Alineamiento múltiple de secuencias

Transcripción

1 Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 11 de junio del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

2 1 Alineamiento múltiple de secuencias Introducción Función de puntuación Algoritmos exhaustivos Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

3 Introducción 1 Alineamiento múltiple de secuencias Introducción Función de puntuación Algoritmos exhaustivos Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

4 Introducción Alineamiento múltiple de secuencias Introducción Una extensión natural del alineamiento de pares de secuencias es el alineamiento múltiple, el cual consiste en alinear diversas secuencias relacionadas para lograr la mejor coincidencia entre las secuencias Como vimos la clase pasada la búsqueda de similitud en BD puede devolver como resultado un grupo de secuencias relacionadas con la secuencia consulta (en pares) A menudo es necesario convertir esos númerosos alineamientos de pares en un solo alineamiento (múltiple), el cual permite identificar posiciones evolutivas equivalentes en todas las secuencias Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

5 Introducción Alineamiento múltiple de secuencias Introducción La gran ventaja del alineamiento múltiple de secuencias (AMS) es que permite revelar mucha más información biológica que un grupo de alineamientos de pares El AMS es importante tiene aplicaciones importantes: Análisis filogenético Predicción de la estructura secundaria y terciaria de proteínas... Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

6 Introducción Alineamiento múltiple de secuencias Introducción En teoría es posible usar la programación dinámica para alinear cualquier número de secuencias, sin embargo el tiempo de cálculo y la memoria requerida aumenta exponencialmente En la práctica los enfoques heurísticos son los más utilizados Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

7 Función de puntuación 1 Alineamiento múltiple de secuencias Introducción Función de puntuación Algoritmos exhaustivos Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

8 Función de puntuación Función de puntuación El AMS consiste en acomodar las secuencias de forma tal que el máximo número de residuos de cada secuencia coincidan de acuerdo a una función de puntuación (scoring function) particular La función de puntuación para el AMS está basada en el concepto de suma de pares (SP) Como su nombre lo indica, es la suma de la puntuación de todos los posibles pares de secuencias en un AMS utilizando una matriz de puntuación particular Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

9 Función de puntuación Función de puntuación Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

10 Algoritmos exhaustivos 1 Alineamiento múltiple de secuencias Introducción Función de puntuación Algoritmos exhaustivos Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

11 Algoritmos exhaustivos Algoritmos exhaustivos Estas técnicas implican el alineamiento de todos los posibles alineamientos de manera simultánea y similar a como se realiza en la programación dinámica Por lo tanto, implican la construcción de una matriz multidimensional, e.g. para alinear tres secuencias (k = 3) se requiere de construir una matriz tridimensional Finalmente se debe llevar a cabo un seguimiento a lo largo de las k dimensiones para encontrar el camino que represente el mejor alineamiento posible Suelen limitarse a pequeños conjuntos de secuencias (k < 10) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

12 Algoritmos exhaustivos Algoritmos exhaustivos La complejidad computacional es O(N k ) (k, núm. de secuencias) N 5 1e+15 Complejidad 9e+14 8e+14 7e+14 6e+14 5e+14 4e+14 3e+14 2e+14 1e N Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

13 Algoritmos exhaustivos Algoritmos exhaustivos Para N = 1000 y k = 5 la complejidad es 1.0E+15 Usando una computadora que ejecute 1 millón de operaciones cada segundo tardaría horas ( días, años) La alternativa es usar métodos heurísticos Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

14 1 Alineamiento múltiple de secuencias Introducción Función de puntuación Algoritmos exhaustivos Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

15 Existen tres tipos de algoritmos heurísticos: Alineamiento progresivo Alineamiento iterativo Alineamiento basado en bloques Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

16 Método de alineamiento progresivo Este método va ensamblando progresivamente alineamientos de pares para formar un AMS Primero se lleva a cabo un alineamiento global de pares de secuencias usando el algoritmo de Needleman-Wunsch Con los resultados se crea una matriz de distancias, está permite ver la relación evolutiva de la secuencia con las demás Se realiza un análisis filogenético simple, dando como resultado la creación de un árbol filogenético (árbol guía) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

17 Método de alineamiento progresivo Este árbol refleja la proximidad entre todas las secuencias y es empleado para realizar un reajuste de las secuencias Las dos secuencias más relacionadas son realineadas usando el algoritmo de Needleman-Wunsch convirtiéndose en un secuencia (consenso) Este proceso se continúa hasta que todas las secuencias quedan alineadas Clustal ( es un programa que utiliza el método de alineamiento progresivo Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

18 Método de alineamiento progresivo Algorithm 1: Método de alineamiento progresivo Data: N secuencias Result: Alineamiento de las N secuencias 1 begin 2 Construir la matriz de distancias /* Árbol guía */ 3 Construir el árbol filogenético usando Neighbor-Joining 4 while no estén alineadas todas las secuencias do 5 Alinear las secuencias más relacionadas 6 Reducir las secuencias alineadas 7 end 8 end Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

19 Método de alineamiento progresivo (Ejemplo) Se realizan todos los alineamientos de pares de secuencias y se construye la matriz de distancias Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

20 Método de alineamiento progresivo (Ejemplo...) Se calcula un árbol guía con los pares más próximos: C, D y A, B Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

21 Método de alineamiento progresivo (Ejemplo...) Se alinean C, D y A, B por separado usando programación dinámica Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

22 Método de alineamiento progresivo (Ejemplo...) Los alineamientos C, D y A, B se reducen a secuencias consenso las cuales se alinean entre ellas Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

23 Método de alineamiento progresivo (Ejemplo...) Se crea un nuevo consenso para C, D, A, B el cual se alinea con E con lo que se completa el AMS Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

24 Método de alineamiento progresivo (Ejemplo...) Para este ejemplo con Clustal ( se utilizarán las secuencias de proteínas siguientes: NP_ BAB NP_ MUP4_MOUSE P0A901 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

25 Método de alineamiento progresivo, limitantes El método de alineamiento progresivo presenta algunas limitantes: Este método no es adecuado para comparar secuencias de diferentes longitudes (global) El resultado final proporcionado por éste también se ve muy influenciado por el orden de las secuencias Debido a la naturaleza codiciosa (greedy) del método el resultado depende del alineamiento inicial de pares de secuencias (propagación de errores) Si las dos primeras secuencias son muy similares, el alineamiento base contendrá pocos errores Si las dos secuencias son muy divergentes los errores y los huecos se irán propagando Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

26 Método de alineamiento progresivo, T-Coffee T-Coffee (Tree-based Consistency Objective Function for alignment Evaluation, realiza alineamiento progresivo al igual que Clustal La principal diferencia radica en que T-Coffee realiza un alineamiento de pares tanto local como global Para el alineamiento global usa Clustal mientras que para el alineamiento local usa Lalign ( Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

27 Método de alineamiento progresivo, T-Coffee... Los resultados de estas dos alineaciones son almacenadas para formar una biblioteca Para cada par de residuos en cada par de secuencias se calcula una puntuación de consistencia para los alineamientos globales y locales Cada alineamiento de pares se alinea con una tercera posible secuencia Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

28 Método de alineamiento progresivo, T-Coffee... El resultado es usado para refinar el alineamiento de pares original en un proceso llamado extensión de la biblioteca Basado en el refinamiento de alineamiento de pares se construye una matriz de distancias para obtener un árbol guía Finalmente se utiliza este árbol para realizar un AMS mediante el enfoque progresivo Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

29 Método de alineamiento progresivo, T-Coffee... Algorithm 2: Algoritmo T-Coffee Data: N secuencias Result: Alineamiento de las N secuencias 1 begin 2 Alineamiento de pares de secuencias (Clustal y Lalign) 3 Construcción de la librería 4 Calcular la matriz de distancias 5 Crear el árbol guía mediante mediante Neighbor-Joining 6 Construir el alineamiento múltiple siguiendo el árbol 7 end Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

30 Método de alineamiento progresivo, Ejemplo T-Coffee Para este ejemplo usaremos las secuencias de proteínas siguientes y T-Coffee ( NP_ BAB NP_ MUP4_MOUSE P0A901 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

31 Método de alineamiento iterativo Este tipo de métodos se basan en la idea de que la solución óptima a un problema puede ser encontrada mediante la modificación iterativa de soluciones subóptimas existentes El proceso consiste en encontrar un alineamiento de baja calidad y mejorarlo gradualmente hasta que ya no sea posible Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

32 Método de alineamiento iterativo, PRRN PRRN ( es un algoritmo para AMS que emplea una estrategia iterativa doble anidada Efectúa el AMS mediante dos conjuntos de iteraciones: la interna y la externa En la iteración externa, se genera un alineamiento inicial aleatorio que es usado para derivar un árbol UPGMA (Unweighted Pair Group Method with Arithmetic Mean, método de agrupamiento) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

33 Método de alineamiento iterativo, PRRN... Los pesos son posteriormente aplicados para optimizar el alineamiento En la iteración interna, las secuencias son aleatoriamente divididas en 2 grupos El alineamiento aleatorizado es usado para cada grupo en el ciclo inicial, después de lo cual las posiciones del alineamiento en cada grupo son fijadas Los 2 grupos, cada uno tratado como una sola secuencia, son entonces alineados entre ellos usando programación dinámica global Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

34 Método de alineamiento iterativo, PRRN... El proceso se repite de manera cíclica hasta que la puntuación total SP (suma de pares) no se incremente En este punto, el alineamiento resultante es usado para construir un nuevo árbol UPGMA Los nuevos pesos son aplicados para optimizar las puntuaciones del alineamiento El alineamiento optimizado es sujeto a un realineamiento en la iteración interior Este proceso es repetido durante varios ciclos hasta que no hay más mejora en las puntuaciones globales del alineamiento Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

35 Método de alineamiento iterativo, Ejemplo PRRN Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

36 Método de alineamiento iterativo, Ejemplo PRRN Para este ejemplo usaremos las secuencias de proteínas siguientes y PRRN ( NP_ BAB NP_ MUP4_MOUSE P0A901 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

37 Método basado en bloques Las estrategias progresivas e iterativas se basan en gran medida en alineamiento global Por lo tanto surge la necesidad de generar estrategias para encontrar similitudes locales Las secuencias a alinear pueden compartir bloques más o menos conservados, separados por regiones largas bastante menos conservadas Cada bloque está construido con alineamientos locales de varios fragmentos en cada secuencia Una vez que se han fijado los bloques se utilizan otros métodos de alineamiento para alinear dichas regiones Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

38 Método basado en bloques, DIALIGN2 DIALIGN2 es un programa para encontrar similitudes locales Este método rompe las secuencias en secuencias más pequeñas y realiza todos los alineamientos de pares posibles Los segmentos con alta puntuación son denominados bloques Entre las diferentes secuencias, estos bloques son compilados de manera progresiva Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39

39 Método basado en bloques, Ejemplo DIALIGN2 Para este ejemplo usaremos las secuencias de proteínas siguientes y DIALIGN2 ( NP_ BAB NP_ MUP4_MOUSE P0A901 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Alineamiento múltiple de secuencias 11 de junio del / 39