¿Qué es Matrices de sustitución?

Una matriz de sustitución da $s(a,b)$ para cada par de aminoácidos como una puntuación de log-verosimilitudes:

donde $q_{ab}$ es la frecuencia con la que $a$ y $b$ aparecen alineados en alineamientos fiables de proteínas emparentadas, $p_{a} p_{b}$ la frecuencia con la que se emparejarían por azar y $\lambda$ una escala elegida para que las entradas sean enteros cómodos. Una puntuación positiva significa que el par aparece más a menudo en homólogos que por azar; las puntuaciones de identidad son mayores para los aminoácidos raros (triptófano $+11$, cisteína $+9$ en BLOSUM62) y menores para los frecuentes (leucina $+4$, alanina $+4$), y las sustituciones conservadoras (isoleucina–valina $+3$) puntúan positivo mientras que las radicales (triptófano–glicina $-2$) puntúan negativo. Las matrices PAM (Dayhoff, 1978) se dedujeron de proteínas muy próximas y se extrapolaron a distancias mayores por multiplicación de matrices; las matrices BLOSUM (Henikoff y Henikoff, 1992) se contaron directamente en bloques de secuencias alineadas agrupadas a una identidad dada — BLOSUM62 a partir de bloques al $62\,\%$ — y son las predeterminadas porque se midieron, en lugar de extrapolarse, a la distancia a la que se usan.