Tratopedia
EN
Ajustes

Tamaño del texto

Tema

Alto contraste

Versión

v1.230.2

La publicación con la que se generó esta página. Es la que almacena en caché el service worker.

Presentación

Volver

Siete alineadores de secuencias, tres tareas

Siete alineadores conocidos hacen tres tareas. BLASTN, BLAT y LAST buscan similitud local y difieren sobre todo en sus semillas; BWA-MEM y Bowtie2 mapean lecturas sobre un genoma indexado; CLUSTALW y Clustal Omega hacen alineamientos múltiples, el segundo a mucha mayor escala.

  1. Alineamiento de secuencias · fuentes consultadas el 17 de octubre de 2026

    Los alineadores de secuencias, explicados

    LAST · CLUSTALW · Clustal Omega · BWA-MEM · Bowtie2 · BLASTN · BLAT

    Estrategias de alineamiento comparadas1 / 15

  2. Panorama

    Tres tareas, siete herramientas

    La agrupación es de este artículo; la documentación de cada herramienta solo se describe a sí misma.

    • Búsqueda

      Encontrar dónde coincide una secuencia con una base de datos o un genoma

      • BLASTN · BLAT · LAST
    • Mapear lecturas

      Colocar millones de lecturas de secuenciación en un genoma de referencia

      • BWA-MEM · Bowtie2
    • Alinear muchas

      Alinear muchas secuencias emparentadas en un solo alineamiento

      • CLUSTALW · Clustal Omega

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20262 / 15

  3. Conceptos básicos

    El alineamiento en una imagen

    Consulta ACGTTGCAAT frente a referencia ACCTTGCGAT: coinciden 8 de 10 posiciones, es decir, un 80% de identidad.

    • Local

      Solo se informa el tramo que mejor coincide

      • Así funcionan BLASTN y LAST.
    • De extremo a extremo

      Cuenta cada posición

      • Por defecto en Bowtie2; las herramientas Clustal alinean la longitud completa.
    • Huecos

      Una inserción o deleción cuesta una penalización de apertura más otra de extensión

      • Se llaman costes de hueco afines.

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20263 / 15

  4. Conceptos básicos

    Sembrar y después extender

    BLASTN, BLAT, LAST, BWA-MEM y Bowtie2 siguen este patrón y difieren sobre todo en la siembra. CLUSTALW y Clustal Omega construyen en su lugar un árbol guía.

    1. 1SemillaEncontrar una coincidencia exacta corta mediante un índice
    2. 2EncadenarAgrupar las semillas que se alinean
    3. 3ExtenderHacer crecer cada semilla con programación dinámica
    4. 4PuntuarConservar los alineamientos con puntuación suficiente

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20264 / 15

  5. Semillas

    Las semillas de un vistazo

    Las semillas largas van más rápido pero pierden coincidencias débiles; las cortas captan más y cuestan más tiempo.

    HerramientaSemillaÍndice
    BLASTNPalabras exactas: 28 bases (megablast, por defecto), 11 (blastn)Tabla de palabras de la consulta
    BLATDos 11-meros perfectos en una diagonal11-meros del genoma en memoria
    LASTAdaptativa: crece hasta ser raraVector de sufijos
    BWA-MEMCoincidencias exactas supermaximales, al menos 19 basesÍndice FM
    Bowtie2Fijas, 22 bases (20 en modo local)Índice FM

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20265 / 15

  6. Búsqueda · 1 de 3

    BLASTN

    Semillas de palabra fija, extensión X-drop y un valor E para cada acierto

    1. 1Cortar la consulta en palabras28 bases (megablast) u 11 (blastn)
      consultaGATCCTAGGCTTACGATCCTAGGCT1ATCCTAGGCTT2TCCTAGGCTTA3CCTAGGCTTAC4

      14 bases dan 14 − 11 + 1 = 4 palabras de 11, cada una guardada en la tabla de búsqueda con su posición en la consulta (tarea blastn).

    2. 2Extender cada aciertoX-drop sin huecos y luego con huecos
      consultaGATCCTAGGCTTACGATGCAsujetoGATCCTAGGCTCACGTCCAG

      N semillaN coincidenciaN discrepanciaN descartado

      +2 por coincidencia, −3 por discrepancia. La mejor puntuación, 25, se alcanza tras 15 bases; en 19 queda más de X = 5 por debajo, así que la extensión se detiene y se recorta a 15. Aquí X es un valor de ejemplo.

    3. 3Puntuar y ordenarLa estadística de Karlin–Altschul da valores E
      AciertoCoinc. / discr.Puntuación
      A14 / 125
      B13 / 123
      C11 / 022

      Cada acierto puntuado +2/−3. Un valor E cuenta los aciertos por azar que se esperan con una puntuación al menos igual, así que baja cuando la puntuación sube y el orden es el mismo. No se informan los aciertos con E superior a 10.

    DatoValor
    ÍndiceTabla de búsqueda de palabras de la consulta
    SemillasPalabras exactas de 11 o 28 bases; 7 para consultas cortas
    ConfianzaValor E y puntuación en bits
    Ideal paraADN divergente, con estadística

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20266 / 15

  7. Búsqueda · 2 de 3

    BLAT

    Indexar el genoma y recorrer la consulta: ubicación rápida de secuencias casi idénticas

    1. 1Indexar el genoma11-meros no solapados en memoria
      genomaTGGACCTAGCAATCGGTACCATTGGACCTAGCA1ATCGGTACCAT12

      22 bases del genoma entran en el índice como 2 11-meros no solapados, no como los 22 − 11 + 1 = 12 solapados. El número indica dónde empieza cada uno.

    2. 2Exigir dos aciertosDos 11-meros perfectos en una diagonal
      CTGGACCTAGCAATCGGTACCATGTGGACCTAGCA−1ATCGGTACCAT−1

      N semilla

      Se busca cada 11-mero de la consulta, la fila superior. Dos aciertan en el índice, ambos en la diagonal −1 (posición en el genoma menos posición en la consulta), así que la región pasa a alinearse.

    3. 3Unir los bloquesExones unidos en alineamientos de gen, con ajuste de sitios de corte y empalme
      genomaATGCCAGTAAGCAGGTTCGAmRNAATGCCA--------GTTCGA

      N coincidencia- hueco

      Dos bloques de 6 bases se unen a través de un hueco de 8 bases; sus extremos GT…AG encajan con un sitio de corte y empalme canónico.

    DatoValor
    Índice11-meros del genoma en memoria (unos 1 GB)
    SemillasDos coincidencias perfectas de 11
    ConfianzaPuntuación e identidad; sin valor E en la salida por defecto
    Ideal paraARNm sobre un genoma al 95% o más; las páginas de la UCSC citan un mínimo de 25 o 40 bases

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20267 / 15

  8. Búsqueda · 3 de 3

    LAST

    Semillas adaptativas, para genomas ricos en repeticiones y comparación de genomas enteros

    1. 1Construir un vector de sufijoslastdb indexa la referencia una vez
      ACG5ACGTACG1CG6CGTACG2G7GTACG3TACG4

      Los 7 sufijos de la referencia ACGTACG, ordenados. El número indica dónde empieza cada uno; una búsqueda encuentra todos los sufijos que empiezan por una semilla dada.

    2. 2Hacer crecer semillas adaptativasCada semilla se alarga hasta ser rara en la referencia
      consultaACGTTCA
      LongitudSemillaAparece
      1A2
      2AC2
      3ACG2
      4ACGT1

      N semilla

      La semilla crece letra a letra hasta aparecer como mucho m = 1 veces en la referencia: una semilla de 4 letras. Aquí m es un valor de ejemplo.

    3. 3Extender y aprenderX-drop sin huecos y luego con huecos; last-train aprende las tasas de los datos
      ref.TCACGTTGGATCAAconsultaTGACGTTGGA-CTA

      N semillaN coincidenciaN discrepancia- hueco

      El núcleo, el tramo idéntico más largo (8 letras), sirve de semilla a una extensión con huecos hacia ambos lados. Sus 2 sustituciones y 1 deleción son el tipo de diferencia del que last-train aprende las tasas.

    DatoValor
    ÍndiceVector de sufijos (lastdb)
    SemillasAdaptativas, crecen hasta ser raras
    ConfianzaValor E y EG (aciertos esperados por cada mil millones de letras de consulta)
    Ideal paraGenomas ricos en repeticiones o divergentes

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20268 / 15

  9. Mapear lecturas · 1 de 2

    BWA-MEM

    Coincidencias exactas máximas como semillas; local o de extremo a extremo elegido automáticamente

    1. 1Encontrar coincidencias exactas máximasSMEM de al menos 19 bases; las largas se resiembran
      ref.ACGTTAGCCATGGACTTGCAATlecturaACGTTAGCCATGGACTTGCAGTACGTTAGCCATGGACTTGCA20AG2GT2

      N semillaN coincidenciaN discrepanciaN descartado

      3 SMEM cubren la lectura; el número es la longitud de cada uno. Solo el de 20 bases alcanza el mínimo de 19 y se convierte en semilla; ninguno supera 28, así que ninguno se resiembra.

    2. 2Encadenar y extenderProgramación dinámica en banda con huecos afines y Z-drop
      SemillaLecturaRef.Long.
      A1–20101–12020
      B22–45121–14424
      C27–455001–501919

      A y B van en orden en la lectura y en la referencia: una cadena. Su base de lectura de más es un hueco que cuesta 6 + 1 = 7, así que con 1 por coincidencia puntúa 44 − 7 = 37. La cadena de C cae dentro de ese tramo de lectura y puntúa 19, así que se filtra.

    3. 3Emparejar e informarCompañeros rescatados dentro del rango de inserto; salida con MAPQ
      VentanaBases
      μ ± 4σ200–400

      Con una media de inserto μ de 300 y una dispersión σ de 25 (valores de ejemplo), el compañero sin mapear se busca en 200–400: uno en 350 se rescata y uno en 450 no. MAPQ está en escala Phred: 30 significa una probabilidad de 1 en 1,000 de que la lectura esté mal ubicada.

    DatoValor
    ÍndiceÍndice FM (bwa index)
    SemillasSMEM, al menos 19 bases
    ConfianzaCalidad de mapeo (MAPQ)
    Ideal paraLecturas o contigs de 70 bases a megabases

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20269 / 15

  10. Mapear lecturas · 2 de 2

    Bowtie2

    Varias semillas de longitud fija y después extensión acelerada por SIMD

    1. 1Tomar semillas de la lectura22 bases (20 en modo local), de la lectura y de su complementaria inversa
      lecturaTTGCATCCTAAGTCTAGCTTGATTGCATCCTA1CCTAAGTCTA7TCTAGCTTGA13

      Semillas de 10 cada 6 bases (valores de ejemplo) dan 3 de una lectura de 22 bases y otras 3 de su complementaria inversa. Por defecto una semilla tiene 22 bases (20 en modo local) y se toma cada 1 + 1.15√L bases de una lectura de L bases.

    2. 2BuscarlasEl índice FM encuentra aciertos exactos sin huecos
      ref.TTGCATCCGAAGTCTAGCTTGATTGCATCCTA0CCTAAGTCTA0TCTAGCTTGA1

      N semillaN coincidenciaN discrepancia

      Una semilla debe coincidir exactamente (-N 0); el número son sus aciertos. La discrepancia en la base 9 rompe las semillas 1 y 2, y la semilla 3 encuentra su 1 acierto.

    3. 3Extender con SIMDLos aciertos prioritarios reciben programación dinámica acelerada por SIMD
      ModoPuntuaciónMínimo
      Extremo a extremo−17−30.6
      Local8151.3

      Una lectura de 50 bases con una discrepancia (−6) y un hueco de 2 bases (−11). De extremo a extremo parte de 0; el modo local suma +2 por cada una de las 49 bases que coinciden. Ambos superan su mínimo, −0.6 − 0.6L y 20 + 8 ln L.

    DatoValor
    ÍndiceÍndice FM (unos 3.2 GB para el genoma humano)
    SemillasFijas, 20–22 bases, sin discrepancias
    ConfianzaCalidad de mapeo (MAPQ)
    Ideal paraLecturas de unas 50 a unos pocos cientos de bases

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202610 / 15

  11. Alinear muchas · 1 de 2

    CLUSTALW

    El alineamiento múltiple progresivo clásico

    1. 1Medir distanciasCada par alineado, por k-tuplas o alineamiento completo
      AGATTACAGCABGATTACTGCACGACTTCAGGADGACTTCTGGT
      ABC
      B0.1
      C0.30.4
      D0.50.40.2

      La distancia es 1 − identidad: A y B difieren en 1 de 10 posiciones, así que 0.1.

    2. 2Construir un árbol guíaLa unión de vecinos ordena las secuencias
      ABCD

      La unión de vecinos sobre esas distancias empareja A con B y C con D; la raíz va en el punto medio del camino más largo.

    3. 3Alinear a lo largo del árbolPerfiles ponderados, penalizaciones de hueco específicas de posición
      AGATTACAGCA1BGATTACTGCA1CGACTTCAGGA2DGACTTCTGGT2

      N coincidencia

      Se unen en el orden del árbol: 1 A con B, 2 C con D y 3 los dos perfiles entre sí.

    DatoValor
    ÍndiceNinguno (distancias entre todos los pares)
    SemillasNinguna (en su lugar, un árbol de distancias)
    ConfianzaNinguna
    Ideal paraConjuntos pequeños, docencia, reproducir trabajos antiguos

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202611 / 15

  12. Alinear muchas · 2 de 2

    Clustal Omega

    Alineamiento múltiple escalable, HMM de perfil contra HMM de perfil

    1. 1Incrustar las secuenciasmBed: distancias a unas log N secuencias de referencia
      S1GATTCAGC0, 0.5S2GATTCTGC0.29, 0.5S3GACTCAGC0.29, 0.33S4GTCTAGC0.5, 0S5GTCTATC0.67, 0.33S6GTCTAGG0.67, 0.17

      Cada secuencia se convierte en sus distancias a n = 2 secuencias de referencia, S1 y S4: 6 × 2 = 12 distancias en lugar de los 15 pares. Aquí la distancia es la proporción de palabras de 2 letras no compartidas, una medida de ejemplo.

    2. 2Agrupar en un árbolK-means o UPGMA, O(N log N)
      S1S2S3S4S5S6

      UPGMA sobre esos vectores pone S1–S3 en un grupo y S4–S6 en el otro.

    3. 3Alinear HMM con HMMHHalign en cada nodo; iteración opcional
      S1GATTCAGCS2GATTCTGCS3GACTCAGCS4GTCT-AGCS5GTCT-ATCS6GTCT-AGG

      - hueco

      Cada grupo es un perfil; los dos se alinean columna a columna y se abre un hueco en la columna 5 del segundo.

    DatoValor
    ÍndiceNinguno (vectores mBed)
    SemillasNinguna (en su lugar, un árbol agrupado)
    ConfianzaNinguna
    Ideal paraDe conjuntos pequeños a muy grandes; más de 190,000 secuencias en la prueba de sus autores

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202612 / 15

  13. Comparación

    Siete herramientas, lado a lado

    La MAPQ es una puntuación de calidad de mapeo, no un valor E.

    HerramientaTareaÍndiceSemillaConfianza
    BLASTNBúsquedaTabla de palabras de la consultaPalabra exacta, 11 o 28Valor E
    BLATBúsqueda11-meros del genoma en memoriaDos 11-merosPuntuación, identidad
    LASTBúsquedaVector de sufijosAdaptativaValor E, EG
    BWA-MEMMapear lecturasÍndice FMSMEM, 19 o másMAPQ
    Bowtie2Mapear lecturasÍndice FMFija, 20–22MAPQ
    CLUSTALWAlinear muchasNingunaNingunaNinguna
    Clustal OmegaAlinear muchasNingunaNingunaNinguna

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202613 / 15

  14. Elegir

    ¿Cuál uso?

    Lecturas de la comparación, no clasificaciones.

    Su situaciónHerramienta sugerida
    Lecturas cortas, de unas 50 a unos pocos cientos de basesBWA-MEM / Bowtie2
    Lecturas largas o contigs ensambladosBWA-MEM, o LAST con last-train
    ARNm en su propio genoma con un 95% o más de identidadBLAT
    Homólogos divergentes que necesitan valores EBLASTN
    Genomas enteros con muchas repeticionesLAST
    Alineamiento múltiple de muchas secuenciasClustal Omega

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202614 / 15

  15. Conclusiones

    Primero la tarea, después la herramienta

    • Las herramientas de búsqueda difieren sobre todo en sus semillas.
    • Los mapeadores indexan la referencia una vez y después hacen pasar las lecturas por ella.
    • Para alineamiento múltiple, Clustal Omega antes que CLUSTALW, salvo que haya que reproducir un trabajo antiguo.

    Tómese con cautela

    Los valores por defecto cambian entre versiones, y todas las cifras de velocidad son de los propios desarrolladores, de 1990 a 2013.

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202615 / 15