chapter-5多重序列比对.pptVIP

第五章 多序列比对 第一节 简介 序列相似性比较： 就是将待研究序列与DNA或蛋白质序列库进行比较，用于确定该序列的生物属性，也就是找出与此序列相似的已知序列是什么。完成这一工作只需要使用两两序列比较算法。常用的程序包有BLAST、FASTA等； 序列同源性分析： 是将待研究序列加入到一组与之同源，但来自不同物种的序列中进行多序列同时比较，以确定该序列与其它序列间的同源性大小。这是理论分析方法中最关键的一步。完成这一工作必须使用多序列比较算法。常用的程序包有CLUSTAL等； 多序列比对的意义 用于描述一组序列之间的相似性关系，以便了解一个基因家族的基本特征，寻找motif，保守区域等。 用于描述一个同源基因之间的亲缘关系的远近，应用到分子进化分析中。 基因和蛋白质功能分析 其他应用，如构建profile，打分矩阵等。 全局性的多序列比对 注意 1. 最优的多序列比对，其两两序列之间的比对不一定最优 第二节 多序列比对的方法及应用 1. 渐进方法：progressive methods ClustalW/X, T-Coffee 2. 迭代算法：iterative methods PRRP, DIALIGN 3. 部分有向图算法： Partial Order Algorithm (POA) 4. 全局多序列比对的隐马尔科夫模型 ProbCons 5. 整合算法：meta-methods MUSCLE 1. Progressive methods (1) ClustalW/X a. Clustal: 1988年开发 b. ClustalW: 1994年，Julie D. Thompson等人改进、开发 c. ClustalX: 1997年，图形化软件 (2) T-Coffee ClustalW/X：计算过程 1. 将所有序列两两比对，计算距离矩阵； 2. 构建邻接进化树(neighbor-joining tree)/指导树(guide tree)； 3. 将距离最近的两条序列用动态规划的算法进行比对； 4. “渐进”的加上其他的序列 ClustalW的打分原则 1.输入输出格式。 输入序列的格式比较灵活，可以是前面介绍过的FASTA格式，还可以是PIR、SWISS-PROT、GDE、Clustal、GCG/MSF、RSF等格式。 输出格式也可以选择，有ALN、GCG、PHYLIP和NEXUS等，用户可以根据自己的需要选择合适的输出格式。 2.两种工作模式。 a.多序列比对模式。 b.剖面(profile)比对模式。 一个实际的例子 输入文件的格式(fasta)： KCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTN…… DMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK……. KPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN…… DAF1_CAEEL QIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD…… 1CSN HYKVGRRIGEGSFGVIFEGTNLLNN…… 第一步：输入序列文件。 第二步：设定比对的一些参数。 参数设定窗口。 第三步：开始序列比对。 第四步：比对完成，选择保存结果文件的格式 产生输出的DND文件，它是系统的种系树 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 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: 2 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 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 2. 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