La comparaison de séquences

Comparer des séquences serait relativement simple si elles avaient toutes la même longueur. Comme ce n'est pas le cas, il faut les aligner.

Distance d'édition

Selon ce concept, le bon alignement est celui qui minimise les opérations à réaliser pour passer d'un séquence à l'autre.
• Opérations: conservation, remplacement/mutation, délétion, insertion. Une pénalité peut être affectée à chaque opération, par exemple c=0, m=-1, d=-2, i=-2. La distance finale entre les deux séquences (distance d'édition) est la somme de ces pénalités.

  Séq. 1	CA-TCGTAGC
  Séq. 2	CAGTGGT-GC
  Dist. édition:	ccicmccdcc

• Le nombre d'alignements possible est trop élevé: on ne peut pas les essayer tous pour trouver celui qui minimise la distance.

Les "dot plots"

Deux séquences à comparer sont représentées (ici 2 gènes de globine), une horizontalement, l'autre verticalement. On dessine ensuite un point dans la matrice lorsque les deux positions correspondantes sont identiques. Lorsque des régions se ressemblent, on voit apparaître une diagonale. Les décalages entre les diagonales correspondent à des insertions ou délétions. Plusieurs diagonales parallèles indiquent une répétition.

Pour "nettoyer" le dot plot, on utilise souvent non pas un point par base, mais un point lorsque n bases sont identiques, ou n bases identiques dans une fenêtre de N. Cela réduit considérablement le nombre de points.

Les dot plots sur des génomes complets permettent de visualiser les évènements à grande échelle, la synthénie, etc.