多重序列比對(duì)

1、多重序列比對(duì)序列相似性比較： 就是將待研究序列與就是將待研究序列與DNA或蛋白質(zhì)序列庫(kù)進(jìn)行比較，用于確或蛋白質(zhì)序列庫(kù)進(jìn)行比較，用于確定該序列的生物屬性，也就是找出與此序列相似的已知序列是什定該序列的生物屬性，也就是找出與此序列相似的已知序列是什么。完成這一工作只需要使用兩兩序列比較算法。常用的程序包么。完成這一工作只需要使用兩兩序列比較算法。常用的程序包有有BLAST、FASTA等等；序列同源性分析： 是將待研究序列加入到一組與之同源，但來(lái)自不同物種的是將待研究序列加入到一組與之同源，但來(lái)自不同物種的序列中進(jìn)行多序列同時(shí)比較，以確定該序列與其它序列間序列中進(jìn)行多序列同時(shí)比較，以確定該序列與其它

2、序列間的同源性大小。這是理論分析方法中最關(guān)鍵的一步。完成的同源性大小。這是理論分析方法中最關(guān)鍵的一步。完成這一工作必須使用多序列比較算法。常用的程序包有這一工作必須使用多序列比較算法。常用的程序包有CLUSTAL等；等；r 用于描述一組序列之間的相似性關(guān)系，用于描述一組序列之間的相似性關(guān)系，以便了解一個(gè)基因家族的基本特征，尋以便了解一個(gè)基因家族的基本特征，尋找找motif，保守區(qū)域等。，保守區(qū)域等。r 用于描述一個(gè)同源基因之間的親緣關(guān)系用于描述一個(gè)同源基因之間的親緣關(guān)系的遠(yuǎn)近，應(yīng)用到分子進(jìn)化分析中。的遠(yuǎn)近，應(yīng)用到分子進(jìn)化分析中。r 基因和蛋白質(zhì)功能分析基因和蛋白質(zhì)功能分析r 其他應(yīng)用，如構(gòu)建其

3、他應(yīng)用，如構(gòu)建profile，打分矩陣等。，打分矩陣等。C-terminalN-terminalAMP-bindingr 1. 最優(yōu)的多序列比對(duì)，其兩兩序列之間的比對(duì)最優(yōu)的多序列比對(duì)，其兩兩序列之間的比對(duì)不一定最優(yōu)不一定最優(yōu)最優(yōu)的多序列比對(duì)非最優(yōu)的雙序列比對(duì)r 1. 漸進(jìn)方法：漸進(jìn)方法：progressive methods|ClustalW/X, T-Coffeer 2. 迭代算法：迭代算法：iterative methods|PRRP, DIALIGNr 3. 部分有向圖算法：部分有向圖算法：|Partial Order Algorithm (POA)r 4. 全局多序列比對(duì)的隱馬爾科夫模

4、型全局多序列比對(duì)的隱馬爾科夫模型|ProbCons r 5. 整合算法：整合算法：meta-methods|MUSCLEr (1) ClustalW/X|a. Clustal: 1988年開(kāi)發(fā)年開(kāi)發(fā)|b. ClustalW: 1994年，年，Julie D. Thompson等人改進(jìn)、開(kāi)發(fā)等人改進(jìn)、開(kāi)發(fā)|c. ClustalX: 1997年，圖形化軟件年，圖形化軟件r (2) T-Coffeer 1. 將所有序列兩兩比對(duì)，計(jì)算距離矩陣；將所有序列兩兩比對(duì)，計(jì)算距離矩陣；r 2. 構(gòu)建鄰接進(jìn)化樹(shù)構(gòu)建鄰接進(jìn)化樹(shù)(neighbor-joining tree)/指導(dǎo)樹(shù)指導(dǎo)樹(shù)(guide tree)；r

5、 3. 將距離將距離最近最近的兩條序列用動(dòng)態(tài)規(guī)劃的算的兩條序列用動(dòng)態(tài)規(guī)劃的算法進(jìn)行比對(duì)；法進(jìn)行比對(duì)；r 4. “漸進(jìn)漸進(jìn)”的加上其他的序列的加上其他的序列兩兩比對(duì)，構(gòu)建距離矩陣指導(dǎo)樹(shù)的構(gòu)建漸進(jìn)比對(duì)1.1.輸入輸出格式。輸入輸出格式。 輸入序列的格式比較靈活，可以是前面介紹過(guò)的輸入序列的格式比較靈活，可以是前面介紹過(guò)的FASTA格式，還可以是格式，還可以是PIRPIR、SWISS-PROTSWISS-PROT、GDEGDE、ClustalClustal、GCG/MSFGCG/MSF、RSFRSF等格式。等格式。 輸出格式也可以選擇，有輸出格式也可以選擇，有ALN、GCGGCG、PHYLIPPHY

6、LIP和和NEXUSNEXUS等，等，用戶可以根據(jù)自己的需要選擇合適的輸出格式。用戶可以根據(jù)自己的需要選擇合適的輸出格式。2.2.兩種工作模式。兩種工作模式。 a.多序列比對(duì)模式。 b.剖面(profile)比對(duì)模式。輸入文件的格式輸入文件的格式(fasta)(fasta)：KCC2_YEASTKCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTN NYIFGRTLGAGSFGVVRQARKLSTNDMK_HUMANDMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK. DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMN

7、K.KPRO_MAIZEKPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLENDAF1_CAEELDAF1_CAEELQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALDQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD1CSN1CSN HYKVGRRIGEGSFGVIFEGTNLLNN HYKVGRRIGEGSFGVIFEGTNLLNNr 第一步：輸入序列文件。第一步：輸入序列文件。r 第二步：設(shè)定比對(duì)的一些參數(shù)。第二步：設(shè)定比對(duì)的一些參數(shù)。r 參數(shù)

8、設(shè)定窗口。參數(shù)設(shè)定窗口。r 部分參數(shù)定義r Gap opening penalty：增大數(shù)值使 gap 數(shù)目減少r Gap extension penalty：增大數(shù)值使 gap 長(zhǎng)度變短r Weight transition：AG 轉(zhuǎn)換或 CT 轉(zhuǎn)換（multiple DNA sequence alignment）r Hydrophilic gap：選擇“ on” 將增加形成 gap 的機(jī)會(huì)（multiple protein sequence alignment）r Residue-specific gap penalties：選擇“ on” 將增加在某些氨基酸殘基處形成 gap 的機(jī)會(huì)，而

9、減少在另一些氨基酸殘基處形成 gap 的機(jī)會(huì)（multiple protein sequence alignment）r 第三步：開(kāi)始序列比對(duì)。第三步：開(kāi)始序列比對(duì)。r 第四步：比對(duì)完成，選擇保存結(jié)果文件的格式第四步：比對(duì)完成，選擇保存結(jié)果文件的格式r 產(chǎn)生輸出的ALN文件r 產(chǎn)生輸出的DND文件，它是系統(tǒng)的種系樹(shù)r 1. 距離最近的，有兩組序列距離最近的，有兩組序列AB和和CD，哪，哪組最先比對(duì)？?jī)煞N方案：組最先比對(duì)？?jī)煞N方案：|A. 分別、同時(shí)比對(duì)。但是，是以分別、同時(shí)比對(duì)。但是，是以AB為準(zhǔn)，加為準(zhǔn)，加入入CD，然后再加上其他序列，還是，然后再加上其他序列，還是CD為準(zhǔn)？為準(zhǔn)？結(jié)果可能出

10、入很大結(jié)果可能出入很大|B. 隨機(jī)挑選一組作為基準(zhǔn)隨機(jī)挑選一組作為基準(zhǔn)r 2. 當(dāng)序列差異較大時(shí)，上述問(wèn)題更加明顯當(dāng)序列差異較大時(shí)，上述問(wèn)題更加明顯r 1. 三條序列：三條序列：r 2.若若Seq1,2先比對(duì)，先比對(duì)，再加入再加入Seq3：r 3. Seq1,3先比對(duì)，再先比對(duì)，再加入加入Seq2:r 4. Seq2,3先比對(duì)，再先比對(duì)，再加入加入Seq1:Seq1: ARKCVSeq2: ARCVSeq3: AKCVARKCVAR-CVA-KCVAR C VA-RCVA-KCVARKCVAR-CVAK-CVr 算法分為三個(gè)部分，每個(gè)部分相對(duì)獨(dú)立；算法分為三個(gè)部分，每個(gè)部分相對(duì)獨(dú)立；r 1.

11、Draft progressive: |(1) 對(duì)兩條序列，計(jì)算距離采用對(duì)兩條序列，計(jì)算距離采用k-mer的思想；的思想；|(2) 用用UPGMA算法構(gòu)建引導(dǎo)樹(shù)算法構(gòu)建引導(dǎo)樹(shù)|(3) 使用漸進(jìn)算法進(jìn)行多序列比對(duì)使用漸進(jìn)算法進(jìn)行多序列比對(duì)r 優(yōu)點(diǎn)：兩條序列之間的距離不采用動(dòng)態(tài)規(guī)優(yōu)點(diǎn)：兩條序列之間的距離不采用動(dòng)態(tài)規(guī)劃算法進(jìn)行比對(duì)，節(jié)省時(shí)間劃算法進(jìn)行比對(duì)，節(jié)省時(shí)間r 2. Improved progressive: |(1)基于基于k-mer得到的樹(shù)可能會(huì)產(chǎn)生次優(yōu)結(jié)果，得到的樹(shù)可能會(huì)產(chǎn)生次優(yōu)結(jié)果，因此，采用因此，采用Kimura距離的方法對(duì)距離的方法對(duì)k-mer產(chǎn)生產(chǎn)生的樹(shù)重新計(jì)算距離矩陣的樹(shù)重新計(jì)

12、算距離矩陣|(2)重新用重新用UPGMA構(gòu)建進(jìn)化樹(shù)構(gòu)建進(jìn)化樹(shù)|(3)使用漸進(jìn)算法進(jìn)行多序列比對(duì)使用漸進(jìn)算法進(jìn)行多序列比對(duì)r 2. Refinement: |(1)隨機(jī)從進(jìn)化樹(shù)上挑出一條邊，刪除隨機(jī)從進(jìn)化樹(shù)上挑出一條邊，刪除|(2)得到兩組樹(shù)，對(duì)每組樹(shù)，計(jì)算得到兩組樹(shù)，對(duì)每組樹(shù)，計(jì)算profile|(3)將兩組將兩組profile進(jìn)行比對(duì)進(jìn)行比對(duì)|(4)如果最終得分提高，保留結(jié)果，否則丟棄如果最終得分提高，保留結(jié)果，否則丟棄 在許多情況下多序列比對(duì)需要揭示被多個(gè)非保守區(qū)間隔的多個(gè)保守區(qū)，對(duì)此MAP2是個(gè)有效工具。下面的截圖介紹如何使用在線版的MAP2 。1.在線MAP2的網(wǎng)址以及兩種輸入數(shù)據(jù)提供方式。在本例中數(shù)據(jù)被貼入提供的窗口，數(shù)據(jù)與ClustalX2.0中相同，是23個(gè)動(dòng)物中的miR-19。2.主要的參數(shù)及其缺省值。DNA block penalty（Linux版本的參數(shù)major_diff）影響非保守區(qū)塊的大小，mismatch score、gap open penalty和gap extension penalty只影響保守區(qū)中的全局比對(duì)。3.MAP2以兩種方式返回三個(gè)結(jié)果 在線