تراصف تسلسلي

أساليب المحاذاة

في هذا الإطار، يمكن محاذاة التسلسلات القصيرة جدا أو المتشابهة جدا يدويا. مع ذلك، تتطلب أغلب المشكلات المهمة محاذاة تسلسلات طويلة أو شديدة التباين أو كثيرة جدا، والتي لا يمكن محاذاتها بالجهد البشري وحده. وقد طورت خوارزميات متنوعة لإنتاج محاذاة تسلسلات عالية الجودة، أحيانا لتعديل النتائج النهائية لتعكس أنماطا يصعب تمثيلها خوارزميا (خاصةً في حالة تسلسلات النيوكليوتيدات). تنقسم الأساليب الحسابية لمحاذاة التسلسلات عمومًا إلى فئتين: المحاذاة الشاملة والمحاذاة المحلية . تعد المحاذاة الشاملة شكلا من أشكال التحسين الشامل الذي "يجبر" المحاذاة على تغطية الطول الكامل لجميع تسلسلات الاستعلام. في المقابل، تحدد المحاذاة المحلية مناطق التشابه داخل التسلسلات الطويلة التي غالبا ما تكون متباعدة على نطاق واسع. غالبا ما تكون المحاذاة المحلية مفضلة، ولكن قد يكون حسابها أكثر صعوبة بسبب التحدي الإضافي المتمثل في تحديد مناطق التشابه. طبقت مجموعة متنوعة من الخوارزميات الحسابية على مشكلة محاذاة التسلسلات. وتشمل هذه الطرق البطيئة ولكنها صحيحة رسميًا مثل البرمجة الديناميكية . وتشمل هذه كذلك الخوارزميات الاستدلالية الفعالة أو الأساليب الاحتمالية المصممة للبحث في قواعد البيانات واسعة النطاق، والتي لا تضمن العثور على أفضل التطابقات.

برمجة

• انظر كذلك
• تشابه التسلسل
• استخراج التسلسل
• انفجار
• خوارزمية البحث عن السلاسل
• تحليل التسلسل بدون محاذاة
• يوجين
• خوارزمية نيدلمان-وونش
• خوارزمية سميث-واترمان
• تحليل التسلسل في العلوم الاجتماعية

من جهة ثانية، تتوفر قائمة أكثر شمولاً بالبرامج المتاحة، مصنفة حسب الخوارزمية ونوع المحاذاة، على موقع برامج محاذاة التسلسل . تشمل الأدوات البرمجية الشائعة المستعملة في مهام محاذاة التسلسل العامة ClustalW2 وT-coffee للمحاذاة، وBLAST وFASTA3x للبحث في قواعد البيانات. كما تتوفر أدوات تجارية مثل DNASTAR وLasergene وGeneious و PatternHunter . تدرج الأدوات المصنفة على أنها تجري محاذاة التسلسل في سجل bio.tools .

وفي هذا السياق، يمكن مقارنة خوارزميات وبرامج المحاذاة مباشرةً باستخدام مجموعة معيارية من محاذاة التسلسلات المتعددة المرجعية ، تعرف باسم BAliBASE. تتكون مجموعة البيانات من محاذاة هيكلية، تعتبر معيارا تقارن به الطرق القائمة على التسلسل فقط. جدولت النتائج المختارة للأداء النسبي للعديد من طرق المحاذاة الشائعة في مشاكل المحاذاة المتكررة، نشرت على الإنترنت في BAliBASE. يمكن حساب قائمة شاملة بنتائج BAliBASE للعديد من أدوات المحاذاة المختلفة (12 أداة في الوقت الحالي) ضمن منصة STRAP لتحليل البروتينات.

أقصى تطابق فريد

ومن جهة أخرى، الفكرة وراء ذلك هي أن التسلسلات الطويلة التي تتطابق تمامًا وتظهر مرة واحدة فقط في كل جينوم هي بالتأكيد جزء من المحاذاة الشاملة.

• إنها قصوى، أي لا يمكن تمديدها من أي من طرفيها دون حدوث عدم تطابق؛ و
• إنها فريدة في كلا التسلسلين"
• الطرق المصفوفة النقطية

كذلك، إحدى طرق قياس فائدة محاذاة ثنائية معينة هي " التطابق الفريد الأقصى " (MUM)، أو أطول تسلسل فرعي يظهر في كلا تسلسلي الاستعلام. تعكس تسلسلات MUM الأطول عادةً قرابة أوثق في محاذاة التسلسلات المتعددة للجينومات في علم الأحياء الحاسوبي .

وفي هذا السياق، يعد تحديد MUMs وغيرها من نقاط الارتكاز المحتملة الخطوة الأولى في أنظمة المحاذاة الأكبر مثل MUMmer . نقاط الارتكاز هي المناطق بين جينومين حيث يكونان متشابهين للغاية. لفهم ماهية MUM، يمكننا تحليل كل كلمة في الاختصار. تعني كلمة "تطابق" أن السلسلة الفرعية تظهر في كلا التسلسلين المراد محاذاتهما.

إضافةً إلى ذلك، تعني كلمة "فريد" أن السلسلة الفرعية تظهر مرة واحدة فقط في كل تسلسل. وأخيرا، تعني كلمة " أقصى" أن السلسلة الفرعية ليست جزءا من سلسلة أطول أخرى تستوفي الشرطين السابقين.

إضافةً إلى ذلك، وبشكل أدق:"بالنظر إلى جينومين A و B، فإن السلسلة الفرعية ذات التطابق الفريد الأقصى (MUM) هي سلسلة فرعية مشتركة بين A و B بطول أطول من الحد الأدنى المحدد d (افتراضيا d = 20) بحيث

تقييم المصداقية

علاوةً على ذلك، تتوفر في الأدبيات العلمية طرق لتقدير الدلالة الإحصائية لمحاذاة التسلسلات ذات الفجوات.

علاوةً على ذلك، تعد محاذاة التسلسلات مفيدة في المعلوماتية الحيوية لتحديد تشابه التسلسلات، وإنتاج الأشجار التطورية، وتطوير نماذج التماثل لبنية البروتينات. مع ذلك، فإن الأهمية البيولوجية لمحاذاة التسلسلات ليست واضحة دائمًا. يفترض غالبا أن المحاذاة تعكس درجة من التغير التطوري بين التسلسلات المنحدرة من سلف مشترك؛ ومع ذلك، من الممكن نظريا أن يحدث تطور تقاربي ينتج عنه تشابه ظاهري بين بروتينات غير مرتبطة تطوريا ولكنها تؤدي وظائف متشابهة ولها بنى متشابهة.

وفي هذا الصدد، في عمليات البحث في قواعد البيانات، مثل BLAST، تستعمل الأساليب الإحصائية لتحديد احتمالية ظهور محاذاة معينة بين تسلسلات أو مناطق تسلسلية بالصدفة، وذلك بناءً على حجم قاعدة البيانات وتكوينها. وتختلف هذه الاحتمالية اختلافا كبيرا تبعا لنطاق البحث. فعلى وجه الخصوص، تزداد احتمالية العثور على محاذاة معينة بالصدفة إذا كانت قاعدة البيانات تتكون فقط من تسلسلات من نفس الكائن الحي الذي ينتمي إليه تسلسل الاستعلام. كما أن التسلسلات المتكررة في قاعدة البيانات أو الاستعلام قد تشوه نتائج البحث وتقييم الدلالة الإحصائية؛ لذا يقوم BLAST تلقائيا بتصفية هذه التسلسلات المتكررة في الاستعلام لتجنب النتائج الظاهرية التي هي في الواقع نتائج غير دقيقة إحصائيت.

تقييم المصداقية

من جانب آخر، يمكن محاذاة الحمض النووي الريبوزي المتسلسل، مثل علامات التسلسل المعبر عنها وجزيئات mRNA كاملة الطول، مع جينوم متسلسل لتحديد مواقع الجينات والحصول على معلومات حول التضفير البديل وتعديل الحمض النووي الريبوزي. تعد محاذاة التسلسل جزءًا من تجميع الجينوم ، حيث تحاذى التسلسلات للعثور على مناطق التداخل لتكوين قطع متجاورة (أجزاء طويلة من التسلسل). ومن الاستخدامات الأخرى تحليل تعدد أشكال النوكليوتيدات المفردة (SNP )، حيث تحاذى التسلسلات من أفراد مختلفين للعثور على أزواج القواعد المفردة التي غالبا ما تختلف في مجتمع ما.

وفي هذا الصدد، يعود اختيار دالة تقييم تعكس الملاحظات البيولوجية أو الإحصائية حول التسلسلات المعروفة أمرًا بالغ الأهمية لإنتاج محاذاة جيدة. غالبا ما تحاذى تسلسلات البروتين باستخدام مصفوفات الاستبدال التي تعكس احتمالات استبدال الأحرف. تشفر سلسلة من المصفوفات تسمى مصفوفات PAM (مصفوفات الطفرات المقبولة نقطيا والتي عرفتها مارغريت دايوف في الأصل، يشار إليها أحيانا باسم "مصفوفات دايوف") بشكل صريح تقريبات تطورية تتعلق بمعدلات واحتمالات طفرات الأحماض الأمينية المحددة. وهناك سلسلة أخرى شائعة من مصفوفات التقييم، تعرف باسم BLOSUM (مصفوفة استبدال الكتل)، تشفير احتمالات الاستبدال المستمدة تجريبيا. تستعمل متغيرات من كلا النوعين من المصفوفات للكشف عن التسلسلات ذات مستويات التباين المختلفة، مما يسمح لمستعملي BLAST أو FASTA بتقييد عمليات البحث إلى التطابقات الأكثر تربطا أو توسيع نطاقها للكشف عن التسلسلات الأكثر تباينا. تراعي عقوبات الفجوات إدخال فجوة - في النموذج التطوري، طفرة إدخال أو حذف - في كل من تسلسلات النيوكليوتيدات والبروتينات، وبالتالي ينبغي أن تتناسب قيم العقوبات مع المعدل المتوقع لمثل هذه الطفرات. وعليه، تعتمد جودة عمليات المحاذاة الناتجة على جودة دالة التقييم.

علاوةً على ذلك، قد يكون من المفيد والمثمر للغاية تجربة نفس عملية المحاذاة عدة مرات مع اختيار قيم مختلفة لمصفوفة التقييم و/أو جزاءات الفجوات، ثم مقارنة النتائج. ويمكن غالباً تحديد المناطق التي يكون فيها الحل ضعفاً أو غير فريد من خلال ملاحظة أي مناطق المحاذاة تكون ثابتة في مواجهة التغيرات في معايير المحاذاة.

في هذا الإطار، تشير الدلالة الإحصائية إلى احتمالية ظهور محاذاة بجودة معينة بالصدفة، لكنها لا تبين مدى تفوق محاذاة معينة على المحاذاة البديلة لنفس التسلسلات. تشير مقاييس مصداقية المحاذاة إلى مدى تشابه أفضل المحاذاة المسجلة لزوج معين من التسلسلات. تتوفر في الأدبيات العلمية طرق لتقدير مصداقية المحاذاة للتسلسلات ذات الفجوات.

تنسيق السيجار

كذلك، تحدد وثيقة مواصفات SAMv1 رموز CIGAR الأحدث. في أغلب الحالات، يفضل استخدام الرمزين '=' و'X' للدلالة على التطابقات أو عدم التطابقات بدلا من الرمز 'M' القديم، الذي يعد غامضا.

وعلى صعيد آخر، المرجع. GTCGTAGAATA اقرأ : CACGTAG—TA السيجار: 2S5M2D2M حيث: 2S = 2 قص ناعم (قد يكون ذلك بسبب عدم التطابق، أو قراءة أطول من التسلسل المتطابق) 5M = 5 تطابقات أو عدم تطابقات 2D = حذفان 2M = 2 تطابق أو عدم تطابق

لا يمكن أن يكون H موجودا إلا كعملية أولى و/أو أخيرة.

يجب أن يساوي مجموع أطوال عمليات M/I/S/=/X طول التسلسل SEQ

إضافةً إلى ذلك، في عملية محاذاة الحمض النووي الريبوزي الرسول مع الجينوم، تمثل العملية N إنترونا. أما في أنواع المحاذاة الأخرى، فإن تفسير N غير محدد.

إضافةً إلى ذلك، لا يمكن أن تحتوي S إلا على عمليات H بينها وبين نهايات سلسلة CIGAR.

ومن جهة أخرى، يشير "يستهلك الاستعلام" و "يستهلك المرجع" إلى ما إذا كانت عملية CIGAR تتسبب في أن يتحرك المحاذاة على طول تسلسل الاستعلام وتسلسل المرجع على التوالي.

التمثيلات

وفي السياق ذاته، تعرض عمليات المحاذاة عادةً بيانيا ونصيا. في أغلب تمثيلات محاذاة التسلسلات، تكتب التسلسلات في صفوف مرتبة بحيث تظهر البقايا المحاذية في أعمدة متتالية. في النصوص، تشار إلى الأعمدة المحاذية التي تحتوي على أحرف متطابقة أو متشابهة بنظام من رموز الحفظ. كما في الصورة أعلاه، يستعمل رمز النجمة أو الخط العمودي للدلالة على التطابق بين عمودين؛ ومن الرموز الأخرى الأقل شيوعا النقطتان الرأسيتان للاستبدالات المحافظة والنقطة للاستبدالات شبه المحافظة. تستعمل الكثير من برامج عرض التسلسلات الألوان لعرض معلومات حول خصائص عناصر التسلسل الفردية؛ في تسلسلات الحمض النووي DNA والحمض النووي الريبوزي RNA، يعادل هذا تخصيص لون لكل نيوكليوتيد. في محاذاة البروتينات، كما في الصورة أعلاه، يستعمل اللون غالبا للإشارة إلى خصائص الأحماض الأمينية للمساعدة في تقييم حفظ استبدال حمض أميني مُعين. بالنسبة للتسلسلات المتعددة، غالبا ما يكون الصف الأخير في كل عمود هو التسلسل التوافقي المحدد بواسطة المحاذاة. كما يتم تمثيل التسلسل المتفق عليه غالبا بتنسيق رسومي باستخدام شعار تسلسلي حيث يتناسب حجم كل حرف من النيوكليوتيدات أو الأحماض الأمينية مع درجة حفظه.

علاوةً على ذلك، يمكن تخزين محاذاة التسلسلات في مجموعة واسعة من تنسيقات الملفات النصية، وقد طور العديد منها في الأصل بالتزامن مع برنامج أو تطبيق محاذاة محدد. تسمح أغلب الأدوات المستندة إلى الويب بعدد محدود من تنسيقات الإدخال والإخراج، مثل تنسيق FASTA وتنسيق GenBank ، كما أن الإخراج ليس سهل التعديل. تتوفر الكثير من برامج التحويل التي توفر واجهات رسومية و/أو واجهات سطر أوامر، مثل READSEQ و EMBOSS . كما توجد الكثير من حزم البرمجة التي توفر وظيفة التحويل هذه، مثل BioPython و BioRuby و BioPerl . تستعمل ملفات SAM/BAM تنسيق سلسلة CIGAR (تقرير محاذاة الفجوات المدمج) لتمثيل محاذاة تسلسل مع مرجع من خلال ترميز سلسلة من الأحداث (مثل التطابق/عدم التطابق، والإضافات، والحذف).

محاذاة ثنائية

من جهة ثانية، تستعمل طرق محاذاة التسلسلات الثنائية لإيجاد أفضل تطابق بين تسلسلين متطابقين (محلي أو شامل). لا يمكن استخدام المحاذاة الثنائية إلا بين تسلسلين في كل مرة، ولكنها فعالة من حيث الحساب، غالبا ما تستعمل في الطرق التي لا تتطلب دقة فائقة (مثل البحث في قاعدة بيانات عن تسلسلات ذات تشابه عالٍ مع تسلسل الاستعلام). الطرق الثلاث الرئيسية لإنتاج المحاذاة الثنائية هي: طريقة المصفوفة النقطية، والبرمجة الديناميكية، وطريقة الكلمات؛ ومع ذلك، يمكن لتقنيات محاذاة التسلسلات المتعددة كذلك محاذاة أزواج من التسلسلات. على الرغم من أن لكل طريقة نقاط قوتها وضعفها، إلا أن جميع الطرق الثنائية الثلاث تواجه صعوبة مع التسلسلات المتكررة بكثرة ذات المحتوى المعلوماتي المنخفض، خاصةً عندما يختلف عدد التكرارات بين التسلسلين المراد محاذاتهما.

الاستخدامات غير البيولوجية

إضافةً إلى ذلك، الوجدت أساليب محاذاة التسلسلات البيولوجية تطبيقات في مجالات أخرى، أبرزها معالجة اللغات الطبيعية والعلوم الاجتماعية ، حيث يشار عادةً إلى خوارزمية نيدلمان-وونش باسم المطابقة المثلى . وقد استعارت التقنيات التي تولد مجموعة العناصر التي تختار منها الكلمات في خوارزميات توليد اللغة الطبيعية تقنيات محاذاة التسلسلات المتعددة من المعلوماتية الحيوية لإنتاج نسخ لغوية من البراهين الرياضية المُولّدة حاسوبيًا . وفي مجال اللغويات التاريخية والمقارنة، استُخدمت محاذاة التسلسلات لأتمتة جزئية للطريقة المقارنة التي يستعملها اللغويون تقليديًا لإعادة بناء اللغات. كما طبّقت أبحاث الأعمال والتسويق تقنيات محاذاة التسلسلات المتعددة في تحليل سلاسل المشتريات عبر الزمن.

التفسير

من جانب آخر، إذا اشتركت سلسلتان في محاذاة واحدة في سلف مشترك، يمكن تفسير عدم التطابق على أنه طفرات نقطية ، والفجوات على أنها طفرات إدخال أو حذف (أي طفرات إدخال أو حذف) حدثت في إحدى السلالتين أو كلتيهما منذ تباعدهما. في محاذاة تسلسلات البروتينات، يمكن تفسير درجة التشابه بين الأحماض الأمينية التي تشغل موقعا معينا في التسلسل كمقياس تقريبي لمدى حفظ منطقة أو نمط تسلسلي معين بين السلالات. يشير غياب الاستبدالات، أو وجود استبدالات محافظة للغاية فقط (أي استبدال الأحماض الأمينية التي تمتلك سلاسلها الجانبية خصائص كيميائية حيوية متشابهة) في منطقة معينة من التسلسل، إلى أن هذه المنطقة ذات أهمية هيكلية أو وظيفية. على الرغم من أن قواعد النيوكليوتيدات في الحمض النووي النووي RNA أكثر تشابها من الأحماض الأمينية، إلا أن حفظ أزواج القواعد قد يشير إلى دور وظيفي أو هيكلي مماثل.

التوافقات العالمية والمحلية

إضافةً إلى ذلك، يشكل التوسع السريع في البيانات الجينية تحديا لسرعة خوارزميات محاذاة تسلسل الحمض النووي الحالية. وتتطلب الحاجة الماسة إلى طريقة فعالة ودقيقة لاكتشاف متغيرات الحمض النووي مناهج مبتكرة للمعالجة المتوازية في الوقت الفعلي. وقد اقترحت مناهج الحوسبة الضوئية كبدائل واعدة للتطبيقات الكهربائية الحالية، إلا أن مدى قابليتها للتطبيق لا يزال قيد الاختبار .

كذلك، تبحث الطرق الهجينة، المعروفة بالطرق شبه العالمية أو "العالمية-المحلية" (اختصارا ل " العالمية - المحلية ")، عن أفضل محاذاة جزئية ممكنة لتسلسلين (بمعنى آخر، يتم محاذاة أحد طرفي التسلسل أو كليهما، وأحد طرفيه أو كليهما). ويكون هذا مفيدا بشكل خاص عندما يتداخل الجزء السفلي من أحد التسلسلين مع الجزء العلوي من التسلسل الآخر. في هذه الحالة، لا تعد المحاذاة العالمية أو المحلية مناسبة تمامًا: فالمحاذاة العالمية تحاول إجبار المحاذاة على الامتداد إلى ما وراء منطقة التداخل، بينما قد لا تغطي المحاذاة المحلية منطقة التداخل بالكامل. وهناك حالة أخرى تكون فيها المحاذاة شبه العالمية مفيدة، وهي عندما يكون أحد التسلسلين قصيرا (مثل تسلسل جين) والآخر طويلا جدًا (مثل تسلسل كروموسوم). في هذه الحالة، يجب محاذاة التسلسل القصير عالميا (بشكل كامل)، بينما يراد فقط محاذاة محلية (جزئية) للتسلسل الطويل.

في هذا الإطار، تعد عمليات المحاذاة الشاملة، التي تسعى إلى محاذاة كل حمض أميني في كل تسلسل، مفيدة للغاية عندما تكون التسلسلات في مجموعة الاستعلام متشابهة ومتساوية الحجم على وجه التقريب. (لا يعني هذا أن عمليات المحاذاة الشاملة لا يمكن أن تبدأ أو تنتهي في فجوات). ومن تقنيات المحاذاة الشاملة العامة خوارزمية نيدلمان-وونش ، التي تعتمد على البرمجة الديناميكية. أما عمليات المحاذاة المحلية فهي أكثر فائدة للتسلسلات غير المتشابهة التي يشتبه في احتوائها على مناطق تشابه أو أنماط تسلسلية متشابهة ضمن سياق تسلسلها الأوسع. وتعد خوارزمية سميث-واترمان طريقة عامة للمحاذاة المحلية تعتمد على نفس مخطط البرمجة الديناميكية، ولكن مع خيارات إضافية للبدء والانتهاء في أي مكان.