营销中国科技大学课件系列：生物信息学.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 同时进行全局和局部的双序列比对 对以上打分的结果设计权重系统，找到序列中最保守的部分 渐进方法的比对，基于上述计算的primary library * ClustalW/X：存在的问题 1. 距离最近的，有两组序列AB和CD，哪组最先比对？两种方案： A. 分别、同时比对。但是，是以AB为准，加入CD，然后再加上其他序列，还是CD为准？结果可能出入很大 B. 随机挑选一组作为基准 2. 当序列差异较大时，上述问题更加明显。 * 例如 1. 三条序列： 2.若Seq1,2先比对，再加入Seq3： 3. Seq1,3先比对，再加入Seq2: 4. Seq2,3先比对，再加入Seq1: Seq1: ARKCV Seq2: ARCV Seq3: AKCV ARKCV AR-CV A-KCV ARKCV A-RCV A-KCV ARKCV AR-CV AK-CV * 2. 迭代方法 1. 部分解决渐进算法存在的问题,主要是ClustalW/X存在的问题； 2. PRRP 3. DIALIGN * (1) PRRP 1. 先用“渐进”算法进行多序列比对; 2. 基于多序列比对的结果构建进化树； 3. 重新计算序列之间的距离，再用“渐进”算法进行多序列比对； 4. 重复上述步骤，直到结果不再发生改变为止。 * (2) DIALIGN 1. 对所有序列进行两两之间的局部最优化的比对； 2. 找到所有能够匹配的部分M1；将重叠的、前后连续(consistency)的匹配部分连接起来(diagonals)，为M2； 3. 将剩下的未比对的序列重新比对，再发现能够匹配的部分，构成新M1，将consistency部分构成M2； 4. 重复上述步骤，直到结果收敛。 * DIALIGN: 算法流程 * 3. 部分有向图算法 * * 激酶的多序列比对 * 4. 隐马尔科夫模型: ProbCons 主要改进： 1. 所有序列的两两比对，通过profile HMM的方法进行双序列比对； 2. 将渐进算法与迭代算法整合； 3. 目前，性能最优。 * 5. 整合算法MUSCLE 算法分为三个部分，每个部分相对独立； 1. Draft progressive: (1) 对两条序列，计算距离采用k-mer的思想； (2) 用UPGMA算法构建引导树； (3) 使用渐进算法进行多序列比对； 优点：两条序列之间的距离不采用动态规划算法进行比对，节省时间。 * MUSCLE 2. Improved progressive: (1)基于k-mer得到的树可能会产生次优结果，因此，采用Kimura距离的方法对k-mer产生的树重新计算距离矩阵； (2)重新用UPGMA构建进化树； (3)使用渐进算法进行多序列比对； * 3. Refinement: (1)随机从进化树上挑出一条边，删除； (2)得到两组树，对每组树，计算profile； (3)将两组profile进行比对； (4)如果最终得分提高，保留结果，否则丢弃。 MUSCLE * MUSCLE的算法流程 * MUSCLE: 使用指南 /muscle/ * MUSCLE的使用 * 多序列比对：性能检验 1. BAliBASE：基于蛋白质结构，将同一家族的蛋白质序列进行多序列比较。 2. 检验多序列比对工具的性能：是否能够很好的重复BAliBASE中已明确的比对结果。 * AMP结合酶的结构/序列比较 * 性能比较 ProbCons：目前综合性能最好； T-Coffee：序列相似性高时最准确； DIALIGN: 序列相似性低时最准确； POA：性能接近T-Coffee和DIALIGN，速度最快； ClustalW/X: 最经典、被广泛接受的工具； MUSCLE: 目前最流行的多序列比对工具； * 运算时间比较 * * * * * * * * * * * * PAM250打分矩阵 * 打分矩阵的使用 PAM250: ~15-30%的序列相似性； PAM120: ~40%的序列相似性； PAM80: ~50% PAM60: ~60% 如何选择最合适的矩阵？ 多种尝试… * PAM矩阵的问题及改进 1. PAM系列矩阵存在的问题： A. 氨基酸的打分矩阵，不关心核酸； B. 进化模型的构建需要系统发育树的分析，因此，成为一个循环论证的问题：序列比对?矩阵构建?打分?进行新的序列比对； C. 数据集很小； 2. 打分矩阵的改进 A. 选用大量的序列数据，