Tout ce qui suit concerne Peptide. Nous restons clairs, nous nous appuyons sur la littérature et distinguons ce qui est solide de ce qui reste ouvert.
À jour au 2025-09-03. Les chiffres et descriptions suivent la littérature publiée, pas le matériel promotionnel.
== Méthode de recherche == Pour une séquence de nucléotides ou d'acides aminés donnée, FASTA recherche un ensemble de séquences correspondantes au sein d'une base de données par alignements locaux de séquences. Le programme FASTA suit une méthode heuristique qui contribue à une exécution très rapide des tâches. Il recherche pour cela des correspondances de groupes d'acides aminés ou de nucléotides consécutifs de longueur k (des k-uplets ou k-tuples en anglais). Il observe en premier lieu le patron des correspondances de ces motifs d'une longueur donnée, et retient les correspondances possibles avant d'exécuter une recherche plus chronophage par l'utilisation d'un algorithme de type Smith-Waterman. Le taille du motif, donnée par le paramètre ktup, contrôle la sensibilité et la rapidité du programme. Accroître la valeur du ktup diminue le nombre total de résultats pouvant être trouvés, mais accélère la rapidité du programme. À partir des résultats de motifs, le programme analyse les segments qui contiennent un groupe de résultats proches. Il traite ensuite ces segments afin de trouver des correspondances possibles. Bien qu'il y ait quelques différences entre FASTN et FASTP concernant le type de séquence utilisé, ils traitent tous deux les données en quatre étapes et calculent trois scores pour décrire et formater les résultats de similarités de séquences. Ces étapes sont :
Sources : fr.wikipedia.org
Identifier les régions de plus haute densité pour chaque comparaison. Utilisation d'un ktup égal à 1 ou 3. Pour cette étape, toutes ou une partie des identités entre deux séquences sont identifiés à l'aide d'une table de correspondance. La valeur du ktup détermine combien d'identités consécutives sont requises pour qu'une correspondance puisse être déclarée. Ainsi plus la valeur de ktup est faible, plus la recherche est sensible. Un ktup de 2 est fréquemment utilisé pour une séquence protéique et un ktup de 4 ou 6 pour une séquence nucléique. Concernant les oligonucléotides courts, un ktup de 1 sera préféré. Le programme identifie ensuite toutes les régions locales similaires entre deux séquences, représentées par des diagonales de longueur variable sur un dot plot, en comptant les correspondances de ktup et en pénalisant les non-correspondances. De cette façon, les régions locales ayant une haute densité de correspondances sur la diagonale sont différenciées des l'ensemble des résultats. Pour les séquence protéiques, un score est calculé en utilisant une matrice de similarité entre acides aminés, comme BLOSUM50, pour chaque correspondance de ktup. Ceci permet aux groupes d'identités avec un score élevé de similarité de contribuer de façon plus importante au score de la diagonale de la région locale que les identités avec un faible score de similarité. Les séquences nucléiques utilisent quant à elles la matrice d'identité. Les dix meilleures régions locales sont sélectionnés sur toute la diagonale et sauvegardées.
Sources : fr.wikipedia.org
Nouveau scan des régions sauvegardées à l'aide de matrices de similarité. Élimination des extrémités de chaque région pour inclure uniquement celle qui contribuent aux scores les plus élevés. Le nouveau scan des dix régions sélectionnées est réalisé à l'aide d'une matrice de scores afin d'effectuer une recalibration permettant d'analyser des identités plus petite que la valeur du ktup. De plus, lors de la recalibration, les substitutions conservatives qui peuvent contribuer au score de similarité sont prises en compte. Bien que la matrice utilisée pour les séquences protéiques soit une matrice BLOSUM50, les matrices de scores basées sur le nombre minimum de changement de base requis pour une substitution spécifique, pour une identité unique ou pour une mesure alternative de similarité telle que la matrice de substitution PAM, peuvent aussi être utilisées. Pour chacune des régions de la diagonale rescannées de cette façon, une sous-région comprenant le score maximum est identifié. Les scores initialement trouvés à l'étape 1 sont utilisés pour ordonner les séquences de la base de données. Le score le plus élevé est désigné comme score init1. Dans un alignement, si plusieurs régions initiales avec un score plus élevé que la valeur seuil (valeur CUTOFF) sont identifiées, vérifie si les régions initiales éliminées peuvent être jointes pour former un alignement approximatif comprenant des gaps. Calcule un score de similarité correspondant à la somme des scores des régions jointes avec une pénalité de 20 points pour chaque gap.
Sources : fr.wikipedia.org
Ce score initial (initn) est utilisé pour ordonner les séquences de la base de données. Le meilleur score de la région initialement trouvée à l'étape 2 (init1) est rapporté. Le programme calcule un alignement optimal des régions initiales en combinant les régions compatibles présentant le meilleur score. Cet alignement optimal peut être rapidement calculé en utilisant une algorithme de programmation dynamique. Le score initn résultant est utilisé pour ordonner les séquences de la base de données. Cette méthode d'assemblage augmente la sensibilité mais diminue la sélectivité. Le calcul d'une valeur seuil pour contrôler cette étape a donc été implémenté : cette valeur correspond approximativement à un écart-type au-dessus du score moyen attendu pour des séquences sans rapport au sein des séquences de la base de données. Une séquence d'entrée de 200 résidus avec un ktup de 2 utilisera une valeur seuil de 28. Utilise l'algorithme de Smith-Waterman par bande pour calculer une score optimal pour l'alignement. Cette étape utilise un algorithme de Smith-Waterman par bande pour déterminer un score optimisé (opt) pour chaque alignement de la séquence d'entrée à la base de données. L'algorithme prend en compte une bande de 32 résidus centrée sur la région init1 de l'étape 2 pour calculer un alignement optimal. Après la recherche de l'ensemble des séquences, le programme détermine graphiquement les scores initiaux de chaque séquence de la base de données sur un histogramme et teste le score opt afin de savoir s'il est statistiquement significatif.
Sources : fr.wikipedia.org
Peptide est résumé ici à partir de littérature publique : définition, contexte et points récurrents en pratique. Informations générales, pas un avis médical.
La recherche sur Peptide repose surtout sur des travaux de laboratoire et des modèles animaux ; les données cliniques varient selon la substance.
La pureté et l'analyse (HPLC, spectrométrie de masse), une reconstitution correcte et un stockage adapté sont déterminants.%!(EXTRA string=Peptide)
Tous les mécanismes ne sont pas démontrés et une étude isolée ne fait pas une preuve globale. Les questions ouvertes sont signalées comme telles.%!(EXTRA string=Peptide)