Comment aligner deux séquences d’ADN ou de protéine

Ce que fait un alignement

Un alignement place deux séquences de façon que les positions qui correspondent se retrouvent dans la même colonne. Là où une séquence a des bases ou des résidus en plus, on insère des gaps (-) dans l’autre. Le résultat montre où elles concordent, où elles diffèrent et où il y a eu une insertion ou une délétion.

Aligner deux séquences

1. Ouvrez Alignement par paire et choisissez ADN ou protéine.
2. Collez les deux séquences.
3. Lisez l’alignement, avec l’identité, le nombre de gaps et le score en dessous.

Les deux outils alignent les séquences d’un bout à l’autre : c’est un alignement global. Il convient à deux versions d’un même gène ou d’une même protéine. Pour trouver un court fragment dans une longue séquence, une recherche de motif est plus adaptée.

Gaps et scores

Chaque correspondance augmente le score, chaque différence et chaque gap le diminuent. Ouvrir un gap coûte plus cher que d’en allonger un qui existe déjà : c’est la pénalité affine. Elle reflète la biologie, car une insertion de six bases est plus probable que six insertions séparées d’une base. Les alignements de protéines notent les différences avec la matrice BLOSUM62, qui traite les échanges entre acides aminés proches, comme la leucine et l’isoleucine, presque comme des correspondances.

Identité et similarité

L’identité est le pourcentage de positions alignées exactement identiques. La similarité, pour les protéines, compte aussi les positions occupées par des acides aminés chimiquement proches. Deux protéines peuvent être identiques à 40 % et similaires à 60 %. Pour plusieurs séquences déjà alignées, Identité et similarité donne les chiffres pour chaque paire.

Un petit exemple

ACGTTGCA
ACG-TGCA

Il manque un T à la deuxième séquence. Sept des huit colonnes concordent, et le trou montre où une base a été insérée dans l’une ou supprimée dans l’autre.

L’identité dépend du dénominateur

Sept correspondances peuvent s’exprimer en 7 ÷ 8 = 87,5 %, sur toutes les colonnes de l’alignement, ou en 7 ÷ 7 = 100 %, sur la seule séquence la plus courte. Les logiciels ne font pas tous le même choix, donc précisez lequel vous utilisez pour comparer des chiffres.

Problèmes fréquents

• Une séquence courte est étirée par des trous. Un alignement global force les deux séquences à s’aligner d’un bout à l’autre. Pour un fragment situé dans une séquence plus longue, utilisez un alignement local ou une recherche.
• Une lecture de séquençage s’aligne à peine. Elle vient peut-être de l’autre brin. Prenez son complément inverse et alignez de nouveau.
• Des gènes éloignés s’alignent mal en ADN. La protéine change plus lentement que l’ADN, car beaucoup de changements de bases sont silencieux. Traduisez les deux et alignez les protéines.