Bioinformatique et traitement des données

Bioinformatique

Environ 45 minutes

  • Choisir une base adaptée aux données
  • Interpréter un alignement et une représentation moléculaire
  • Écrire un algorithme simple et contrôler un graphique
Sommaire
  1. Choisir et interroger une base
  2. Comparer une séquence et visualiser une structure
  3. Rechercher un motif et programmer un modèle
  4. Traiter les données et argumenter au bac

Deux fragments presque identiques suffisent-ils à identifier un organisme ?

Une recherche numérique produit des candidats, pas une conclusion automatique. Tu vas choisir une base, comparer des séquences et exploiter des mesures en conservant leur origine. Une réponse scientifique relie toujours une donnée, une procédure et une limite.

Choisir et interroger une base

La bioinformatique associe des outils numériques au raisonnement biologique. Une séquence nucléotidique décrit l’ordre des bases d’un acide nucléique ; une séquence protéique décrit l’ordre des acides aminés. Une lettre isolée ne suffit pas à reconnaître le type de molécule : A désigne une base dans l’ADN et peut aussi coder l’alanine dans une protéine. Le contexte et les métadonnées sont indispensables.

Un fichier FASTA comporte une ligne d’en-tête précédée du signe > puis la séquence. Cet en-tête donne un identifiant ; il ne garantit pas à lui seul l’origine ni la qualité de la donnée. Avant une recherche, note le type de molécule, la longueur, l’organisme annoncé et le sens de lecture. Pour l’ADN, les séquences s’écrivent habituellement dans le sens 5′ vers 3′. Un fragment n’est pas nécessairement un gène complet.

GenBank rassemble des séquences nucléotidiques déposées avec des annotations. UniProt est adapté aux séquences et annotations protéiques. La PDB donne accès à des structures de macromolécules, associées à leurs méthodes expérimentales. Une annotation peut résulter d’une expérience ou d’une prédiction : il faut lire son statut. Le nom d’une protéine ne remplace ni l’identifiant exact ni la version de la notice.

Rechercher une séquence sans perdre sa provenance

  1. Choisis la base d’après la molécule et la question : séquence d’ADN, protéine ou structure.
  2. Combine le nom de l’organisme et celui de la molécule ; ouvre la notice plutôt que de recopier le premier résultat.
  3. Relève identifiant, version, longueur, origine biologique et date de consultation.
  4. Vérifie si tu lis un fragment, un précurseur, une chaîne mature ou une séquence prédite ; conserve les paramètres de recherche.

Exemple résolu

Tu veux comparer une enzyme bactérienne à une protéine déjà caractérisée. Tu disposes d’une suite de 210 acides aminés. Quelle recherche mener ?

  1. Étape 1 : La requête est une séquence protéique ; une recherche nucléotidique directe serait inadaptée.
  2. Étape 2 : Une comparaison de protéines peut proposer des séquences proches ; lis ensuite leurs annotations et leur niveau de preuve.
  3. Étape 3 : Compare la longueur et la couverture de l’alignement, puis examine l’origine des références retenues.

Résultat : Une base protéique et une comparaison protéine-protéine répondent à la question. La fonction reste une hypothèse à confronter aux annotations et à l’expérience.

Piège à éviter : Une forte ressemblance d’un petit fragment ne démontre pas à elle seule la fonction de toute la protéine.

À toi d'essayer

Un fichier contient 180 bases d’ADN. Peut-on conclure qu’il code 60 acides aminés ?

Voir la réponse

Non. Le calcul 180 ÷ 3 = 60 compte des triplets possibles ; il faut connaître le cadre de lecture, la région codante, la présence éventuelle d’introns et d’un codon d’arrêt, qui ne code pas un acide aminé.

Comparer une séquence et visualiser une structure

La comparaison position par position donne 90 % d’identité sur ces dix bases.

Un alignement met en correspondance des positions. Dans la figure, le calcul repose sur dix colonnes sans insertion : neuf sont identiques. Pour des séquences de longueurs différentes, l’outil peut introduire des lacunes afin d’aligner des régions comparables. Le pourcentage dépend alors de la convention de comptage ; annonce le dénominateur. Une recherche locale peut ne couvrir qu’une petite partie de la requête.

BLAST recherche des similarités locales. Son E-value est le nombre de résultats d’un score au moins aussi élevé attendus par hasard dans les conditions de recherche. Ce n’est pas la probabilité que la fonction proposée soit vraie. Sa valeur dépend notamment de la taille de la base et de la longueur de la requête. Une faible valeur doit être lue avec la couverture, l’identité et la complexité de la séquence, sans seuil universel d’identification.

Dans un visualiseur moléculaire, une représentation en rubans aide à repérer hélices alpha et feuillets bêta, éléments de structure secondaire. La structure tertiaire correspond à l’organisation spatiale d’une chaîne ; la structure quaternaire décrit l’association de plusieurs chaînes. Change la représentation pour localiser une chaîne, un ligand ou une région d’interaction. Une couleur dépend des réglages du logiciel et ne constitue pas une propriété intrinsèque de la molécule.

Le site actif d’une enzyme résulte d’un arrangement spatial : des acides aminés éloignés dans la séquence peuvent devenir voisins après repliement. Une substitution n’a donc pas nécessairement le même effet selon sa position. Une structure prédite doit être distinguée d’un modèle établi à partir de données expérimentales. Même ce dernier conserve des limites de résolution et ne montre pas tous les mouvements de la molécule.

Exemple résolu

Deux résultats portent sur une requête de 200 acides aminés. A présente 95 % d’identité sur 20 positions ; B, 85 % sur 190 positions. Lequel examiner en priorité pour une ressemblance globale ?

  1. Étape 1 : La couverture de A vaut 20 ÷ 200 = 10 % ; celle de B vaut 190 ÷ 200 = 95 %.
  2. Étape 2 : A décrit une forte identité sur une région très courte. B couvre presque toute la requête.
  3. Étape 3 : Examine B en priorité, tout en vérifiant la qualité statistique, les annotations et les éventuelles régions non alignées.

Résultat : B est le meilleur point de départ pour étudier une ressemblance globale ; aucun des deux résultats ne suffit à démontrer une fonction identique.

Piège à éviter : Classer seulement par pourcentage d’identité masque la différence de couverture.

À toi d'essayer

Deux résidus sont éloignés sur la séquence mais voisins dans le modèle spatial. Est-ce contradictoire ?

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

Rechercher un motif et programmer un modèle

Un motif est une courte suite recherchée dans une séquence, par exemple un site reconnu par une enzyme de restriction. Pour repérer GAATTC, un algorithme parcourt chaque position de départ possible et compare les six bases suivantes. Sur une séquence de longueur L, les départs possibles vont de 1 à L − 5 si L est au moins égal à 6. Des occurrences peuvent se chevaucher : avancer systématiquement d’une base évite de les perdre.

Le programme doit préciser ses conventions : première position numérotée 1 ou 0, traitement des minuscules et des caractères inconnus, recherche sur un brin ou sur les deux. Pour des amorces de PCR, on vérifie longueur, complémentarité, orientation et spécificité avec l’outil adapté. Deux amorces présentes sur le même fragment ne suffisent pas : leurs extrémités 3′ doivent permettre une amplification de la région visée. La température de fusion Tm caractérise la dissociation du duplex dans des conditions données ; elle dépend notamment de la séquence et du milieu. Compare les Tm estimées des deux amorces et choisis la température d’hybridation avec le protocole et le logiciel, sans appliquer un écart universel. Une PCR virtuelle aide à vérifier taille du produit, orientation et spécificité.

Chaque cycle double le nombre de molécules dans ce modèle idéal, sans limitation de réactif.

Un modèle de PCR idéal utilise N(n) = N₀ × 2ⁿ. N₀ est le nombre initial de molécules cibles et n le nombre de cycles. Un programme simple initialise N à N₀, affiche le cycle zéro, puis répète la mise à jour N ← 2 × N avant chaque affichage. Le test avec zéro cycle est essentiel : il doit retrouver N₀. La PCR réelle s’écarte de ce modèle lorsque l’efficacité diminue ou que les réactifs deviennent limitants.

Exemple résolu

Sur la séquence AGAATTCTGAATTC, repère le motif GAATTC avec une numérotation commençant à 1.

  1. Étape 1 : Compte les bases depuis la gauche sans inclure de numéro ni d’espace dans la séquence.
  2. Étape 2 : Compare les six bases commençant successivement aux positions 1, 2, 3 et suivantes jusqu’à la dernière fenêtre complète.
  3. Étape 3 : Les fenêtres commençant en 2 et en 9 correspondent exactement au motif.

Résultat : Les deux positions de début sont 2 et 9. La dernière occurrence occupe les positions 9 à 14.

Piège à éviter : Un indice informatique commençant à zéro vaut une unité de moins que la position biologique annoncée.

À toi d'essayer

Deux programmes cherchent le motif AAA dans AAAAA. Le premier ne compte qu’une occurrence et avance de trois bases après une correspondance ; le second avance d’une seule base. Quel résultat doit donner le second et quelle erreur du premier détectes-tu ?

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

Traiter les données et argumenter au bac

Conserve les mesures brutes dans un tableau distinct des calculs. Une colonne contient une grandeur et son unité ; chaque ligne correspond à une observation identifiée. Pour une croissance microbienne, place le temps en abscisse et la concentration cellulaire en ordonnée. Une échelle logarithmique peut rendre approximativement rectiligne une phase exponentielle ; elle ne transforme pas pour autant une série en preuve de croissance exponentielle sur toute sa durée.

Pour exploiter l’intensité d’une bande de gel, mesure dans les mêmes conditions la bande et le fond, puis compare le signal corrigé à des étalons adaptés. Un signal saturé ne permet pas une proportionnalité fiable. Le logiciel calcule une valeur mais le biologiste vérifie domaine de validité, témoins et incertitude. Changer l’échelle d’un axe ou omettre un point doit être justifié, jamais utilisé pour rendre la conclusion plus séduisante.

Au bac : exploiter un résultat numérique

  1. Décris ce qui est mesuré ou comparé, avec les unités et les références de séquence utiles.
  2. Présente le calcul ou l’algorithme ; pour une courbe, lis axes, échelles et domaine étudié.
  3. Relie l’observation à la question biologique en séparant résultat et hypothèse.
  4. Termine par une limite concrète et une vérification possible : témoin, nouvelle séquence ou mesure complémentaire.

Vocabulaire

Couverture :
Part de la séquence requête représentée dans l’alignement considéré.
Annotation :
Information associée à une séquence ou une structure, dont la provenance doit être examinée.
Algorithme :
Suite finie d’instructions qui transforme des entrées en résultats.
Métadonnée :
Information décrivant l’origine, la nature ou les conditions d’obtention d’une donnée.
Attention :

Erreurs fréquentes : confondre nombre de bases et nombre d’acides aminés ; interpréter une similarité comme une certitude ; oublier le cycle zéro ; tracer sans unités ; remplacer une mesure brute par une valeur arrondie.

Bilan

QuestionVérification décisive
Quelle molécule ?Type, longueur, origine et version de la notice.
Quelle ressemblance ?Identité, couverture et conditions de comparaison.
Quel modèle ?État initial, règle de mise à jour et limites.

S’entraîner : https://www.allostl.fr/exercices

À retenir

  • Une séquence et une structure sont deux types de données complémentaires.
  • L’identité se calcule sur un alignement dont le périmètre doit être précisé.
  • Dans le modèle idéal, N(n) = N₀ × 2ⁿ et N(0) = N₀.
  • Une prédiction numérique reste dépendante de ses données et de ses hypothèses.

Fiche de révision

Notice à conserver

identifiant, version, organisme, type de molécule, longueur et date.

Une recherche locale doit être accompagnée de sa couverture ; 95 % sur 20 positions ne signifie pas 95 % sur 200.

Contrôle rapide d’une boucle de doublement : état initial puis premier pas ; avec trois molécules, on attend 3 puis 6.

Pour relire une courbe, reconstruis la question à partir des axes, des unités et de la période effectivement observée.

Questions fréquentes

Un résultat absent prouve-t-il que la séquence n’existe pas ?

Non. La base peut ne pas la contenir ou les paramètres peuvent empêcher sa détection. Il faut borner la conclusion aux conditions de recherche.

Et maintenant ?

Tu as lu le cours. L’étape suivante tient en une action.

Relis le coursReprends l’essentiel avant de passer à la suite.

Prolonge l’expérience !

Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !

Ici, tu débloques aussi 2 corrections détaillées.

Parent ? Suivez les progrès de votre enfant.

Tous les cours de Biochimie, biologie et biotechnologies — terminale STL
Scientia