序列相似性搜索1

生物信息學(xué)第三章序列相似性搜索一、序列相似性搜索的任務(wù)和目的序列相似性搜索的任務(wù)序列相似性搜索的目的二、同源和相似三、序列的BLAST分析四、專門的BLAST服務(wù)器1.序列比較的任務(wù)：發(fā)現(xiàn)序列之間的相似性辨別序列之間的差異2.目的：

相似序列相似的結(jié)構(gòu)，相似的功能判別序列之間的同源性推測(cè)序列之間的進(jìn)化關(guān)系一、序列相似性搜索的任務(wù)和目的1.同源（homology）-具有共同的祖先直向同源（Orthologous）平行(共生)同源（paralogous）2.相似（similarity）

同源序列一般是相似的 相似序列不一定是同源的

二、同源和相似一般認(rèn)為，蛋白質(zhì)序列間至少有80個(gè)氨基酸左右的區(qū)域有25%或更高的同源性；DNA序列具有75%以上的同源性有潛在的生物學(xué)意義。橫向同源基因

(paralogousgene）是指從同一祖先垂直進(jìn)化而來的基因。兩物種共同具有的由這個(gè)祖先物種繼承下來的基因就稱為直向同源基因。e.g.人α一與小鼠α一珠蛋白基因。orthologousgene是指由于基因重復(fù)而產(chǎn)生的同源基因例如人γ一珠蛋白基因和β一珠蛋白基因。paralogousgene

是由于基因在不同物種間的橫向轉(zhuǎn)移(horizontaltransfer)而產(chǎn)生的。小部分脊椎動(dòng)物基因在細(xì)菌中有同源序列，而在其他真核生物中卻沒有。xenologousgene

異源同源基因

(xenologousgene)直向同源基因

(orthologousgene)三、序列的BLAST分析BLAST(BasicLocalAlignmentSearchTool)allowsrapidsequencecomparisonofaquerysequenceagainstadatabase.TheBLASTalgorithmisfast,accurate,andweb-accessible.基本局域聯(lián)配搜尋工具BLASTWebsiteofBLAST/BLAST/(BLAST2.0)http://www2.ebi.ac.uk/blast2/(WU-Blast2)/(WU-Blast2)WhyuseBLAST?BLASTsearchingisfundamentaltounderstandingtherelationshipofanyfavoritequerysequencetootherknownproteinsorDNAsequences.Applicationsinclude

identifyingorthologsandparalogsdiscoveringnewgenesorproteinsdiscoveringvariantsofgenesorproteinsinvestigatingexpressedsequencetags(ESTs)exploringproteinstructureandfunctionFourcomponentstoaBLASTsearch(1)Choosethesequence(query)(2)SelecttheBLASTprogram(3)Choosethedatabasetosearch(4)ChooseoptionalparametersThenclick“BLAST”Step1:ChooseyoursequenceSequencecanbeinputinFASTAformat,plaintextformatorasaccessionnumberExampleoftheFASTAformatforaBLASTqueryStep2:ChoosetheBLASTprogramStep2:ChoosetheBLASTprogramblastn(nucleotideBLAST)blastp(proteinBLAST)blastx(translatedBLAST)tblastn(translatedBLAST)tblastx(translatedBLAST)ChoosetheBLASTprogramProgram

Input

Database 1blastn

DNA

DNA 1blastp

protein

protein 6blastx

DNA

protein 6tblastn

protein

DNA 36tblastx

DNA

DNADNApotentiallyencodessixproteins5’CATCAA5’ATCAAC5’TCAACT5’GTGGGT5’TGGGTA5’GGGTAG5’CATCAACTACAACTCCAAAGACACCCTTACACATCAACAAACCTACCCAC3’3’GTAGTTGATGTTGAGGTTTCTGTGGGAATGTGTAGTTGTTTGGATGGGTG5’Step3:choosethedatabasenr=non-redundant(mostgeneraldatabase)dbest=databaseofexpressedsequencetagsdbsts=databaseofsequencetagsitesgss=genomicsurveysequenceshtgs=highthroughputgenomicsequenceStep4a:SelectoptionalsearchparametersCDsearchBLASTNsearchingStep4a:SelectoptionalsearchparametersEntrez!FilterExpectWordsizeorganism增加該值可提高查詢速度BLAST:optionalparametersYoucan...?choosetheorganismtosearch?turnfilteringon/off?changetheexpect(e)value?changethewordsize?changetheoutputformatfilteringStep4b:optionalformattingparametersAlignmentviewDescriptionsAlignmentstaxonomydatabasequeryprogramtaxonomyBLASTformatoptionsBLASTformatoptions:multiplesequencealignmentthresholdscore=11EVDparametersBLOSUMmatrixEffectivesearchspace=mn=lengthofqueryxdblength10.0istheEvaluegappenaltiescut-offparametersWewillgettothebottomofaBLASTsearchinafewminutes…BLASTPSearchingwithamultidomainprotein,polSearchingbacterialsequenceswithpolBLASTprogramselectionguide四、專門的BLAST服務(wù)器SpecializedBLASTserversOrganism-specificBLASTsites/index.htmlLocal(本地化)BLASTWhyLocalBLAST?Bigdata,Slow,limitationsHowtoperformLocalBLAST?1.DownloadLocalBLASTprogram;2.Installation;3.Preparedatabaseandquerysequence4.LocalBLASTrunning程序下載

鏈接到：/blast/executables/blast+/LATEST下載最新的BLAST+程序包，推薦版本ncbi-blast-2.2.28+-ia32-win32.tar.gz（綠色版windows32位系統(tǒng)）,其他版本：ncbi-blast-2.2.28+-win32.exe適用于windows32位系統(tǒng)，ncbi-blast-2.2.28+-win64.exe適用Windows64位系統(tǒng)，請(qǐng)注意選擇。Step1:DownloadLocalBLASTprogramWindows64bitLinux64bitMacosx64bitStep2:Installation更改到合適位置設(shè)置環(huán)境變量Step3:Preparedatabaseandquerysequence下載數(shù)據(jù)庫或者測(cè)序數(shù)據(jù)(作為subject)命名為database.fasta(名字任取但格式必須是fasta)將數(shù)據(jù)庫文件拷入X:\Local_Blast\blast-2.2.31+\db備用同樣將用來比對(duì)的序列整理成為query.fasta文件，與數(shù)據(jù)庫文件保存到相同路徑下，備用在X:\Local_Blast\blast-2.2.31+\路徑下新建db文件夾Fasta格式文件：>miR156GCUCACUCUCUAUCCGUCACCStep4:LocalBLASTRunning調(diào)出MS-DOS命令行,轉(zhuǎn)到X:\Local_Blast\blast-2.2.31+\db文件夾下makeblastdb.exe-indatabase.fasta-parse_seqids-hash_index-dbtypeprot-in參數(shù)后面接將要格式化的數(shù)據(jù)庫;-parse_seqids,-hash_index兩個(gè)參數(shù)一般都帶上，主要是為blastdbcmd取子序列時(shí)使用;-dbtype后接所格式化的序列的類型，核酸用nucl，蛋白質(zhì)用prot;數(shù)據(jù)庫格式化所需時(shí)間：與數(shù)據(jù)庫大小成正比LocalBLASTblastn.exe-taskblastn-querymature.fa-dbGmax_189_cds.fa-evalue0.1–outfmt“7-outmature_miRNA_againist_Gmax_out.txtblastn.exe程序執(zhí)行命令，exe前的程序根據(jù)自己的需要而換；-task后面選擇你所要用的程序，b