Comparaisons séquence -> base de données

Note: les réponses ces exercices dépendent de l'état des bases de données. Les réponses ci-dessous sont valables pour le 15 février 2001.
    1. Il y a 92'703 séquences et 33'903'563 aminoacides (ces données se trouvent dans l'en-tête, juste au-dessus du graphique).
    2. La E-value représente le nombre d'alignements de même score qu'on peut s'attendre à obtenir par hasard dans une base de données de la même taille. Plus elle est faible, plus l'alignement est significatif. Cette valeur n'est pas une probabilité, parce qu'elle peut être supérieure à 1.
    3. Le seul homologue probable (d'après l'E-value) est BUB2_YEAST. Il est important de noter qu'une comparaison ne peut pas établir de manière certaine une homologie, elle constitue une indication de probabilité (forte dans ce cas-ci).
    4. Avec Bllosum90, on trouve moins de matches (moins sensible). La sélectivité est plus forte (il y a moins de matches "faux" (si l'on considère que seul BUB2_YEAST est un vrai positif). Avec Blosum45, la sensibilité est plus forte (il y a plus de matches), mais la fréquence des matches "faux" est plus élevée : la recherche est moins sélective.
    5. Les régions à basse complexité peuvent fausser le score (il est alors anormalement élevé), ce qui augmente le nombre de faux positifs : la recherche perd en sélectivité (et gagne en sensibilité).
    1. Très probablement : il y a une correspondance presque parfaite avec une protéine humaine (MGD1_HUMAN, 99% d'identité) qui est certainement son homologue.
    2. Non. Il y a bel et bien une protéine de souris qui obtient un bon score (NECD_MOUSE), mais pas assez bon pour qu'il s'agisse du même gène. Avec un EST, on doit obtenir une correspondance (presque) parfaite (compte tenu des erreurs de séquençage).
    3. Dans les meilleurs matches, c'est la région N-terminale qui est la mieux conservée. Il n'y a pas de fonction commune claire, d'après les annotations de la fiche SwissProt.
    1. Les séquences les plus similaires le sont surtout dans la région 300 - 500. Chez CHI1_BACCI, la séquence la plus similaire à l'ORF 4.7, cela correspond en gros à 460 - 640. La fiche Swiss-Prot indique qu'il y a à cet endroit deux domaines Fibronectine type III.
    2. Mis à part les deux domaines FNIII, il n'est pas évident que l'ORF 4.7 contienne des régions conservées.
    3. Non, parce que la région partagée par l'ORF et la chitinase n'est pas le domaine catalytique (qui caractérise les chitinases) mais les deux domaines Fibronectine III, qui sont des domaines d'interaction protéine-protéine.
Thomas Junier
Last modified: Thu Dec 10 17:00:33 CET 1998