Allineamenti di sequenze biologiche
Allineamento di sequenze
Scopi
Date due o più sequenze biologiche (DNA, RNA o proteine) può essere utile:
Misurare quanto sono simili;
Sapere quali sono le parti simili;
Fare ipotesi sulla funzione di una proteina;
Inferire relazioni evolutive.

Per fare ciò è necessario definire in modo quantitativo la misura di similarità tra sequenze.
Ovvero dobbiamo assegnare per ogni corrispondenza residuo-residuo delle sequenze in
esame dei valori numerici e poi, usando queste misure di corrispondenza puntiforme,
costruire in qualche modo l'intero allineamento tra le sequenze.
Si definisce allineamento tra sequenze l'identificazione delle corrispondenze residuo-residuo
che preserva l'ordine dei residui all'interno delle sequenze stesse. Possono essere introdotte
gaps (lacune).
Esistono dunque molti allineamenti possibili tra sequenze.
Ad esempio date le due sequenze generiche:
Seq1: a b c d e
Seq2: a c d e f
allineamento1: a b c d e
|
a c d e f
allineamento2: a b c d e | | |
- a c d e f
allineamento3: a b c d e |
| | |
a - c d e f
Quale dei tre è un allineamento migliore?
E' necessario stabilire dei criteri che permettano di selezionare l'allineamento
migliore. Bisogna cioè trovare un modo per valutare tutti i possibili allineamenti
sistematicamente assegnando ad ognuno di essi uno score.
Gli allineamenti si possono dividere in allineamenti a coppie e allineamenti multipli.
Un modo per visualizzare in modo rapido se due sequenze sono in qualche modo
correlate è l’uso dei dot-plot
Il limite dei dotplots è che non evidenziano
relazioni tra sequenze distanti dal punto di
vista evolutivo.
Possono essere un primo passo per l’analisi
di sequenza.
Per misurare la similarità di due sequenze si possono usare principalmente due misure
di distanze:
1.
2.
La distanza di Hamming; numero di posizioni con caratteri diversi in due sequenze
lunghe uguali
La distanza di Levenshtein; numero minimo di operazioni elementari di editing
richieste per trasformare una stringa nell’altra.
RAZZO
PAZZO
*
d. Hamming=1
R--AZZO
PALAZZO
***
d. Levensthein=3
RA--ZZO
PALAZZO
* **
d. Levensthein=3
In biologia però bisogna essere più fini e bisogna riconoscere che certi cambiamenti
sono più frequenti di altri e che quindi è necessario introdurre schemi di scoring più
raffinati.
IDENTITY
A
C
T
A
1
C
0
1
T
0
0
1
G
0
0
0
G
1
Date le seguenti sequenze di DNA allinearle usando una matrice di scoring binaria e con
gap=-1
AGATA
GATTA
Significatività di un allineamento

Date due sequenze allineate
attgcctcgtg
agtccttccag
* * * **
*
Come posso distinguere se l’allineamento è
casuale o le due sequenze sono veramente
omologhe?
Significatività di un allineamento



Si applica il test delle ipotesi modellando
opportunamente il problema (modelli parametrici e
non).
Si identifica l’ipotesi H0 (ipotesi nulla) con la casualità
dell’allineamento
Si identifica l’ipotesi H1 con la non casualità
dell’allineamento

Si calcola la probabilità che l’allineamento sia casuale

Si accetta o si rigetta l’ipotesi H0
Significatività di un allineamento
Ricerche in DataBase di sequenze
BLAST



Per fare ricerche di similarità in database che
contengono milioni o miliardi di sequenze
bisogna far uso di algoritmi euristici che non
garantiscono di trovare l’allineamento ottimo.
Blast è un programma che fa l’uso di un
euristica opportuna per allineare velocemente
sequenze nucleotidiche e proteiche.
Si basa sull’indicizzazione di brevi “parole”
contenute nella sequenza query
BLAST



Viene creata una tabella di
parole lunghe W (sottosequenze) appartenenti alla
sequenza query
Vengono cercate tutte queste
parole in tutto il database e
viene costruita una tabella con
tutte le sequenze del database
che contengono queste
sottosequenze.
Solo le sequenze contenute
nella tabella precedente
vengono allineate
completamente
Alla fine si ottiene un allineamento
ottimale approssimato.