Focus. Analyse bio-informatique des séquences

La bio-informatique permet l’accès et l’analyse des séquences nucléiques et protéiques.
Il existe trois banques de données nucléiques généralistes (DDBJ au Japon, GenBank aux États-Unis et European Nucleotide Archive). L’accès aux séquences nucléotidiques se fera via le site de l’ENA (http://www.ebi.ac.uk/ena/) ou par le site d’UniprotKB (http://www.uniprot.org/) qui permet l’accès aux banques de séquences de protéines. Attention, toutes les banques de données sont en anglais !
Il existe deux algorithmes principaux (FASTA et BLAST) pour rechercher dans une banque des séquences ressemblant à une séquence donnée. Ces deux algorithmes fournissent une liste de protéines classées par score décroissant de ressemblance. En général, on préfère considérer la valeur attendue (ou E) qui dépend de la taille de la banque et de la longueur des séquences. Plus la E est faible, plus les scores sont significativement différents de ceux obtenus par le hasard. Il est classique de considérer que pour une E < 10−6, les séquences sont proches et peuvent être alignées de manière pertinente.
Deux séquences sont homologues si elles possèdent un ancêtre commun. L’évolution fait diverger les séquences par mutation et la comparaison des séquences permet d’inférer l’homologie si celles-ci ont plus de 30 % d’identité résiduelle. On parle alors d’évolution divergente (cas des globines). Cette propriété est intéressante car elle conserve la structure tridimensionnelle (d’une manière générale la structure est plus préservée par l’évolution que les séquences)…