© Dunod – Toute reproduction non autorisée est un délit.
73
6.5 • Matrices de taux de substitution entre séquences protéiques
6.5 MATRICES DE TAUX DE SUBSTITUTION ENTRE
SÉQUENCES PROTÉIQUES
Au niveau protéique, avec l’alphabet des 20 acides aminés, une matrice Q contient
380 paramètres libres (termes non diagonaux). Si on impose que cette matrice soit
réversible, ce qui facilite la reconstruction phylogénétique par méthodes probabilistes, il reste 190 paramètres libres, ce qui est beaucoup trop pour pouvoir les
estimer à partir de l’alignement d’une seule séquence protéique.
C’est pourquoi des grandes compilations d’alignements protéiques ont été utilisées pour estimer une fois pour toutes les paramètres d’une matrice de taux
protéique à l’aide d’un grand nombre de données. La compilation de protéines
diverses permet aussi de mesurer les taux moyens d’échange entre acides aminés
indépendamment de taux qui pourraient être spécifiques à une protéine particulière.
Cette opération a été conduite pour la première fois par Margaret Dayhoff en 1978
qui a réuni 1 300 séquences protéiques de 71 familles de séquences homologues
ayant plus de 85 % d’identité. En considérant seulement des protéines très fortement
similaires, M. Dayhoff espérait se tromper rarement en supposant que chaque fois
qu’elle observait deux acides aminés homologues en un même site, un échange
direct, sans intermédiaire, s’était produit entre eux. En utilisant la procédure
détaillée au chapitre 3, ces données ont permis d’estimer l’équivalent d’une matrice
de transition P entre acides aminés pour une longueur de branche de 0,01 substitution par site, notée PAM1 (pour Point Accepted Mutation, mutation ponctuelle
acceptée). En multipliant la matrice PAM1 k fois par elle-même, on obtient une
matrice PAMk représentant les fréquences attendues des paires d’acides homologues
pour des protéines ayant divergé de k %. La figure 3.11 du chapitre 3 donne la
matrice PAM250 (précisément, les valeurs de la figure correspondent à 10log 10 (r ij )
si les r ij sont les termes de la matrice PAM250). Une divergence de 250 % signifie
que pour 100 sites de la protéine, 250 événements de substitution d’acides aminés se
sont produits en moyenne, ce qui est une divergence considérable.
Dans les notations utilisées ici, la matrice PAM1 de M. Dayhoff correspond à
e Q0,01 où Q est la matrice des taux. Les algorithmes de reconstruction phylogénétique
Figure 6.10 – Dialogue de paramétrisation de la méthode Gblocks sous SeaView.
73
6.5 • Matrices de taux de substitution entre séquences protéiques
6.5 MATRICES DE TAUX DE SUBSTITUTION ENTRE
SÉQUENCES PROTÉIQUES
Au niveau protéique, avec l’alphabet des 20 acides aminés, une matrice Q contient
380 paramètres libres (termes non diagonaux). Si on impose que cette matrice soit
réversible, ce qui facilite la reconstruction phylogénétique par méthodes probabilistes, il reste 190 paramètres libres, ce qui est beaucoup trop pour pouvoir les
estimer à partir de l’alignement d’une seule séquence protéique.
C’est pourquoi des grandes compilations d’alignements protéiques ont été utilisées pour estimer une fois pour toutes les paramètres d’une matrice de taux
protéique à l’aide d’un grand nombre de données. La compilation de protéines
diverses permet aussi de mesurer les taux moyens d’échange entre acides aminés
indépendamment de taux qui pourraient être spécifiques à une protéine particulière.
Cette opération a été conduite pour la première fois par Margaret Dayhoff en 1978
qui a réuni 1 300 séquences protéiques de 71 familles de séquences homologues
ayant plus de 85 % d’identité. En considérant seulement des protéines très fortement
similaires, M. Dayhoff espérait se tromper rarement en supposant que chaque fois
qu’elle observait deux acides aminés homologues en un même site, un échange
direct, sans intermédiaire, s’était produit entre eux. En utilisant la procédure
détaillée au chapitre 3, ces données ont permis d’estimer l’équivalent d’une matrice
de transition P entre acides aminés pour une longueur de branche de 0,01 substitution par site, notée PAM1 (pour Point Accepted Mutation, mutation ponctuelle
acceptée). En multipliant la matrice PAM1 k fois par elle-même, on obtient une
matrice PAMk représentant les fréquences attendues des paires d’acides homologues
pour des protéines ayant divergé de k %. La figure 3.11 du chapitre 3 donne la
matrice PAM250 (précisément, les valeurs de la figure correspondent à 10log 10 (r ij )
si les r ij sont les termes de la matrice PAM250). Une divergence de 250 % signifie
que pour 100 sites de la protéine, 250 événements de substitution d’acides aminés se
sont produits en moyenne, ce qui est une divergence considérable.
Dans les notations utilisées ici, la matrice PAM1 de M. Dayhoff correspond à
e Q0,01 où Q est la matrice des taux. Les algorithmes de reconstruction phylogénétique
Figure 6.10 – Dialogue de paramétrisation de la méthode Gblocks sous SeaView.