# Alignement de séquences, BLAST et matrices de substitution Sciences biomédicales · Bachelor 2 > Alignements global et local, matrices BLOSUM/PAM, heuristique BLAST et lecture de la E-value. ## Introduction Comparer deux séquences d'ADN ou de protéines est l'une des opérations les plus fréquentes en recherche biomédicale: identifier un gène orthologue chez la souris, annoter une protéine inconnue ou vérifier une amorce de PCR. L'alignement consiste à placer les séquences l'une en face de l'autre en maximisant un score qui récompense les résidus identiques ou chimiquement proches et pénalise les différences et les insertions-délétions (gaps). Deux algorithmes de programmation dynamique fondent le domaine: Needleman-Wunsch pour l'alignement global, qui aligne les séquences sur toute leur longueur, et Smith-Waterman pour l'alignement local, qui isole la meilleure région de similarité. Pour les protéines, le score d'une paire d'acides aminés provient d'une matrice de substitution (BLOSUM ou PAM) qui reflète la fréquence observée de chaque remplacement au cours de l'évolution. Les banques de séquences comptent des milliards de résidus, ce qui rend la programmation dynamique exhaustive trop lente. BLAST contourne ce problème par une heuristique à base de mots courts, puis étend les correspondances. Savoir lire un résultat BLAST, en particulier la E-value, et ne pas confondre similarité et homologie, est une compétence attendue dans les travaux de laboratoire des masters en sciences biomédicales. ## Objectifs d'apprentissage - Distinguer alignement global et alignement local et choisir l'approche adaptée à la question posée - Expliquer le principe de la programmation dynamique appliquée à l'alignement de deux séquences - Interpréter une matrice de substitution de type BLOSUM et choisir un seuil adapté à la divergence attendue - Décrire les étapes de l'heuristique BLAST et lire correctement score, E-value et pourcentage d'identité - Différencier similarité de séquence et homologie évolutive ## Concepts clés - **Alignement global et local** : Needleman-Wunsch construit un alignement sur toute la longueur des deux séquences, pertinent pour des protéines de même famille et de longueur voisine. Smith-Waterman recherche la sous-région de score maximal et convient aux protéines partageant un seul domaine conservé. - **Programmation dynamique** : Une matrice est remplie case par case: chaque cellule prend le maximum entre un appariement ou mésappariement diagonal, et l'ouverture ou l'extension d'un gap. Un retour en arrière (traceback) reconstruit l'alignement optimal. Le coût est proportionnel au produit des longueurs. - **Matrices BLOSUM et PAM** : BLOSUM62 est dérivée de blocs de séquences alignées partageant au plus 62% d'identité; un nombre élevé (BLOSUM80) cible des séquences proches, un nombre faible (BLOSUM45) des séquences éloignées. PAM modélise l'évolution par mutations ponctuelles acceptées, un nombre élevé correspondant à une grande distance. - **Pénalités de gap affines** : L'ouverture d'un gap coûte cher et son extension coûte moins, car une insertion unique de plusieurs résidus est biologiquement plus plausible que plusieurs insertions isolées. - **BLAST et E-value** : BLAST cherche des mots courts (seeds) à score élevé, les étend en alignements locaux sans gap puis avec gap. La E-value est le nombre d'alignements de score au moins égal attendus par hasard dans la banque interrogée: plus elle est petite, plus la correspondance est significative. ## Conclusion L'alignement transforme une comparaison intuitive en un problème d'optimisation avec des règles de score explicites. Le choix global ou local, de la matrice et des pénalités de gap conditionne le résultat; BLAST rend ce raisonnement exploitable sur de très grandes banques au prix d'une approximation. En laboratoire biomédical, un résultat BLAST n'est jamais une preuve de fonction: il oriente des hypothèses qu'il faut recouper par la conservation des domaines, la phylogénie et l'expérience. ## Cartes ### Quelle est la différence entre un alignement global et local ? Le global (Needleman-Wunsch) aligne les séquences sur toute leur longueur; le local (Smith-Waterman) ne retient que la ou les régions de meilleure similarité. ### Quelle technique algorithmique utilisent Needleman-Wunsch et Smith-Waterman ? La programmation dynamique: le problème est décomposé en sous-alignements de préfixes dont les scores sont stockés dans une matrice. ### Quelle différence de règle de calcul distingue Smith-Waterman de Needleman-Wunsch ? Dans Smith-Waterman, aucune cellule ne descend sous zéro, ce qui permet à un alignement local de recommencer, et le traceback part de la cellule de score maximal. ### Que représente un score positif dans BLOSUM62 ? Une substitution observée plus souvent que prévu par hasard dans les blocs conservés, donc évolutivement plausible (par exemple I/V ou K/R). ### Quelle matrice choisir pour détecter des homologues très divergents ? Une matrice à numéro faible comme BLOSUM45, construite à partir de séquences plus éloignées, ou une PAM de numéro élevé. ### Pourquoi utiliser des pénalités de gap affines ? Parce qu'une insertion ou délétion de plusieurs résidus résulte souvent d'un seul événement: l'ouverture est fortement pénalisée, l'extension l'est moins. ### Pourquoi BLAST est-il plus rapide que Smith-Waterman ? Il utilise une heuristique: recherche de mots courts à score élevé, puis extension seulement autour de ces graines, au lieu de remplir toute la matrice. ### Que signifie une E-value de 1e-30 ? Environ 10 puissance -30 alignements de ce score seraient attendus par hasard dans la banque: la correspondance est très hautement significative. ### Quelle valeur de E-value est un seuil usuel d'exploration ? Souvent 1e-5 à 1e-3 selon la taille de la banque et la question, avec un contrôle de la couverture de la requête. ### Quel programme BLAST compare une protéine requête à une banque de protéines ? BLASTP; BLASTN compare des nucléotides, BLASTX traduit la requête nucléotidique dans les six cadres de lecture. ### Pourquoi préférer un alignement de protéines à un alignement d'ADN pour des séquences éloignées ? Le code génétique est dégénéré et l'ADN diverge plus vite aux positions synonymes; les protéines conservent la signature de similarité plus longtemps. ### Une identité de 40% prouve-t-elle une homologie ? Non en soi: l'homologie est une conclusion évolutive déduite d'une similarité statistiquement significative et de sa couverture; elle est présente ou absente, jamais partielle. ## Glossaire - **Alignement global** : Alignement de deux séquences sur toute leur longueur, calculé par Needleman-Wunsch. - **Alignement local** : Alignement limité aux sous-séquences de similarité maximale, calculé par Smith-Waterman. - **Matrice de substitution** : Table donnant le score de chaque paire de résidus selon la fréquence de leur remplacement au cours de l'évolution. - **Gap** : Insertion ou délétion représentée par un tiret dans un alignement. - **E-value** : Nombre d'alignements de score équivalent ou supérieur attendus par hasard dans la banque interrogée. - **Homologie** : Ascendance évolutive commune de deux séquences; c'est une propriété qualitative, inférée de la similarité. - **Orthologue** : Gène de deux espèces issu d'une même séquence ancestrale par spéciation, souvent de fonction conservée. - **Seed (mot)** : Court mot de séquence de longueur fixe qui initie l'extension d'un alignement dans BLAST. https://ruvy.ch/decks/-P5Ca-NzsPCe4U6REY8G