Séquence de consensus

En biologie moléculaire et en bioinformatique , la séquence consensus (ou séquence canonique ) est la séquence calculée des résidus les plus fréquents, soit des nucléotides , soit des acides aminés , trouvés à chaque position dans un alignement de séquences . Elle représente les résultats de plusieurs alignements de séquences dans lesquels des séquences apparentées sont comparées les unes aux autres et des motifs de séquence similaires sont calculés. Ces informations sont importantes lorsque l'on considère les enzymes dépendantes de la séquence telles que l'ARN polymérase .

Un site de liaison aux protéines, représenté par une séquence consensus, peut être une courte séquence de nucléotides présente plusieurs fois dans le génome et dont on pense qu'elle joue le même rôle à différents endroits. Par exemple, de nombreux facteurs de transcription reconnaissent des motifs particuliers dans les promoteurs des gènes qu'ils régulent. De la même manière, les enzymes de restriction ont généralement des séquences consensus palindromiques , correspondant généralement au site où elles coupent l'ADN. Les transposons agissent de la même manière dans leur identification des séquences cibles pour la transposition. Enfin, les sites d'épissage (séquences entourant immédiatement les limites exon - intron ) peuvent également être considérés comme des séquences consensus.

Ainsi, une séquence consensus est un modèle pour un site de liaison putatif de l'ADN : elle est obtenue en alignant tous les exemples connus d'un certain site de reconnaissance et définie comme la séquence idéalisée qui représente la base prédominante à chaque position. Tous les exemples réels ne devraient pas différer du consensus de plus de quelques substitutions, mais compter les mésappariements de cette manière peut conduire à des incohérences.

Toute mutation permettant à un nucléotide muté dans la séquence promotrice centrale de ressembler davantage à la séquence consensus est appelée mutation positive . Ce type de mutation renforce généralement le promoteur, et ainsi l'ARN polymérase forme une liaison plus étroite avec l'ADN qu'elle souhaite transcrire et la transcription est régulée à la hausse. Au contraire, les mutations qui détruisent les nucléotides conservés dans la séquence consensus sont appelées mutations négatives . Ces types de mutations régulent à la baisse la transcription puisque l'ARN polymérase ne peut plus se lier aussi étroitement à la séquence promotrice centrale.

Le développement de logiciels de reconnaissance de formes est un sujet majeur en génétique , biologie moléculaire et bioinformatique . Des motifs de séquence spécifiques peuvent fonctionner comme des séquences régulatrices contrôlant la biosynthèse ou comme des séquences de signal qui dirigent une molécule vers un site spécifique dans la cellule ou régulent sa maturation. Étant donné que la fonction régulatrice de ces séquences est importante, on pense qu'elles sont conservées sur de longues périodes d' évolution . Dans certains cas, la parenté évolutive peut être estimée par le degré de conservation de ces sites.

Les motifs de séquence conservés sont appelés séquences consensus et ils montrent quels résidus sont conservés et quels résidus sont variables. Considérons l'exemple de séquence d'ADN suivant :

UN[CT]N{A}AN

Dans cette notation , A signifie qu'un A est toujours trouvé dans cette position ; [CT] signifie C ou T ; N représente n'importe quelle base ; et {A} signifie n'importe quelle base sauf A. Y représente n'importe quelle pyrimidine et R indique n'importe quelle purine . Dans cet exemple, la notation [CT] ne donne aucune indication sur la fréquence relative de C ou T survenant à cette position. Et il n'est pas possible de l'écrire comme une séquence consensus unique, par exemple ACNCCA. Une autre méthode de représentation d'une séquence consensus utilise un logo de séquence . Il s'agit d'une représentation graphique de la séquence consensus, dans laquelle la taille d'un symbole est liée à la fréquence à laquelle un nucléotide (ou un acide aminé) donné apparaît à une certaine position. Dans les logos de séquence, plus le résidu est conservé, plus le symbole de ce résidu est grand ; moins il est fréquent, plus le symbole est petit. Les logos de séquence peuvent être générés à l'aide de WebLogo ou à l'aide de Gestalt Workbench, un outil de visualisation accessible au public écrit par Gustavo Glusman à l'Institute for Systems Biology.

Les outils bioinformatiques permettent de calculer et de visualiser des séquences consensus. JalView et UGENE en sont des exemples .