课件第4讲_多序列比对和进化分析

GATK软件具有准确度高、可扩展性强和易于使用等特点，广泛应用于全 基因组关联分析、突变检测和基因组组装等领域。
SAMtools软件
1
SAMtools是一个用于处理和分析序列对齐映射 （SAM）格式数据的生物信息学软件工具。
2
SAMtools软件提供了多种用于双序列比对的工 具，如SAMtools sort、SAMtools index和 SAMtools view等。
BLAST软件具有高效、准确和灵活的特点，广泛应用于生物信息学领域的序列比对 和相似性搜索。
GATK软件
GATK（Genome Analysis Toolkit）是一个用于分析高通量测序数据的生 物信息学软件工具集。
GATK软件提供了多种用于双序列比对的工具，如Smith-Waterman算法 和Burrows-Wheeler变换等。
药物作用机制研究
通过比对药物作用前后的基因或蛋白质序列，分析药物对生 物分子的影响和作用机制，有助于深入理解药物的作用原理 和潜在副作用。
05
双序列比对的挑战与未来发展
数据规模与计算复杂度
数据规模
随着测序技术的快速发展，产生的序列数据量呈指数级增长，给 双序列比对带来了巨大的挑战。
计算复杂度
双序列比对的算法复杂度较高，尤其是在处理大规模数据时，需 要消耗大量的计算资源和时间。
通过比对患者与健康人的基因序列，寻找与疾病相关的基因变异位点，有助于定位和阐明疾病发生的分子机制。
药物靶点发现
通过比对不同物种的基因或蛋白质序列，寻找与药物分布、活化等相关的靶点，有助于发现新的药物候选分子。
药物发现与设计
药物靶点筛选
通过比对已知药物靶点序列与数据库中的序列，筛选出潜在 的药物靶点，有助于发现新的药物作用机制和候选药物。

Clustal使用方法
Clustal：目前被最广泛应用的 MSA 方法
可在线分析
可在本地计算机运行 序列输入、输出格式
Input FASTA
NBRF/PIR EMBL/SWISSPROT ALN GCG/MSF GCG9/RSF GDE
>sequence 1 ATTGCAGTTCGCA … … >sequence 2 ATAGCACATCGCA… … >sequence 3 ATGCCACTCCGCC… …
10 3 2 5
C B
2
D
outgroup 外群、外围支
系统发育树构建步骤
多序列比对（自动比对、手工校正）
最大简约法 (maximum parsimony, MP) 距离法 选择建树方法（替代模型） (distance) 最大似然法 (maximum likelihood, ML) 贝叶斯法 (Bayesian inference) UPGMA
多序列比对的应用： •系统发育分析(phylogenetic analysis) •结构预测(structure prediction) •序列基序鉴定(sequence motif identification) •功能预测(function prediction) ClustalW/ClustalX：一种全局的多序列 比对程序，可以用来绘制亲缘树，分析进化 关系。 MEGA5——分子进化遗传分析软件
比对参数设置
两两比对参数
多序列比对参数
点击进行多序列比对
比对结果 “*”、“:”、“.” 和空格依次代表改位点的序列一致性由高到低
第四步：比对完成，选择结果文件的保存格式
可进一步对排列好的序列进行修饰（1）

据自己的需要选择合适的输出格式。
用ClustalW得到的多序列比对结果中，所有序列排列在一起，并
以特定的符号代表各个位点上残基的保守性，“*”号表示保守性 极高的残基位点；“.”号代表保守性略低的残基位点。
Progressive Alignment Method
Clustal W 使用
输入地址： 设置选项 （next）
用于描述一组同源序列之间的亲缘关系的远近，应用到 分子进化分析中。 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。
其他应用，如构建profile，打分矩阵等
3、多序列比对的方法
手工比对 在运行经过测试并具有比较高的可信度的计算机程序（辅助 编辑软件如bioedit，seaview，Genedoc等）基础上，结合实 验结果或文献资料，对多序列比对结果进行手工修饰，应该 说是非常必要的。 为了便于进行交互式手工比对，通常使用不同颜色表示具有 不同特性的残基，以帮助判别序列之间的相似性。
Extremely slow computation.
Progressive Alignment Method
DbClustal: Poa (Partial order alignments):
2、Iterative Alignment
PRRN：
web-based program Nhomakorabea/
Uses a double nested iterative strategy for multiple alignment.
DCA (Divide-and-Conquer Alignment）：a web-based program that is semiexhaustive /

x≥1 (Si-1,j-wx), max
公式一 的简化
y ≥ 1 (Si,j-1-wy) }
公式二
说明：Sij是序列a在位置i和序列b在位置j的分值， s(aibj)是位置i 和j上比对分 值，wx是在序列a 中长度为x的间隔罚分，wy是序列b中长度为y的间隔罚分
2021/6/4
31
动态规划算法实例
A -2 3 1 -1 -3 -5 -7 C -4 1 6 4 2 0 -2 T -6 -1 4 9 7 5 3 A -8 -3 2 7 8 6 4 G -10 -5 0 5 6 7 9
ACT T CG AC - T AG
回溯
ACT TCG
0 -2 -4 -6 -8 -10 -12
A -2 3 1 -1 -3 -5 -7 C -4 1 6 4 2 0 -2 T -6 -1 4 9 7 5 3 A -8 -3 2 7 8 6 4 G -10 -5 0 5 6 7 9
AT TGAG
TAT
CA
T A 19
A T A C T A C A A G A C A C G T A C C G
20G21/6C/4 G A
TGC
Match = 1 Mismatch = 0 Window size = 5 Stringency = 3
AT TGAG
TAT
CA
T A 20
A T A C T A C A A G A C A C G T A C C G
G
T
C
A
T
TACTGTTCAT
Sequence 1
TACTG-TCAT ||||| |||| TACTGTTCAT
点阵分析的应用
正向重复

CLUSTALW
Sequences should all be in 1 file. 7 formats accepted: NBRF/PIR, EMBL/SwissProt, Pearson (Fasta), GDE, Clustal, GCG/MSF, RSF. Enter the name of the sequence file: anti.fasta<rtn> Sequence format is Pearson Sequences assumed to be PROTEIN Sequence 1: ANP4_PSEAM Sequence 2: ANP_LIMFE Sequence 3: ANPA_PSEAM Sequence 4: ANPX_PSEAM Sequence 5: ANPY_PSEAM 85 aa 97 aa 82 **** CLUSTAL W (1.8) Multiple Sequence Alignments ******** 1.Sequence Input From Disc 2. Multiple Alignments 3. Profile / Structure Alignments 4. Phylogenetic trees S. Execute a system command H. HELP X. EXIT (leave program) Your choice: 2<rtn>
一个多序列比对例子
VTISCTGSSSNIGAG-NHVKWYQQLPG QLPG VTISCTGTSSNIGS--ITVNWYQQLPG QLPG LRLSCSSSGFIFSS--YAMYWVRQAPG QAPG LSLTCTVSGTSFDD--YYSTWVRQPPG QPPG PEVTCVVVDVSHEDPQVKFNWYVDG-ATLVCLISDFYPGA--VTVAWKADS-AALGCLVKDYFPEP--VTVSWNSG--VSLTCLVKGFYPSD--IAVEWWSNG--

fasta序列格式多序列导入序列文件导入序列文件设定比对的一些参数设定比对的一些参数参数设定窗口参数设定窗口执行比对执行比对文件导出文件导出比对完成选择保存结果文件的格式比对完成选择保存结果文件的格式在线在线clustalwclustalw分析分析1ebi提供的在线clustalw服务http
生物信息学
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
两两比对，构 建距离矩阵
Seq1: ARKCV Seq2: ARCV Seq3: AKCV ARKCV AR-CV A-KCV
ARKCV A-RCV A-KCV ARKCV AR-CV AK-CV
性能比较
1. ClustalW/X: 最经典、最被广泛接受的工具 2. MUSCLE: 目前最流行的多序列比对工具 3. DIALIGN: 序列相似性低时最准确 4. T-Coffee：序列相似性高时最准确 5. ProbCons：目前综合性能最好 6. POA：性能接近T-Coffee和DIALIGN，速 度最快
4
V -11 4
2
D -22 -7
时间复杂度：O(n2)
S C Y -33 -18 -44 -29 -55 -40
E
S L C Y
-22
-33 -44 -55 -66
-7
-18 -29 -40 -51
6
-5 -16 -27 -38
-5
10 -1 -12 -23

-16

信
（neighbour joining）、phylip、dist
息
学
CORRECT DIST：决定是否做距离修正。对于小的序列歧异（＜
及
10％），选择与否不会产生差异；对于大的序列歧异，需做出
应
修正。因为观察到的距离要比真实的进化距离低。
用
IGNORE GAPS：选择on，序列中的任何空位将被忽视。
Extremely slow computation.
20
Progressive Alignment Method
DbClustal:
http://igbmc.u-strasbg.fr:8080/DbClustal/dbclustal.html
基
础 Poa (Partial order alignments):
第二节 多序列比对程序及应用
基 础
Progressive Alignment Method
生
物
Iterative Alignment
信
息 学
Block-Based Alignment
及 应
DNASTAR
用
DNAMAN
12
1、Progressive Alignment Method
学
A distance matrix is built to derive a guide tree, which is
及
then used to direct a full multiple alignment using the
应
progressive approach.
用
Outperforms Clustal when aligning moderately divergent

第一、
第六章 多序列比对和分子系统
发育分析
第一节 序列间比对
Definitions
Pairwise alignment
The process of lining up two sequences to achieve maximal levels of identity (and conservation, in the case of amino acid sequences) for the purpose of assessing the degree of similarity and the possibility of homology.
Pairwise sequence alignment programs
Multiple sequence alignment programs
How to get multiple sequences? Sequence BLAST Program
Two kinds of multiple sequence alignment resources
[1] Databases of multiple sequence alignments Text-based searches of CDD, Pfam (profile HMMs), PROSITE Database searches with a query sequence with BLAST, CDD, PFAM [2] Multiple sequence alignmentW, CLUSTAL X
Homology (同源性)
Similarity attributed to descent from a common ancestor.

为了便于描述，对多序列比对过程可以给出下面的定义：把多序 列比对看作一张二维表，表中每一行代表一个序列，每一列代表 一个残基的位置。将序列依照下列规则填入表中：
（a）一个序列所有残基的相对位置保持不变； （b）将不同序列间相同或相似的残基放入同一列，即尽可能将序列
间相同或相似残基上下对齐（下表）。
The program has been shown to be especially suitable for aligning divergent sequences with only local similarity.
Block-Based Alignment
Match-Box：
web-based server http://www.fundp.ac.be/sciences/biologie/bms/matchbox_su bmit.shtml
大多数实用的多序列比对程序采用启发式算法 （heuristic algorithms），以降低运算复杂度。
随着序列数量的增加，算法复杂性也不断增加。用O （m1m2m3…mn）表示对n个序列进行比对时的算法复杂性， 其中mn是最后一条序列的长度。若序列长度相差不大，则 可简化成O（mn），其中n表示序列的数目，m表示序列的长 度。显然，随着序列数量的增加，序列比对的算法复杂性 按指数规律增长。
/clustalw/
Progressive Alignment Method
ClustalW 程序
ClustalW对输入序列的格式比较灵活，可以是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GDE等，用户可以

2. 而发生形式的变化。 2. 根据得分函数的意义，函数值应独立于各参数的顺序， 即与待比较的序列先后次序无关。 3. 对相同的或相似字符的比对，奖励的得分值高，而对 于不相关的字符比对或空白，则进行惩罚（得分为负值）。 满足上述条件的一个函数就是常用的逐对加和函数，SP函数 。
Biocomputing technology— Multiple sequence alignment
Biocomputing technology— Multiple sequence alignment
第4章 多重序列比对分析
Multiple sequence alignment
目的要求：
1 掌握多重序列比对的基本概念及意义。
2 掌握多重序列比对的星形比对、树形比对及隐马尔可夫模型。
3 了解多重序列比对的动态规划算法、CLUSTAL W 算法。
每一列的处理方式: 寻找一个具有k 个变量的打分函数，每一个变量或者是 一个来自特定字母表中的字符，或者是一个空位。 k 是参与多重比对的序列的个数。
Biocomputing technology— Multiple sequence alignment
显式函数应满足如下条件：
1. 函数形式简单，具有统一的形式，不随序列的个数
Biocomputing technology— Multiple sequence alignment
8条免疫球蛋白序列片段的多重比对：
保守区域
半光氨酸 疏水残基
色氨酸
SP得分
Biocomputing technology— Multiple sequence alignment
通过序列的多重比对，可以得到一个序列家族的序列 特征。当给定一个新序列时，根据序列特征，可以判断这 个序列是否属于该家族。