O que é Motivos e conteúdo de informação? — Biologia

Definição 5.12 Biologia universitária — 3.º ano · Capítulo 5 — Bioinformática e análise de sequências

Um motivo é um padrão curto — um sítio de fator de transcrição, um sinal de splicing, um sítio de fosforilação — representado por uma matriz de pesos por posição com a frequência $f_{i}(b)$ de cada base ou resíduo $b$ em cada posição $i$ . O conteúdo de informação da posição $i$ é $R_{i} = 2 - H_{i}$ bits para o DNA, em que $H_{i} = -\sum_{b} f_{i}(b)\log_{2} f_{i}(b)$ é sua entropia: $2$ bits para uma base invariante, $0$ para uma posição em que as quatro são igualmente prováveis. O total $R = \sum_{i} R_{i}$ é desenhado como um logo de sequência, cada posição uma pilha de letras cuja altura total é $R_{i}$ e cujas letras têm tamanho proporcional à frequência.

Um logo de sequência de um motivo promotor do tipo caixa TATA. A altura de cada pilha é o conteúdo de informação daquela posição,

2 - H_{i}

bits; as quatro primeiras posições são quase invariantes e carregam a maior parte dos

12

bits do motivo.

Exemplos

Exemplo 5.14 (Correspondências esperadas ao acaso)

Um sítio de restrição de seis bases fixas tem $R = 12$ bits e corresponde a uma posição aleatória com probabilidade $4^{-6} = 2^{-12}$ : cerca de $1100$ vezes num genoma de E. coli de $4.6\,\mathrm{Mb}$ lido nas duas fitas (o sítio é palindrômico, e portanto uma vez por posição) e $7\times 10^{5}$ vezes no genoma humano. Um fator eucarionte cujo motivo carrega $10$ bits corresponde a $3\times 10^{9}\times 2^{-10} \approx 3$ milhões de posições no genoma humano, vários milhares de vezes mais do que os genes que ele regula. Um motivo sozinho é um previsor fraco num genoma grande; o estado da cromatina, os motivos vizinhos e a conservação do sítio entre espécies é que fazem uma previsão.

Ler no capítulo →