Guía 4 - Alineamiento múltiple de secuencias

1. Introducción

La alineación de múltiples secuencias (MSA) es una herramienta fundamental en bioinformática que se utiliza para comparar y analizar secuencias biológicas, como ADN, ARN y proteínas. El análisis de MSA desempeña un papel crucial en la identificación de regiones conservadas, la inferencia de relaciones filogenéticas y la predicción de la estructura y función de las biomoléculas.

R es un lenguaje de programación ampliamente utilizado en bioinformática debido a su versatilidad y a las numerosas bibliotecas y paquetes disponibles. En particular, Bioconductor es una plataforma que proporciona herramientas y paquetes especializados para el análisis de datos biológicos en R. En esta guía, exploraremos cómo utilizar Bioconductor para realizar análisis de MSA de manera eficiente y efectiva.

El objetivo principal de esta guía es proporcionar a los investigadores, bioinformáticos y científicos de datos una introducción paso a paso a las técnicas y herramientas necesarias para llevar a cabo un análisis de MSA en R utilizando Bioconductor.

2. Actividades práticas

2.1 Instalación y Configuración

Si aún no lo ha hecho, es necesario instalar y cargar el paquete msa. Este es uno de los principales paquetes disponibles en Bioconductor.

# Instalar el paquete BiocManager desde CRAN
#install.packages("BiocManager")
library("BiocManager")

# Utilizar BiocManager para instalar el paquete 'msa' desde Bioconductor
#BiocManager::install("msa")

# Cargar el paquete 'msa' en la sesión de R
library("msa")

2.2 Realizando un Alineamiento

Una vez que tenga sus secuencias listas (ya sea ingresadas manualmente o leídas desde un archivo), puede alinearlas rápidamente.

# Cargar el paquete 'Biostrings'.
library("Biostrings")

# Definir un vector que contenga cuatro secuencias de ADN
secuencias = c("ACTGGCTG", "ACTGCTG", "AGTGACT", "TGTGACTGA")

# Convertir el vector de secuencias en un objeto DNAStringSet usando el paquete Biostrings
secuencias_biostrings = DNAStringSet(secuencias)

# Realizar el alineamiento de múltiples secuencias en el objeto DNAStringSet usando el paquete 'msa'. Puede cambiar
# entre diferentes estrategias como "ClustalW", "ClustalOmega" y "Muscle" en el argumento method.
resultado_alineamiento = msa(secuencias_biostrings, method = "ClustalW")

## use default substitution matrix

# Imprimir las secuencias originales
print(secuencias_biostrings)

## DNAStringSet object of length 4:
##     width seq
## [1]     8 ACTGGCTG
## [2]     7 ACTGCTG
## [3]     7 AGTGACT
## [4]     9 TGTGACTGA

# Imprimir el resultado del alineamiento
print(resultado_alineamiento)

## CLUSTAL 2.1  
## 
## Call:
##    msa(secuencias_biostrings, method = "ClustalW")
## 
## MsaDNAMultipleAlignment with 4 rows and 9 columns
##     aln 
## [1] AGTGACT--
## [2] TGTGACTGA
## [3] ACTGGCTG-
## [4] -ACTGCTG-
## Con AGTG?CTG-

Ahora, un ejemplo ocupando una matriz de penalización:

# Definir un vector que contenga secuencias de aminoácidos de longitudes variables
secuencias_aminoacidos = c("ARNDCLTQ", "ARN", "ARMDCQK", "RRRTDGPSW")

# Convertir el vector de secuencias en un objeto AAStringSet usando el paquete Biostrings
secuencias_aminoacidos = AAStringSet(secuencias_aminoacidos) 

# Realizar el alineamiento múltiple de las secuencias de aminoácidos.
# El argumento 'type' se establece en "protein" para indicar que estamos trabajando con secuencias de proteínas.
secuencias_aminoacidos = msa(secuencias_aminoacidos, type = "protein")

## use default substitution matrix

# Cargar la matriz de penalización BLOSUM62, comúnmente utilizada para comparar secuencias de proteínas.
data(BLOSUM62)

# Calcular la puntuación de conservación para las secuencias de aminoácidos alineadas usando la matriz BLOSUM62.
secuencias_aminoacidos = msaConservationScore(secuencias_aminoacidos, BLOSUM62)

# Imprimir el resultado del alineamiento de aminoácidos y la puntuación de conservación
print(secuencias_aminoacidos)

##   -   A   R   N   D   C   ?   ?   - 
## -10  35  80  24  31   7 -19  -9 -16

Desafío

El gen ALKBH5 gene es parte de una familia de genes que desempeñan roles cruciales en los procesos de reparación del ADN y desmetilación. Su actividad puede influir en varios procesos biológicos, incluyendo la regulación génica, diferenciación celular y desarrollo. En humanos y muchos otros organismos, las mutaciones o la desregulación en este gen pueden llevar a diversas preocupaciones de salud, destacando su importancia en la biología molecular.

Ahora, centrémonos en algunas especies acuáticas. Las especies de peces *Salmo trutta (trucha marrón), Salmo salar (salmón del Atlántico), Oncorhynchus kisutch (salmón coho), Oncorhynchus tshawytscha (salmón Chinook) y Oncorhynchus mykiss** (trucha arcoíris) no solo son valiosas comercialmente, sino que también son sujetos vitales en estudios ecológicos y evolutivos. Analizar las similitudes y diferencias genéticas entre estas especies puede ofrecer información sobre sus trayectorias evolutivas, posibles mecanismos adaptativos y salud genética en general.

Proceda con un alineamiento múltiple de las secuencias del gen ALKBH5 utilizando este archivo fasta file. Para importar el archivo fasta, utiliza la función read.fasta() del paquete seqinr)