Biologisk sekvens

En biologisk sekvens er beskrivelsen av sekvensen av elementer (eller monomerer ) som utgjør et biologisk makromolekyl , nukleinsyre eller protein . Disse makromolekylene er faktisk lineære polymerer , som består av nukleotider for førstnevnte eller av aminosyrer for sistnevnte. Sekvensen blir vanligvis representert som en tegnstreng som er lagret i en datafil i tekstformat.

I tilfellet med DNA , noe som tilsvarer sekvensen av baser , som kan fås ved utgangen fra et gen sequencer . Dette tilsvarer den rå genetiske informasjonen. Når det gjelder proteiner, tilsvarer dette sekvensen av aminosyrer som kan oppnås enten ved kjemisk sekvensering eller ved å oversette sekvensen til det tilsvarende genet til DNA.

Nukleotidsekvenser

Genetiske sekvenser

Når det gjelder en DNA- sekvens , er "teksten" en sekvens som bare er dannet av 4 bokstaver som tilsvarer de fire nukleotidene som danner kjeden til en av strengene av DNA: A for adenin , G for guanin , T for tymin , C for cytosin . Vær forsiktig hvis leseretningen kan være 3 ' til 5' eller revers.

Eksempel på en DNA-biologisk sekvens for Antennapedia CG1028-RH- genet fra 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 c

RNA-sekvenser

Når det gjelder en RNA- sekvens , brukes bokstaven U for å betegne uracil som erstatter tymin for disse molekylene .

Proteinsekvenser (peptider)

Denne sekvensen tilsvarer det som kalles den primære strukturen til proteinet i biokjemi. Vi kaller oversettelse , trinnet med proteinsyntese fra en nukleotidsekvens, dette trinnet kan enkelt forutsies av dataprogramvare for identifisering av tidligere ukjente gener. Den genetiske koden gir en bokstav i alfabetet for hver av de 20 eksisterende aminosyrene , tilsvarende de forskjellige kodonene . Siden et kodon består av tre baser, er proteinsekvensen tre ganger kortere enn den tilsvarende nukleinsyresekvensen.

Her er et proteineksempel på Antennipedia-genet fra Drosophila:

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 fgkcqgk

Andre sekvenser

Databehandling

Sekvensanalyse

Sekvenser som disse kan brukes som input (kopieres / limes inn med alle kommentarene) for å gjøre sekvensanalyser som med BLAST- programmet .
Andre programmer gjør det mulig å søke etter palindromiske strukturer .
Bluejay er et program skrevet i Java for å transformere DNA-sekvensdata til XML.

Genomiske merknader

Ensembl er programvare som brukes til å kommentere genomiske sekvenser.

Typer av spesifikke biologiske sekvenser

Merknader og referanser

Relaterte artikler

Se også