Algoritmi di Allineamento

Transcript

1 Algoritmi di Allineamento CORSO DI BIOINFORMATICA Corso di Laurea in Biotecnologie Università Magna Graecia Catanzaro Outline Similarità Allineamento Omologia Allineamento di Coppie di Sequenze Allineamento Multiplo 1

2 Nel contesto generale Allineamenti a coppie Allineamenti multipli Estrazione di sottosequenze comuni Ricostruzione di filogenesi N.B I procedimenti descritti possono essere impiegati sia per sequenze genomiche che proteiche modificando solamente la funzione di scoring Similarità vs Allineamento similarità allineamento non si possono allineare due sequenze senza definire criteri si similarità per valutare la similarità tra due sequenze, dobbiamo prima allinearle 2

3 Nell allineamento Allineare quale allineamento considerare quale sistema di punteggio adottare quale algoritmo usare per trovare un buon allineamento Valutare la significativita` quale test statistico impiegare INPUT Calcolo della similarità acidi nucleici (4 nucleotidi) proteine (20 aminoacidici) Modello di Rappresentazione: stringhe di caratteri 3

4 Similarità vs Omologia (1/2) similarità omologia é un dato che prescinde da eventuali ipotesi sulla causa della similarità stessa due sequenze si dicono omologhe se condividono una stessa origine filogenetica Similarità vs Omologia (2/2) La similarità biologica è spesso dovuta ad omologia, ma può anche presentarsi per caso oppure per fenomeni di convergenza adattativa Ad esempio: l ala di un uccello e l ala di un pipistrello si sono evolute indipendentemente e di conseguenza non sono omologhe 4

5 Sequenze ortologhe e paraloghe Due sequenze omologhe si dicono ortologhe quando rappresentano lo stesso gene in specie differenti. Detto gene era presente già nell antenato comune delle due specie considerate. Le sequenze ortologhe derivano pertanto da un processo di speciazione. Due sequenze omologhe si dicono paraloghe quando derivano da un comune gene ancestrale e si sono prodotte per un processo di duplicazione genica. 5

6 Calcolo della Similarità Una semplice misura di similarità: somma dei caratteri delle due sequenze che si appaiano esattamente Si generino tutti i possibili allinemeamenti attribuendo ad ognuno di essi un punteggio e si scelga quello migliore INTRATTABILE: 2n 2n ( 2n)! 2 = 2 n (!) n 2πn ESEMPIO

7 Ricerca per Similarità in Banca Dati Quando si deve effettuare una ricerca per similarità di sequenza in una banca dati, l operazione di confronto tra due sequenze deve inoltre essere ripetuta per ogni coppia di sequenze: A) sequenza in input (query sequence) B) ognuna delle sequenze della banca dati Calcolo della Similarità con GAPS (1/4) si può anche considerare l inserimento e/o la cencellazione di caratteri (gaps) nell allineamento tra due sequenze IPLMTRWDQEQESDFGHKLPIYTREWCTRG CHKIPLMTRWDQQESDFGHKLPVIYTREW 10 IPLMTRWDQEQESDFGHKLP-IYTREWCTRG CHKIPLMTRWDQ-QESDFGHKLPVIYTREW 25 7

8 Calcolo della Similarità con GAPS (2/4) l inserimento di gaps comporta una modifica del nostro iniziale SEMPLICE metodo di misura della similarità possiamo associare un punteggio di penalizzazione (gap penalty) per ogni gap aggiunto all allineamento o attribuire un punteggio di penalizzazione diverso per l apertura di un gap nell allineamento o per il suo allungamento (gap extension penalty) Calcolo della Similarità con GAPS (3/4) IPLMTRWDQEQESDFGHKLP-IYTREWCTRG CHKIPLMTRWDQ-QESDFGHKLPVIYTREW gap creation penalty (es.: -1 per ogni gap) IPLMTRWDQEQESDFGHKLP----IYTREWCTRG CHKIPLMTRWDQ-QESDFGHKLPVGSSIYTREW gap extension penalty (es.: -0.1 per ogni ins/del successiva alla prima) 8

9 Calcolo della Similarità con GAPS (4/4) un algoritmo di allineamento che tenesse conto 1. del possibile inserimento di un gap in ogni possibile posizione delle due sequenze e 2. di ogni possibile lunghezza di un gap in ogni possibile posizione sarebbe estremamente LENTO da ciò discende la necessità di trovare soluzioni Approssimate Valutazione di un Allineamento Per effettuare ricerche di similarità occorre un sistema che sia in grado di trovare automaticamente gli allineamenti migliori. Esistono programmi informatici che sono in grado di identificare il "percorso migliore all'interno di una dot matrix, cioè il percorso che totalizza il massimo punteggio. Per percorso si intende l'insieme di caselle che corrispondono agli aminoacidi appaiati. È quindi essenziale attribuire un punteggio agli allineamenti, altrimenti non si avrebbe modo di stabilire se un allineamento è migliore di un altro. 9

10 Matrici di Scoring Nel caso più semplice possiamo assegnare il valore di '1' ad ogni identità e '0' ad ogni "mismatch" cioè ai caratteri non appaiati correttamente. Un tale criterio non è però molto valido perchè non ha senso penalizzare tutti i mismatch allo stesso modo. Estendendo questo ragionamento possiamo attribuire ad ogni possibile coppia di aminoacidi un punteggo di appaiamento. In questo modo otteniamo una MATRICE DI SOSTITUZIONE MATRICI PAM la divergenza di due sequenze si può misurare in PAM: 1 PAM = 1 Percent Accepted Mutation è comunque necessario evitare di considerare allineamenti in cui possano essere avvenuti sostituzioni multiple in determinate posizioni 10

11 Matrici Blosum Sono anch esse basate su un analisi delle sostituzioni ma considerando allineamenti locali (senza gap e tra proteine con similarità più basse che per PAM) se due sequenze sono filogeneticamente distanti è opportuno usare matrici PAM con indici più alti, e viceversa Algoritmi Disponibili in Letteratura Algoritmi Esatti Needleman-Wunsch (Allineamento Globale) Smith-Waterman (Allineamento Locale) Metodi Approssimati BLAST FAST 11

12 Esempio: JALIGNER JALIGNER è un implementazione opensource dell algoritmo di SMITH- WATERMAN E utilizzabile anche da remoto Esempio: 12

13 Allineamenti multipli passare da allineamento a coppie ad allineamenti a gruppi concetto di profilo --> caratterizzazione topologica allineamenti: sequenza-sequenza sequenza-profilo profilo-profilo Clustalw Thompson, Higgins & Gibson, 1994 tre passi fondamentali: costruzione di una matrice distanza valutata su tutte le coppie di sequenze costruzione di un albero base mediante il metodo del neighbour-joining clustering allineamento progressivo sui nodi in ordine decrescente di similarita` 13

14 il programma Clustalw disponibile come servizio on-line allo EBI disponibile come programma autonomo su molte piattaforme output sensibile ai parametri stabiliti dall utente. 14