El sistema de puntuación

Presentación del tema: "El sistema de puntuación"— Transcripción de la presentación:

1

2 El sistema de puntuación
Para saber cuál es el mejor alineamiento entre dos secuencias es necesario establecer un sistema de puntuación. Cada uno de los posibles alineamientos recibe una puntuación y se considera alineamiento óptimo aquél que consigue la puntuación más elevada. El sistema de puntuación consta de dos componentes: (1) una matriz de sustitución que asigna una puntuación a cada una de las sustituciones posibles y (2) una penalización por la introducción de indels. La puntuación del alineamiento resulta de sumar las puntuaciones de cada posición, en función de que los residuos coincidan, sean distintos o haya indels. El sistema de puntuación

3 Matrices de sustitución

4 Matrices PAM (aminoácidos)
Margaret Dayhoff (1925 – 1983) Matrices PAM (aminoácidos)

5 PAM 250

6 Ventajas e inconvenientes de PAM

7 Gonnet recalculó la matriz PAM en 1992

8 Gonnet PAM250

9 Steven y Jorja Henikoff
(BLOcks SUbstitution Matrix) PROSITE Database of protein families and domains Steven y Jorja Henikoff

10 BLOSUM 62 small hydrophylic acid hydrophylic basic small hydrophobic
aromatic BLOSUM 62

11 Ventajas e inconvenientes de BLOSUM

12 PAM vs. BLOSUM (1) Based on an explicit evolutionary model
Derived from small, closely related proteins with ~15% divergence Higher PAM numbers to detect more remote sequence similarities Errors in PAM 1 are scaled 250X in PAM 250 Based on empirical frequencies Uses much larger, more diverse set of protein sequences (30-90% ID) Lower BLOSUM numbers to detect more remote sequence similarities Errors in BLOSUM arise from errors in alignment PAM vs. BLOSUM (1)

13 PAM vs. BLOSUM (2) Built from local alignments
Built from vast amount of data Counting based on groups of related sequences counted as one Useful in finding local alignments Lower BLOSUM series means more divergence Designed to find conserved domains of proteins Built from global alignments Built from small amount of data Counting is based on minimum replacement or maximum parsimony Useful in finding global alignments and remote homologs Higher PAM series means more divergence Designed to track evolutionary origins of proteins PAM vs. BLOSUM (2)

14 ¿PAM o BLOSUM?

15 Otras matrices

16 Matriz de identidad

17 Matriz de sustitución de codones

18 Cadenas laterales de los aminoácidos

19 Matriz de hidrofobicidad Otros tipos de matrices
User matrix Otros tipos de matrices

20 Matrices PAM (nucleótidos)

21 Mutation probability matrix (PAM-1)
A G T C A G T C Modelo de Jukes-Cantor (uniforme)

22 Mutation probability matrix (PAM-1)
A G T C A G T C Transition (A↔G) (C↔T) (purina↔purina) (pirimidina↔pirimidina) (purina↔pirimidina) (pirimidina↔purina) Transversion (A↔T) (A↔C) (G↔T) (G↔C) Modelo de Kimura (sesgado)

23 Gap penalties

24 A veces no me interesa que haya indels en el alineamiento (regiones muy conservadas y con funciones muy delicadas que no tolerarían ningún cambio). Puedo usar un programa que no admita indels o, alternativamente, colocar una penalización infinita a los indels. ¿Indels? No, gracias

25 Penalización constante
Suele ser un valor negativo muy elevado (G = -11; G = -). En la práctica, evita la introducción de indels en el alineamiento. La penalización se contabiliza sólo una vez (cuando se abre el indel) y es independiente de su tamaño. Penalización constante

26 Se puede aplicar una penalización lineal
Se puede aplicar una penalización lineal. Cada posición ocupada por un indel sufre una penalización, que es siempre la misma. G = - n  go Penalización lineal

27 Desde un punto de vista evolutivo, es más realista suponer que la naturaleza ha insertado/eliminado fragmentos en la secuencia de una sola vez. Por eso se introduce una penalización para la inclusión de un indel (gap open penalty) y otra penalización (menos costosa) que dependa de la longitud del indel (gap extension penalty). La inserción/eliminación es mucho menos probable que cualquier sustitución de aa, por radical que ésta sea. Por tanto, la go debe estar muy penalizada para que se introduzcan indels donde sea preciso, y no por toda la secuencia Una vez que se ha introducido un indel en un punto de la secuencia, su extensión (ge) es mucho más probable y debe estar mucho menos penalizada. Penalización afín

28 Dos modelos de penalización afín (1)
Modelo lineal Modelo convexo Dos modelos de penalización afín (1)

29 Dos modelos de penalización afín (2)
En la penalización afín hay dos maneras distintas de penalizar la extensión del indel : Modelo lineal: Para todo n >1, p(n+1) - p(n) = p(n) - p(n-1) (La penalización es proporcional a la longitud del indel) G = go + nge G = go + (n-1)ge Modelo convexo: Para todo n>1, p(n+1) - p(n) < p(n) - p(n-1) (Cada tramo adicional del indel penaliza menos que el anterior. Es el modelo que más se ajusta a la realidad, pero desde el punto de vista computacional es muy difícil incluirlo en el algoritmo ) G = go + k log (n) Dos modelos de penalización afín (2)

30 Algunas recomendaciones
Es importante seleccionar una penalización apropiada en función de la matriz de puntuación elegida para que no se excluyan los indels, pero que tampoco se propaguen por todo el alineamiento. No hay una mecanismo formal para calcular el valor de la penalización. La mayor parte de los programas hacen sus propias recomendaciones, que están basadas en métodos de ensayo y error y no garantizan que para tu caso concreto sean las más adecuadas. Deberás hacer varias pruebas. Algunos valores típicos: Matriz gap opening gap extension BLOSUM / -12 BLOSUM / -15 PAM / - 15 Algunas recomendaciones