Alineament de seqüències

Introducció#

La forma més fiable de determinar l’estructura o funció d’una molècula biològica és mitjançant l’experimentació directa. No obstant això, és molt més fàcil obtenir la seqüència d’ADN del gen corresponent a un ARN o una proteïna, que determinar experimentalment la seva funció o estructura.

Per tant, part del repte és simplement organitzar, classificar i analitzar la immensa riquesa de dades de seqüències, i desenvolupar mètodes computacionals que puguin inferir informació biològica només a partir de la seqüència.

Seqüències#

Les noves seqüències s’adapten a partir de seqüències preexistents en lloc d’inventar-se de zero, la qual cosa ens permet analitzar les seqüències de forma computacional per reconèixer una similitud significativa entre una seqüència nova i una seqüència sobre la qual ja se sap alguna cosa.

Quan fem això podem transferir informació sobre l’estructura i/o la funció a la nova seqüència. Diem que les dues seqüències relacionades són homòlogues i que estem transferint informació per homologia.

Dues seqüències són homòlogues si es deriven d’una seqüència comuna, és a dir, tenen un ancestre comú.

L’homologia no és quantificable, les seqüències són o no són homòlogues.

Per tant, una de les preguntes més bàsiques sobre un gen o proteïna és si està relacionat amb algun altre gen o proteïna:

• La relació de dues proteïnes a nivell de seqüència suggereix que són homòlogues.

• La relació també suggereix que poden tenir funcions comunes.

Mitjançant l’anàlisi de moltes seqüències d’ADN i proteïnes, és possible identificar dominis o motius que es comparteixen entre un grup de molècules.

Aquestes anàlisis de la relació de proteïnes i gens s’aconsegueixen alineant seqüències.

La majoria dels problemes en l’anàlisi de seqüències computacionals són essencialment estadístics. Les forces evolutives estocàstiques actuen sobre els genomes. Discernir similituds significatives entre seqüències antigament divergents enmig d’un caos de mutació aleatòria, selecció natural i deriva genètica presenta seriosos problemes de senyal al soroll. Molts dels mètodes d’anàlisi més potents disponibles utilitzen la teoria de la probabilitat.

Alineament de proteïnes#

A l’hora de comparar proteïnes, podem comparar la seqüència d’aminoàcids que la componen, o comparar els gens que codifiquen la seqüència d’aminoàcids.

Les seqüències d’aminoàcids són més informatives perquè:

• Molts canvis en una seqüència d’ADN (especialment en la tercera posició d’un codó) no canvien l’aminoàcid que s’especifica.

• Molts aminoàcids comparteixen propietats biofísiques relacionades (per exemple, la lisina i l’arginina són ambdós aminoàcids bàsics).

El resultat és que les comparacions de seqüències de proteïnes poden identificar seqüències homòlogues mentre que les comparacions de seqüències d’ADN corresponents no poden.

Per tant, quan s’analitza una seqüència de codificació de nucleòtids sovint és preferible estudiar la seva proteïna traduïda.

A Blast veurem que podem moure’ns fàcilment entre els mons de l’ADN i les proteïnes.

Per exemple, l’eina TBLASTN del lloc web NCBI BLAST permet cercar proteïnes relacionades derivades d’una base de dades d’ADN amb una seqüència de proteïnes.

Aquesta opció de consulta s’aconsegueix traduint cada seqüència d’ADN a les sis proteïnes que potencialment codifica.

No obstant això, tot el que hem explicat fins ara, en molts casos és adequat comparar seqüències d’ADN.

Aquesta comparació pot ser important per confirmar la identitat d’una seqüència d’ADN en una cerca de bases de dades, per cercar polimorfismes, per analitzar la identitat d’un fragment d’ADNc clonat o per comparar regions reguladores, per posar alguns exemples.

Homologia#

Dues seqüències són homòlogues si comparteixen un avantpassat evolutiu comú.

No hi ha graus d’homologia; les seqüències són homòlogues o no ho són.

Les proteïnes homòlogues gairebé sempre comparteixen una estructura tridimensional significativament relacionada. Un exemple d’homologia és el de la mioglobina humana (NP_005359.1) i la beta globina (NP_000509.1), dues proteïnes que estan relacionades llunyanament, però de manera significativa.

Es creu que la mioglobina i les cadenes d’hemoglobina (alfa, beta i altres) van divergir fa uns 450 milions d’anys, prop del moment en què els llinatges dels humans i dels peixos cartilaginosos van divergir.

La mioglobina i la beta globina tenen estructures molt semblants, tal com determina la cristal·lografia de raigs X i com pots veure en aquesta imatge:

Mioglobina humana (3RGK)	Beta globina humana (subunitat de 2H35)

Aquestes proteïnes són homòlogues (descendeixen d’un avantpassat comú) i comparteixen estructures tridimensionals molt similars.

Tanmateix, l’alineament per parelles de les seqüències d’aminoàcids d’aquestes proteïnes revela que comparteixen una identitat d’aminoàcids molt limitada.

Identitat#

Quan dues seqüències són homòlogues, les seves seqüències d’aminoàcids o de nucleòtids solen compartir una identitat significativa.

Si bé l’homologia és una inferència qualitativa (les seqüències són o no són homòlogues), la identitat i la semblança són quantitats que descriuen la relació de les seqüències.

En particular, dues molècules poden ser homòlogues sense compartir una identitat estadísticament significativa d’aminoàcids (o de nucleòtids).

A la família de la globina, tots els membres són homòlegs, però alguns tenen seqüències que han divergit tant que no comparteixen cap identitat de seqüència reconeixible.

Per exemple:

• La beta globina humana i la neuroglobina humana només comparteixen un 22% d’identitat d’aminoàcids.
• Les cadenes de globina individuals comparteixen la mateixa forma general que la mioglobina, tot i que les proteïnes de mioglobina i d’alfa globina només comparteixen un 26% d’identitat d’aminoàcids.

En general, les estructures tridimensionals divergeixen molt més lentament que la identitat de la seqüència d’aminoàcids entre dues proteïnes.

I és l’estructura la que defineix la funció de la proteïna!

Reconèixer aquest tipus d’homologia és un problema bioinformàtic especialment complex.

Ortologia#

Les proteïnes que són homòlogues poden ser ortòlogues o paràlogues.

Els ortòlegs són seqüències homòlogues d’espècies diferents que tenen un gen avantpassat comú i que han divergit per especiació.

La història del gen reflecteix la història de l’espècie, per això els gens s’anomenen ortòlegs (orto = exacte). Se suposa que els ortòlegs tenen funcions biològiques similars, i per tant pots deduir la funció d’una seqüència a partir d’una altra seqüència homòloga.

Per exemple, els humans i els rosegadors van divergir fa uns 90 milions d’anys (MYA), moment en què un únic gen de la mioglobina ancestral va divergir per especiació, i en tots dos casos la funció del gen és transportar oxigen a les cèl·lules musculars.

A continuació tens un dibuix amb l’arbre dels ortòlegs de la mioglobina:

Paralogia#

Els paràlegs són seqüències homòlogues sorgides per un mecanisme com la duplicació de gens.

En aquest cas l’homologia és el resultat de la duplicació gènica, de manera que totes dues còpies han baixat l’una al costat de l’altra durant la història d’un organisme.

Els gens s’anomenen paràlegs (para = en paral·lel) perquè evolucionen dins de la mateixa espècie.

Per exemple, la globina alfa 1 humana (NP_000549.1) és paràloga de la globina alfa 2 (NP_000508.1). De fet, aquestes dues proteïnes comparteixen una identitat d’aminoàcids del 100%.

La globina alfa 1 i la globina beta humanes també són paràlogues, com totes les proteïnes humanes que es mostren a continuació i que són membres de la família globina:

Totes les globines tenen propietats diferents, incloent-hi la distribució regional al cos, el moment de desenvolupament de l’expressió gènica i l’abundància. Però encara que totes tenen funcions diferents, aquestes funcions estan relacionades com a proteïnes transportadores d’oxigen.

Per saber una mica més sobre aquests arbres i l’evolució pots consultar aquest vídeo:

Similitud#

Mira “/python/dynamic-programming”

A primer cop d’ull, decidir que dues seqüències biològiques són similars no és diferent de decidir que dues cadenes de text són similars.

Els algorismes de semblança de text s’utilitzen per buscar la paraula més semblant d’un diccionari quan una paraula no s’hi troba perquè està mal escrita. És el que coneixes com a corrector ortogràfic bàsic.

Per tant, no t’ha d’estranyar que els algorismes d’anàlisi de seqüències s’assemblin molt als algorismes de semblança de text.

La distància de Levenshtein (o distància d’edició) és un algorisme de 1965 dissenyat per comparar dues paraules, que es va aplicar posteriorment a seqüències biològiques.

Aquest algorisme es basa en el fet que, per transformar una paraula en una altra, només calen tres operacions bàsiques: inserir, suprimir o substituir un caràcter.

Cada vegada que s’aplica una d’aquestes operacions, la distància s’incrementa 1 punt: com més punts, més gran és la distància d’edició de les dues paraules i menys similars són.

Matriu de distàncies#

La distància d’edició és un algorisme lineal que utilitza una matriu (un array de dues dimensions) per guardar els resultats parcials que permeten anar construint el resultat final.

Donades dues seqüències d’àcids nucleics xs i ys, la matriu de distàncies conté les distàncies entre tots els prefixos de la seqüència xs i tots els prefixos de la seqüència ys.

Per començar, has d’omplir la matriu amb el resultat del subproblema bàsic a partir del qual anirem construint resultats parcials fins a arribar al resultat final.

Per exemple, si vols comparar les seqüències CGA i AGAT, has de crear una matriu de 4 x 5 amb aquests valors inicials (el símbol - indica un string buit "")

    -  A  G  A  T
 -  0  1  2  3  4
 C  1  ? 
 G  2
 A  3 

Com pots veure en aquest exemple, és evident que la distància d’edició entre:

• “” i “A” és 1, perquè per transformar “” en “A” hem d’inserir una A.
• “” i “AG” és 2, perquè per transformar “” en “AG” hem d’inserir una A i després una G.

A continuació tens l’algorisme inicial implementat en Python:

import numpy as np
from util import print_matrix

xs = "CGA"
ys = "AGAT"

M = np.zeros((len(xs) + 1, len(ys) + 1), dtype=np.dtype("int8"))
M[:, 0] = np.linspace(0, len(xs), len(xs)+1)
M[0, :] = np.linspace(0, len(ys), len(ys)+1)


print_matrix(xs, ys, M)

Si executem l’script podem veure la taula resultant:

    -  A  G  A  T
 -  0  1  2  3  4
 C  1   
 G  2
 A  3