Worldlex Wiki En biologie évolutive , les séquences conservées sont des séquences identiques ou similaires dans les acides nucléiques ( ADN et ARN ) ou les protéines entre espèces ( séquences orthologues ), au sein d'un même génome ( séquences paralogues ) ou entre taxons donneur et récepteur ( séquences xénologues ). La conservation indique qu'une séquence a été maintenue par la sélection naturelle .
Une séquence hautement conservée est une séquence qui est restée relativement inchangée sur une longue période de l' arbre phylogénétique , et donc sur une très longue période géologique . Parmi les exemples de séquences hautement conservées, on peut citer les composants ARN des ribosomes présents dans tous les domaines du vivant, les séquences homéotiques largement répandues chez les eucaryotes et l' ARNtm chez les bactéries . L'étude de la conservation des séquences recoupe les domaines de la génomique , de la protéomique , de la biologie évolutive , de la phylogénétique , de la bioinformatique et des mathématiques .
l'ADN dans l'hérédité et les observations de Frederick Sanger sur la variation des insulines animales en 1949 ont incité les premiers biologistes moléculaires à étudier la taxonomie d'un point de vue moléculaire . Dans les années 1960, des études ont utilisé l'hybridation de l'ADN et les techniques de réactivité croisée des protéines pour mesurer la similarité entre des protéines orthologues connues , telles que l'hémoglobine et le cytochrome c . En 1965, Émile Zuckerkandl et Linus Pauling ont introduit le concept d' horloge moléculaire , proposant que les taux constants de remplacement des acides aminés puissent être utilisés pour estimer le temps écoulé depuis la divergence de deux organismes . Si les phylogénies initiales correspondaient étroitement aux données fossiles , l'observation que certains gènes semblaient évoluer à des rythmes différents a conduit au développement des théories de l'évolution moléculaire . La comparaison des séquences de ferrédoxine réalisée par Margaret Dayhoff en 1966 a montré que la sélection naturelle agirait pour conserver et optimiser les séquences protéiques essentielles à la vie.Mécanismes
La conservation peut concerner les séquences d'acides nucléiques codantes et non codantes . On pense que les séquences d'ADN hautement conservées ont une valeur fonctionnelle, bien que le rôle de nombreuses séquences d'ADN non codantes hautement conservées soit encore mal compris. Le degré de conservation d'une séquence peut être influencé par différentes pressions de sélection , sa robustesse aux mutations, la taille de la population et la dérive génétique . De nombreuses séquences fonctionnelles sont également modulaires et contiennent des régions susceptibles d'être soumises à des pressions de sélection indépendantes , comme les domaines protéiques .
Séquence de codage
Dans les séquences codantes, la séquence d'acide nucléique et la séquence d'acide aminé peuvent être conservées à des degrés divers, car la dégénérescence du code génétique signifie que les mutations synonymes dans une séquence codante n'affectent pas la séquence d'acide aminé de son produit protéique.
Les séquences d'acides aminés peuvent être conservées afin de maintenir la structure ou la fonction d'une protéine ou d'un domaine. Les protéines conservées subissent moins de substitutions d'acides aminés , ou sont plus susceptibles de substituer des acides aminés aux propriétés biochimiques similaires . Au sein d'une séquence, les acides aminés importants pour le repliement , la stabilité structurale ou qui forment un site de liaison peuvent être plus fortement conservés.
La séquence d'acide nucléique d'un gène codant pour une protéine peut également être conservée par d'autres pressions de sélection. Le biais d'utilisation des codons chez certains organismes peut restreindre les types de mutations synonymes dans une séquence. Les séquences d'acide nucléique induisant une structure secondaire dans l'ARNm d'un gène codant peuvent être éliminées par sélection, car certaines structures peuvent nuire à la traduction, ou conservées lorsque l'ARNm agit également comme un ARN non codant fonctionnel.
Non codant
Identification
Recherche d'homologie
Les séquences conservées peuvent être identifiées par recherche d'homologie , à l'aide d'outils tels que BLAST , HMMER , OrthologR [ et Infernal outils peuvent utiliser une séquence d'acide nucléique ou de protéine comme entrée, ou des modèles statistiques générés à partir d'alignements multiples de séquences apparentées connues. Des modèles statistiques tels que les HMM de profil et les modèles de covariance d'ARN, qui intègrent également des informations structurales peuvent s'avérer utiles pour la recherche de séquences plus éloignées phylogénétiquement. Les séquences d'entrée sont ensuite alignées sur une base de données de séquences provenant d'individus apparentés ou d'autres espèces. Les alignements obtenus sont ensuite évalués en fonction du nombre d'acides aminés ou de bases identiques, et du nombre de lacunes ou de délétions générées par l'alignement. Les substitutions conservatrices acceptables peuvent être identifiées à l'aide de matrices de substitution telles que PAM et BLOSUM . Les alignements ayant un score élevé sont considérés comme provenant de séquences homologues. La conservation d'une séquence peut alors être déduite par la détection d'homologues très similaires sur un large éventail phylogénétique.
Alignement de séquences multiples
Les alignements de séquences multiples permettent de visualiser les séquences conservées. Le format CLUSTAL inclut une légende en texte brut pour annoter les colonnes conservées de l'alignement, indiquant les séquences conservées (*), les mutations conservatrices (:), les mutations semi-conservatrices (.) et les mutations non conservatrices ( ) Les logos de séquences peuvent également représenter les séquences conservées en illustrant la proportion de caractères à chaque point de l'alignement par leur hauteur.
Alignement du génome
L’alignement de génomes entiers (AGE) peut également servir à identifier des régions hautement conservées entre les espèces. Actuellement, la précision et l’extensibilité des outils d’AGE restent limitées en raison de la complexité des calculs liés aux réarrangements, aux régions répétitives et à la grande taille de nombreux génomes eucaryotes. Cependant, l’AGE de 30 bactéries (procaryotes) ou plus, étroitement apparentées, est désormais de plus en plus réalisable.
Systèmes de notation
D'autres approches utilisent des mesures de conservation basées sur des tests statistiques qui tentent d'identifier les séquences qui mutent différemment d'un taux de mutation de fond (neutre) attendu.
Le cadre GERP (Profilage des taux d'évolution génomique) évalue la conservation des séquences génétiques entre espèces. Cette approche estime le taux de mutation neutre dans un ensemble d'espèces à partir d'un alignement multiple de séquences, puis identifie les régions de la séquence présentant moins de mutations que prévu. Ces régions se voient ensuite attribuer un score en fonction de la différence entre le taux de mutation observé et le taux de mutation de fond attendu. Un score GERP élevé indique une séquence hautement conservée.
LIST (Identité locale et taxons partagés) repose sur l'hypothèse que les variations observées chez les espèces étroitement apparentées à l'humain sont plus significatives pour l'évaluation de la conservation que celles observées chez les espèces plus éloignées. Ainsi, LIST utilise l'identité d'alignement local autour de chaque position pour identifier les séquences pertinentes dans l'alignement multiple de séquences (MSA), puis estime la conservation en fonction des distances taxonomiques de ces séquences par rapport à l'humain. Contrairement à d'autres outils, LIST ne tient pas compte du nombre ou de la fréquence des variations dans le MSA.
une sélection purificatrice et généralement essentiels à la fonction normale de la protéine.
D'autres approches, telles que PhyloP et PhyloHMM, intègrent des méthodes de phylogénétique statistique pour comparer les distributions de probabilité des taux de substitution, permettant ainsi la détection de la conservation et des mutations accélérées. Dans un premier temps, une distribution de probabilité de base est générée pour le nombre de substitutions attendues dans une colonne d'un alignement multiple de séquences, à partir d'un arbre phylogénétique . Les relations évolutives estimées entre les espèces d'intérêt servent à calculer la signification de chaque substitution (par exemple, une substitution entre deux espèces étroitement apparentées est moins probable qu'entre deux espèces éloignées, et donc plus significative). Pour détecter la conservation, une distribution de probabilité est calculée pour un sous-ensemble de l'alignement multiple de séquences, puis comparée à la distribution de base à l'aide d'un test statistique, tel qu'un test du rapport de vraisemblance ou un test du score . Les valeurs p obtenues par la comparaison des deux distributions permettent ensuite d'identifier les régions conservées. PhyloHMM utilise des modèles de Markov cachés pour générer les distributions de probabilité. Le logiciel PhyloP compare les distributions de probabilité à l'aide d'un test du rapport de vraisemblance ou d' un test du score , ainsi que d'un système de score similaire à GERP.
Conservation extrême
Éléments ultra-conservés
Les éléments ultra-conservés (EUC) sont des séquences très similaires, voire identiques, entre plusieurs taxonomiques . Découverts initialement chez les vertébrés [ , ils ont ensuite été identifiés au sein de taxons très différents . Bien que leur origine et leur fonction soient encore mal comprises , les EUC ont été utilisés pour étudier les divergences anciennes chez les amniotes , les insectes et entre les animaux et les plantes .
Gènes universellement conservés
Les gènes les plus conservés sont ceux que l'on retrouve chez tous les organismes. Ils sont principalement constitués d' ARNnc et de protéines nécessaires à la transcription et à la traduction , que l'on suppose avoir été conservés depuis le dernier ancêtre commun universel de toute vie.
Parmi les gènes ou familles de gènes universellement conservés, on trouve les facteurs d'élongation liant le GTP , la méthionine aminopeptidase 2 , la sérine hydroxyméthyltransférase et les transporteurs d'ATP . Les composants de la machinerie de transcription, tels que l'ARN polymérase et les hélicases , et de la machinerie de traduction, tels que les ARN ribosomiques , les ARNt et les protéines ribosomiques , sont également universellement conservés.
Applications
Phylogénétique et taxonomie
Les ensembles de séquences conservées sont souvent utilisés pour générer des arbres phylogénétiques , car on peut supposer que les organismes présentant des séquences similaires sont étroitement apparentés. Le choix des séquences peut varier selon le champ taxonomique de l'étude. Par exemple, les gènes les plus conservés, tels que l'ARN 16S et d'autres séquences ribosomiques, sont utiles pour reconstruire les relations phylogénétiques profondes et identifier les phylums bactériens dans les études métagénomiques . Les séquences conservées au sein d'un clade mais sujettes à certaines mutations, comme les gènes de ménage , peuvent être utilisées pour étudier les relations entre espèces. La région de l'espaceur transcrit interne (ITS), nécessaire à l'espacement des gènes d'ARNr conservés mais sujette à une évolution rapide, est couramment utilisée pour classer les champignons et les souches de bactéries à évolution rapide.
Recherche médicale
Les séquences hautement conservées, ayant souvent des fonctions biologiques importantes, peuvent constituer un point de départ utile pour identifier la cause des maladies génétiques . De nombreuses maladies métaboliques congénitales et maladies de surcharge lysosomale résultent de modifications de gènes conservés, entraînant l'absence ou le dysfonctionnement d'enzymes, à l'origine des symptômes. Il est possible de prédire les maladies génétiques en identifiant les séquences conservées entre l'homme et des organismes de laboratoire tels que la souris ou la drosophile , et en étudiant les effets de l' inactivation de ces gènes . Les études d'association pangénomiques permettent également d'identifier les variations des séquences conservées associées à la maladie ou l'état de santé. Plus d'une vingtaine de nouveaux loci de susceptibilité potentiels ont été découverts pour la maladie d'Alzheimer
Annotation fonctionnelle
L’identification de séquences conservées permet de découvrir et de prédire des séquences fonctionnelles telles que les gènes. Les séquences conservées dont la fonction est connue, comme les domaines protéiques, peuvent également servir à prédire la fonction d’une séquence. Les bases de données de domaines protéiques conservés, telles que Pfam et la base de données des domaines conservés (Conserved Domain Database), permettent d’annoter les domaines fonctionnels dans les gènes codant pour des protéines prédits.