La teneur en GC (proportion d’une séquence d’ADN composée de guanine et de cytosine) est l’un des descripteurs les plus élémentaires d’un fragment d’ADN. Elle intervient dans des domaines allant de la conception d’amorces PCR aux comparaisons de génomes entiers entre espèces. Ce calculateur compte les bases, calcule les %GC et %AT et affiche la composition complète pour vous permettre d’interpréter rapidement une séquence.
Pourquoi la teneur en GC compte en biologie moléculaire
Chaque paire de bases de l’ADN est maintenue par des liaisons hydrogène : G s’apparie avec C au moyen de trois liaisons, tandis que A s’apparie avec T au moyen de deux seulement. Cette liaison supplémentaire rend l’ADN riche en GC plus stable thermiquement et lui confère une température de fusion plus élevée qu’à un ADN riche en AT de même longueur. C’est pourquoi la teneur en GC est une donnée standard pour la conception d’amorces PCR et de sondes, ainsi que pour prédire le comportement d’une séquence sous l’effet de la chaleur ou de conditions dénaturantes.
La teneur en GC varie aussi fortement d’un organisme à l’autre et d’une région à l’autre d’un même génome. Certains génomes bactériens dépassent 70 % de GC, tandis que d’autres restent sous 30 %. Dans un même génome, les régions codantes et régulatrices diffèrent souvent de la séquence environnante. Cette variation fait de la teneur en GC un indicateur rapide utile pour l’annotation du génome, l’identification des espèces et la génomique comparative.
Comment sont traitées les bases ambiguës
Les données de séquence réelles ne forment pas toujours une suite propre de A, T, G et C. Les fichiers FASTA, les lectures de séquençage et les séquences consensus comprennent souvent des codes d’ambiguïté IUPAC tels que N (n’importe quelle base), R, Y, S, W, K ou M (chacun représentant deux bases possibles), notamment lorsque le résultat du séquençage est incertain. Ce calculateur compte chaque caractère collé, mais seules les bases A, T, G et C contribuent au dénominateur des %GC et %AT ; tous les autres caractères sont comptés séparément comme « autres/ambigus », sans fausser silencieusement les pourcentages.
Le calculateur ne tient pas compte de la casse et supprime tous les espaces avant le comptage. Ainsi, une séquence au format FASTA répartie sur plusieurs lignes (après suppression de la ligne d’en-tête commençant par « > ») donne le même résultat que la même séquence saisie d’un seul bloc.
Limites de cet outil
Ce calculateur vérifie rapidement la composition et le %GC ; il ne constitue pas une suite complète d’outils bioinformatiques. Il n’aligne pas les séquences, ne détecte pas les îlots CpG et ne calcule pas de graphique GC à fenêtre glissante sur un long génome. L’estimation de la température de fusion utilise la règle simple de Wallace, plus précise pour les oligonucléotides courts (environ moins de 14 nucléotides) et de plus en plus approximative pour les séquences plus longues, pour lesquelles les modèles thermodynamiques tenant compte du sel ou du plus proche voisin sont plus exacts. Pour concevoir des amorces ou effectuer des travaux en laboratoire, vérifiez les résultats avec un logiciel dédié à la conception d’amorces ou à l’analyse des séquences.