Principaux alignements multiples

Transcription

1 Principaux alignements multiples

2 From: Methods in Molecular Biology, vol. 484: Functional Proteomics: Methods and Protocols (Do and Katoh)

3 Table 1 MSA Programs Tool CLUSTALW DIALIGN MAFFT MUMMALS MUSCLE PRALINE PRIME ProbAlign PROBCONS ProDA PROMALS SPEM T-Coffee, M-Coffee, 3D-Coffee URL

4 The Author Published by Oxford University Press on behalf of the Society for Molecular Biology and Evolution. All rights reserved. For permissions, please Summary view of alignments of highly similar sequences containing gaps (dashes) at overlapping positions. Golubchik T et al. Mol Biol Evol 2007;24:

5 The Author Published by Oxford University Press on behalf of the Society for Molecular Biology and Evolution. All rights reserved. For permissions, please Summary view of alignments of highly similar sequences (boxes) containing deletions (horizontal lines) at nonoverlapping positions. Golubchik T et al. Mol Biol Evol 2007;24:

6 C. Notredame

7 Familles, domaines, motifs domaine protéique : unité structurale (et fonctionnelle) indépendante, évolutivement conservée (doigt de zinc, boucle,...) motifs protéiques : plus courts site de modification post-traductionnelle site de liaison (ADN, métal,...) site actif d'enzyme famille protéique : ensemble de protéines évolutivement reliées un ou plusieurs domaines protéiques communs

8 Familles, domaines, motifs domaine protéique : unité structurale (et fonctionnelle) indépendante, évolutivement conservée (doigt de zinc, boucle,...) motifs protéiques : plus courts site de modification post-traductionnelle site de liaison (ADN, métal,...) site actif d'enzyme Profil, HMM Consenus Pattern Matrice poids famille protéique : ensemble de protéines évolutivement reliées un ou plusieurs domaines protéiques communs

9 Alignement multiple => pattern GHEGVGKVVKLGAGA GHEKKGYFEDRGPSA GHEGYGGRSRGGGYS GHEFEGPKGCGALYI GHELRGTTFMPALEC GHE--G GHE--G-----G--- consensus à 100% consensus à 60% GHE-x(2)-G-x(5)-[GA] Pattern ou signature (Prosite) - Le consensus est très simpliste/restrictif - Pattern + souple mais pas de poids relatif des résidus

10 Alignement multiple => pattern - Facile et rapide à implémenter - Modèle indel simple - Beaucoup de FP sur les petits patterns - Grands patterns difficiles à produire - Pas prédictifs => retrouve à l identique des séq. apprentissage - Pas de score Pour les faire : Consensus PRATT Pour les utiliser : ScanPROSITE Fuzznuc (EMBOSS) Fuzzpro Fuzztran Recherche d expression régulière (PERL )

11 Pattern [FY]-[LIVMK]-{I}-{Q}-H-P-[GA]-G

12

13 Alignement multiple => PSSM GHEGVGKVVKLGAGA GHEKKGYFEDRGPSA GHEGYGGRSRGGGYS GHEFEGPKGCGALYI GHELRGTTFMPALEC

14 Alignement multiple => PSSM GHEGVGKVVKLGAGA GHEKKGYFEDRGPSA GHEGYGGRSRGGGYS GHEFEGPKGCGALYI GHELRGTTFMPALEC Pseudo-counts

15 Alignement multiple => PSSM Score b, i = log f p ' b, i b, i

16 Utilisation d une PSSM => identification d un motif -Facile et rapide à implémenter -Pas d indel possible -Retourne un score => régions courtes (taille fixe), variables

17 Profils généralisés - possibilité d événement d insertion/délétion => 1 colonne en plus - prise en compte de la similarité entre acide aminé => poids dérivés des matrices de substitution (BLOSUM, PAM) Profil ij = 20 k = 1 f ik M ( j, k) M f ik ( j, k) Fréquence du k ième l'acide amine à la position i Score de substitution entre les acides aminés j et k

18 Profile (PROSITE) Profil ij = 20 k = 1 f ik M ( j, k) M(j,k) score de substitution de l a.a. k par j (matrice PAM, BLOSUM )

19 Profils HMM HMM = Hidden Markov Model

20

21

22 Algorithme de Viterbi (DP)

23 PFtools : méthode des profils Prosite pfscan, pfsearch HMMer hmmbuild : construit une HMM hmmalign : compare une séquence à un modèle HMM hmmpfam : compare une séquence à une base de HMMs hmmsearch : compare une HMM à une banque de séquences hmmemit : génère une séquence basée sur HMM

24 Banques d alignements de domaines - ProDom (Psi-BLAST avec Uniprot) - Pfam, SMART : alignements + modèles HMM Banque de signatures protéiques : - PROSITE patterns + matrices

25 ProDom : banque de famille de domaines protéiques Cytochrome B5

26

27

28

29

30 Pfam : sequence search

31 Interpro (Integrated ressource of Protein families, Domains ans Sites

32 Théorie de l information et LOGO

33

34 Evaluation des prédictions (1) VP FP FN VN

35 Evaluation des prédictions (2) Objectif : prédire le maximum d'exemples (max VP) avec un minimum d'erreurs (min FP). on maximise le % de VP (donc minimise le % de FN) Inconvénient : augmentation du %FP = on privilégie la sensiblilité de la méthode on minimise le % de FP Inconvénient : cela conduit à ne pas détecter certaines séquences d'intérêts (donc plus grand %FN) = on privilégie la spécificité VP FN FP VN Sensibilité = VP/(VP+FN) [sensibility] Spécificité = VP/(VP+FP) [specificity ] Précision = (VP+VN)/(VP+VN+FP+FN) [accuracy]

36 Cours Denis Tieffry

37 MEME (algorithme Expecting Maximisation) MEME - implements EM for motif discovery in DNA and proteins MAST search sequences for motifs given a model

38 Programmes Sites web Références RSA-tools (van Helden et al., 2000a) SMILE (Marsan and Sagot, 2000) R MES (Schbath, 1997) MEME (Bailey and Elkan, 1995) CONSENSUS (Hertz and Stormo, 1999) Gibbs sampling (Lawrence et al., 1993) (Neuwald et al., 1995) Motif Sampler Improbizer (Thijs et al., 2001a) (Thijs et al., 2001b) BioProspector (Liu et al., 2001)