Diagrama de puntos (bioinformática)

En bioinformática, un diagrama de puntos es un método gráfico para comparar dos secuencias biológicas e identificar regiones de gran similitud tras la alineación de secuencias . Es un tipo de diagrama de recurrencia .

Una forma de visualizar la similitud entre dos secuencias de proteínas o ácidos nucleicos es mediante una matriz de similitud, también conocida como diagrama de puntos. Estas matrices fueron introducidas por Gibbs y McIntyre en 1970 ^{[ 1 ]} y son matrices bidimensionales donde las secuencias de las proteínas que se comparan se representan en los ejes vertical y horizontal. Para una representación visual sencilla de la similitud entre dos secuencias, las celdas individuales de la matriz pueden sombrearse en negro si los residuos son idénticos, de modo que los segmentos de secuencia coincidentes aparecen como líneas diagonales que atraviesan la matriz.

Se puede obtener una idea de la similitud entre las dos secuencias a partir del número y la longitud de los segmentos coincidentes que se muestran en la matriz. Obviamente, las proteínas idénticas tendrán una línea diagonal en el centro de la matriz. Las inserciones y deleciones entre secuencias provocan interrupciones en esta diagonal. Las regiones de similitud local o las secuencias repetitivas generan coincidencias diagonales adicionales, además de la diagonal central. Una forma de reducir este ruido es sombrear solo secuencias o " tuplas " de residuos ; por ejemplo, una tupla de 3 corresponde a tres residuos consecutivos. Esto es eficaz porque la probabilidad de que coincidan tres residuos consecutivos por casualidad es mucho menor que la de que coincidan residuos individuales.

Los diagramas de puntos comparan dos secuencias organizando una en el eje x y la otra en el eje y. Cuando los residuos de ambas secuencias coinciden en la misma posición, se dibuja un punto en ese lugar. Cabe destacar que las secuencias pueden escribirse hacia adelante o hacia atrás, pero deben estar en la misma dirección. Además, la dirección de las secuencias en los ejes determinará la dirección de la línea en el diagrama de puntos. Una vez trazados los puntos, se combinan para formar líneas. El grado de similitud entre las secuencias determinará la proximidad de la línea diagonal a una curva que muestre una relación directa . Esta relación se ve afectada por ciertas características de la secuencia, como cambios de marco de lectura, repeticiones directas y repeticiones invertidas. Los cambios de marco de lectura incluyen inserciones, deleciones y mutaciones. La presencia de una o varias de estas características dará lugar a la representación de múltiples líneas con diversas configuraciones, dependiendo de las características presentes en las secuencias. Una característica que produce un resultado muy diferente en el diagrama de puntos es la presencia de regiones de baja complejidad. Estas regiones son aquellas que contienen pocos aminoácidos en la secuencia, lo que genera redundancia dentro de esa pequeña o limitada región. Por lo general, estas regiones se encuentran alrededor de la diagonal y pueden o no tener un cuadrado en el centro del diagrama de puntos.

• Mapa de contacto de proteínas
• Diagrama de recurrencia
• Matriz de autosimilitud