El documento describe el algoritmo CLUSTAL W para el alineamiento múltiple de secuencias proteicas. El algoritmo mejora la sensibilidad del alineamiento progresivo de múltiples secuencias al asignar pesos a las secuencias, variar las matrices de sustitución y fomentar brechas en bucles en lugar de estructuras regulares. Calcula una matriz de distancias usando alineamientos de pares, construye un árbol guía con el método de Neighbour-Joining y alinea progresivamente las secuencias siguiendo el orden

1. CLUSTAL W
Johan D. Hoyos A (0430028)
Julián C. Pérez P. (0431535)
Abril 22 de 2009

2. Resumen
La sensibilidad del método más común de alineamiento progresivo de múltiples
secuencias (AMS) ha sido mejorado para el alineamiento de secuencias
divergentes de proteínas.
1. Cada peso es asignado a cada secuencia en alineamiento parcial con el fin de
reducir el peso de las secuencias casi duplicadas y de aumentar el de las más
divergentes.
2. Las matrices de sustitución de aminoácidos sufren variaciones en diferentes
etapas de alineamiento conforme la divergencia de las secuencias que se
esperan alinear.
3. Las penalizaciones por la brecha específica de residuo y por reducciones
locales en regiones hidrofílicas fomentan nuevas brechas en regiones
potenciales de bucle y no en estructuras secundarias regulares.
4. Las posiciones en alineamientos previos donde las brechas han sido abiertas
reciben atención para reducir las penalizaciones y así motivar la abertura de
nuevas brechas en dicho lugar.
Universidad del CLUSTAL W 2(10)
Valle, Cali (CO) © (Bioinformática)

3. Alineamiento básico
El algoritmo básico de alineamiento múltiple se compone principalmente de 3
etapas:
1. Todos los pares de secuencias son alineados por separado para calcular la
matriz de distancias a partir de la divergencia entre cada par de secuencias.
2. Se construye el árbol guía, partiendo de la matriz de distancias.
3. Las secuencias se alinean progresivamente según el orden de ramificación
que presenten en el árbol guía.
Universidad del CLUSTAL W 3(10)
Valle, Cali (CO) © (Bioinformática)

4. Matriz de distancias
El método es más lento que su antecesor, pero también más preciso, basado en
dos penalizaciones (al abrir o extender brechas) y una matriz de pesos de un
aminoácido completo.
Los resultados son calculados como el número de identidades en el mejor
alineamiento, dividido por el número de residuos comparados (excluyendo las
posiciones de brecha).
Son inicialmente computados como un porcentaje de identidad y son convertidos
en distancias al dividir entre 100 y sustraer 1.0 (número de diferencias por
espacio).
En las instancias iniciales no se corrigen resultados por sustituciones múltiples.
Universidad del CLUSTAL W 4(10)
Valle, Cali (CO) © (Bioinformática)

5. Árbol guía
Este árbol se calcula a partir de la matriz de distancias del paso anterior usando el
método de Neighbour-Joining. Este origina árboles sin raíces cuya altura es
proporcional a la divergencia estimada entre cada rama.
La raíz es situada por un método de “punto medio” en la posición donde la media
de la altura de la rama a cada lado es igual. Estos árboles también se usan para
derivar pesos para cada secuencia.
Los pesos son dependientes de la distancia hasta la raíz del árbol, pero las
secuencias que tienen una rama común con otra comparten el peso derivado de
la rama compartida.
Universidad del CLUSTAL W 5(10)
Valle, Cali (CO) © (Bioinformática)

6. Alineamiento progresivo
El procedimiento básico en este punto el de usar una serie de alineamientos de
pares de secuencias para luego alinear grupos más grandes de secuencias,
siguiendo el orden de ramificación del árbol guía. Se inicia en las últimas hojas y
se recorre hacia la raíz.
Universidad del CLUSTAL W 6(10)
Valle, Cali (CO) © (Bioinformática)