O que é Matrizes de substituição?

Uma matriz de substituição dá $s(a,b)$ para cada par de aminoácidos como um escore de log-chances:

em que $q_{ab}$ é a frequência com que $a$ e $b$ são encontrados alinhados em alinhamentos confiáveis de proteínas aparentadas, $p_{a} p_{b}$ é a frequência com que seriam emparelhados por acaso, e $\lambda$ é uma escala escolhida para que as entradas sejam inteiros convenientes. Um escore positivo significa que o par ocorre mais vezes em homólogas do que por acaso; os escores de identidade são maiores para os aminoácidos raros (triptofano $+11$, cisteína $+9$ na BLOSUM62) e menores para os comuns (leucina $+4$, alanina $+4$), e as substituições conservativas (isoleucina–valina $+3$) pontuam positivo enquanto as radicais (triptofano–glicina $-2$) pontuam negativo. As matrizes PAM (Dayhoff, 1978) foram derivadas de proteínas proximamente aparentadas e extrapoladas para distâncias maiores por multiplicação de matrizes; as matrizes BLOSUM (Henikoff e Henikoff, 1992) foram contadas diretamente em blocos de sequências alinhadas agrupadas a uma dada identidade — a BLOSUM62 a partir de blocos a $62\,\%$ — e são o padrão porque foram medidas, e não extrapoladas, na distância em que são usadas.