Preuve de l'évolution par la comparaison de protéines chez différentes espèces
Preuve de l'évolution par comparaison des séquences de protéines chez différentes espèces
Procédure
Trouver les entrées pour insuline de plusieurs espèces dans la banque de données UniProtKB
UniProtKB contient toutes les protéines répertoriées à partir des données publiques (~180 millions début 2020).
N. B. : En principe, on utilise les séquences de protéine : elles sont plus pertinentes du point de vue évolutif (phénotype). Ici nous travaillons avec la protéine CFTR qui cause la mucoviscidose quand elle est défectueuse, mais d'autres protéines peuvent être employées (cf liste d'exemples)
Aller sur UniProtKB dans Query taper CFTR. Il faut chercher par nom du gène (même si c'est une banque de données de protéines : ))
UniProt va chercher toutes les entrées dans lesquelles on trouve le terme CFTR solution : la liste est énorme.
Cliquer Restrict term to ....Gene name et cliquer Filter by puis "reviewed" solution (Insuline) , solution CFTR NB: le gène CFTR a un synonyme : abcc7
N.B. Le nom de la protéine (cf liste d'exemples) diffère souvent du nom du gène. Il vaut mieux chercher par le nom du gène pour retrouver une protéine, car les noms de gènes sont 'standardisés' par des comités d'experts. UniProtKB est une banque de données sur les protéines : les informations sont focalisées sur les séquences protéiques mais la liste des noms de gènes est exhaustive.
Sélectionner la même protéine chez plusieurs organismes
Sélectionner (cocher) dans la liste les protéines des espèces qui vous intéressent. Un minimum de 5 est nécessaire si l'on veut ensuite construire un alignement de séquences qui fait du sens. (cf liste d'exemples). Vérifier que le nom de gène est correct et que les séquences de protéines sont de longueur similaire.
Afficher le plus grand nombre d'entrées possible sur la page en modifiant "Show" en bas du tableau (p. ex 50, voire 100)
Les séquences sélectionnées sont surlignées de jaune et leur nombre apparaît dans le bandeau jaune en haut. Avant de passer à la page suivante cliquer Add to basket, sinon la sélection est perdue.
(N.B: si on avait sélectionné d'autres séquences auparavant : il faut cliquer Clear dans ce bandeau pour éviter qu'elles restent sélectionnées.)
Produire un alignement
Cliquer le bouton "Align" en-dessus du bandeau en haut de la liste. Après un temps (plusieurs secondes, voire minutes) l'alignement apparait.
Les séquences alignées sont affichées sous forme de tableau avec 60 a.a. par ligne, une étoile "*" signifie identité ( dans la colonne) pour toutes les séquences alignées. ":" signifie acides aminées qui ont des propriétés physico-chimiques très similaires, "." signifie acides aminées qui ont des propriétés physico-chimiques similaires, un "-" signifie que le le programme d'alignement a introduit un espace ("gap") pour aligner avec des séquences plus longues.
Pour retrouver le nom de l'espèce, cliquer sur le numéro d'accession en bleu -> ouvre la fenêtre de cette protéine avec le nom complet de l'espèce.
Pour aller plus loin
Cocher la case "Similarity" dans la colonne de gauche : on peut observer que certaines zones sont plus conservées.
Cocher la case "Transmembrane" : on peut observer des zones susceptibles d'être transmembranaires
Cocher la case "Natural Variant" : on peut observer des zones susceptibles de différer dans la population humaine (SNP, … )
Cocher la case "DNA Binding" : Lorsque c'est pertinent, on peut observer des zones susceptibles de se lier à l'ADN
Compléments
Les propriétés chimiques des différents a.a. sont décrites ici
Un tableau de correspondance des codes à 3 lettres et à1 lettre et codons accessible ici .
Un arbre phyogénétique ?
L'arbre produit en dessous est un 'guided tree' utilisé par le programme pour construire l'alignement, construit seulement sur la base des différences entre les séquences. Ce n'est pas un arbre phylogénétique plus complexe à établir.