Qu'est-ce que « Motifs et contenu en information » ? — Biologie

Définition 5.12 Biologie universitaire — 3e année · Chapitre 5 — Bio-informatique et analyse des séquences

Un motif est un court patron — un site de facteur de transcription, un signal d’épissage, un site de phosphorylation — représenté par une matrice de poids-position donnant la fréquence $f_{i}(b)$ de chaque base ou résidu $b$ à chaque position $i$ . Le contenu en information de la position $i$ vaut $R_{i} = 2 - H_{i}$ bits pour l’ADN, où $H_{i} = -\sum_{b} f_{i}(b)\log_{2} f_{i}(b)$ est son entropie : $2$ bits pour une base invariante, $0$ pour une position où les quatre bases sont également probables. Le total $R = \sum_{i} R_{i}$ se dessine en un logo de séquence, chaque position étant une pile de lettres dont la hauteur totale vaut $R_{i}$ et dont les lettres sont dimensionnées par leur fréquence.

Un logo de séquence d’un motif de promoteur du type boîte TATA. La hauteur de chaque pile est le contenu en information de cette position,

2 - H_{i}

bits ; les quatre premières positions sont presque invariantes et portent l’essentiel des quelque

12

bits du motif.

Exemples

Exemple 5.14 (Correspondances fortuites attendues)

Un site de restriction de six bases fixées a $R = 12$ bits et correspond à une position aléatoire avec la probabilité $4^{-6} = 2^{-12}$ : environ $1100$ fois dans un génome d’E. coli de $4.6\,\mathrm{Mb}$ lu sur les deux brins (le site est palindromique, donc une fois par position), et $7\times 10^{5}$ fois dans le génome humain. Un facteur eucaryote dont le motif porte $10$ bits correspond à $3\times 10^{9}\times 2^{-10} \approx 3$ millions de positions du génome humain, plusieurs milliers de fois plus que les gènes qu’il règle. Un motif seul est un piètre prédicteur dans un grand génome ; ce sont l’état de la chromatine, les motifs voisins et la conservation du site entre espèces qui font une prédiction.

Lire dans le chapitre →