Les logiciels de comparaison de séquences

Une brève historique ↑

SEQUAID est un logiciel développé par l'université du Kansas (Etats-Unis) et adapté à l'enseignement sous le nom SEQUAID II par l'INRP. L'unique version (françisée) est publiée en 1995 et fonctionne sous MsDOS (et donc sous Windows et émulateurs).

Clustal, décliné en ClustalW puis Clustal X pour sa version fenêtrée (interface graphique) est un des logiciels les plus célèbres. Le logiciel fonctionne toujours sur diverses plateformes.

Clustal étant centré sur le calcul d'alignements, a suscité le développement de logiciels complémentaires qui ont sans doute davantage vieilli:

Clustal X calcule les données représentant les arbres phylogénétiques sans les afficher. Ces fichiers exportés par Clustal X sont importables dans Treeview. L'arbre produit par défaut étant non enraciné (unrooted), l'enracinement se réalise en définissant un groupe extérieur (outgroup), mais les versions Linux et MacOS X ne permettent pas l'enracinement.

Annhyb affiche les alignements de séquences (fichiers .aln générés par Clustal X) sous une forme imprimable, assure la traduction des séquences d'ADN en séquences protéiques; affiche la carte de restriction (243 enzymes sont présentes dans sa banque); fonctionne uniquement sous Windows.

La difficulté à maintenir le développement d'outils multiplateforme pousse à construire des applications fonctionnant sur Java dont Jalview est le meilleur exemple.

L'évolution la plus récente, à l'égal des applications de visualisation de molécules en 3D se troune vers des interfaces web, c'est à dire vers un navigateur exécutant un programme. Jalview est proposé au départ en deux versions, dont un "applet" s'exécutant dans un navigateur. Historiquement les applets reposent sur un module (plugin) ajouté au navigateur (Adoble Flash est/était un bon exemple) ou sur Java. Posant des problèmes de sécurité, ces solutions tetchniques ont perdu en popularité ou sont carrément abandonnées.

Lorsque l'utilisateur utilise une application à travers un navigateur d'aujourd'hui, même s'il ne s'en aperçoit pas, deux cas sont en réalité mis en œuvre:
- tout se passe sur la machine cliente: l'application est codée en Javascript;
- il y a un dialogue constant entre la machine cliente et un serveur qui exécute tous les calculs grâce à des scripts tournant sur le serveur ou à des exécutables complémentaires. Ce second cas est bien plus gourmand en énergie que le premier; le trafic de données sur le réseau est augmenté, mais surtout le serveur peut avoir à répondre simultanément à une multitude de requêtes des stations clientes et se trouver en difficulté.

Certaines solutions un peu trompeuses sont présentées sous forme de scripts (Javascript) mais font appel à de "bibliothèques de scripts" situées parfois ailleurs que le script principal. Pour des raisons de sécurité le navigateur refusera le plus souvent d'exécuter les commandes.

Il convient donc de privilégier (surtout si on est un tant soit peu programmeur et qu'on envisage de modifier les scripts) les applications légères utilisant le moins de bibliothèques de script possibles ou qui s'en passent complètement. Le terme de Vanilla JS a été connoté pour définir les scripts qui s'affranchissent des bibliothèques.

Calculer des alignements et/ou les afficher ↑

Ne vous attendez pas à découvrir ici une liste exhaustive; selon votre besoin privilégiez les applications les plus polyvalentes ou à l'inverse les plus minimalistes, et dans tous les cas celles qui n'enferment pas les élèves et leurs enseignants dans une démarche préétablie (en mettant en avant par exemple une banque de séquences dont il n'est pas toujours facile de s'échapper). Préférez les applications qui ne sont pas dépendantes d'un système d'exploitation unique même s'il s'agit de celui dont la domination est quasi exclusive dans les établissements scolaires français (Windows). Enfin privilégiez les applications libres (et donc gratuites); là je ne fais que suivre les consignes ministérielles.

Clustal

Clustal X utilise une fenêtre unique et utilise un code de couleur (configurable) distinguant chaque nucléotide ou acide aminé mettant ainsi en évidence les alignements ou les non-alignements. Son principal défaut est de ne pas permetre l'édition manuelle des séquences (donc un alignement manuel). Sinon, le calcul des alignements est très rapide. Outre les séquences alignées, le logiciel produit des données phylogénétiques affichables avec divers logiciels.

Il est facile de modifier les fichiers Séquaid (INRP) ou Anagène (CNDP) dans un éditeur de texte pour permettre leur lecture par Clustal X. Phylogène utilise les mêmes formats que Clustal X. Les alignements sont d'ailleurs réalisés grâce à une version de Clustal X installé en même temps que Phylogène.

Malgré son ancienneté, Clustal X fonctionne encore sur la plupart des platerformes (sur Mac il est très probablement limité aux machines basées sur des processeurs Intel). La version la plus récente de Clustal (Clustal Omega) ne fonctionne qu'en ligne de commande mais d'autres programmes comme Seaview comblent cette lacune et des sites proposent une interface en ligne (lien ci-après vers le site EMBL's European Bioinformatics Institute).

Anagène

Vous échapperez difficilement à la nécessité de familiariser les élèves à son usage si vous enseignez en spécialité SVT; c'est sans doute l'unique argument pour l'utiliser. Les instructions pilotant l'ECE n'imposent cependant aucun logiciel pour peu que celui choisi remplisse les fonctions demandées dans le protocole de l'exercice. Une encyclopédie limitée est incorporée au logiciel et peut être enrichie (de façon malheureusement très malcomode) ainsi qu'une banque de séquences.

L'interface utilisateur d'Anagène est peu intuitive et a considérablement vieilli. Pour autant, la consultation des banques de données (séquences moléculaires et scénarios pédagogiques) accompagnant Anagène est des plus utiles. On ne comprend pas vraiment pourquoi ces données sont incorporées au logiciel au lieu d'être diffusées indépendemment (une trace de son origine commerciale ?).

Phylogène

Phylogène est plus qu'une base de données sur les caractères phénotypiques, c'est aussi un logiciel d'alignement de séquences; il peut calculer et afficher des matrices de différences et des arbres phylogénétiques. C'est un logiciel gratuit, mais non libre, édité par l'INRP et comme le précédent, l'outil est dépendant de Windows. Les alignements sont d'ailleurs réalisés grâce à une version (malheureusement ancienne)¹ de Clustal X installé en même temps que Phylogène. Remplacer cette version par une plus récente comme la 1.83 ne semble pas poser problème.

Pour pouvoir réaliser des alignements, autorisez en écriture le dossier Molecules (situé lui même dans le dossier de base de l'application); mieux, surtout sur un réseau, modifier le fichier programmes\phylini.ini pour qu'il contienne une redirection vers un dossier local contenant les fichiers temporaires, par exemple :
alignement=c:\temp
(créez cette ligne si elle n'existe pas).

Seaview

Seaview est une interface graphique pour Clustal Omega, Muscle, Phylip. C'est léger et efficace. L'interface est intuitive, mais qu'on ne s'y trompe pas Seaview est d'une puissance redoutable, vous pouvez utiliser le glisser-déposer pour charger les séquences à étudier, ouvrir plusieurs fenêtres, éditer manuellement les séquences, convertir les séquences d'ADN en protéines puis revenir en arrière, calculer des arbres phylogénétiques et les éditer. Les modules servant pour les calculs de base (Clustalo, Muscle, Phyml) sont des références. Un logiciel utilisable par les élèves comme par les chercheurs... Seaview est un logiciel produit par le pôle bioinformatique de l'université de Lyon. Pourtant, le seul reproche qu'on puisse lui faire sont ses menus en langue anglaise.

Jalview ↑

Un logiciel libre en Java (donc multiplateforme); son point fort: il fait tout; son point faible: il fait tout. Jalview permet de comparer les séquences, de calculer les alignements, de calculer et d'afficher des arbres phylogénétiques, et même en incorporant Jmol de visualiser des molécules .

Par contre sa version Javascript (JalviewJS) n'est qu'au début de son développement et n'est sans doute pas adaptée pour les calculs complexes. En l'état l'installation par défaut comprend un grand nombre de fichiers et pèse près de 100 Mo. Le programme serait capable de se reconstruire pour s'adapter à son utilisateur et de générer une version allégée dédiée, mais cette installation semble complexe. De plus seule la version s'affichant dans de multiples fenêtres flottantes semble fonctionner correctement.

Si votre besoin est uniquement de de réaliser des tutoriels basés sur des pages web, vous aurez intérêt à vous contenter d'applications plus légères qui se contentent d'afficher des groupes de séquences déjà alignées ou des arbres phylogénétiques déjà calculés (lire ci-dessous).

Des programmes en Javascript ↑

(à venir)

Comparatif ↑

De part le format du tableau, ce comparatif ne s'affichera pas sur un petit écran. A noter qu'il est possible de faire "tourner" les logiciels dépendants de Windows sur Linux ou Mac OS (machines Intel de préférence) en utilisant Wine ou un système de virtualisation comme Virtual Box.

Travailler avec les enzymes de restriction ↑

Tout traitement de texte permet une modélisation de l'action des enzymes de restriction. Il suffit de charger la séquence à couper dans une fenêtre de traitement de texte, puis d'utiliser la fonction recherche/remplacement avec la séquence d'ADN reconnue par l'enzyme de restriction qu'on remplace par une suite d'espaces ou idéalement d'un retour à la ligne. Cette activité est beaucoup plus "modélisante" que ce qu'offrent Annhyb ou Anagène sur le sujet. Je recommande fortement ce type de "détournement".

Le code génétique ↑

Convertisseur en ligne nucléotides > acides aminés Il est possible de traiter en ligne (ou même sans serveur pour Javascript) une séquence entrée dans un formulaire. Le programme qui suit est un exemple qui fonctionne en ligne ou hors ligne après enregistrement en local : convertisseur ADN → protéine.

Exemple d'activité: utiliser l'outil pour décrypter le code génétique, en recontituant en quelque sorte la démarche de Marshall Nirenberg et Heinrich Matthaei.

Séquences à télécharger ↑

Les formats de fichiers représentant les séquences sont généralement simples et facilement convertibles d'un standard à un autre (ce sont des fichiers texte dont les formats ne diffèrent souvent que par leurs en-têtes).

Ce sont des fichiers ASCII décrivant la séquence du brin non transcrit de l'ADN pour la partie codante de l'allèle considéré. Les séquences d'ADN sont représentées par la suite des lettres A, T, C ou G. Les séquences protéiques sont représentées par une suite de lettres qui désignent les acides aminés (une lettre par acide aminé) selon le codage présenté sur la page web Tableau du code génétique. L'en-tête varie d'un logiciel à l'autre : ouvrez les exemples dans un éditeur texte comme le Bloc note de Windows ou TextWrangler (ou TextEdit) sur Mac OS.

• Le format exploité par le logiciel Gène (Séquaid) demande des commentaires précédés par ; la dernière ligne de commentaire contenant uniquement ; les fichiers possèdent l'extension .adn et chaque fichier ne doit contenir qu'une seule séquence. Anagène utilise le même format que Séquaid pour l'en-tête (les commentaires) mais le fichier peut contenir plusieurs séquences et a pour extension .edi
• Clustal X est capable de lire une multitude de fichiers, mais il est préférable de faire précéder le nom de chaque séquence du signe > et d'utiliser l'extension .seq
  ce format se nomme aussi format FASTA, il peut prendre l'extension .fst
• Phylogène lit les fichiers alignés .aln produits par Clustal X, mais aussi les fichiers ci-dessous (changez l'extension .seq en .pir)

Les fichiers qui suivent sont au format de Clustal X :

D-Loop : Hominidés ADN mitochondrial: pour Clustal X, format .pir pour Phylogène

Groupe sanguin principal humain ADN, protéines

NAD déshydrogénase : Hominidés ADN, protéines
Phénylalanine hydroxylase (PAH) ADN, protéines
Tyrosinase humaine ADN, protéines

Famille des globines humaines ADN, protéines
Globine β : humaine (normale, drépanocytaire, microcytaire) ADN, protéines, Hominidés protéines, Primates protéines, Vertébrés protéines
Globine α : Hominidés protéines, Vertébrés protéines
Myoglobine : Vertébrés protéines

Famille des hormones anté-hypophysaires humaines ADN, protéines, Vertébrés protéines

Famille des opsines protéines

Remarque : comme les fichiers .pdb sont des fichiers textes et comportent généralement, lorsqu'ils décrivent des chaînes protéiques, la séquence des acides aminés constitutifs, il est possible d'en extraire un fichier de séquence qui, moyennant quelques traitements simples, sera exploitable dans un logiciel de comparaison de séquences.

Bibliographie ↑