- Séquence biologique
-
Une séquence biologique est généralement un fichier informatique au format texte contenant la séquence d'une macromolécule biologique. Ce peut être la séquence des bases de l'ADN (acide désoxyribonucléique) à la sortie d'un séquenceur de gène ou la traduction de cette séquence en acide aminés.
Il s'agit d'un fichier contenant l'information génétique brute.
Sommaire
Séquences nucléotides
Séquences génétiques
Séquence d'ADN associée à son électrophorègramme.
Dans le cas d'une séquence d'ADN, le "texte" est une suite formée uniquement de 4 lettres correspondant aux quatre nucléotides formant l'enchainement de l'ADN : A pour adénine, G pour guanine, T pour thymine, C pour cytosine. Il faut faire attention si le sens de lecture peut être 3' vers 5' ou inverse.
Exemple d'une séquence biologique d'ADN pour le gène Antennapedia CG1028-RH de Drosophila melanogaster :
1 ttcagttgtg aatgaatgga cgtgccaaat agacgtgccg ccgccgctcg attcgcactt 61 tgctttcggt tttgccgtcg tttcacgcgt ttagttccgt tcggttcatt cccagttctt 121 aaataccgga cgtaaaaata cactctaacg gtcccgcgaa gaaaaagata aagacatctc 181 gtagaaatat taaaataaat tcctaaagtc gttggtttct cgttcacttt cgctgcctgc 241 tcaggacgag ggccacacca agaggcaaga gaaacaaaaa gagggaacat aggaacagga 301 accagataat agtgacataa gcgacccttt cgcaaatatt ttggcgcaaa atgagcgggc 361 gccaagtgcc gcgtggtgga gccgcctgaa aatgacatgg aaaattcgcc gaaaatcgcg 421 cgttttggca gcatcaatcc caaagcacaa aattaatttc tatcataatt tctgggtgca 481 acacggaccc ataattgaat cgaatatagg gcttatctga tagcccggca gcaacattga 541 actttccggc tgcaaaggag acgacaccga gatcgccaat tttcgttggg ctcgttctct 601 gggctccggc gataagaaat ccatgctgat aaggacagga ggacggtctg cggcaaattg 661 aattcgattc tgacctgtat gaaagccagc ggagatacgg atacctctgg gtttatgggt 721 agaaaacgca gagcgtcgcg ccaacatcga aattatttgc gtttgcatct tctcgtcctt 781 tcgtttatcg ttctgattgc catcgtggtg gcgcggtttc tattaatttt gcttctgtat 841 cgtttgcaaa atctcaaaag attcaaaaag ttcgtcatca gcagccgcaa cacaaaaacc 901 aacgagtgta aagccgagca tacaaatatc aataaaaaca taaacattta cccaatctca 961 atctcaaaac attcgcatcg tttccacaca aatatgctta gttcgcccaa attgtgattg 1021 tatatatata tttaacggca ttaaatacaa aagattaagc cctaaattaa gtgtaaatct 1081 tacaaaacgt ctacgttttt aaacaagaaa ttgtgatatt atatattaat cgggaaattc 1141 gaagtatgag aacaaaacgg tgtatatatg taagtgggcg atgaacatca atgaatattt 1201 tagctgagca aagtacacac gaatgaatat aaatatacat gaaaatatat tttgggcacc 1261 gacttttaca ccacaattat atatcgatag aaaagacacg aaaacaatca cagaaaacta 1321 agagtttcaa aatcaaaatt gaggaatacc aactagagga taaggctact taaggatcaa 1381 aaaacaccaa ggagacgaga ttttctacca aatcgagaga cgaggggcag gttaatttcg 1441 tcatttttgg ccaagacagc aaatagagga acagcaaagc gaaaatcatt ttatacctca 1501 cacaacaact acacactaac taagattagg ctacgcaact gtacattgta cttaagtgtt 1561 caaagtatat ttagtttact ttgtatataa gaaaagtagc taaaagcacg cggacaggga 1621 ggcaggagca ccacagtcac tagccactaa gcagagtcac agtcacgatc acgttcactc 1681 caggatcagg actcggggcg ggatcagcag acgctgagga agctgccacg atgacgatga 1741 gtacaaacaa ctgcgagagc atgacctcgt acttcaccaa ctcgtacatg ggggcggaca 1801 tgcatcatgg gcactacccg ggcaacgggg tcaccgacct ggacgcccag cagatgcacc 1861 actacagcca gaacgcgaat caccagggca acatgcccta cccgcgcttt ccaccctacg 1921 accgcatgcc ctactacaac ggccagggga tggaccagca gcagcagcac caggtctact 1981 cccgcccgga cagcccctcc agccaggtgg gcggggtcat gccccaggcg cagaccaacg 2041 gtcagttggg tgttccccag cagcaacagc agcagcagca acagccctcg cagaaccagc 2101 agcaacagca ggcgcagcag gccccacagc aactgcagca gcagctgccg caggtgacgc 2161 aacaggtgac acatccgcag cagcaacaac agcagcccgt cgtctacgcc agctgcaagt 2221 tgcaagcggc cgttggtgga ctgggtatgg ttcccgaggg cggatcgcct ccgctggtgg 2281 atcaaatgtc cggtcaccac atgaacgccc agatgacgct gccccatcac atgggacatc 2341 cgcaggcgca gttgggctat acggacgttg gagttcccga cgtgacagag gtccatcaga 2401 accatcacaa catgggcatg taccagcagc agtcgggagt tccgccggtg ggtgccccac 2461 ctcagggcat gatgcaccag ggccagggtc ctccacagat gcaccaggga catcctggcc 2521 aacacacgcc tccttcccaa aacccgaact cgcagtcctc ggggatgccg tctccactgt 2581 atccctggat gcgaagtcag tttggtaagt gtcaaggaaa gtgatcgaca attccacgaa 2641 acgtattaag tggaattttt cttcttctta tcgtagtggg ttgaagtagt tagttccccg 2701 tttagaattg gtcgtagttc ccattagaat cgtaactgtg catacaacag ctagagctgt 2761 attatcttaa attgtataat accataacta ttacagcgaa cctcgtgcag cgaagcaaag 2821 cagtaaaaag cagtctagat gtactgcttt atattgtgtt tcctgcttga tattagatca 2881 ctaagcaagc agacgcgcaa gcagttcacg cagatcacgc agacgttaaa aatttaaaaa 2941 tgtttttgtt tgcagaaaga agtaccctct tcgcttttca attttgtagt taaaattcga 3001 gcaaatatat ttaaattaaa aaggctcaaa cttaaagtac tatgtatgtc ttgtattttt 3061 gaaaaaattc taaagtttat tataaaatgc attttaaata cattttttaa cctaccttgt 3121 cgcttgaaat atataaaatt taagttttag atatggaata gataaacaaa atatttccct 3181 ctgtcttaac taatttcttt aattaaatgt taagccccaa agcgactaca gcttcatgtc 3241 aaactcttac cttaaatatt tagagtttgt ttgcatttga actgagaacg ttttgtcgac 3301 gaccttgaca cgtccgggta atttcacttt attgccttgg ccaattgctt gacatcatcc 3361 gtaatccatc tgcaaagaca tcccgatacc tgacatttgt tcaaatttgc gaatttccca 3421 aatccgagca aatcgatgaa tgcaggcaga tgaaagacga aagaggtggc ggaagaggtg 3481 ctccttgggt tccgcttgcc cagaagatcg cagcacagga ggcggtcctg ccagctaatg 3541 caaattgaca atagctcgaa atcgtgcaag aaaaaggttt gccaaaaccc taggcgtaac 3601 taatgagggc tggaaaatag agcacactga ctgcatgtgg tactgcttta ggcttagagg 3661 atgttgcata agtggggata gggctcggcc gcctttcgag cgaaaaaggt gtaaggtcta 3721 ggaggcgagt ccttttcaaa tatagaattc caatggcatg tcactttcct cggagaaagt 3781 gaaagtaggc ctcaagtggt cggtgccttt gccttgccct ccagctgacc tgctccctgg 3841 tcattacgca gtccaaggag ctctagctct ccccataccc agctctcaat gttgttgtgg 3901 ttttttgttt gtagccggct gaattttttc gccaaagcca gattgagatg taaagcacaa 3961 ttgatgagcg ccattagtta cacgttatgt gcaatggatg ccatcaattt attaatctcc 4021 agaacacgcc gaggctccat tcatagcacc acttcgtcgt cttaatcccc tccctcatcc 4081 gccatggcgg tgcaaaaaat aaaaagaact cSéquences d'ARN
Dans le cas d'une séquence d'ARN, la lettre U est utilisée pour désigner l'uracile remplaçant la thymine pour ces molécules.
Séquences protéiques (peptidiques)
Cette séquence correspond à ce qu'on appelle la structure primaire de la protéine en biochimie. On appelle traduction, l'étape de synthèse protéique à partir d'une séquence nucléotidique, cette étape peut être facilement prédite par des logiciels informatiques pour l'identification de gènes jusqu'alors inconnus. Le code génétique donne une lettre de l'alphabet pour chacun des 20 acides aminés existants, en correspondance aux différents codons. Comme un codon est formé de trois bases, la séquence protéique est trois fois plus courte que la séquence nucléique correspondante.
Voici un exemple en protéique du gène Antennipedia de Drosophile :
1 mtmstnnces mtsyftnsym gadmhhghyp gngvtdldaq qmhhysqnan hqgnmpyprf 61 ppydrmpyyn gqgmdqqqqh qvysrpdsps sqvggvmpqa qtngqlgvpq qqqqqqqqps 121 qnqqqqqaqq apqqlqqqlp qvtqqvthpq qqqqqpvvya scklqaavgg lgmvpeggsp 181 plvdqmsghh mnaqmtlphh mghpqaqlgy tdvgvpdvte vhqnhhnmgm yqqqsgvppv 241 gappqgmmhq gqgppqmhqg hpgqhtppsq npnsqssgmp splypwmrsq fgkcqgkAutres séquences
- Séquence glucidique,
Traitements informatiques
Analyse de séquences
Article détaillé : Alignement de séquences.Des séquences comme celles-ci peuvent être utilisées en entrée (copiées/collées avec toutes leurs annotations) pour faire des analyses de séquences comme avec le programme BLAST.
D'autres programmes permettent d'effectuer des recherches de structures palindromiques.
Bluejay est un programme en java permettant de transformer des données de séquences d'ADN en XML.Annotations génomiques
Ensembl est un logiciel servant à annoter les séquences génomiques.
Types de séquences biologiques particulières
Articles connexes
- Classification phylogénétique,
- Évolution (biologie),
- gène, Phase ouverte de lecture
- Projet de séquençage de génome
- Traduction (biologie)
- Analyse de séquences (bio-informatique)
Voir aussi
- Directive sur la brevetabilité des inventions biotechnologiques, et affaire des brevets déposés par Craig Venter sur des séquences d'ADN humaines,
Wikimedia Foundation. 2010.
