|
a. Compléments sur PSI-Blast ("Position Specific Iterated Blast")
C'est un programme adapté à :
- à la recherche de similarité fine entre séquences protéiques
- la détection de membres éloignés
d'une famille protéique
- l'étude de la fonction de protéines
inconnues
PSI-Blast
est le programme BLAST le
plus sensible ce qui en fait le meilleur outil pour trouver des
protéines trés distantes.
En effet, PSI-Blast construit un profil à
partir de l'alignement multiple des séquences qui ont obtenu les
meilleurs scores avec la séquence requête. Ce profil est comparé à la banque interrogée et est raffiné au fur et
à mesure des itérations.
Ainsi, la sensibilité
du programme est augmentée.
Un profil est un tableau
des fréquences observées des acides aminés (ou nucléotides) à chaque
position dans un alignement multiple. (voir ci-dessous : matrice PSSM et application à PSI-Blast)
Exemple (très simple) d'alignement multiple de 2 séquences de 4 acides
aminés :
DWKD
DWNG
Le profil correspondant (en probabilités) :
1
2 3 4
D 1.0 0.0
0.0 0.5
G 0.0 0.0
0.0 0.5
K 0.0 0.0
0.5 0.0
N 0.0 0.0
0.5 0.0
W 0.0 1.0
0.0 0.0
Ce qui ce signifie :
- probabilité de trouver D en position 1 = 1.0 (un D en première
position de chaque séquence)
- probabilité de trouver G en position 1 = 0.0 (aucun G en première
position)
- etc ...
L'utilisation d'un profil permet une recherche beaucoup plus sensible de séquences homologues « éloignées » que l'utilisation d'une séquence seule car le profil contient de l'information sur la variabilité des différentes positions parmi les protéines connues. En contrepartie un profil est moins spécifique qu'une simple séquence seule.
Si on utilise PSI-Blast sur un sous ensemble particulier de séquences, il est probable que l'on ne trouve pas tous les homologues, surtout si leur séquence est peu conservée par rapport à la séquence requête.
Pour améliorer la sensibilité de détection des homologues, il est préférable d'effectuer un alignement avec PSI-Blast sur une banque de séquences plus grande.
Mais la sensibilité est diminuée si la banque de données est trop grande puisque la fréquence d'observation d'un score particulier (la "E-value") augmente avec la taille de la banque de données. Or, pour un alignement de 2 séquences, plus le score est petit, plus la probabilité que ces 2 séquences soient homologues est grande.
Il est
donc préférable de chercher d'abord dans une banque "nettoyée"
("curated") comme la base de données non-redondante "nr" où toutes les séquences identiques ont été éliminées sauf un exemplaire.
Si plusieurs
séquences sont dans cette banque, on peut calculer un profil et l'utiliser pour effectuer une nouvelle recherche dans ce sous ensemble.
On augmente ainsi la sensibilité de la recherche d'homologues.
- la sensibilité est l'aptitude d'un algorithme à détecter toutes les
similarités considérées comme significatives et donc à générer le
minimum de faux-négatifs.
- la sélectivité est l'aptitude d'un
algorithme à ne sélectionner que des
similarités considérées comme significatives et donc à générer le
minimum de faux-positifs.
Les programmes des familles Fasta et BLAST sont des heuristiques qui
réduisent le facteur temps en "sacrifiant" un peu de sensibilité.
L'un
et l'autre simplifient le problème :
- en pré-sélectionnant les séquences de
la banque susceptibles de présenter une similarité significative avec
la séquence requête
- et en localisant les régions
potentiellement similaires dans les séquences
Ces étapes sélectives permettent :
- de n'appliquer les méthodes de
comparaison, coûteuses en temps, qu'à un sous-ensemble des séquences de
la banque
- de restreindre le calcul de
l'alignement optimal à des parties des séquences
Cette logique de recherche plus rapide
dans son exécution, comporte
donc le risque d'éliminer des séquences qui ont une similarité plus
difficile à détecter ou d'aboutir à des alignements sub-optimaux.
|
