Na bioinformática, alinhamento de sequência é uma técnica de organizar as sequências de DNA, RNA, nucleotídeos ou proteínas para identificar regiões de similaridade que podem ser consequência de relações funcionais, estruturais ou evolutivas entre as sequências. Esses alinhamentos são feitos por softwares cujo objetivo é maximizar o número de coincidências entre nucleotídeos ou aminoácidos nas diferentes sequências. Nucleotídeos ou aminoácidos são normalmente representadas como linhas em uma matriz.
frame|center|Exemplo de alinhamento entre duas sequências, produzido pelo programa ClustalW entre duas proteínas dedo-de-zinco humanas (human zinc finger proteins) identificadas por seus números de acesso no GenBank. (Key)
Essa técnica de comparação de sequências é implementada segundo um conceito de desenvolvimento de programas conhecido como um algoritmo guloso e é um dos pilares de toda a bioinformática. Existem centenas de aplicações do alinhamento de seqüências, tanto na identificação de genes e proteínas desconhecidas, quanto na comparação da ordem de genes em genomas de organismos proximamente relacionados (sintenia), no mapeamento de sequências expressas dentro de um genoma para identificação de genes, na montagem de genomas e em diversas outras aplicações.
Essencialmente alinhar duas sequencias consiste na inserção de espaços (gaps) nas sequências de modo que elas fiquem do mesmo tamanho, e seja possível sobrepô-las para a comparação das bases. A partir de um alinhamento, é possível quantificar a similaridade entre duas sequências e usando um sistema de pontuação qualificar um alinhamento ótimo. Um alinhamento ótimo é aquele que melhor representa o cenário de evolução das sequências.
Abordagens computacionais para o alinhamento de sequências dividem-se, em geral, em duas categorias: alinhamentos globais e alinhamentos locais.
Alinhamentos globais e locais Alinhamento global Desenvolvido em 1970, o Alinhamento global, também são conhecidos pelo nome de seus desenvolvedores, Needleman e Wunsch, envolvem o alinhamento de sequências inteiras em seu todo comprimento. Os alinhamentos globais são usados principalmente quando as sequências a serem estudadas são semelhantes em comprimento e homologias de sequências são esperadas. Devido ao seu nível de extensão, o método de alinhamento global é tipicamente usado em Alinhamentos par a par, já que se usado em alinhamentos múltiplos o cálculo é extremamente difícil e complexo.
No geral, o alinhamento global é feito quando comparamos uma sequência de aminoácidos ou nucleotídeos com outra, ao longo de toda sua extensão (http://www.ncbi.nlm.nih.gov/Education/BLASTinfo/glossary2.html). O algoritmo Needleman-Wunsch é o mais conhecido para realizar esse tipo de alinhamento, © Francisco Prosdocimi, 2007. Todos os direitos reservados ao autor da obra. Críticas, sugestões, comentários e apreciações são bem-vindos franc @ icb . ufmg . br 19 embora outros programas, como o MULTALIN (http://prodes.toulouse.inra.fr/multalin/multalin.html) também o façam (Corpet, 1988). Nesse caso são dados valores em uma matriz de comparação para as similaridades (matches), diferenças (mismatches) e falhas (gaps) encontrados durante o alinhamento das sequências. As somas dos valores do alinhamento, de acordo com essa matriz de comparação, resulta num valor, que é um escore de similaridade entre as sequências (Figura 3.2.). No MULTALIN não é dado escore de similaridade (já que ele permite o alinhamento de várias sequências ao mesmo tempo), e a semelhança entre as sequências deve ser medida através de inspeção visual.
Alinhamento local Desenvolvido em 1981, o Alinhamento local ou conhecido como Smith-Waterman, nome derivado de seus desenvolvedores, é o método de alinhamento que envolvem apenas regiões do comprimento de uma sequência (subsequências), e não toda sua extensão como o alinhamento global. O alinhamento local é usado quando duas sequências devem ser examinadas para a localização de homologias, mas nenhuma correspondência é esperada em toda a extensão da sequência. Esse é o método mais utilizado devido a sua precisão, especialmente em alinhamentos múltiplos e a capacidade de obtenção de alinhamentos corretos em regiões de baixa similaridade entre sequências biológicas distantemente relacionadas. O alinhamento local foi desenvolvido a partir de algoritmos para alinhamentos globais. A ferramenta mais conhecida por realizar alinhamentos locais de forma rápida e eficiente chama-se BLAST (Basic Local Alignment Search Tool) ou Ferramenta Básica de Procura por Alinhamento Local), encontrado em http://www.ncbi.nlm.nih.gov/BLAST/. Esse software compreende um conjunto de algoritmos de comparação de sequências montado de forma a explorar toda a informação contida em bases de dados de DNA e proteínas (http://www.ncbi.nlm. nih.gov/BLAST/blast_overview.html). O BLAST apresenta diferentes subprogramas que devem ser utilizados de acordo com o tipo de sequência de entrada e os bancos de dados que se deseja pesquisar. Figura: Alinhamento de Sequências. O alinhamento de sequências de DNA é realizado buscando áreas de similaridade entre duas sequências usando algoritmos específicos, como o algoritmo guloso. Durante o processo, pontuações são atribuídas para diferentes eventos: matches (correspondências exatas), mismatches (não correspondências), abertura de falhas (gap opening) e extensão de falhas (gap extension). Esses valores são definidos por uma matriz de pontuação que penaliza ou recompensa conforme o tipo de evento encontrado no alinhamento. No exemplo ilustrado, a soma das pontuações para cada evento resulta em um escore total de 3, que quantifica o grau de similaridade entre as sequências comparadas. Esse escore é aplicável tanto em alinhamentos globais quanto em alinhamentos locais, dependendo do contexto da análise.
Alinhamento par a par e Alinhamento de múltiplas sequências Alinhamento par a par Os métodos de alinhamento de sequência par a par são usados para encontrar os alinhamentos (locais ou globais) de duas sequências. Este método de alinhamento utiliza programação dinâmica para alinhar duas sequencias e requer Ω (mn) para tempo e espaço, onde m e n são os comprimentos das sequências. Os alinhamentos par a par só podem ser usados em duas sequências por vez, porém são eficientes para calcular e são frequentemente usados para métodos que não exigem extrema precisão.
Desenvolvido em 1970 pelos pesquisadores Needleman e Wunsch, o alinhamento global é uma técnica que busca alinhar sequências inteiras, do início ao fim, correspondendo todos os elementos ao longo de seus comprimentos. Esse método é mais adequado quando as sequências a serem comparadas possuem comprimentos semelhantes e espera-se que compartilhem homologias em sua totalidade. O alinhamento global procura ajustar todas as partes das sequências, inserindo lacunas (gaps) conforme necessário para otimizar a correspondência.
Esse tipo de alinhamento é frequentemente utilizado em análises par a par, uma vez que em alinhamentos múltiplos ele se torna extremamente complexo e exigente em termos de recursos computacionais, dado o número crescente de combinações à medida que o número de sequências aumenta. Além disso, o alinhamento global pode não ser ideal quando as sequências são de tamanhos muito diferentes ou possuem regiões altamente divergentes, pois força o alinhamento de todo o conteúdo, o que pode comprometer a precisão. Nesses casos, abordagens de alinhamento local, como o algoritmo de Smith-Waterman, são preferidas, já que permitem alinhar apenas as regiões mais semelhantes entre as sequências.
Alinhamentos ótimos e heurísticos
Ao alinhar sequências, é preciso decidir entre priorizar a precisão máxima, usando métodos exatos, ou optar por maior rapidez com abordagens aproximadas. Algoritmos como Needleman-Wunsch e Smith-Waterman garantem alinhamentos ótimos, explorando todas as combinações possíveis para maximizar a similaridade. Apesar de oferecerem alta precisão, essas técnicas demandam grande capacidade computacional, o que pode torná-las inviáveis para grandes volumes de dados ou análises que exigem agilidade.
Métodos heurísticos, como o BLAST, surgem como alternativas mais rápidas, ainda que menos precisas. Eles utilizam estratégias para reduzir o tempo de processamento, como a identificação inicial de segmentos altamente similares, permitindo buscas eficientes em grandes bancos de dados. Essas heurísticas são particularmente úteis em estudos exploratórios, onde a rapidez supera a necessidade de precisão absoluta.
A escolha entre métodos exatos e heurísticos depende do objetivo da análise. Para resultados altamente precisos, algoritmos ótimos são preferidos, enquanto métodos heurísticos são ideais para análises em larga escala ou com restrições de tempo. Em casos específicos, os resultados heurísticos podem ser validados por ferramentas de alinhamento exato, especialmente em pesquisas que exigem maior rigor.
Embora os algoritmos ótimos sejam mais confiáveis, sua aplicação em alinhamentos múltiplos pode ser inviável devido ao alto custo computacional. Nesses cenários, as heurísticas oferecem uma solução prática, gerando resultados aproximados em um tempo consideravelmente menor. Por outro lado, para alinhamentos locais ou globais em menor escala, a precisão dos métodos exatos justifica seu uso, desde que os recursos e o tempo necessários estejam disponíveis.
Portanto, o equilíbrio entre precisão e eficiência computacional é essencial na escolha da estratégia de alinhamento. A decisão deve considerar o contexto da análise, o volume de dados e a necessidade de rapidez, garantindo que o método escolhido atenda às demandas do estudo sem comprometer sua qualidade.
ProgramaTipo de alinhamentoPrecisão de alinhamentoNúmero de sequências a serem alinhadasBLAST2SEQUENCESLocalHeurístico2SWAY (SMITH-WATERMAN)LocalÓtimo2CLUSTALWGlobalHeurísticoNMULTALINGlobalHeurísticoNNEEDLEMAN-WUNSCHGlobalÓtimo2 Tabela: Principais programas de alinhamento de sequências e suas características.
Alinhamento de múltiplas sequências right|miniaturadaimagem|241x241px|Alinhamento de 27 sequências de proteínas de hemaglutinina da gripe aviária coloridas por conservação de resíduos (parte superior) e propriedades de resíduos (parte inferior) O alinhamento de múltiplas sequências é uma extensão do alinhamento par a par com o intuito de comparar mais de duas sequências por vez. Alinhamentos múltiplos são frequentemente usados na identificação de regiões conservadas com um grupo de sequências que se supõe serem evolutivamente homólogas. Este tipo de alinhamento é considerado como sendo mais confiável que o alinhamento par a par que envolve apenas duas seqüências. A razão disto está em que o alinhamento múltiplo permite detectar mais facilmente as características estruturais comuns de proteínas homólogas.Alinhamentos de múltiplas sequências são computacionalmente difíceis de produzir e a maioria das formulações do problema levam a problemas de otimização e tempo. Por esses mesmos motivos técnicos de processamento, a utilização do alinhamento múltiplo com alinhamentos globais é desincentivada, já que seria um processo extremamente complexo, assim o alinhamento múltiplo de sequências é mais usado em alinhamentos locais.
O alinhamento de múltiplas sequências é de fundamental importância em todos os aspectos da análise de sequências de DNA e proteínas. Ele é usado como um primeiro e crítico passo na predição e classificação de estruturas de proteínas, reconstrução filogenética, análise de domínios de proteínas e identificação de sítios funcionais em sequências genômicas, para mencionar apenas algumas aplicações importantes. O desenvolvimento e a melhoria da metodologia de alinhamento múltiplo são, portanto, cruciais para todos os ramos da biologia molecular e genômica.