Alignement Multiple de séquences Introduction

1
Alignement Multiple de
séquences
2016-2017 Carène Rizzon
Outils de la Bioinformatique
M1 GENIOMHE/ BS
Université Evry Val d’Essonne
Introduction
• Alignement multiple: pour comparer simultanément plusieurs
séquences homologues entre elles:
Exemple: Méthyltransférases
CLUSTAL W (1.82) multiple sequence alignment
Q800F5_TETNG -MSTSYPTPVYSHVGRGDFTDVYEPAEDTFLLMDALEKDAETLQRP--AVCLEVGSGSGV 57
Q800G0_TETNG -MSTSYPTPVYSHVGRGDFTDVYEPAEDTFLLMDALEKDAETLQR---SSCVS-GSGQWF 55
Q9YHV6_FUGRU -MSASYPTPVYSHVGRGDFRDVYEPAEDTFLLMDALEKDAERLRQ--------------- 44
N6AM1_HUMAN MAGENFATPFHGHVGRGAFSDVYEPAEDTFLLLDALEAAAAELAG--VEICLEVGSGSGV 58
Q96F73_HUMAN MAGENFATPFHGHVGRGAFSDVYEPAEDTFLLLDALEAAAAELAG--VEICLEVGSGSGV 58
Q6SKR2_MOUSE MAAPSVPTPLYGHVGRGAFRDVYEPAEDTFLLLDALEAAAAELAG--VEICLEVGAGSGV 58
Q6DGP3_BRARE ----MFPTPLYAPAGRGRFSEVYEPAEDSFLLMDALEKDADRLKDSRPCVCLEVGSGSGV 56
. .**.:. .*** * :*******:***:**** * * . . .:..
AVFPMILW RED
DE BLUE
RHK MAGENTA
STYHCNGQ GREEN
Others Gray

2
• Alignement multiple: pour comparer simultanément plusieurs
séquences homologues entre elles:
• Applications
- Détecter des régions conservées au travers de l’Évolution (souvent =
fonction clé de la molécule)
- Identifier les acides aminés impliqués dans la fonction d’une protéine
- Valider a posteriori des alignements par paires fournis par BLAST et
FASTA: alignement multiple plus «!puissant!» que alignement par paires
- Déterminer des séquences consensus
- Reconstruire des familles de séquences
- Reconstruire des arbres phylogénétiques
- Reconstruire l’histoire évolutive de séquences homologues au sein
d’une même espèce (≠ phylogénie)
Introduction
CLUSTAL W (1.82) multiple sequence alignment
Q800F5_TETNG -MSTSYPTPVYSHVGRGDFTDVYEPAEDTFLLMDALEKDAETLQRP--AVCLEVGSGSGV 57
Q800G0_TETNG -MSTSYPTPVYSHVGRGDFTDVYEPAEDTFLLMDALEKDAETLQR---SSCVS-GSGQWF 55
Q9YHV6_FUGRU -MSASYPTPVYSHVGRGDFRDVYEPAEDTFLLMDALEKDAERLRQ--------------- 44
N6AM1_HUMAN MAGENFATPFHGHVGRGAFSDVYEPAEDTFLLLDALEAAAAELAG--VEICLEVGSGSGV 58
Q96F73_HUMAN MAGENFATPFHGHVGRGAFSDVYEPAEDTFLLLDALEAAAAELAG--VEICLEVGSGSGV 58
Q6SKR2_MOUSE MAAPSVPTPLYGHVGRGAFRDVYEPAEDTFLLLDALEAAAAELAG--VEICLEVGAGSGV 58
Q6DGP3_BRARE ----MFPTPLYAPAGRGRFSEVYEPAEDSFLLMDALEKDADRLKDSRPCVCLEVGSGSGV 56
. .**.:. .*** * :*******:***:**** * * . . .:..
Introduction
Séquences apparentées !!!!
Rmq: très difficile de savoir si l’alignement obtenu est exact
Exemple: Méthyltransférases

3
Alignement multiple optimal
• Alignement multiple par programmation dynamique (algo. exact)
24
24
24
20
20
20
16
16
16
12
12
12
8
8
8
4
4
4
0
0
0
D’
0 P -
Q
8
11
16
10
7
12
3
8
11
4
12
7
11
16
8
15
20
12
16
16
16
D’
4 P C
Q
15
12
20
8
11
16
7
7
12
3
8
8
7
12
4
11
16
8
12
12
12
D’
3 P G
Q
19
16
24
15
12
20
11
8
16
7
4
12
0
8
8
7
12
4
8
8
8
D’
2 P T
Q
23
20
28
19
16
24
15
12
20
11
8
16
7
4
12
0
8
8
4
4
4
D’
1 P A
Q
6
D’ P Q
C
5
D’ P Q
G
4
D’ P Q
C
3
D’ P Q
C
2
D’ P
Q
T
1
D’ P
Q
A
0
D’ P
Q
-
Pour 2 séquences Pour 3 séquences
Pour N séquences : N dimensions
( x1, x2, x3 )
S1
S2
S3
x1
x3 ε3
ε1
ε2
A T G T
C
G
T
T
C
A T G - T
- T G C -
- - - C T
• Calcul des scores des sous-problèmes
Alignement multiple optimal par programmation dynamique
MSTSYPTPVYS i
MSTSYPTPV-S j
MSASYP-PVYS k
…
D i j = Min (D’i j, Pi j, Qi j)
D i -1, j -1 D i , j -1
D i -1, j D i , j
Qi j
Pi j
D’i
j
Qi j = D i,j-1 + ωk
Pi j = D i-1,j + ωk
D’i j = D i-1,j-1 + γ (ai, bj)
Pour 2 séquences Pour N séquences
- Retenir le score max (ou min) sur 2N-1 possibilités
exemple pour 3 sequences: 7 possibilités:
T(i-1,j-1,k-1)+γ(ai,bj,ck)
T(i,j-1,k-1)+γ(-,bj,ck)
T(i-1,j,k-1)+γ(ai,-,ck)
T(i-1,j-1,k)+γ(ai,bj,-)
T(i,j,k-1)+γ(-,-,ck)
T(i,j-1,k)+γ(-,bj,-)
T(i-1,j,k)+γ(ai,-,-)
D(i,j,k)=max
γ à 3 dimensions!
On prend plutôt des «!SP-score!»

4
• Calcul des scores des sous-problèmes
Alignement multiple optimal par programmation dynamique
MSTSYPTPVYS H i
MSTSYPTPV-S H j
MSASYP-PVYS Y k
…
Pour N séquences
- Retenir le score max (ou min) sur 2N-1 possibilités
exemple pour 3 sequences: 7 possibilités:
T(i-1,j-1,k-1)+γ(ai,bj,ck)
T(i,j-1,k-1)+γ(-,bj,ck)
T(i-1,j,k-1)+γ(ai,-,ck)
T(i-1,j-1,k)+γ(ai,bj,-)
T(i,j,k-1)+γ(-,-,ck)
T(i,j-1,k)+γ(-,bj,-)
T(i-1,j,k)+γ(ai,-,-)
D(i,j,k)=max
«!SP-score!»:
Somme des scores des séquences
prises 2 à 2 pour l’ensemble des
paires de symboles dans la colonne
À la place de γ(ai,bj,ck):
SP(ai,bj,ck) = S(ai,bj)+S (ai,ck)+S(bj,ck)
SP(-,bj,ck) = S(-,bj)+S(-,ck)+S(bj,ck)
Etc.
Avec: S(-,-) = 0
(favorise le regroupement des indels au
niveau des mêmes colonnes de
l’alignement multiple)
γ à 3 dimensions!
On prend plutôt des «!SP-score!»
• Mais …
Alignement multiple optimal par programmation dynamique
Needleman et Wunsch
Smith et Waterman
2 globines → 1 sec O(N2)
3 globines → 2 mn O(N3)
4 globines → 5 h O(N4)
5 globines → 3 semaines
6 globines → 9 ans
7 globines → 1000 ans
→ Nécessité d’utiliser des heuristiques

5
Heuristiques pour l’alignement multiple
• Dérivées de l’algorithme exact (restreint à des diagonales)
ex: MSA (Multiple Sequence Alignment, Carrillo
and Lipman 1988 et 1989).
Pour faible nombre de séquences
• Fondées sur la recherche de segments : alignements locaux
DIALIGN2
MACAW
Adaptés lorsque grand nombre d’indels et de répétitions internes
• Méthodes itératives
HMMs, HMMER, SAM
Lentes, parfois non adaptés mais bons générateurs de profils
• Méthodes progressives
ClustalW, PileUp, MultAlin, T-COFFEE …
Rapides et sensibles dans les cas simples
Autant d’alignements que de programmes !!!!!
• Les nouveaux:
3D-Coffee, MAFFT, PSI-PRALINE, PROBCONS, MUSCLE…
Conclusions
Rapidité Séquences proches Séquences
éloignées
qualité
Multalin ++ +++ + ++
CLUSTALW + ++ ++ +++
MUSCLE +++ +++ + +++
MAFFT ++ ++ + +++
T-COFFEE + + +++ +++
DIALIGN + + +++ +
Tiré de Deléage et Gouy, 2013