Visão geral
O alinhamento de múltiplas sequências (MSA) alinha três ou mais sequências biológicas para identificar regiões conservadas compartilhadas por uma família inteira. Enquanto o alinhamento aos pares revela semelhança entre duas sequências, o MSA captura a profundidade evolutiva de um grupo homólogo, destacando resíduos que foram mantidos ao longo de milhões de anos. Estas posições conservadas são frequentemente críticas para estrutura, catálise ou regulação. MSA é o pré-requisito para a construção de árvores filogenéticas, identificação de domínios de proteínas e geração de logotipos de sequência que visualizam padrões de conservação.
Conceitos-chave
O alinhamento progressivo, implementado em Clustal Omega e MUSCLE, constrói um MSA construindo primeiro uma árvore guia a partir de distâncias aos pares e depois alinhando iterativamente as sequências mais estreitamente relacionadas. Os métodos iterativos refinam o alinhamento inicial realinhando subconjuntos para melhorar a pontuação geral do objetivo. Ferramentas baseadas em consistência, como o T-Coffee, incorporam informações de alinhamentos de pares em relação a uma terceira sequência para melhorar a precisão. Para conjuntos de dados muito grandes, o MAFFT usa transformadas rápidas de Fourier para acelerar o alinhamento. As métricas de avaliação de qualidade, como a pontuação da soma dos pares e a pontuação da coluna, avaliam a confiabilidade do alinhamento, e as ferramentas de corte removem regiões mal alinhadas antes da análise posterior.
Aplicativos
A MSA é indispensável para a genômica comparativa da genética bacteriana, onde identifica genes conservados entre cepas patogênicas. Ele melhora a sensibilidade da pesquisa de homologia em projetos de sequenciamento de DNA e revela resíduos funcionalmente importantes na previsão de estrutura de proteínas. Na biologia evolutiva, o MSA fornece a entrada de sequências múltiplas necessária para máxima verossimilhança e inferência filogenética bayesiana, permitindo a reconstrução de sequências ancestrais e datação de eventos de especiação.
Protocolo Prático
Para uma proteína MSA com MAFFT, prepare um arquivo FASTA de sequências homólogas (por exemplo, a partir de resultados BLAST ou OrthoFinder). Execute MAFFT com a estratégia L-INS-i, a mais precisa para <200 sequências: mafft --localpair --maxiterate 1000 input.fasta > alinhado.fasta. Para conjuntos de dados maiores (200–1000 sequências), use a estratégia FFT-NS-2: mafft --retree 2 --maxiterate 2 input.fasta > alinhado.fasta. Para conjuntos de dados muito grandes (> 1000 sequências), use o algoritmo PartTree: mafft --parttree input.fasta > alinhado.fasta. Para alinhamentos de nucleotídeos, use mafft --nuc --adjustdirection input.fasta > alinhado.fasta para lidar com cadeias de complemento reversas. Alternativamente, execute MUSCLE v5: muscle -align input.fasta -output alinhado.fasta. Avalie a qualidade do alinhamento por inspeção visual usando Jalview: carregue o arquivo FASTA alinhado, pinte pelo esquema ClustalX (destacando as posições conservadas) e examine o histograma de conservação. Apare regiões mal alinhadas com trimAl: trimal -in alinhado.fasta -out trimmed.fasta -automated1 que seleciona automaticamente o limite de corte ideal com base nas características do alinhamento. Para um corte mais rigoroso, use -gt 0.1 (remova colunas com lacunas em> 10% das sequências) ou -resoverlap 0.75 -seqoverlap 80 para o método heurístico automatizado2. Calcule estatísticas de resumo de alinhamento com esl-alistat do conjunto HMMER: esl-alistat alinhado.fasta. Gere um logotipo de sequência com WebLogo ou o pacote R ggseqlogo para visualizar a conservação de aminoácidos específicos da posição. Converta o alinhamento para o formato PHYLIP para inferência filogenética: sed -e 's/>//' alinhado.fasta | colar - - | awk '{print $1, $2}' > alinhado.phy. Execute IQ-TREE para inferência de árvore de máxima verossimilhança: iqtree -s alinhado.phy -m MFP -bb 1000 -nt AUTO.
