Identidad y similitud
Ambas se leen de un alineamiento, columna por columna. El porcentaje de identidad es la proporción de columnas en las que las dos secuencias tienen el mismo residuo. El porcentaje de similitud cuenta además las columnas en las que los residuos difieren pero son químicamente parecidos, como leucina frente a isoleucina o aspartato frente a glutamato. La similitud solo tiene sentido en proteínas; en ADN, el número a usar es la identidad.
El denominador importa
Dos secuencias con 90 columnas idénticas pueden presentarse como un 90 % de identidad sobre un alineamiento de 100 columnas, un 75 % sobre la secuencia más larga de 120 residuos o un 95 % sobre las 95 columnas sin huecos. Las herramientas difieren:
- BLAST divide entre la longitud del alineamiento, huecos incluidos.
- EMBOSS Needle hace lo mismo pero informa de los huecos aparte.
- Algunas herramientas dividen entre la secuencia más corta, lo que infla el número de un fragmento corto que coincide con parte de una proteína larga.
Cuando cites una cifra, di entre qué se dividió y si el alineamiento fue global o local.
Qué residuos son similares
Los grupos de similitud suelen seguir las puntuaciones positivas de la matriz BLOSUM62. Grupos habituales: I, L, V y M; F, Y y W; K, R y H; D y E; N y Q; S y T; A y G. La mayoría de herramientas permiten ver la regla que usan; la herramienta Identidad y similitud de aquí marca por separado las columnas idénticas y las similares.
Qué significan los números
Dos proteínas con más de un 30 % de identidad en toda su longitud son casi siempre homólogas y comparten plegamiento. Entre el 20 y el 30 % está la zona de penumbra, donde un alineamiento puede ser real o azar, y el valor E estadístico de una búsqueda en bases de datos es mejor guía. El ADN diverge más rápido en las posiciones silenciosas, así que dos genes que codifican proteínas casi idénticas pueden ser solo un 70 % idénticos a nivel de ADN.
Calcúlalo
- Alinea las secuencias con Alinear dos proteínas o Alinear dos ADN, o pega un alineamiento que ya tengas.
- Pega las secuencias alineadas en Identidad y similitud. Cuenta las columnas idénticas y similares e informa de ambos porcentajes junto con la longitud del alineamiento.