Traductor de ADN a proteína

Cómo usar el traductor de ADN a proteína

1. 1. Pega la secuencia. Sirven las letras planas o FASTA; los espacios, los saltos de línea, los números de posición y las minúsculas se ignoran. Trata la secuencia como la hebra codificante (con sentido). U se lee como T.
2. 2. Elige un marco. +1, +2 y +3 empiezan en la primera, la segunda y la tercera base; −1, −2 y −3 hacen lo mismo sobre el complemento inverso. Los seis marcos los muestra todos juntos. Si pegaste la hebra molde, usa −1.
3. 3. Ajusta las opciones. Parar en el primer codón de parada, empezar en el primer ATG y elegir la salida de una o de tres letras.
4. 4. O busca genes. Buscar marcos abiertos de lectura lista cada tramo de ATG a parada por encima de una longitud mínima, en una hebra o en ambas, con coordenadas y secuencias de proteína que puedes copiar como FASTA.

Del ADN a la proteína

La transcripción copia la hebra molde de un gen en ARNm, así que el ARNm tiene la misma secuencia que la hebra codificante opuesta, con U en lugar de T. Después, la traducción lee el ARNm de tres en tres bases. Cada tripleta, o codón, especifica un aminoácido o una señal de parada. Las bases de datos de secuencias suelen mostrar la hebra codificante, por eso puedes pegar directamente una secuencia codificante de GenBank o RefSeq.

La herramienta usa la tabla de traducción 1 publicada por el NCBI. Los codones que contienen códigos de ambigüedad IUPAC reciben un aminoácido siempre que todos los codones posibles coincidan: GCN es siempre alanina y TAR es siempre una parada. Una mezcla de asparagina y aspartato se indica como B, la de glutamina y glutamato como Z, la de leucina e isoleucina como J, y cualquier otra mezcla como X. Estos resultados coinciden con el traductor de Biopython para todas las combinaciones de tres letras de los 15 códigos de nucleótidos.

Marcos de lectura y marcos abiertos de lectura

Una secuencia se puede leer desde tres puntos de inicio en cada hebra, lo que da seis marcos de lectura; solo el marco que usa realmente un gen produce una proteína con sentido, y los otros cinco suelen encontrar un codón de parada en pocas decenas de codones. Un marco abierto de lectura (ORF) es aquí un tramo que va de un ATG al siguiente codón de parada en el mismo marco, sin ninguna parada en medio. Solo se informa del ATG más externo de cada tramo, así que un ORF con varios ATG internos aparece una vez. Los ORF cortos aparecen por azar —un codón de parada aparece aproximadamente una vez cada 21 codones en una secuencia aleatoria—, así que la longitud mínima importa. El valor por defecto de 25 aminoácidos (75 nucleótidos) coincide con el ORFfinder del NCBI; en genomas bacterianos, un mínimo de 100 o más reduce el ruido. Un ORF es un candidato, no una prueba de que exista un gen.

Ejemplo desarrollado: la preproinsulina humana

Probar un ejemplo carga la secuencia codificante de 333 nucleótidos de la insulina humana, de NCBI RefSeq NM_000207.3. Son 111 codones: 110 aminoácidos y una parada final. El marco +1 da la proteína preproinsulina (UniProt P01308); el asterisco final es el codón de parada:

Los marcos +2 y +3 tropiezan con paradas casi de inmediato (el marco +2 lee WPCGCASCPCWRCWPSGDLTQPQPL y luego se detiene). En el modo ORF con el mínimo por defecto, la herramienta informa del ORF de 110 aminoácidos en las posiciones 1–333 y de un ORF de 49 aminoácidos en la hebra inversa, en las posiciones 147–296: un recordatorio de que un ORF por sí solo no hace un gen. Una vez que tienes la proteína, estima su masa con la calculadora de peso molecular de proteínas.

Lo que este traductor no hace

• Otros códigos genéticos. Las mitocondrias de vertebrados, los ciliados y algunas bacterias leen algunos codones de forma distinta; en las mitocondrias de vertebrados, TGA codifica triptófano. Solo está integrado el código estándar.
• Empalme (splicing). Pega ADNc o una secuencia codificante, no ADN genómico con intrones; la herramienta lee de principio a fin.
• Recodificación y desplazamientos de marco. La inserción de selenocisteína y pirrolisina, y los desplazamientos de marco programados, no están modelados.
• Tamaño de la entrada. Cada registro está limitado a los primeros 2.000.000 de bases, y la vista resaltada muestra las primeras 6.000.

Preguntas frecuentes

¿Cómo se convierte una secuencia de ADN en una secuencia de proteína?

Busca el codón de inicio ATG en la hebra codificante, luego lee la secuencia de tres en tres bases y sustituye cada codón por su aminoácido según el código genético, hasta llegar a un codón de parada (TAA, TAG o TGA). ATG se convierte en metionina, GCC en alanina, y así sucesivamente. El traductor lo hace por ti en los seis marcos a la vez.

¿Qué hebra debo pegar, la codificante o la molde?

Pega la hebra codificante (con sentido), la que tiene la misma secuencia que el ARNm salvo U en lugar de T. Las bases de datos muestran esta hebra. Si tienes la hebra molde (antisentido), traduce el marco −1, que lee su complemento inverso.

¿Cuáles son los seis marcos de lectura?

Si empiezas en la base 1, 2 o 3 de la hebra obtienes los marcos +1, +2 y +3; haciendo lo mismo con el complemento inverso obtienes −1, −2 y −3. Un gen se lee en uno de ellos, así que revisar los seis muestra qué marco tiene un ORF largo sin interrupciones.

¿Qué significan X, B, Z, J y * en la salida?

El asterisco marca un codón de parada. X significa que el codón es ambiguo y podría codificar varios aminoácidos distintos, o que contenía un código como N que no se pudo resolver. B representa asparagina o aspartato, Z glutamina o glutamato, y J leucina o isoleucina.

¿Por qué mi proteína no coincide con la publicada?

Las causas habituales son el marco equivocado, empezar en un ATG equivocado, pegar una secuencia genómica con intrones o un gen que usa un código no estándar, como el mitocondrial de vertebrados. Compara los primeros residuos con la entrada de la base de datos y prueba los otros marcos y la opción de primer ATG.

¿Se sube mi secuencia a algún sitio?

No. La traducción se ejecuta por completo en tu navegador y no se envía nada a un servidor, así que las secuencias no publicadas se quedan en tu ordenador.