Les mondes darwiniens

232 / 1576
[les mon des darwiniens]
Si l’évolution a procédé seulement par le biais de substitutions, les séquences
ont la même longueur et l’alignement est une étape triviale. Mais l’évolution
d’une séquence est le fruit des mécanismes de substitutions, d’insertions
et de délétions de nucléotides, ce qui conduit à des séquences de longueurs
variables. Dans ce cas, si les séquences ont des longueurs différentes, on doit
considérer les événements du type indel et donc introduire des « espaces »,
des « trous » encore appelés « gaps » dans les séquences pour préserver l’homologie
de position. L’alignement, qui consiste à localiser les parties communes
entre des séquences de manière à mettre en évidence des régions
homologues (qui se situent alors dans une même colonne), devient dans ce
cas l’étape cruciale de l’analyse phylogénétique puisqu’il pose les hypothèses
d’homologies primaires, des alignements différents pouvant conduire à des
phylogénies différentes.
Considérons la séquence du gène X pour trois taxons A, B et C :
Taxon A : AATCGGTATGCATGTAAGGC
Taxon B : AATCGGTATACATTTTCAGTTAGGC
Taxon C : AATTGGATATGCATTTCCAGTTAGGC
Ces trois séquences diffèrent à la fois par leur composition en nucléotides
(les états de caractères) et par leur longueur, 20, 25 et 26 nucléotides respectivement
(le nombre de caractères). La comparaison de ces trois séquences
dans une perspective phylogénétique implique des transformations d’états
de caractère correspondant à la fois à des événements mutationnels du type
substitutions, mais pas seulement. La différence de longueur observée entre
les séquences implique que des nucléotides aient été perdus ou gagnés et rend
nécessaire l’introduction de gap (souvent représenté par le symbole « - ») lors
de l’étape d’alignement. Le gap est un nouvel état de caractère, un 5 e état, qui
correspond a posteriori sur le cladogramme à un événement mutationnel du
type indel, à l’instar des substitutions (transitions, transversions).
Pour aligner ces trois séquences brutes et réaliser ainsi la matrice taxonscaractères,
il convient de rechercher les sites homologues. Les séquences
étant de longueurs variables, la matrice comporte au minimum 26 caractères
(colonnes). Un alignement possible est le suivant :
Taxon A : AATCGG-TATGCAT-----GTAAGGC
Taxon B : AATCGG-TATACATTTTCAGTTAGGC
Taxon C : AATTGGATATGCATTTCCAGTTAGGC
Actuellement, il existe plusieurs stratégies pour réaliser des alignements
multiples, mais l’usage des logiciels d’alignement automatique de séquences