Clustal es un programa informático utilizado para el alineamiento de secuencias múltiples en bioinformática . [2] El software y sus algoritmos han pasado por varias iteraciones, siendo ClustalΩ (Omega) la última versión en 2011 [actualizar]. Está disponible como software independiente, a través de una interfaz web y a través de un servidor alojado en el Instituto Europeo de Bioinformática .
Clustal ha sido un importante software bioinformático, con dos de sus publicaciones académicas entre los 100 artículos más citados de todos los tiempos, según Nature en 2014. [3]
El árbol guía en las versiones iniciales de Clustal se construyó mediante un análisis de conglomerados UPGMA de las alineaciones por pares, de ahí el nombre CLUSTAL. [11] cf. [12] Las primeras cuatro versiones de Clustal fueron numeradas usando números arábigos (1 a 4), mientras que la quinta versión usa el número romano V. [11] cf. [13] [5] Las siguientes dos versiones proceden alfabéticamente utilizando el alfabeto latino, con W para ponderado y X para ventana X para representar los cambios introducidos. [11] cf. [14] [7] El nombre Omega fue elegido para marcar un cambio con respecto a las iteraciones anteriores. [11]
Clustal alinea secuencias utilizando una heurística que construye progresivamente una alineación de secuencia múltiple a partir de un conjunto de alineaciones por pares. Este método funciona analizando las secuencias en su conjunto y utilizando el método UPGMA/unión de vecinos para generar una matriz de distancias . Se calcula un árbol guía a partir de las puntuaciones de las secuencias en la matriz y luego se utiliza para construir la alineación de secuencias múltiples alineando progresivamente las secuencias en orden de similitud. [15]
Clustal crea múltiples alineamientos de secuencias a través de tres pasos principales:
Estos pasos se llevan a cabo automáticamente mediante la función "Realizar alineación completa". Otras opciones son "Hacer alineación a partir del árbol guía y la filogenia" y "Producir sólo árbol guía".
Este programa acepta una amplia gama de formatos de entrada, incluidos NBRF/ PIR , FASTA , EMBL/ Swiss-Prot , Clustal, GCC/MSF, GCG9 RSF y GDE.
El formato de salida puede ser uno o varios de los siguientes: Clustal, NBRF/ PIR , GCG /MSF, PHYLIP , GDE o NEXUS.
Se muestran los mismos símbolos tanto para los alineamientos de ADN / ARN como para los alineamientos de proteínas , por lo que, si bien los símbolos * (asterisco) son útiles para ambos, los otros símbolos de consenso deben ignorarse para los alineamientos de ADN/ARN.
El usuario puede ajustar los parámetros de penalización por apertura de espacio y penalización por extensión de espacio.
El software Clustal original fue desarrollado en 1988 como un método computacional para generar múltiples alineamientos de secuencias en computadoras personales . ClustalV se lanzó 4 años después y mejoró enormemente el software original, agregando y modificando algunas características clave. Fue una reescritura completa, escrita en C en lugar de Fortran .
Ambas versiones utilizan el mismo algoritmo aproximado rápido para calcular las puntuaciones de similitud entre secuencias, lo que a su vez produce alineamientos por pares. El algoritmo funciona calculando las puntuaciones de similitud como el número de coincidencias de k-tuplas entre dos secuencias, lo que representa una penalización establecida por los espacios. Cuanto más similares sean las secuencias, mayor será la puntuación. Una vez puntuadas las secuencias, se genera un dendrograma a través del UPGMA para generar un ordenamiento del alineamiento de múltiples secuencias. Las secuencias se alinean en orden descendente según el orden establecido. Este algoritmo permite conjuntos de datos muy grandes y es rápido. Sin embargo, la velocidad depende del rango de coincidencias de k-tuplas seleccionadas para el tipo de secuencia particular. [dieciséis]
Algunas de las adiciones más notables a ClustalV son las alineaciones de perfiles y las opciones completas de interfaz de línea de comandos. La capacidad de utilizar alineaciones de perfil permite al usuario alinear dos o más alineaciones o secuencias anteriores con una nueva alineación y mover secuencias desalineadas (con puntuación baja) más abajo en el orden de alineación. Esto le brinda al usuario la opción de crear gradual y metódicamente múltiples alineaciones de secuencias con más control que la opción básica. [15] La opción de ejecutar desde la línea de comando acelera el proceso de alineación de secuencias múltiples. Las secuencias se pueden ejecutar con un comando simple,
archivo de nombre clustalv . secuencia o
clustalv / infile = nombredearchivo . secuencia y el programa determinará qué tipo de secuencia está analizando. Cuando se completa el programa, la salida de la alineación de secuencia múltiple, así como el dendrograma, van a archivos con extensiones .aln y .dnd respectivamente. La interfaz de línea de comando utiliza los parámetros predeterminados y no permite otras opciones. [dieciséis]
ClustalW, al igual que otras versiones de Clustal, se utiliza para alinear múltiples secuencias de nucleótidos o proteínas de manera eficiente. Utiliza métodos de alineación progresiva, que priorizan las secuencias para la alineación en función de la similitud hasta que se devuelve una alineación global. ClustalW es un algoritmo basado en matrices , mientras que herramientas como T-Coffee y Dialign se basan en la coherencia . ClustalW es eficiente y competitivo en comparación con software similar. [ cita necesaria ] Este programa requiere tres o más secuencias para calcular una alineación global. Para la alineación de secuencias binarias, se deben utilizar otras herramientas como EMBOSS o LALIGN.
ClustalW utiliza algoritmos de alineación progresiva. En estos, las secuencias se alinean en orden de puntuación de alineación de mayor a menor. Esta heurística es necesaria para restringir la complejidad del tiempo y la memoria necesarios para encontrar la solución globalmente óptima .
Primero, el algoritmo calcula una matriz de distancias por pares entre todos los pares de secuencias ( alineamiento de secuencia por pares ). A continuación, un método de unión de vecinos utiliza el enraizamiento de punto medio para crear un árbol guía general. [17] A la derecha se ilustra un diagrama de este método. Finalmente, el árbol guía se utiliza como plantilla aproximada para generar una alineación global.
ClustalW tiene una complejidad temporal de debido a su uso del método de unión de vecinos.
ClustalW2 agregó una opción para usar UPGMA, que es más rápido para tamaños de entrada grandes. El indicador de línea de comando para usarlo en lugar de unirse a vecinos es:
- agrupación = UPGMAComo ejemplo aproximado, mientras que la entrada de 10.000 secuencias tardaría más de una hora en unirse al vecino, UPGMA se completaría en menos de un minuto.
ClustalW2 también agregó una precisión de alineación iterativa. Esta opción no aumenta la eficiencia, pero ofrece la posibilidad de aumentar la precisión de la alineación. Esto puede resultar especialmente útil para conjuntos de datos pequeños.
Las siguientes banderas activan la alineación iterativa:
- Iteración = Alineación - Iteración = Árbol - numeradoresLa primera opción refina la alineación final. La segunda opción incorpora el esquema en el paso de alineación progresiva. El tercero especifica el número de ciclos de iteración, donde el valor predeterminado se establece en 3. [18]
El algoritmo que utiliza ClustalW es casi óptimo. Es más eficaz para conjuntos de datos con un gran grado de variación. En tales conjuntos de datos, el proceso de generación de un árbol guía es menos sensible al ruido. ClustalW fue uno de los primeros algoritmos de alineación de secuencias múltiples que combinó la alineación por pares y la alineación global para aumentar la velocidad, pero esta decisión reduce la precisión de los resultados.
Cuando se compararon múltiples algoritmos de alineación de secuencias en 2014, ClustalW fue uno de los más rápidos y pudo producir resultados con el nivel de precisión deseado. Sin embargo, no era tan preciso como el de competidores basados en la coherencia como T-Coffee. [19] De MAFFT, T-Coffee y Clustal Omega, ClustalW tiene la precisión más baja para secuencias completas, pero su precisión aún se considera aceptable. Además, ClustalW fue el algoritmo con mayor eficiencia de memoria de los estudiados. [19] Las actualizaciones continuas del software han hecho que ClustalW2 sea más preciso manteniendo esta velocidad. [18]
ClustalΩ (escrito alternativamente como Clustal O y Clustal Omega ) es un programa rápido y escalable escrito en C y C++ que se utiliza para el alineamiento de secuencias múltiples. Utiliza árboles guía sembrados y un nuevo motor HMM que se centra en dos perfiles para generar estas alineaciones. [20] [21] El programa requiere tres o más secuencias para calcular la alineación de secuencias múltiples . Clustal Omega se basa en la coherencia y es ampliamente visto [ ¿por quién? ] como una de las implementaciones en línea más rápidas de todas las herramientas de alineación de secuencias múltiples y aún ocupa un lugar destacado en precisión, tanto entre los algoritmos basados en consistencia como en los basados en matrices.
Clustal Omega tiene cinco pasos principales para generar el alineamiento de secuencias múltiples .
La complejidad temporal de calcular exactamente una alineación óptima de secuencias de longitud es prohibitiva incluso para un pequeño número de secuencias. Para gestionar esto, Clustal Omega utiliza una versión modificada de mBed que tiene una complejidad de , [22] [24] y produce árboles guía que son tan precisos como los de los métodos convencionales. La velocidad y precisión de los árboles guía en Clustal Omega se atribuyen a la implementación de un algoritmo mBed modificado. También reduce el tiempo de cálculo y los requisitos de memoria para completar alineaciones en grandes conjuntos de datos.
La precisión de Clustal Omega en un pequeño número de secuencias es, en promedio, muy similar a la de los alineadores de secuencias considerados de alta calidad. [ ejemplo necesario ] En conjuntos de datos extremadamente grandes con cientos de miles de secuencias de entrada, Clustal Omega supera a todos los demás algoritmos en tiempo, memoria y precisión de los resultados. [25] Es capaz de ejecutar más de 100.000 secuencias en un procesador en unas pocas horas.
Clustal Omega utiliza el paquete HHAlign de HH-Suite, que alinea dos modelos ocultos de Markov de perfil en lugar de una comparación perfil-perfil. Esto mejora significativamente la calidad de la sensibilidad y la alineación. [25] Esto, combinado con el método mBed, le da a Clustal Omega su ventaja sobre otros alineadores de secuencia.
En conjuntos de datos con bases terminales no conservadas, Clustal Omega puede ser más preciso que Probcons o T-Coffee , a pesar de que ambos son algoritmos basados en consistencia. En una prueba de eficiencia con programas que producen puntuaciones de alta precisión, MAFFT fue el más rápido, seguido de cerca por Clustal Omega. Ambos eran más rápidos que T-Coffee, sin embargo MAFFT y Clustal Omega requerían más memoria para ejecutarse. [19]
Clustal2 es la versión empaquetada tanto de ClustalW de línea de comandos como de Clustal X gráfico. Ninguna de las dos son herramientas nuevas, pero son versiones actualizadas y mejoradas de las implementaciones anteriores vistas anteriormente. Ambas descargas vienen precompiladas para muchos sistemas operativos como Linux, Mac OS X y Windows (tanto XP como Vista). Esta versión fue diseñada para hacer que el sitio web sea más organizado y fácil de usar, así como para actualizar los códigos fuente a sus versiones más recientes. Clustal2 es la versión 2 de ClustalW y ClustalX, de ahí su nombre. Todavía se pueden encontrar versiones anteriores en el sitio web; sin embargo, todas las precompilaciones ahora están actualizadas.
{{cite book}}: |journal=ignorado ( ayuda )