Changement de représentation et alignement de séquences.
description
Transcript of Changement de représentation et alignement de séquences.
![Page 1: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/1.jpg)
Changement de représentation
et alignement de séquences.
Hugues DELALIN
Encadrement: E. Mephu Nguifo
![Page 2: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/2.jpg)
2
Plan
1. Présentation
2. Etude comparative des codages des acides aminés
3. Alignement de séquences
![Page 3: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/3.jpg)
3
Présentation
CRIL = Apprentissage symbolique
Bioinformatique:E. MEPHU NGUIFOH. FUH. DELALIN
Projets: Génopole Lille
![Page 4: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/4.jpg)
Etude comparative des codages des acides aminés
Huaiguo FU
Encadrement: E. MEPHU NGUIFO
![Page 5: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/5.jpg)
5
Codage des Acides Aminés
• Idée: Stocker des informations en plus du caractère.Ex: Alanine = A = 65 (ASCII)= 01000001
• But: Comparer 4 méthodes de représentation binaire des acides aminés afin de trouver la meilleure représentation possible.
Huaiguo FU[ Poster, ECCB’02 ]
Hyd
Cha
Pol Sma
Ali Aro
Ala 1 0 0 1 0 0
![Page 6: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/6.jpg)
6
• 2 codages basés sur les propriétés physico-chimiques des AAs:- Dickerson & Geis (1969)- Sallantin, Marlière & Saurin (1984)
• 2 codages obtenus par des méthodes d’intelligence artificielle (IA):- Gracy & Mephu- De la Maza (1994)
Codage des Acides AminésHuaiguo FU
[ Poster, ECCB’02 ]
![Page 7: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/7.jpg)
7
Méthode de comparaison:• Clusterisation de chaque
représentation (algorithme « Ward »)
• Analyse manuelle de chaque cluster.
• Validation grâce à l’algorithme C4.5
Codage des Acides AminésHuaiguo FU
[ Poster, ECCB’02 ]
![Page 8: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/8.jpg)
8
Résultats:- Les codages obtenus par apprentissage automatique peuvent refléter une certaine réalité biologique.
- Ce n’est pas forcément les codages basés sur les propriétés des AA qui les représentent le mieux.
Utilisation possible dans différentes applications
Codage des Acides AminésHuaiguo FU
[ Poster, ECCB’02 ]
![Page 9: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/9.jpg)
Alignement de séquences
Hugues DELALIN
Encadrement: E. MEPHU NGUIFO
![Page 10: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/10.jpg)
10
Alignement de séquences.
L’objectif de tels algorithmes est de révéler des régions proches.• Nécessité de mettre en œuvre des procédures de calcul et des modèles biologiques afin de quantifier la notion de ressemblance entre séquences.• On se base sur le principe de parcimonie.
![Page 11: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/11.jpg)
11
Calcul d’un score.
• Score peut mesurer rapprochement ou éloignement.
• Attribution d’un score élémentaire pour chaque position.
A T G C
A 1 0 0 0
T 0 1 0 0
G 0 0 1 0
C 0 0 0 1
Exemple:
A T T G C C : : : Score =
3 T T G C C C
A T T G C C : Score =
1 T T G C C C
A T T G C C : : : : : Score =
5 T T G C C C
![Page 12: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/12.jpg)
12
Gestion des gaps.
• Fixe : chaque insertion d’une base a le même coût.
• Affine : définition d’un coût de création de gap et d’un coût d’extension.
• Variable en fonction de l’endroit où on se trouve dans la séquence. (Argos et Vingron, 1990)
![Page 13: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/13.jpg)
13
Remarques:
• Le score d’un alignement dépend de la longueur de la zone de similitude que l’on considère.
• On peut nuancer le calcul du score en donnant plus ou moins d’importance aux pénalités et aux associations possibles entre résidus.
![Page 14: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/14.jpg)
14
Matrices de substitution.
• Séquences d’ADN:- coût d’un « match » > 0.- coût d’un « mismatch » < 0.
• Séquences protéiques:- matrices liées à l’évolution. (Dayhoff et al., 1978) (PAM)
(Jones et al., 1992)- matrices liées aux caractéristiques physico-chimiques. (Henikoff et Henikoff, 1992) (BLOSUM)
![Page 15: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/15.jpg)
15
Needleman & Wunsh (1970).
V T E E R D A FL 2 -2 -3 -3 -3 -4 -2 2T 0 3 0 0 -1 0 1 -3S -1 1 0 0 0 0 1 -3H -2 -1 1 1 2 1 -1 -2E -2 0 4 4 -1 3 0 -5A 0 1 0 0 -2 0 2 -4L 2 -2 -3 -3 -3 -4 -2 2
nyj
mxi
PyiS
PjxS
jiS
jisejiS
2
2 avec
),1(
)1,(
)1,1(
max),(),(
![Page 16: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/16.jpg)
16
Needleman & Wunsh (1970).
V T E E R D A FL 2 -2 -3 -3 -3 -4 -2 2T 0 3 0 0 -1 0 1 -3S -1 1 0 0 0 0 1 -3H -2 -1 1 1 2 5 1 -2E -2 0 4 4 -1 7 2 -5A 0 1 0 0 -2 2 4 -4L 2 -2 -3 -3 -3 -4 -2 2
nyj
mxi
PyiS
PjxS
jiS
jisejiS
2
2 avec
),1(
)1,(
)1,1(
max),(),(
![Page 17: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/17.jpg)
17
Needleman & Wunsh (1970).
V T E E R D A FL 2 -2 -3 -3 -3 -4 -2 2T 0 3 0 0 -1 0 1 -3S -1 1 0 0 7 0 1 -3H -2 -1 1 1 2 5 1 -2E -2 0 4 4 -1 7 2 -5A 0 1 0 0 -2 2 4 -4L 2 -2 -3 -3 -3 -4 -2 2
nyj
mxi
PyiS
PjxS
jiS
jisejiS
2
2 avec
),1(
)1,(
)1,1(
max),(),(
![Page 18: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/18.jpg)
18
Needleman & Wunsh (1970).
V T E E R D A FL 14 7 6 6 4 4 0 2T 10 12 9 9 6 4 3 -3S 8 10 9 9 7 4 3 -3H 6 7 9 8 9 5 1 -2E 2 4 8 8 3 7 2 -5A 2 3 2 2 0 2 4 -4L 2 -2 -3 -3 -3 -4 -2 2
nyj
mxi
PyiS
PjxS
jiS
jisejiS
2
2 avec
),1(
)1,(
)1,1(
max),(),(
![Page 19: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/19.jpg)
19
Needleman & Wunsh (1970).
V T E E R D A FL 14 7 6 6 4 4 0 2T 10 12 9 9 6 4 3 -3S 8 10 9 9 7 4 3 -3H 6 7 9 8 9 5 1 -2E 2 4 8 8 3 7 2 -5A 2 3 2 2 0 2 4 -4L 2 -2 -3 -3 -3 -4 -2 2
Résultat: VT-EERDAFLTSHE--AL
![Page 20: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/20.jpg)
20
Utilisation des représentations binaires.
• On utilise les algorithmes classiques.• Les scores élémentaires ne sont plus
obtenus grâce à une matrice de substitution.
• Une opération booléenne entre les représentations des 2 acides aminés que l’on compare sert de base au calcul des scores élémentaires.
![Page 21: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/21.jpg)
21
Choix de l’opérateur booléen.
• ET logique si on ne s’intéresse qu’à la présence des attributs.
• XOR: le OU exclusif si on s’intéresse autant à l’absence qu’à la présence des attributs.
Exemple:
A → 0001 ; L → 0011
A ET L→ 0001
A ¬XOR L → 1101
![Page 22: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/22.jpg)
22
Exemple de résultat:
Algorithme de Smith et Waterman (1981)
(b) BINALIGN (Gracy & Mephu, 12 attributs)Identité: 54/221 (24.4%)Gaps:42/221 (19.0%)
d1qqp1_ 1 TTSAGESADPVT_T__TVENY__GGETQ_IQRRQHTDVSFIM_DRFVKVT 43
|||...|...|| . |.|.. |..|. ...|......|.. ..|..||
d1qqp2_ 22 TTSTTQSSVGVTYGYATAEDFVSGPNTSGLETRVVQAERFFKTHLFDWVT 71
(a) EMBOSS (BLOSUM62)Identité: 34/173 (19.7%)Gaps:55/173 (31,8%)
d1qqp1_ 1 TTSAGESADPVT---TTVENY-------GGETQIQRRQHTDVSFIMDRFV 40
|||..:|:..|| .|.|:: |.||::.: .:||.
d1qqp2_ 22 TTSTTQSSVGVTYGYATAEDFVSGPNTSGLETRVVQ---------AERFF 62
![Page 23: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/23.jpg)
23
Perspectives
• Coût en temps d’exécution et espace mémoire.
• Mesure de la qualité des alignements obtenus à partir de :- bases connues (CASA, SCOP)- alignements corrigés manuellement.
• Alignement de structures (DSSP).
![Page 24: Changement de représentation et alignement de séquences.](https://reader036.fdocument.pub/reader036/viewer/2022062519/568152e2550346895dc0ff8a/html5/thumbnails/24.jpg)
24
Références
• Hubbard TJ, Ailey B, Brenner SE, Murzin AG, Chothia C. SCOP: a structural classification of proteins database. Nucleic Acids Res. 1999 27:254-256.http://scop.mrc-lmb.cam.ac.uk/scop/
• Kabsch W. & Sander C. Dictionary of protein secondary structure: Pattern recognition of hydrogen-bonded and geometrical features, Biopolymers. 1983 22:2577-2637.http://www.sander.ebi.ac.uk/dssp/
• Kahsay R, Dongre N, Guang G, Wang G, Dunbrack RL Jr. CASA: A Server for The Critical Assessment of Sequence Alignment Accuracy, Bioinformatics. Submitted.http://capb.dbi.udel.edu/casa/