Calculateur de contenu GC
Collez une séquence d'ADN ou d'ARN — texte brut ou FASTA, un seul enregistrement ou plusieurs — et obtenez son pourcentage de GC, le nombre de chaque base, le biais GC, le GC à chaque position de codon et le rapport CpG observé/attendu, ainsi qu'un tracé par fenêtre glissante du contenu GC, du biais GC ou du biais cumulé, à télécharger. Choisissez le traitement des codes d'ambiguïté. Le calcul se fait dans votre navigateur ; rien n'est téléversé.
Les espaces, sauts de ligne, chiffres et minuscules sont acceptés. Avec plusieurs enregistrements FASTA, chacun a une ligne dans le tableau, et vous en choisissez un à tracer.
Résultats
64,56%
Contenu GC
333 nt
Longueur
0,014
Biais GC (G − C) / (G + C)
GC aux positions de codon 1, 2, 3 (cadre à partir de la base 1) : 69,37%, 44,14%, 80,18%
CpG observé / attendu : 0,29
Toutes les séquences
| Séquence | Longueur | A | C | G | T/U | Autres | GC % | Biais GC |
|---|---|---|---|---|---|---|---|---|
| NM_000207.3 | 333 | 57 | 106 | 109 | 61 | 0 | 64,56% | 0,014 |
Profil par fenêtre glissante
Ligne en pointillés : valeur de la séquence entière.
Comment utiliser le calculateur de contenu GC
- 1. Collez la séquence. Texte brut ou FASTA ; les espaces, sauts de ligne, chiffres et minuscules sont ignorés, et U est compté comme T. Avec plusieurs enregistrements FASTA, chacun reçoit une ligne dans le tableau.
- 2. Choisissez la règle d'ambiguïté. Par défaut, N, R, Y et les autres codes d'ambiguïté sont exclus du calcul. Vous pouvez aussi les compter comme non-GC, ou pondérer chaque code selon sa probabilité d'être G ou C.
- 3. Lisez les résultats. Le GC %, la longueur, le biais GC, le GC aux positions 1, 2 et 3 du codon et le rapport CpG observé/attendu s'affichent pour la séquence sélectionnée.
- 4. Tracez un profil. Réglez une fenêtre et un pas, puis tracez le contenu GC, le biais GC ou le biais GC cumulé le long de la séquence. Téléchargez le tracé en SVG ou en PNG.
Ce qu'est le contenu GC
Le contenu GC est la fraction des bases d'une séquence d'ADN ou d'ARN qui sont la guanine ou la cytosine : GC % = (G + C) ÷ (A + C + G + T) × 100. Les paires G–C ont trois liaisons hydrogène et les paires A–T deux, et les interactions d'empilement ajoutent une stabilité supplémentaire : un ADN riche en GC fond donc à une température plus élevée. Le contenu GC varie beaucoup d'un génome à l'autre et le long d'un même génome : le génome humain atteint en moyenne environ 41 %, Escherichia coli K-12 environ 51 %, Streptomyces coelicolor environ 72 % et le parasite du paludisme Plasmodium falciparum environ 19 %. Pour les amorces, un contenu GC d'environ 40 à 60 % est la cible habituelle.
Les séquences réelles contiennent souvent des codes d'ambiguïté IUPAC, et il existe plus d'une façon raisonnable de les compter. Les trois options proposées ici suivent les conventions de gc_fraction dans Biopython :
| Option | Formule | À utiliser quand |
|---|---|---|
| Exclure les codes d'ambiguïté | (G + C + S) ÷ (A + C + G + T + S + W) | Vous voulez le contenu GC des seules bases connues |
| Les compter comme non-GC | (G + C + S) ÷ longueur totale | Un outil ou un article divise par la longueur complète |
| Les pondérer | Chaque code ajoute sa probabilité d'être G ou C (N = 0,5 ; B et V = ⅔ ; D et H = ⅓) | L'ambiguïté est fréquente et vous voulez une valeur espérée |
Biais GC et rapport CpG
Le biais GC est (G − C) ÷ (G + C), calculé par fenêtres. Dans de nombreux génomes bactériens, le brin directeur contient plus de G que de C ; le biais est donc positif d'un côté de l'origine de réplication et négatif de l'autre (Lobry, 1996, Molecular Biology and Evolution). Tracer la somme cumulée du biais — le biais cumulé — transforme ce basculement en un V ou un V inversé dont le minimum et le maximum marquent l'origine et le terminus de la réplication (Grigoriev, 1998, Nucleic Acids Research). Le tracé cumulé utilise des fenêtres sans chevauchement, de la taille que vous avez choisie.
Le rapport CpG observé/attendu est nombre de CpG × longueur ÷ (nombre de C × nombre de G). Chez les vertébrés, le CpG méthylé mute facilement en TpG ; le CpG est donc appauvri dans la plupart du génome, et un rapport proche de 1 signale des segments inhabituels. La définition classique d'un îlot CpG (Gardiner-Garden et Frommer, 1987) est un segment d'au moins 200 pb, avec un GC supérieur à 50 % et un rapport d'au moins 0,6 ; appliquez-la vous-même à une fenêtre de 200 pb, car ces seuils sont arbitraires.
Exemple détaillé : séquence codante de l'insuline humaine
Essayer un exemple charge la séquence codante de 333 bases de l'insuline humaine, issue de NCBI RefSeq NM_000207.3. Elle contient 57 A, 106 C, 109 G et 61 T, soit GC = 215 ÷ 333 = 64,56 %. Le biais est (109 − 106) ÷ 215 = 0,014, presque nul. Les dix dinucléotides CpG donnent un rapport de 10 × 333 ÷ (106 × 109) = 0,29.
GC par position de codon, cadre à partir de la base 1
GC1 = 69,37 % GC2 = 44,14 % GC3 = 80,18 %
Avec une fenêtre de 100 bases et un pas de 20 bases, il y a 12 fenêtres, de 58,0 % à 76,0 % de GC
GC3, la troisième position du codon, est l'endroit où surviennent les changements synonymes, sans modifier la protéine ; elle suit donc la composition locale en bases. Un GC3 de 80 % face à un GC2 de 44 % est un signe typique d'un gène situé dans une région riche en GC du génome humain. Traduisez la séquence avec le Traducteur d'ADN en protéine, ou concevez-y des amorces avec le Primer Tm Calculator.
Questions fréquentes
- Comment calcule-t-on le contenu GC ?
- Comptez les bases G et C, divisez par le nombre total de bases A, C, G et T (ou U), puis multipliez par 100. Pour ATGCGC, cela donne 4 ÷ 6 = 66,7 %. La même fraction sert pour un génome entier ou pour une fenêtre de 50 bases glissée le long d'un gène.
- Quel est un contenu GC normal pour une amorce ?
- Les amorces sont généralement conçues avec 40 à 60 % de GC, ce qui donne une température de fusion dans une plage utilisable et évite de longues séries de G ou de C qui se fixent de façon non spécifique. Une extrémité 3′ qui se termine par une ou deux bases G ou C (une « pince GC ») favorise l'hybridation, mais plus de trois bases d'affilée peuvent provoquer un mauvais appariement. Vérifiez la température de fusion avec le Primer Tm Calculator.
- Que révèle le biais GC ?
- Le biais GC, (G − C) ÷ (G + C), mesure l'asymétrie entre les brins. Chez de nombreuses bactéries, le brin directeur est enrichi en G, si bien que le signe du biais s'inverse à l'origine et au terminus de la réplication. Un tracé du biais cumulé rend ces deux points de basculement visibles sous forme de minimum et de maximum, ce qui permet de repérer rapidement l'origine de réplication d'un nouveau génome.
- Pourquoi le contenu GC diffère-t-il selon les organismes ?
- La mutation, la réparation de l'ADN, la réplication et la sélection façonnent toutes la composition en bases, et l'équilibre diffère d'une lignée à l'autre. Les bactéries libres vont d'environ 25 % à 75 % de GC, et les vertébrés à sang chaud présentent de fortes variations régionales appelées isochores. Au sein d'un génome, les régions riches en GC tendent à être riches en gènes.
- Comment sont comptés les codes d'ambiguïté comme N ?
- Par défaut, ils sont exclus à la fois du numérateur et du dénominateur. Vous pouvez aussi les garder au dénominateur comme non-GC, ou pondérer chaque code selon la part de ses bases possibles qui sont G ou C, de sorte que N compte pour 0,5. Ces trois choix correspondent aux réglages « remove », « ignore » et « weighted » de Biopython.
- Quelle taille de fenêtre utiliser pour un tracé du GC ?
- Utilisez une fenêtre assez longue pour obtenir des estimations stables, et assez courte pour montrer la caractéristique recherchée. Environ 100 à 200 bases conviennent à un gène ou à la recherche d'un îlot CpG, 1 000 à 10 000 à un génome bactérien, et le pas peut valoir un cinquième à la moitié de la fenêtre. Si le pas donnait plus de 2 000 fenêtres, l'outil l'augmente automatiquement pour que le tracé reste lisible.