Tradutor de DNA para proteína

Como usar o tradutor de DNA para proteína

1. 1. Cole a sequência. Letras simples ou FASTA funcionam; espaços, quebras de linha, números de posição e letras minúsculas são ignorados. Trate a sequência como a fita codificante (sense). U é lido como T.
2. 2. Escolha um quadro. +1, +2 e +3 começam na primeira, na segunda e na terceira base; −1, −2 e −3 fazem o mesmo no complemento reverso. Todos os seis quadros mostra todos juntos. Se você colou a fita molde, use −1.
3. 3. Defina as opções. Parar no primeiro códon de parada, começar no primeiro ATG e escolher a saída de uma ou de três letras.
4. 4. Ou procure genes. Encontrar fases abertas de leitura lista cada trecho de ATG até uma parada acima de um tamanho mínimo, em uma fita ou nas duas, com coordenadas e sequências de proteína que você pode copiar em FASTA.

Do DNA à proteína

A transcrição copia a fita molde de um gene para o mRNA, então o mRNA tem a mesma sequência da fita oposta, a codificante, com U no lugar de T. A tradução então lê o mRNA três bases por vez. Cada trinca, ou códon, especifica um aminoácido ou um sinal de parada. Os bancos de sequências costumam imprimir a fita codificante, e por isso você pode colar uma sequência codificante do GenBank ou do RefSeq diretamente.

A ferramenta usa a tabela de tradução 1, como publicada pelo NCBI. Códons que contêm códigos de ambiguidade IUPAC recebem um aminoácido sempre que todos os códons possíveis concordam: GCN é sempre alanina e TAR é uma parada. Uma mistura de asparagina e aspartato é informada como B, glutamina e glutamato como Z, leucina e isoleucina como J, e qualquer outra mistura como X. Esses resultados coincidem com os do tradutor do Biopython para cada combinação de três letras dos 15 códigos de nucleotídeos.

Quadros de leitura e fases abertas de leitura

Uma sequência pode ser lida a partir de três pontos de partida em cada fita, dando seis quadros de leitura; só o quadro que um gene realmente usa produz uma proteína com sentido, e os outros cinco costumam atingir um códon de parada em poucas dezenas de códons. Uma fase aberta de leitura (ORF, na sigla em inglês) aqui é um trecho que vai de um ATG até a próxima parada no mesmo quadro, sem parada no meio. Apenas o ATG mais externo de cada trecho é informado, então uma ORF com vários ATGs internos aparece uma única vez. ORFs curtas ocorrem por acaso — um códon de parada aparece cerca de uma vez a cada 21 códons em uma sequência aleatória — então o tamanho mínimo importa. O padrão de 25 aminoácidos (75 nucleotídeos) segue o ORFfinder do NCBI; para genomas bacterianos, um mínimo de 100 ou mais reduz o ruído. Uma ORF é um candidato, não uma prova de gene.

Exemplo prático: a preproinsulina humana

Experimentar um exemplo carrega a sequência codificante de 333 nucleotídeos da insulina humana, do NCBI RefSeq NM_000207.3. São 111 códons: 110 aminoácidos e uma parada final. O quadro +1 dá a proteína preproinsulina (UniProt P01308); o asterisco final é o códon de parada:

Os quadros +2 e +3 atingem paradas quase de imediato (o quadro +2 lê WPCGCASCPCWRCWPSGDLTQPQPL e depois para). No modo ORF com o mínimo padrão, a ferramenta informa a ORF de 110 aminoácidos nas posições 1–333 e uma ORF de 49 aminoácidos na fita reversa nas posições 147–296 — um lembrete de que uma ORF sozinha não faz um gene. Depois de ter a proteína, estime a sua massa com a calculadora de massa molecular de proteínas.

O que este tradutor não faz

• Outros códigos genéticos. Mitocôndrias de vertebrados, ciliados e algumas bactérias leem alguns códons de forma diferente — nas mitocôndrias de vertebrados, TGA codifica triptofano. Apenas o código padrão está embutido.
• Splicing. Cole cDNA ou uma sequência codificante, não DNA genômico com íntrons; a ferramenta lê direto.
• Recodificação e mudanças de quadro. A inserção de selenocisteína e de pirrolisina e as mudanças de quadro programadas não são modeladas.
• Tamanho da entrada. Cada registro é limitado aos primeiros 2.000.000 de bases, e a visualização destacada mostra as primeiras 6.000.

Perguntas frequentes

Como converter uma sequência de DNA em uma sequência de proteína?

Encontre o códon de início ATG na fita codificante, depois leia a sequência três bases por vez e substitua cada códon pelo seu aminoácido segundo o código genético, até chegar a um códon de parada (TAA, TAG ou TGA). ATG vira metionina, GCC vira alanina, e assim por diante. O tradutor faz isso por você nos seis quadros de uma vez.

Devo colar a fita codificante ou a fita molde?

Cole a fita codificante (sense) — aquela cuja sequência coincide com a do mRNA, exceto pelo U no lugar do T. Os bancos de sequências imprimem essa fita. Se você tiver a fita molde (antisense), traduza o quadro −1, que lê o complemento reverso dela.

Quais são os seis quadros de leitura?

Começando na base 1, 2 ou 3 da fita, obtêm-se os quadros +1, +2 e +3; fazendo o mesmo com o complemento reverso, obtêm-se −1, −2 e −3. Um gene é lido em um deles, então examinar os seis mostra qual quadro carrega uma ORF longa e ininterrupta.

O que significam X, B, Z, J e * na saída?

Um asterisco marca um códon de parada. X significa que o códon é ambíguo e poderia codificar vários aminoácidos diferentes, ou continha um código como N que não pôde ser resolvido. B representa asparagina ou aspartato, Z glutamina ou glutamato, e J leucina ou isoleucina.

Por que minha proteína não coincide com a publicada?

As causas mais comuns são o quadro errado, começar no ATG errado, colar uma sequência genômica que contém íntrons, ou um gene que usa um código não padrão, como o mitocondrial de vertebrados. Compare os primeiros resíduos com a entrada do banco de dados e teste os outros quadros e a opção de primeiro ATG.

Minha sequência é enviada a algum lugar?

Não. A tradução roda inteiramente no seu navegador e nada é enviado a um servidor, então sequências não publicadas ficam no seu computador.