Chapitre 4 • Recherche dans les banques
36
homologues augmente avec la taille de la banque. Or les séquences homologues auront
des E-value faibles. La E() est donc sensible à la taille de la banque selon deux sens
opposés. Compte tenu de ces données, plus la E() value est faible, plus les scores ont
des chances d’être significatifs. Par ailleurs, pour une banque de taille infinie, on trouvera toujours par chance au moins une séquence qui possède un score égal à celui
obtenu. Il ressort de cela que la E() considérée comme seuil limite (minimal et maximal) dépend de la taille de la banque (plus la banque est de taille importante, plus la
E() seuil de recherche doit être grande), alors que le score Sr (ou S bit ) est indépendant
de la banque et ne dépend que du système de score (matrice et pénalités de gaps).
Dans le cas de faible complexité (voir chapitre 3), le Z-score peut être artificiellement élevé, faisant croire à tort à des séquences similaires. La faible complexité
biaise les statistiques et est le « cauchemar » du bioinformaticien. C’est pourquoi elle doit être systématiquement recherchée (ou automatiquement éliminée
par le choix de paramètres appropriés).
4.2 RECHERCHE GLOBALE OU LOCALE
La comparaison d’une séquence avec une banque de séquences est le traitement
informatique le plus commun effectué par les biologistes. En général, l’objectif est
d’identifier l’ensemble des séquences de protéines homologues ou d’identifier des
segments de séquences communs à différentes protéines.
L’utilisateur doit donc choisir entre un algorithme local ou global car les résultats
obtenus seront différents. En effet, beaucoup de protéines ont des organisations en
modules (souvent improprement nommés domaines). Cette organisation influe sur
le choix des algorithmes à utiliser.
Soit deux protéines qui ont les organisations schématisées figure 4.2.
Figure 4.2 – Méthode globale ou méthode locale.
Les segments indiqués par des lettres identiques correspondent à des modules
ayant des séquences proches.
36
homologues augmente avec la taille de la banque. Or les séquences homologues auront
des E-value faibles. La E() est donc sensible à la taille de la banque selon deux sens
opposés. Compte tenu de ces données, plus la E() value est faible, plus les scores ont
des chances d’être significatifs. Par ailleurs, pour une banque de taille infinie, on trouvera toujours par chance au moins une séquence qui possède un score égal à celui
obtenu. Il ressort de cela que la E() considérée comme seuil limite (minimal et maximal) dépend de la taille de la banque (plus la banque est de taille importante, plus la
E() seuil de recherche doit être grande), alors que le score Sr (ou S bit ) est indépendant
de la banque et ne dépend que du système de score (matrice et pénalités de gaps).
Dans le cas de faible complexité (voir chapitre 3), le Z-score peut être artificiellement élevé, faisant croire à tort à des séquences similaires. La faible complexité
biaise les statistiques et est le « cauchemar » du bioinformaticien. C’est pourquoi elle doit être systématiquement recherchée (ou automatiquement éliminée
par le choix de paramètres appropriés).
4.2 RECHERCHE GLOBALE OU LOCALE
La comparaison d’une séquence avec une banque de séquences est le traitement
informatique le plus commun effectué par les biologistes. En général, l’objectif est
d’identifier l’ensemble des séquences de protéines homologues ou d’identifier des
segments de séquences communs à différentes protéines.
L’utilisateur doit donc choisir entre un algorithme local ou global car les résultats
obtenus seront différents. En effet, beaucoup de protéines ont des organisations en
modules (souvent improprement nommés domaines). Cette organisation influe sur
le choix des algorithmes à utiliser.
Soit deux protéines qui ont les organisations schématisées figure 4.2.
Figure 4.2 – Méthode globale ou méthode locale.
Les segments indiqués par des lettres identiques correspondent à des modules
ayant des séquences proches.