Autoidentificación de regiones que codifican proteínas en genomas microbianos

Se presenta un nuevo método para predecir regiones que codifican proteínas en secuencias de ADN genómico microbiano. Utiliza un procedimiento de modelado de Markov iterativo ab initio para realizar automáticamente la partición de secuencias genómicas en tres subconjuntos que se ha demostrado corresponden a segmentos codificantes, codificantes en la hebra opuesta y no codificantes. A diferencia de los métodos actuales, como GENEMARK Borodovsky, M. & McIninch, J. D. (1993) Comput. Chem. 17, 123-133, no se requiere un conjunto de entrenamiento ni conocimiento previo de las propiedades estadísticas del genoma estudiado. Este nuevo método tolera tasas de error del 1-2% y puede procesar secuencias no ensambladas. Por lo tanto, es ideal para el análisis de datos de encuestas genómicas y/o secuencias fragmentadas de microorganismos no caracterizados. El método fue validado en 10 genomas bacterianos completos (de cuatro grandes linajes filogenéticos). Los resultados muestran que las regiones que codifican proteínas se pueden identificar con una precisión de hasta el 90% con un procedimiento totalmente automatizado y objetivo.