多序列比對(duì)與Clustal的使用

1、多序列比對(duì)與多序列比對(duì)與ClustalClustal的使用，的使用，以及各類常見的序列分析工具以及各類常見的序列分析工具介紹介紹中山大學(xué)生科院2004年10月內(nèi)容提要第一部分：多序列比對(duì)第一部分：多序列比對(duì) 意義、方法、算法 Clustal的使用 1.Clustalx 2.Clustalw第二部分：常見的序列分析軟第二部分：常見的序列分析軟件分類簡介件分類簡介第一部分：第一部分：多序列比對(duì)及多序列比對(duì)及Clustal的使用的使用序列相似性比較和序列序列相似性比較和序列同源性分析同源性分析序列相似性比較：序列相似性比較： 就是將待研究序列與DNA或蛋白質(zhì)序列庫進(jìn)行比較，用于確定該序列的生物屬性，

2、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。常用的程序包有BLAST、FASTA等；序列同源性分析：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CLUSTAL等；多序列比對(duì)的意義 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，尋找motif，保守區(qū)域等。 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。 其他應(yīng)用，如構(gòu)建profile，打分矩陣等。 同源性

3、分析中常常要通過多序列比對(duì)來找出序列之間的相互關(guān)系，和blast的局部匹配搜索不同，多序列比對(duì)大多都是采用全局比對(duì)的算法。這樣對(duì)于采用計(jì)算機(jī)程序的自動(dòng)多序列比對(duì)是一個(gè)非常復(fù)雜且耗時(shí)的過程，特別是序列數(shù)目多，且序列長的情況下。多序列比對(duì)的方法多序列比對(duì)的方法基本上多序列比對(duì)可以分為基本上多序列比對(duì)可以分為 1.手工比對(duì)（輔助編輯軟件如手工比對(duì)（輔助編輯軟件如bioedit，seaview，Genedoc等）等） 通過輔助軟件的不同顏色顯示不同殘基，靠分析者的觀察來改變比對(duì)的狀態(tài)。 2.計(jì)算機(jī)程序自動(dòng)比對(duì)計(jì)算機(jī)程序自動(dòng)比對(duì) 通過特定的算法（如同步法，漸進(jìn)法等），由計(jì)算機(jī)程序自動(dòng)搜索最佳的多序列比對(duì)

4、狀態(tài)。自動(dòng)多序列比對(duì)的算法1.同步法 將序列兩兩比對(duì)時(shí)的二維動(dòng)態(tài)規(guī)劃矩陣擴(kuò)展到三維矩陣。即用矩陣的維數(shù)來反映比對(duì)的序列數(shù)目。這種方法的計(jì)算量很大，對(duì)于計(jì)算機(jī)系統(tǒng)的資源要求比較高，一般只有在進(jìn)行少數(shù)的較短的序列的比對(duì)的時(shí)候才會(huì)用到這個(gè)方法。自動(dòng)多序列比對(duì)的算法2.步進(jìn)法步進(jìn)法 最常見的就是clustal所采用的方法。 其基本思想就是基于相似序列通常具相似序列通常具有進(jìn)化相關(guān)性有進(jìn)化相關(guān)性的這一假設(shè)。 Clustal的漸進(jìn)比對(duì)過程 在比對(duì)過程中，先對(duì)所有的序列進(jìn)行兩兩比對(duì)并計(jì)算它們相似性分值，然后根據(jù)相似性分值將它們分成若干組，并在每組之間進(jìn)行比對(duì)，計(jì)算相似性分值。根據(jù)相似性分值繼續(xù)分組比對(duì)，直到

5、得到最終比對(duì)結(jié)果。在比對(duì)過程中，相似性程度較高的序列先進(jìn)行比對(duì)而距離較遠(yuǎn)的序列添加在后面。多序列比對(duì)工具多序列比對(duì)工具clustal Clustal是一個(gè)單機(jī)版的基于漸進(jìn)比對(duì)的多序列比對(duì)工具，由Higgins D.G. 等開發(fā)。有應(yīng)用于多種操作系統(tǒng)平臺(tái)的版本，包括linux版，DOS版的clustlw，clustalx等。Clustal簡介簡介 CLUSTAL是一種漸進(jìn)的比對(duì)方法，先將多個(gè)序列兩兩比對(duì)構(gòu)建距離矩陣，反應(yīng)序列之間兩兩關(guān)系；然后根據(jù)距離矩陣計(jì)算產(chǎn)生系統(tǒng)進(jìn)化指導(dǎo)樹，對(duì)關(guān)系密切的序列進(jìn)行加權(quán)；然后從最緊密的兩條序列開始，逐步引入臨近的序列并不斷重新構(gòu)建比對(duì)，直到所有序列都被加入為止。C

6、lustalx的工作界面（多序列比對(duì)模式多序列比對(duì)模式）Clustalx的工作界面（剖面剖面(profile)比對(duì)模式比對(duì)模式）Clustal的工作原理Clustal輸入多個(gè)序列輸入多個(gè)序列快速的序列兩兩比對(duì)，計(jì)算序列間的快速的序列兩兩比對(duì)，計(jì)算序列間的距離，獲得一個(gè)距離矩陣。距離，獲得一個(gè)距離矩陣。鄰接法鄰接法(NJ)構(gòu)建一個(gè)樹（引導(dǎo)樹）構(gòu)建一個(gè)樹（引導(dǎo)樹）根據(jù)引導(dǎo)樹，漸進(jìn)比對(duì)多個(gè)序列。根據(jù)引導(dǎo)樹，漸進(jìn)比對(duì)多個(gè)序列。Clustal的應(yīng)用1.輸入輸出格式。輸入輸出格式。輸入序列的格式比較靈活，可以是前面介紹過的FASTA格式，還可以是PIR、SWISS-PROT、GDE、Clustal、GCG

7、/MSF、RSF等格式。輸出格式也可以選擇，有ALN、GCG、PHYLIP和NEXUS等，用戶可以根據(jù)自己的需要選擇合適的輸出格式。2.兩種工作模式。兩種工作模式。 a.多序列比對(duì)模式。多序列比對(duì)模式。 b.剖面剖面(profile)比對(duì)模式。比對(duì)模式。3.一個(gè)實(shí)際的例子。一個(gè)實(shí)際的例子。Clustal的應(yīng)用多序列比對(duì)實(shí)例輸入文件的格式(fasta)：KCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTNDMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK.KPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVK

8、KLENDAF1_CAEELQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD1CSN HYKVGRRIGEGSFGVIFEGTNLLNN第一步：輸入序列文件。第二步：設(shè)定比對(duì)的一些參數(shù)。參數(shù)設(shè)定窗口。第三步：開始序列比對(duì)。第四步：比對(duì)完成，選擇保存結(jié)果文件的格式Clustalw的使用(一) Clustalw還提供了命令調(diào)用形式的使用方式，方便于批處理過程，下面是一個(gè)典型的執(zhí)行多序列比對(duì)的clustalw命令：$ ./clustalw infile=dna.fa type=dna gapopen=10 gapext=2 output=gcg outfile=align.gc

9、g -alignClustalw的使用(二)在線的clustalw分析EBI提供的在線提供的在線clustalw服務(wù)服務(wù)http:/www.ebi.ac.uk/clustalw/http:/www.ebi.ac.uk/clustalw/EBI提供提供的在線的在線Clustalw服務(wù)服務(wù)更為詳細(xì)的教程可以在這里得到更多關(guān)于可以在這里得到更多關(guān)于clustal的幫助：的幫助：http:/www-igbmc.u-strasbg.fr/BioInfo/ClustalX/Top.htmligbmc.u-strasbg.fr/BioInfo/ClustalX/Top.html 實(shí)際操作實(shí)際操作(練習(xí)練習(xí))

10、 使用clustalx程序，對(duì)給定的多序列，選擇合適的參數(shù)，進(jìn)行多序列比對(duì)，輸出結(jié)果文件維phylip格式。 相同的文件，使用ebi和我們提供的在線服務(wù)，進(jìn)行多序列比對(duì)。 對(duì)上述計(jì)算機(jī)程序比對(duì)的結(jié)果進(jìn)行手工改動(dòng)（bioedit，seaview），使得多序列比對(duì)結(jié)果跟符合要求。SIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSISRAGDYLLQTWLRVNIPPVTLSGLLGNTYSLRWTKNLMHNLIREATITFNDLVAARFDNYHLDFWSAFTVPASKRNGYDNMIGNVSSLI

11、NPVAPGGTLGSVGGINLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDWHELLILTNSALVPPASSYVSIVVGTHISAAPVLGPVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPRQNYVPLTNASPTFDIRFSHAIKALFFAVRNKTSAAEWSNYATSSPVVTGATVNYEPTGSFDPIANTTLIYENTNRLGAMGSDYFSLINPFYHAPTIPSFIGYHLYSYSLHFYDLDPMGSTNYGKLTNVFVVPAASSAAISAAGGTGGQAGSDYAQSYEFVIVAVNNNIVRIENSLVRN

12、RRRWSREGPMVMVCTIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSISRAGDYLLQTWLRVNIPPVTLSGLLGNTYSLRWTKNLMHNLIREATITFNDLVAARFDNYHLDFWSAFTVPASKRNGYDNMIGNVSSLINPVAPGGTLGSVGGINLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDWHELLILTNSALVPPASPYVPIVVGTHISAAPVLGPVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPRQN

13、YVPLTNASPTFDIRFSHAIKALFFAVRNKTSAAEWSNYATSSPVVTGATVNYEPTGSFDPIANTTLIYENTNRLGAMGSDYFSLINPFYHAPTIPSFIGYHLYSYSLHFYDLDPMGSTNYGKLTNVSVVPQASPAAIAAAGGTGGQAGSDYPQNYEFVILAVNNNIVRISGGETPQNYIAVCWIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSISRAGDYLLQTWLRVNIPQVTLNPLLAATFSLRWTRNLMHNLIREA

14、TITFNDLVAARFDNYHLDFWSAFTVPASKRTGYDNMIGNVSSLINPVAPGGNLGSTGGTNLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDWTELLVLQNSALVAPASPYVPIVVPTHLTVAPVLGPVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPRQNYTPLTNASPTFDIRFSHAIKALFFSVRNKTSASEWSNYATSSPVVTGATVNFEPTGSFDPIANTTLIYENTNRLGAMGSDYFSLINPFYHAPTIPSFIGYHLYSYSLHFYDLDPMGSTNYGKLTNVSVVPQA

15、SPAAVNAASGAGGFPGSDYPQSYEFVIVAVNNNIVRISGGETPQNYLSGSFVTLLNRRKWSREGPMIMVQCzIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSISRAGDYLLQTWLRVNIPQVTLNAQLGPTFGLRWTRNFMHNLIREATITFNDLVAARFDNYHLDFWSAFTVPASKKIGYDNMIGNISALTNPVAPGGSLGSVGGINLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDWPELLILTNTALVPPA

16、SPYVPIVVGTHLSAAPVLGAVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPRQNYTPLTNAMPTFDIRFSHAIKALFFSVRNKTSSAEWSNYATSSPVVTGQLVNYEPPGAFDPISNTTLIYENTNRLGAMGSDYFSLINPFYHAPTIPSSIGYHLYSYSLHFFDLDPMGSTNYGKLTNVSVVPQASPAAVTAAGGSGAAGSGADYAQSYEFVIIGVNNNIIRISGGALGFPVLCIV MSISSSNVTSGFIDIATKDEIEKYMYGGKTSTAYFVRETRKATWFTQVPVSLTRANGSA

17、NFGSEWSASISRAGDYLLYTWLRVRIPSVTLLSTNQFGANGRIRWCRNFMHNLIRECSITFNDLVAARFDHYHLDFWAAFTTPASKAVGYDNMIGNVSALIQPQPVPVAPATVSLPEADLNLPLPFFFSRDSGVALPTAALPYNEMRINFQFHDWQRLLILDNIAAVASQTVVPVVGATSDIATAPVLHHGTVWGNYAIVSNEERRRMGCSVRDILVEQVQTAPRHVWNPTTNDAPNYDIRFSHAIKALFFAVRNTTFSNQPSNYTTASPVITSTTVILEPSTGAFDPIHHTTLIYENTN

18、RLNHMGSDYFSLVNPWYHAPTIPGLTGFHEYSYSLAFNEIDPMGSTNYGKLTNISIVPTASPAAKVGAAGTGPAGSGQNFPQTFEFIVTALNNNIIRISGGALGFPVL練習(xí)序列第二部分：第二部分：常見的序列分析軟件分類簡介常見的序列分析軟件分類簡介 GCG EMBOSS(免費(fèi)) Vector NTI DNAstar Bioedit(免費(fèi)) 其他1.綜合序列分析軟件包GCG(商業(yè)軟件)GCG (Genetics Computer Group)是生物信息界最廣為人知的分子序列分析軟件包，最早是在美國的威斯康辛大學(xué)麥迪遜校區(qū)(University of

19、 Wisconsin-Madison)內(nèi)發(fā)展起來的，后來獨(dú)立成為一個(gè)商業(yè)公司，期間曾經(jīng)是Oxford Molecular 的分支機(jī)構(gòu),在2000 年又由Pharmacopeia 所并構(gòu)。GCG 軟件包包括了超過軟件包包括了超過130個(gè)獨(dú)立的序列個(gè)獨(dú)立的序列分析程序分析程序，大，大致上可以分成以下致上可以分成以下12個(gè)類別：個(gè)類別： 1. Sequence Comparison 2. Database Searching and Retrieval 3.DNA/RNA Secondary Structure Prediction 4.Editing and Publication 5.Evolu

20、tionary Analysis 6.Fragment Assembly 7.Gene Finding and Pattern Recognition 8.Importing and Exporting 9.Mapping 10.Primer Selection 11.Protein Analysis 12.Translation 除了分析程序以外，除了分析程序以外， GCG 同時(shí)也提供多種生物同時(shí)也提供多種生物學(xué)學(xué)數(shù)據(jù)庫數(shù)據(jù)庫。核酸相關(guān)的:GenBank(/ ) EMBL (http:/www.ebi.ac.uk/) 蛋白質(zhì)相關(guān)的： SWI

21、SS-PROT (http:/www.expasy.ch/sprot/) PIR (/pir/) SP-TrEMBL (http:/www.expasy.ch/sprot/ ) 使用者可以輸入自己實(shí)驗(yàn)獲得的分子序列， 或者從這些數(shù)據(jù)庫中來獲取得到分子序列，再用到GCG的分析程序進(jìn)行分析。 GCG的工作方式(S-C) 安裝在基于Unix系統(tǒng)的服務(wù)器上，目前可以安裝的平臺(tái)(platform)有SGI 的IRIX 操作系統(tǒng)，SUN 的Solaris操作系統(tǒng)，及Compaq 的Tru64操作系統(tǒng)，用戶可以通過網(wǎng)絡(luò)連接的方法來使用GCG提供的分析

22、程序以及數(shù)據(jù)庫。1.傳統(tǒng)的命令行形式，這種情況要求用戶熟悉程序的命令。2.借助SeqLab的用戶窗口界面，通過各類表單的操作來實(shí)現(xiàn)分析任務(wù)。以上兩個(gè)執(zhí)行GCG的方法都是通過telnet來實(shí)現(xiàn)的。3. 借助于WWW服務(wù)的SeqWeb，是最為簡單和方便的使用方式。 雖然命令行的操作需要一些操作，但是對(duì)于熟悉GCG的用戶來說，卻是最為快捷和有效的方法，此外這種方法還可以擴(kuò)展到批處理中。執(zhí)行GCG程序的方法EMBOSS(免費(fèi)軟件) EMBOSS（European Molecular Biology Open Software Suite）源于1988年的EGCG（主流商業(yè)軟件GCG的擴(kuò)展），由于版權(quán)等

23、原因，EGCG不再發(fā)行，開發(fā)人員在此基礎(chǔ)上開發(fā)出來公開源代碼的EMBOSS軟件包。http:/www.sanger.ac.uk/Software/EMBOSS Vector NTI由Informax公司（現(xiàn)在已經(jīng)歸入Invitrogen公司旗下）開發(fā)的一種高度集成、功能齊全的分子生物學(xué)應(yīng)用軟件，可以對(duì)DNA、蛋白質(zhì)分子進(jìn)行大量分析和操作。主要功能：1.DNA序列的ORF、Motif、功能區(qū)搜索，限制酶圖譜，蛋白質(zhì)翻譯。2.PCR引物、測(cè)序引物、雜交探針的設(shè)計(jì)和評(píng)價(jià)。3.DNA測(cè)序片斷的拼接4.同源比較和系統(tǒng)發(fā)育樹構(gòu)建5.蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)：三維結(jié)構(gòu)、化學(xué)鍵、翻譯后修飾位點(diǎn)、結(jié)構(gòu)域等6.模擬電泳：瓊

24、脂糖、PAGEDNAstar DNASTAR有限公司開發(fā)了Lasergen程序組,可在計(jì)算機(jī)上進(jìn)行DNA和蛋白分析。它們是易于使用且對(duì)用戶友好的軟件,可進(jìn)行分子生物學(xué)中的小規(guī)模序列分析和多序列比較。Lasergen有PC Windows和Macintosh兩種版本。Lasergen的一個(gè)主要功能是它有針對(duì)不同應(yīng)用的7種程序。用戶可根據(jù)自己需要選擇購買。主要功能：1. Editseq，可以從鍵盤、數(shù)據(jù)庫或數(shù)字序列輸入和編輯。2. PrimerSelect，PCR引物和探針設(shè)計(jì)。3. MapDraw，限制性位點(diǎn)分析和圖譜繪制。 4. MegAlign，多個(gè)和成對(duì)蛋白或DNA序列比對(duì)。5. Gene

25、Man，生物數(shù)據(jù)庫和數(shù)據(jù)庫檢索。 6. Protean，蛋白結(jié)構(gòu)分析。7. SeqMan，序列裝配和毗連(序列)群管理。Bioedit是一個(gè)性能優(yōu)良的免費(fèi)的分子生物學(xué)應(yīng)用軟件，可以對(duì)核酸序列和蛋白質(zhì)序列進(jìn)行常規(guī)的分析操作，并提供了很多網(wǎng)絡(luò)程序的分析界面和接口。 /BioEdit/bioedit.html2.快速同源性數(shù)據(jù)庫搜索工具 Blast Fasta HMMerHMMER HMMer 是一個(gè)采用隱馬可夫模型 HMMs（Hidden Markov Models）來識(shí)別不同基因之間的結(jié)構(gòu)相似性程度的工具?？梢钥焖俚脑跀?shù)據(jù)庫中尋找與特定基因具有一定相

26、似性的基因結(jié)構(gòu)。/ 3.多序列比對(duì)工具 Clustal基于漸進(jìn)算法的多序列比對(duì)優(yōu)化算法，由Higgins D.G. 等開發(fā)。Clustlw，clustalx等。 其他：T_coffee PHYLIP PAUP* 其他：Mega2，MrBayes，tree-puzzle PAML，treeview4.分子進(jìn)化分析工具PHYLIPPhylip是一個(gè)免費(fèi)的系統(tǒng)發(fā)生(phylogenetics)分析軟件包。 由華盛頓大學(xué)遺傳學(xué)系開發(fā)，1980年首次公布，目前的版本是3.6。包含了35個(gè)獨(dú)立的程序，這些獨(dú)立的程序都實(shí)現(xiàn)特定的功能，這些程序基本上包括了系統(tǒng)發(fā)生分析

27、的所有方面。 Phylip有多種不同平臺(tái)的版本（包括windows，Macintosh，DOS，Linux，Unix和OpenVMX）。http:/evolution.genetics,/phylip.htmlPAUP*最早是在蘋果機(jī)上開發(fā)的具有菜單界面的進(jìn)化分析軟件，早先版本只有MP法，后續(xù)版本已經(jīng)包括距離法和ML法，現(xiàn)今有mac，win，linux等多種版本，該軟件不是免費(fèi)軟件，使用者需要向開發(fā)者購買。5.其他工具 模式識(shí)別：Meme，signalscan， domainFinder等 測(cè)序分析與序列拼接：Chromas，Phred+Phrap+cross_ma

28、tch+consed, contigExpress等 引物設(shè)計(jì)：Oligo，Primer3，Primer Premier5.0等 三維分子：PDBviewer，CN3D,RASMOL等序列分析工具的網(wǎng)絡(luò)資源生物軟件網(wǎng)http:/www.bio-NCBIExpasy// 生物軟件網(wǎng) 由華北制藥集團(tuán)的談杰創(chuàng)建，是一個(gè)具有豐富生物信息學(xué)資源的站點(diǎn)，提供了大量的生物信息學(xué)分析軟件下載。http:/www.bio-NCBI 美國國立生物技術(shù)信息中心（NCBI） 成立于1988年11月4日。是在

29、NIH的國立醫(yī)學(xué)圖書館（NLM）的一個(gè)分支。NLM是因?yàn)樗趧?chuàng)立和維護(hù)生物信息學(xué)數(shù)據(jù)庫方面的經(jīng)驗(yàn)被選擇的，而且這可以建立一個(gè)內(nèi)部的關(guān)于計(jì)算分子生物學(xué)的研究計(jì)劃。NCBI的任務(wù)是發(fā)展新的信息學(xué)技術(shù)來幫助對(duì)那些控制健康和疾病的基本分子和遺傳過程的理解。 主要資源包括：數(shù)據(jù)庫和軟件，以及相關(guān)的教育和培訓(xùn)資源Expasy 由位于瑞士日內(nèi)瓦的 Swiss Institute of Bioinformatics 所建立的，是全世界最重要的蛋白質(zhì)數(shù)據(jù)庫之一 ，也是 GCG 最主要的蛋白質(zhì)序列來源。 Expasy的主 要 有蛋白質(zhì)序列、結(jié)構(gòu)、2-D PAGE (Two-dimentional polyacrylamide gel electrophoresis ) 等多個(gè)數(shù)據(jù)庫 ，還有大量的蛋白質(zhì)序列與結(jié)構(gòu)分析工具以及FTP資源等。 蛋白質(zhì)分析工具主要有蛋白質(zhì)的功能預(yù)測(cè)，序列搜索與比對(duì)，二級(jí)、三級(jí)和四級(jí)結(jié)構(gòu)的預(yù)測(cè)等等。 / 操作系統(tǒng) Unix（Linux），Windows， Macintosh 編程語言：perl，C，php，VB算法：動(dòng)態(tài)規(guī)劃，啟發(fā)式，各類模型數(shù)據(jù)結(jié)構(gòu)：表，棧，樹，圖 數(shù)據(jù)庫Mysql，Oracle，S