序列比对与系统发生分析(第四章)1013

-5
-4 5
-5 1
（2）蛋白质打分矩阵

（i）等价矩阵
1 i j Rij 0 i j


其中Rij代表打分矩阵元素 i、j分别代表字母表第i和第j个字符。
（ii） 遗传密码矩阵（genetic code matrix,GCM )
（iii）疏水性矩阵 （hydrophobic matrix) （iv）PAM矩阵（point accepted matrix,PAM） （v） BLOSUM矩阵 （BLOck SUbstitution Matrix，BLOSUM）
本次课作业

每组自行下载一个数据库（NCBI FTP 微生物genome） 提示：数据有不同格式，请仔细选择 创建本地blast数据库 下载微生物来源的至少200条序列，要求在NCBI网页 中自行选择一个或几个关键词 进行本地blast操作，设置输出格式0，0 –html, 6 提示：根据下载数据库和类型进行选择 设置不同CPU数量，体会速度的变化
具有共同的祖先 垂直同源（ortholog） 水平同源（paralog） 同源是定性的！
相似性（similarity）—序列之间相似的程度
相似是定量的！
同源序列一般是相似的，相似序列不一定是同源
的
相似性分数的计算
1）编辑距离：两条序列对应位置上不同字符的个数 2）相似性得分：两条序列对应位置上相同字符的个数 相似分数越高，序列越相似，编辑距离越小，序列越相似 两条序列长度不一致时：空格（Gap）
database_name][-max_file_sz number_of_bytes]
[-taxid TaxID] [-taxid_map TaxIDMapFile][-logfile

Lipocalin和RBP4基因在序列上几乎没有相似性，却在结构和功能上有非常高的相似 性，被认为是同源基因？ 是否有问题？
lipocalin
RBP4
序列相似性的概念
• 序列比对(aligment)是序列分析的基础，其 他一切都建立在序列排比的基础上。 • • • • ACGCTAGCGCTAGCTGCTAGCTAG ACGCTAGCGCTAGCTGCTAGCTAG ACGCTAGCGCAAGCTGCTAGCTAG ______________ __________________
只有当两个蛋白质在进化关系上具有共同的祖先时，才可称它们为同源的。
alpha-球蛋白
Beta-球蛋白
共同祖先-未知球蛋白
序列比较是如何进行的？
要分析两个序列是否相似，必须首先作比对分析(alignment）。 如何作排比分析？ 最基本的条件是对序列的相似性做定量分析，然后将序列 进行排比，在排比中要用到 gaps， insertions， substitutions。 对gaps和insertions打分可用较简单的扣分方案，而subst itutions的打分则比较复杂，必须先构建出一个计算机的算法 矩阵(Matrix),再根据此方案对序列中氨基酸残基之间的差异或 相似进行打分。
序列比较是如何进行的？
• 打分矩阵(Scoring Matrices)
对氨基酸配对相似性的尺度衡量，例如苯丙氨酸 和异亮氨酸相似性的定量标准，可以以多种方式 来定义。因此，设计一个打分矩阵，首先必须确 定用什么算法模型。在序列排比分析中，打分矩 阵只是某个算法模型的量化表现，比对的结果只 在该算法模型所划定的范围内有意义。
相似性和同源性关系
• 序列的相似性和序列的同源性有一定的关系，一 般来说序列间的相似性越高的话，它们是同源序 列的可能性就更高，所以经常可以通过序列的相 似性来推测序列是否同源。 • 正因为存在这样的关系，很多时候对序列的相似 性和同源性就没有做很明显的区分，造成经常等 价混用两个名词。所以有出现A序列和B序列的同 源性为80％一说。

低丰度表达的基因信息缺乏；而高丰度表 达的基因在EST数据库中过量存在——高度 冗余，即覆盖率过高，甚至一个EST序列可 能是另一个EST序列的一个片断。
E S T 字 母 表
EST数据的特性
EST信息中除了A、G、T、C外，可能出现模 糊碱基（如未知碱基N）； EST信息可能出现错误,其中插入或缺失将 导致翻译时读码框移位（frame-shifts）；
NetPhos
NetPhos
关于磷酸化位点的预测
A prediction algorithm may accurately specify that a protein has a consensus site for phosphorylation, but these modifications are not necessarily made in living cells and their regulation is likely to be dynamic. --- One can ask whether a protein has a potential site for modification, and a separate question is the condition under which such modification occurs.
3. 蛋白质序列特征分析
特征域(domain and motif) 特性(physical properties)
4. EST分析
EST的概念与特性 EST序列数据库 EST序列拼接
非CDS特征预测
EST序列数库
Genbank的EST部分 （dbEST）收录了向公众公 开的部分EST数据（专门提交方式，注释少） ； WashU-Merclifeseq 目标在于提供健康和疾病组织中 转录基因的相对拷贝数，以期发现潜在的治疗靶 标。 TIGR （The Institute for Genomic Research） 全部免费提供公众使用。其中的HGI（Human Gene Index）令人关注。

传统预测方法:通过烦琐的重组DNA技术辅之以报告基因在 体外或体内进行功能评估. 现在预测方法:用一种称为进化遗传印记(phylogenetic fingerprinting)的计算方法来寻找比较的序列中的高度保守 的基因组区域.
基因组组装
MSA有三个特点: 1.重叠区域所涉及的序列理论上属于相同序
用于系统发生遗传学的基因应具备: 基因普遍存在于绝大多数物种而且容易通过其序 列的保守性被识别.与此同时,这些基因序列应当有 足够的变异来区分亲缘相近的物种.
PNYLSC
PNKYLSC +K
PNFSC -L
PNFLSC
MSA 用于系统发生遗传学分析
A PN-FLSC B PN-F-SC C PNKYLSC D PN-YLSC
列,但由于测序错误可能造成插入或删除. 2.所涉及序列有可能是正向或反向,因而包括
对互补序列的比对. 3.序列间关系经常是长度未知的重叠或是较
大的序列包含较小的序列.
系统发生遗传学分析
MSA中序列间的变化可以以来推测所代表物种间的 亲缘关系.此外,MSA和由其衍生的关系树可以用 来探讨同一基因组中同系基因(paralogus genes) 间的进化关系或较大蛋白家族内的分类.
多序列比对的方法
同源性分析中常常要通过多序列比对来找 出序列之间的相互关系，和blast的局部匹 配搜索不同，多序列比对大多都是采用全 局比对的算法。这样对于采用计算机程序 的自动多序列比对是一个非常复杂且耗时 的过程，特别是序列数目多，且序列长的 情况下.
多序列比对的方法
基本上多序列比对可以分为 1.手工比对（辅助编辑软件如Mega， seaview，Genedoc等）
多序列比对工具－clustalX

特点
本教学课件内容全面、结构清晰，注重 实践操作和案例分析，有助于学生深入 理解和掌握相关知识。
VS
优势
通过同源比较、分子系统学和分子进化分 析三个方面的内容，使学生对分子生物学 领域有一个全面的了解，同时提高学生的 实验操作能力和解决问题的能力。
感谢您的观看
THANKS
分子系统学与分子进化分析的关联
亲缘关系研究
分子系统学是研究生物亲缘关系和进化顺序的科学，通过比较不同物种或不同基因的分子特征，可以推断出它们 之间的亲缘关系和进化路径。
进化机制研究
分子进化分析是研究生物进化机制的科学，通过比较不同物种或不同基因的分子变异和进化速率，可以揭示生物 进化的内在规律和机制。
它基于氨基酸或核苷酸序列的相似性 比较，以评估物种间的亲缘关系和进 化历程。
序列同源比较的背景
随着生物技术的不断发展，研究人员 能够获得越来越多的基因和蛋白质序 列数据。
为了更好地理解这些数据和物种间的 关系，需要进行序列同源比较，以挖 掘更多有用的信息。
序列同源比较的意义
01
序列同源比较有助于研究物种的进化和亲缘关系。
药物研发
分子系统学研究结果可以用来寻找新的药物靶点，有助于开发出 更加有效的药物。
03
分子进化分析原理
分子进化的概念
分子进化的定义
分子进化是指生物大分子在进化过程中发生的适应性或非适应性 变化的过程。
分子进化的研究内容
主要研究生物大分子演化的规律和机制，包括DNA、蛋白质等分 子的演化过程、速度和方向等。
05
教学课件内容及安排
教学课件的主题和目标
主题
序列的同源比较、分子系统学和分子 进化分析
目标

31、只有永远躺在泥坑里的人，才不会再掉进坑里。——黑格尔 32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德 33、希望是人生的乳母。——科策布 34、形成天才的决定因素应该是勤奋。——郭沫若 35、学到很多东西的诀窍，就是一下子不要学很多。——洛克
序列比较与系统发育分析
51、没有哪个社会可以制订一部永远 适用的 宪法， 甚至一 条永远 适用的 法律。 ——杰 斐逊 52、法律源于人的自卫本能。——英 格索尔
53、人们通常会发现，法律就是这样 一种的 网，触 犯法律 的人， 小的可 以穿网 而过， 大的可 以破网 而出， 只有中 等的才 会坠入 网中。 ——申 斯通 54、法律就是法律它是一座雄伟的大 夏，庇 护着我 们大家 ；它的 每一块 砖石都 垒在另 ·伯顿

BLOSUM62替代矩阵
以两序列VDSCY和VESLCY为例 空位罚分d=-11
全局比对 (5)
Gap V D S C Y
Gap 0 -11 -3 -22 -33 -44 -55 -11
V -11 4 -11 -7
E -22
S -33
L -44 C -55
VD: -3
Y -66
全局比对 (6)
F
100000
K
10000
C
1000
A
100
D
10
E
1
例2：重复序列
AKGF DKGF E
A1 0 0 0 0 0 0 0 0
K 10001000
G
1000100
F
100010
D
10000
K1
1000
G
1
100
F
1
10
E
1
例3：反向重复/回文
AUGCACGUC
A1 0 0 0 1 0 0 00
U 10000010
蛋白质矩阵三
PAM矩阵：通过统计氨基酸的相互替换
率得到的矩阵，最早是由Dayhoff等研究了 71个相关蛋白家族的1572个突变。
BLOSUM矩阵：也是通过统计氨基酸
的相互替换率。
二者区别：
前者Dayhoff模型，假设蛋白质序列各部位进化的 速率是均等的。
但事实上并非如此，因为保守区的进化速率 显然 低于非保守区。
|
|
|
|
打分矩阵 = PAM250 PAM120 PAM80 PAM60
BLOSUM： BLOSUM60：序列相似度为 60％左右的序列使用； BLOSUM80：序列相似度为 80％左右的序列使用。

4.1.2.4限制性酶切分析 • 限制性酶切分析是分子生物学实验中的日常工作之一。 该方面最好的资源是限制酶数据库(Restriction Enzyme Database，REBASE)。REBASE数据库中含有限制酶的 所有信息，包括甲基化酶、相应的微生物来源、识别序列 位点、裂解位点、甲基化特异性、酶的商业来源以及公开 发表的和未发表的参考文献 • 同时，很多软件也能够识别REBASE限制酶数据库。此处 以使用BioEdit软件进行核酸序列限制性酶切分析为例加以 说明。将待分析序列输入BioEdit软件的序列显示区后，按 照图4-3的说明即可完成分析过程，其结果见图4-4。
4.1.2.3序列变换 • 进行序列分析时，经常需要对DNA序列进行各种变换，例 如反向序列、互补序列、互补反向序列、显示DNA双链、 转换为RNA序列等。
• • • • • • • 原始序列 5’-ATGAGCGTCT TCCTGCGAAA GCAATGCCTC TGCCTAGGCT-3’ 反向序列 3’-TCGGATCCGT CTCCGTAACG AAAGCGTCCT TCTGCGAGTA- 5’ 互补序列 3’-TACTCGCAGA AGGACGCTTT CGTTACGGAG ACGGATCCGA-5’ 反向互补序列5’-AGCCTAGGCA GAGGCATTGC TTTCGCAGGA AGACGCTCAT-3’ DNA双链 5’-ATGAGCGTCT TCCTGCGAAA GCAATGCCTC TGCCTAGGCT-3’ 3’-TACTCGCAGA AGGACGCTTT CGTTACGGAG ACGGATCCGA-5’ RNA序列 5’-AUGAGCGUCU UCCUGCGAAA GCAAUGCCUC UGCCUAGGCU-3’
查询序列

0
0
0
0
0
BLOSUM45
PAM30
PAM120
PAM180
PAM240
高相似度
低相似度
小鼠和大鼠RBP
小鼠和细菌的lipocalin
相似度越低的序列，在比对的时候，采用PAM矩阵时，后面的数字越大， 采用BLOSUM矩阵时，后面的数字越小。
30/ 77
3，空位罚分体系
• 一般有两种罚分方法：
• 1，线性罚分
22
12/ 77
• 记分矩阵（scoring matrix），即记分规则。 • Raw Score和Bit score：比对得分。
A T CG A1 0 0 0 0 T0 1 0 0 0 C0 0 1 0 0 G0 0 0 1 0 - 0 0 0 0╳
• 记分矩阵不同，可能得到不同的结果。
13/ 77
• 全局比对：序列全长进行比对，寻找一个最佳的配对。 • 局部比对：子序列比对，只需要寻找局部的最佳匹配。 • 比对的统计显著性E值。 • Algorithm算法。
AATCTATA AAGATA
14/ 77
序列比对的关键问题： 记分矩阵 算法
15/ 77
3、序列比对的意义
• 序列比对(alignment)是序列分析的基础，其他一切都建立在序列比对 的基础上。
的一段序列，包括0长度和全长的序列。 • 随机序列：每个位置出现ATGC中任何一个字符的概率都是1/4。也就
没有什么生物学方面的意义。非随机序列也就是有生物学意义的序列。 • 距离：两序列之间差异程度的一个量化数字，如两个序列完全相同则
距离为0。
9/ 77
• 序列比对(alignment)，是根据特定的计分规则，将两个或 多个符号序列按位置比较排列后，得到最具相似性的排列 的过程。