrait comparer toutes les séquences entre entre elles simultanément Alignement multiple de séquences
Pourquoi le W est-il conservé dans toutes ces séquences?
Est il Necessaire/indispensable pour la fonction
de cette famille de protéines? Exemple: Site actif Alignement multiple
Part of a (artificial) multiple alignment of a family consisting of 7
sequences, which subdivide into 3 subfamilies. The bars on the left indicate subfamilies; the dotted boxes highlight conservation patterns. Alignement multiple
• Alignement multiple des séquences des
insulines de différentes espèces But de l’alignement multiple Un alignement d’un ensemble de séquences révèle des aspects que l’on ne pouvait pas visualiser en comparant 2 séquences:
1.Trouver des caractéristiques communes à une famille
de protéines.
2. l'identification rapide des sites fonctionnels importants
dont la conservation est requise pour la fonction.
3. Prédiction de structure 3D des protéines.
4. Recherche d'amorces de PCR et de sondes spécifiques.
L'identification des résidus conservés est nécessaire pour dessiner des amorces de PCR pour amplifier le gène dans une nouvelle espèce.
5. Construire l’arbre phylogénétique des séquences homologues
considérées. Structure modulaire des protéines Les protéines sont composées de domaines fonctionnels Exemple de structure modulaire des protéines: les activateurs et represseurs • Chez les procaryotes et eucaryotes les activateurs transcriptionels et represseurs sont des protéines modulaires, composées de domaines fonctionnels separés: – Domaine de liaison avec l’ADN – Domaine d’activation/repression: reagit avec les effecteurs, d’autres protéines ou d’autres sous-unités de la même protéine. Domaines, motifs et famille proteiques Domaine protéique: unite structurale et fonctionnelle indépendante, évolutivement conservée Motif protéique: plus courts - site de modification post-traductionnelle - site de liaison (ADN, metal,…) - site actif d’enzyme Famille proteique: ensemble de proteines evolutivement reliées; un ou plusieurs domaines proteiques communs
CSVTCG Motif Types de motifs
comment décrire un motif dans une séquence
biologique?
motif nucléique: site de fixation de facteur de transcription…
motif protéique: domaine, site actif, ... Exemple de motif: Motifs in DNA Exemple de motif: Motifs in RNA Site d’epissage (splicing sites)
Human RNA- splice junctions sequence matrix
http://www-lmmb.ncifcrf.gov/~toms/sequencelogo.html Exemple de motif: Motifs in proteines Motif Representation
Consensus CTTAATATTAACTTAAT
Regular expression CTTAAKRTTMAYTTAAT
PSSM (motif logo)
Representation des motifs protéiques Representation des motifs protéiques 2- Expression régulière Representation des motifs protéiques 3- LOGO Recherche de domaines/motifs dans les bases de données Sequence: MIRAAPPPLFLLLLLLLLLVSWASRGEAAPDQDEIQRLPGLAKQPSFRQYSGYLKSSGSKHLHYWFVESQKDPE NSPVVLWLNGGPGCSSLDGLLTEHGPFLVQPDGVTLEYNPYSWNLIANVLYLESPAGVGFSYSDDKFYATNDTE VAQSNFEALQDFFRLFPEYKNNKL...
Computational Query secondary
sequence analysis databases over the Internet
Bases de donnees de domaines/motifs proteiques
PROSITE http://www.expasy.org/prosite/
Database of protein families and domains
Base de données: Prosite
http://www.expasy.org/prosite/
Sequence requête Resultats de Prosite Base de données: Pfam (Protein Families) www.sanger.ac.uk/Pfam Pfam
• Plus sophistiqué Source des domaines Pfam: Alignement Etude d’une protéine par Pfam
Numero d’accession
Ou:
Sequence (format FASTA) Resultats: Pfam Resultats: Pfam Codes graphiques Pfam Fiche d’un domaine Pfam Autres bases de données de Domaines/Motifs • PRINTS: http://www.bioinf.man.ac.uk/dbbrowser/PRINTS/; a collection of protein fingerprints (conserved motifs, ungapped alignments), which may be used to assign new sequences to known protein families. • Blocks: http://blocks.fhcrc.org/; consists of short ungapped alignments corresponding to the most highly conserved regions of proteins. • ProDom: http://www.toulouse.inra.fr/prodom.html; contains domain families automatically generated from the SWISS-PROT and TrEMBL (Pfam-B). • SMART: Simple Modular Architecture Research Tool; available at http://smart.embl-heidelberg.de/; contains domain families that are widely represented among nuclear, signaling and extracellular proteins. • TIGRFAMs: http://www.tigr.org/TIGRFAMs; is a collection of manually curated protein families of hidden Markov models; contains models of full-length proteins and shorter protein regions. Une pour toutes: Banque de données InterPro http://www.ebi.ac.uk/interpro/ InterPro
- InterPro regroupe un grand nombre de bases de données
- InterPro permet d’interroger ces bases de données simultanément Contenu InterPro Fiche InterPro Outil d’alignement multiple des sequences:
ClustalW
http://www2.ebi.ac.uk/clustalw/ Outil d’alignement multiple des sequences: ClustalW
• Le programme ClustalW permet d'établir
l'alignement multiple de sequences nucléiques ou protéiques (personnelles ou de banques).
• Il détermine le meilleur alignement de l'ensemble
des séquences et les disposent de manière à distinguer les identités, similitudes et différences. • Il propose en outre de générer l'arbre phylogénétique à partir d'un alignement donné Outil d’alignement multiple ClustalW
Alignement global (tous contre tous)
Outil d’alignement multiple des sequences: CLUSTALW
Entrée: un ensemble de séquences
Sortie: un tableau contenant l’alignement
Comment trouver une famille de sequences?
1- Blast Comment trouver une famille de sequences?
2-Telecharcher à partir des bases de données
(ENTREZ) Un ensemble de sequences sous FASTA format Beware of aligning apples and oranges [and grapefruit]! Attention: Ne pas comparer pommes et oranges! ClustalW
http://www2.ebi.ac.uk/clustalw/ ClustalW Resultats de ClustalW
