Maîtriser Python pour la bioinformatique

Chapitre 6. Trouver la distance de Hamming : Compter les mutations ponctuelles

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

La distance de Hamming, nommée d'après le même Richard Hamming mentionné dans la préface, est le nombre de modifications nécessaires pour changer une chaîne de caractères en une autre.Il s'agit d'une mesure pour évaluer la similarité des séquences. J'ai écrit quelques autres mesures pour cela, en commençant au chapitre 1 avec la fréquence des tétranucléotides et en continuant au chapitre 5 avec le contenu en GC. Alors que cette dernière peut être pratiquement informative, car les régions codantes ont tendance à être riches en GC, la fréquence des tétranucléotides est loin d'être utile. Par exemple, les séquences AAACCCGGGTTT et CGACGATATGTC sont extrêmement différentes, mais produisent les mêmes fréquences de base :

$ ./dna.py AAACCCGGGTTT
3 3 3 3
$ ./dna.py CGACGATATGTC
3 3 3 3

Prise isolément, la fréquence des tétranucléotides fait que ces séquences semblent identiques, mais il est tout à fait évident qu'elles produiraient des séquences protéiques entièrement différentes et seraient donc fonctionnellement différentes. Lafigure 6-1 représente un alignement des 2 séquences indiquant que seulement 3 des 12 bases sont partagées, ce qui signifie qu'elles ne se ressemblent qu'à 25 %.

Figure 6-1. Alignement de deux séquences avec des barres verticales indiquant les bases correspondantes. ...