当前位置：文档之家 › 一种新的基于3D图形的进化树构造方法

一种新的基于3D图形的进化树构造方法

  • 格式：pdf
  • 大小：166.27 KB
  • 文档页数：4

第２９卷第４期　武汉理工大学学报・信息与管理工程版　

２００７年４月　ＪＯＵＲＮＡＬ　ＯＦ　ＷＵＴ（ＩＮＦＯＲＭＡＴＩＯＮ＆ＭＡＮＡＧＥＭＥＮＴ　ＥＮＧＩＮＥＥＲＩＮＧ）　Ｖ０１．２９　Ｎｏ．４　Ａｐｒ．２００７　

文章编号：１００７—１４４Ｘ（２００７）０４—００２４一ｏ４　

一种新的基于３Ｄ图形的进化树构造方法　

骆嘉伟，张惜珍　

（湖南大学计算机与通信学院，湖南长沙４１００８２）　

摘要：生物信息资源更新越来越快，使用可视化的方法来分析ＤＮＡ序列已成为生物信息学的一个研究热　

点，用图形表示ＤＮＡ序列的方法越来越成熟。基于ＤＮＡ序列的３Ｄ图形表示法，提出一种新的进化树构造方　

法：将ＤＮＡ基本序列表示成空间３Ｄ图形，并计算与序列相对应的非负实对称矩阵；计算新的特征参数ｃ表　

征序列特性，并获得相对进化距离；基于可凝聚的层次聚类算法构造不同基因序列的进化树。采用中国不同　

地区的１２组禽流感基因ＨＡ（Ｈ５Ｎ１）序列进行试验，最后获得了相应的进化关系。　

关键词：ＤＮＡ序列；３Ｄ图形；层次聚类算法；ＨＡ（Ｈ５Ｎ１）；进化树构造　

中图法分类号：ＴＰ３９１．９　文献标识码：Ａ　

生物信息学和数据挖掘为计算机科学开辟了　

一块更具挑战性的研究和应用领域…。研究不　

同物种之间的进化关系是生物信息学的一个重要　

课题。现在，用图形表示ＤＮＡ序列的方法越来越　

多，有２维的、３维的和４维的等。比如张春霆院　

士的ｚ曲线　；廖波的２Ｄ、３Ｄ图形表示模　

型［３－７　３；ＲＡＮＤＩＣ　Ｍ的３Ｄ图形表示模型‘８　Ｊ。在可　

视化图形的基础上，构造进化树是后基因时代系　

统发育的一个重要方向。　

郑文新用ｚ曲线来分析冠状病毒的进化关　

系　；廖波在其２维模型上¨。。也对冠状病毒基因　

的进化关系进行了分析。他们用几何中心和协方　

差矩阵来反映曲线的中心位置和曲线分布情况，　

然后通过计算最大特征值和相应的向量之间的夹　

角余弦值来获得距离。笔者基于ＤＮＡ序列的３Ｄ　

图形表示，计算新的矩阵的特征参数以获得距离　

度量，最终分析不同基因之间的进化关系　卜　。　

１　方法　

１．１将ＤＮＡ序列转换为３Ｄ图形　

一条ＤＮＡ序列由４种碱基Ａ、Ｇ、Ｔ、Ｃ组成，　

用３维坐标表示４种碱基如下：（一１，０，ｉ）一　；　

（１，０，　）一Ｇ；（０，一１，　）一　；（０，１，　）一Ｃ。　

ＤＮＡ序列的３Ｄ曲线，包含一系列点　…　

Ｐ　，每个点的位置为（　，Ｙ　，　），ｉ＝１，２，…，ｌ＇ｔ。１２为序　列的长度。例如序列ＡＴＧＧＴＧＣＡＣＣ的３Ｄ坐标为：　

｛（一１，０，１），（０，一１，２），（１，０，３），（１，０，　

４），（０，一１，５），（１，０，６），（０，１，７），（一１，０，８），　

（０，１，９），（０，１，１０）｝。每一条ＤＮＡ序列，可以获　

得３种形式的表示，即ＡＴＧＣ，ＡＴＣＧ和ＡＧＣＴ，详　

见文献［３］。图１给出的是其中一种。　

图１序列ＡＴＧＧＴＧＣＡＣＣ的３Ｄ图形　

１．２距离参数　

定义一个非负实对称矩阵Ｂ与序列的一条　

曲线对应，Ｂ的元素值为　

㈩　

ｅ　。＝￣／（　一　）　＋（　ｉ一乃）　＋ｚ　一　）　（２）　

（　，Ｙ　，　）是３Ｄ曲线中的碱基坐标。现在，　

定义一个特征参数　：　

Ｃｐｑ＝　—　白ｎｑ　ｎｑ　６　）　（３）　

收稿日期：２００７一Ｏ１一ｏ９．　作者简介：骆嘉伟（１９６４一），女，湖南长沙人，湖南大学计算机与通信学院教授．　基金项目：湖南省自然科学基金资助项目（０６ＪＪ４０７６）；湖南省财政厅科研资助项目（湘财教字［２００５］９０）

　维普资讯 http://www.cqvip.com 第２９卷第４期　骆嘉伟，等：一种新的基于３Ｄ图形的进化树构造方法　２５　

式中，Ｐ＝１，２，３；ｇ：１，２，…，　；　是物种的个数；　

ｏｔ是一个可变参数；７１，是序列的长度。　

例如，有２条基因序列ｉ　和　，假设　，　，　

和　分别是序列ｉ　的３种曲线ＡＴＧＣ，ＡＴＣＧ和　

ＡＧＣＴ的相对应的矩阵。假设Ｃ　、Ｃ　，和Ｃ，　，分别　

是序列ｉ　的３种曲线ＡＴＧＣ、ＡＴＣＧ和ＡＧＣＴ的特　

征参数，对于这２组序列，可获得６个矩阵：Ｂ　、　

２　３　１　２，，和　３ｆ，，相应的参数为Ｃ　、Ｃ２　

Ｃ　、Ｃ　、Ｃ　和Ｃ３ｉ，ｏ　

为了定量地分析不同物种，定义距离度量为　

ｄ　，＝￣／（ｃ　一Ｃｖ，）　＋（　，一　，）　＋（Ｃ３　一　，）　

Ｄ＝（ｄ　，）ＭｘＭ　（４）　

（５）　Ｄ是一个Ｍ　ｘ　Ｍ的实对称矩阵，它的对角线　

元素值等于０。　

１．３　基于可凝聚的层次聚类算法的进化树构造方法　

笔者引入可凝聚的层次聚类算法，用上面计　

算获得的距离矩阵Ｄ构造进化树。算法的基本　

原理是合并２个最近的物种。经过下面的过程获　

得一棵进化树：　

（１）初始时，为每一个物种分配一个类。如　

果有　个物种的序列，则有　个类（Ｓ　，５　，…，　

５　），每一个类包含一个物种序列。定义类与类　

之间的距离等于它们所包含的序列之间的距离。　

（２）找到最近的２个类，将它们合并成一个　

类。这个操作后，类的个数减少一个。　

表１　１２组禽流感基因序列的物种序号、访问号、长度、年份和病毒基因名称　

１　６５６．６８３　６　６５６．３８９　０　

２　６５７．０１９　７　６５６．７２８　１　

３　６５５．２９９　Ｉ　６５５．０１３　４　

４　６５７．４８５　８　６５７．１９１　８　

５　６５８．５９７　５　６５８．３１２　０　

６　６５８．７２２　２　６５８．４３９　４　

７　６５８．８４２　２　６５８．５５９　４　

８　６５９．４２８　６　６５９．１４６　４　

９　６５８．２５３　５　６５７．９６５　２　

１０　６５５．３０８　２　６５５．０２４　４　

１１　６５６．８４６　５　６５６．５５８　３　

１２　６５７．９０３　１　６５７．６１８　０　

△／１２　０．２９４　６　６４２．７５０　７　

０．２９１　６　６４４．６０１　０　

０．２８５　７　６４５．１５８　１　

０．２９４　０　６４４．４０７　４　

０．２８５　５　６４４．８４７　１　

０．２８２　８　６４４．８０５　６　

０．２８２　８　６４５．４３２　２　

０．２８２　２　６４４．８５９　８　

０．２８８　３　６４４．９ｌ１　７　

０．２８３　８　６４５．２１５　０　

０．２８８　２　６４５．５０３　８　

０．２８５　１　６４４．７７４　１　

０．２８７　０　６４２．４９５　０　０．２５５　７　６４３．２５７　４　６４２．９８１　５　

６４４．３５６　９　０．２４４　１　６４５．１１７　３　６４４．８５７　７　

６４４．９０８　４　０．２４９　７　６４４．１９８　０　６４３．９３４　７　

６４４．１６１　９　０．２４５　５　６４５．３１２　７　６４５．０４４　８　

６４４．６１４　６　０．２３２　５　６４６．６３３　３　６４６．３９８　４　

６４４．５５４　６　０．２５１　０　６４５．７１８　０　６４５．４６０　０　

６４５．１８２　０　０．２５０　２　６４６．３３５　９　６４６．０７６　５　

６４４．６０８　２　０．２５１　６　６４６．３３１　４　６４６．０７２　２　

６４４．６６６　８　０．２４４　９　６４６．３９１　３　６４６．１３７　８　

６４４．９６４　０　０．２５１　０　６４４．２４５　７　６４３．９８８　４　

６４５．２５４　３　０．２４９　５　６４５．７３４　６　６４５．４７３　９　

６４４．５１８　９　０．２５５　２　６４５．２０８　６　６４４．９４３　８　

０．２４８　４　０．２７５　９　

０．２５９　６　

０．２６３　３　

０．２６７　９　

０．２３４　９　

０．２５８　０　

０．２５９　４　

０．２５９　２　

０．２５３　５　

０．２５７　３　

０．２６０　７　

０．２６４　８　

０．２５９　５　维普资讯 http://www.cqvip.com ２６　武汉理工大学学报・信息与管理工程版　２００７年４月　

（３）计算新类和原来的类之间的距离。　

（４）重复步骤（２）和步骤（３），直到所有的类　

都聚到一个　大小的类。　

在步骤（３）中，笔者选用最小距离法计算新　

的类与原有类之间的距离值。　

ｒａ　ｉｎ　ｄ（　，　ｆ）　（６）　ｉ∈０ｉ，　斗　

２实验和结果　

笔者从ＧｅｎＢａｎｋ（ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．　

ｇｏｖ）数据库中下载１２组禽流感基因序列进行试　

验，序列的序号，访问号，长度、年份和病毒基因名　

称如表１所示。　

表２分别给出３种表示形式ＡＴＧＣ、ＡＴＣＧ和　

ＡＧＣＴ的参数　Ｃ　亿。和　。　，以及对应的矩　

阵的Ａ参数值。观察表２，△＝Ｉ　Ｃ—Ａ　Ｉ均小于　

０．３。用式（４）中的函数计算距离，其结果如表３　

所示。　

物种之间的距离值越小，物种之间越相近。　

观察表３，序号３代表的基因序列Ａ／ｇｏｏｓｅ／Ｙｕｎ－　

ｎａｎ／１７７０／２００６（Ｈ５Ｎ１）和序号１０代表的Ａ／　

ｄｕｃｋ／Ｙｕｎｎａｎ／２１１３／２００６（Ｈ５Ｎ１）关系很接近；而　

序号１代表的基因序列Ａ／ｄｕｃｋ／Ｆｕｊｉａｎ／９７３１／　

２００５（Ｈ５Ｎ１）和序号７代表的Ａ／ｄｕｃｋ／Ｙｕｎｎａｎ／　

５０９０／２００５（Ｈ５Ｎ１）的关系相对远一些。笔者用基　

于可凝聚的层次聚类算法的进化树构造方法分析　

表１中的１２组禽流感病毒序列的相互关系，构造　

进化树如图２所示。　Ａｉｄｕｃｋ／Ｆｕｊｉａｎ／９７３１／２００５（ＨＳＮ１）　

Ａ／ｇｏｏｓｅ／Ｙｕｎｎａｎ／１７７０／２００６（ＨＳＮ１）　

Ａｉｄｕｃｋ／Ｙｕｎｎａｎ／２１１３／２００６（ＨＳＮ１）　

Ａｌｄｕｃｋ／Ｈｕｎａｎ／１２７１／２００６（ＨＳＮ１）　

Ａ／ｇｏｏｓｅ／Ｇｕｉｙａｎｇ／１９２１／２００６（ＨＳＮ１）　

Ａｌｄｕｃｋ／Ｇｕａｎｇｘｉ／３８５７／２００５（ＨＳＮ１）　

Ａ／ｄｕｃｋ／Ｇｕａｎｇｘｉ／３０９／２００６（ＨＳＮ１）　

Ａ，ｇｏｏｓｅ，Ｙｕｎｎａｎ，１３７１，２ＯＯ６（Ｈ５Ｎ１）　

Ａ／ｇｏｏｓｅ／Ｙｕｎｎａｎ／２７３９／２００６（ＨＳＮ１）　

Ａｌｄｕｃｋ／Ｙｕｎｎａｎ／５０９０／２ＯＯＳ（ＨＳＮ１）　

Ａ／ｄｕｃｋ／Ｙｕｎｎａｎ／５７９８／２００５（ＨＳＮ１）　

Ａ／ｄｕｃｋ／Ｙｕｎｎａｎ／４４１８／２００５（Ｈ５Ｎ１）　

图２表１中１２组禽流感基因序列的进化树　

３　结论　

将ＤＮＡ基本序列表示成空间图形，获得相应　

的矩阵后，定义新的矩阵参数。在禽流感基因数　

据的试验中发现，新的参数与矩阵的最大特征值　

之间的差值小于０．３。通过计算不同基因之间的　

距离度量值，分析不同基因之间的亲近关系，结合　

可凝聚的层次聚类算法，经实验，最后可以得到一　

棵进化树。

　维普资讯 http://www.cqvip.com

合集下载

构建进化树的步骤

构建进化树的步骤

构建进化树的步骤通常包括以下几个关键环节：

1. 数据收集：收集相关的生物序列数据，这些数据可以来自于公共数据库，如NCBI的GenBank，也可以通过实验获得。序列数据包括DNA或蛋白质序列。

2. 序列 alignment（序列比对）：使用比对软件如Clustal Omega、MAFFT、MUSCLE等，将收集到的序列进行比对，以确保序列的同源性，并消除由于序列变异导致的噪音。

3. 序列拼接和校正：对测序得到的正向和反向序列进行拼接和校正，以获得完整的序列。常用的拼接软件有Contig Express、Geneious和Sequencher等。

4. 选择合适的模型：根据序列数据选择合适的进化模型。可以使用软件如Modeltest来评估不同的进化模型，选择BIC（Bayesian

Information Criterion）分数最低的模型。

5. 建树：选择合适的软件和建树方法来构建进化树。常用的软件有MEGA、PhyML、MrBayes等，建树方法包括NJ（邻接法）、MP（最大简约法）、ML（最大似然法）等。

6. 建树检验：使用如Bootstrap方法等来检验所建树的稳定性和可靠性。Bootstrap方法通过重复抽样来检验建树的节点支持度。

7. 绘制进化树：使用软件如TreeDraw、FigTree或在线工具来绘制进化树的图像，以便于分析和展示。

进化树构建方法-MEGA

进化树构建方法-MEGA

利用MEGA 来构建进化树（molecular evolutionary genetics analysis 分子进化遗传分析）

打开mega5，选择Align----edit/built alignment----create a new alignment—OK

选择DNA/protein

出现新的对话框

Open------选择已经保存好的用clustalx 经过比对保存的以.aln格式的文件

打开之后，出现下面的页面

双击文件名可以进行修改的。我的就是从这里开始修改把A,B,C 都去掉，只留号码就好

右键菜单点击delete 删除带※的那一行。得到下面的图示，点击保存，重新起名字。

之后点击此图内的Alignment 选择Align by clustalW即可。

默认设置即可，点击OK就进行比对了，此后会出现一个过渡对话框，显示的是两两比对和多序列比对的过程

之后回到初始页面，就是这个页面

之后点File---点开，把刚才保留的文件点开

然后出现下面的页面

多了几个内容，点击TA的那个框框。

之后出现这样的框框图片

然后在主程序中选择phylogeny---construct/test neighbor-joining tree,然后出现下面的页面

黄色框框处的的参数是可以改变的，该图为我已经改变好的，把Bootstrap 的值改为1000

Methods根据文献上的参考改为了Kimura2-parameter model.

之后点击compute,就出现了，而且还带有必需的支持率

即自展值，是用来检验你所计算的进化树分支可信度的。简单地讲就是把序列的位点都重排，重排后的序列再用相同的办法构树，如果原来树的分枝在重排后构的树中也出现了，就给这个分枝打上一分，如果没出现就给0分，这样经过你给定的repetitions次（至少1000次）重排构树打分后，每个分枝就都得出分值，计算机会给你换算成bootstrap值。重排的序列有很多组合，值越小说明分枝的可信度越低，最好根据数据的情况选用不同的构树方法和模型。

进化树方法

进化树方法

进化树方法

进化树方法（phylogenetic tree methods）是一种通过分析生物序列、形态等特征，建立生物分类理论模型的方法。其基本原理是将不同生物样本的特征数据进行比对和分析，计算出它们之间的相似性和差异性，并按照一定的规则将它们归类，最后绘制出一棵进化树（phylogenetic tree）。

该方法主要用于研究生物进化和系统发育等领域，可以帮助我们更好地理解不同生物之间的关系和演化历程。常见的进化树方法包括距离法、最小进化原理法和最大简约原则法等。其中距离法基于不同生物的遗传距离来建立进化树，最小进化原理法则是寻找最小的进化路径，而最大简约原则法则是保留最少的节点和分支，以得到最简洁的进化树。

进化树方法与分子时钟方法、分子标记等方法相结合，可以使研究更加准确和全面。

系统进化树的构建

系统进化树的构建

系统进化树的构建

一、什么是系统进化树

系统进化树，又称为生命进化树或物种树，是描述生物进化关系的一种图形表达方式。它通过比较不同物种之间的形态、生理特征以及遗传信息等多方面的数据，将它们按照演化顺序排列在一个分枝结构图中，以展示各个物种之间的亲缘关系和演化历程。

二、系统进化树的构建方法

1. 形态学比较法

形态学比较法是最早被使用的构建系统进化树的方法。该方法主要通过对不同物种之间形态特征的比较，确定它们之间的亲缘关系。例如，通过对鸟类翅膀长度和颜色等特征进行比较，可以确定它们之间的亲缘关系，并将它们排列在一个分枝结构图中。

2. 分子生物学方法

随着分子生物学技术的发展，越来越多的研究者开始使用DNA序列等遗传信息来构建系统进化树。这种方法主要是通过比较不同物种DNA序列或蛋白质序列之间的差异性，来推断它们之间的亲缘关系。例如，通过对人类、猩猩和大猩猩的DNA序列进行比较，可以确定它们在进化过程中的亲缘关系。

3. 综合方法

综合方法是将形态学比较法和分子生物学方法结合起来，以获得更准确的系统进化树。该方法主要是通过对不同物种之间形态特征和遗传信息等多方面的数据进行综合分析，来推断它们之间的亲缘关系。例如，通过对恐龙化石的形态特征和DNA序列进行比较，可以确定它们在进化过程中的亲缘关系。

三、系统进化树的构建步骤

1. 收集数据

构建系统进化树需要收集大量的数据，包括形态特征、遗传信息等多方面的数据。这些数据可以通过实验、文献调查等方式获取。

2. 数据处理

收集到的数据需要进行处理和分析，以便于构建系统进化树。这些处理包括序列比对、计算差异性等操作。

3. 构建树型结构

在经过数据处理后，就可以开始构建系统进化树了。该步骤主要是将不同物种之间的亲缘关系按照演化顺序排列在一个分枝结构图中。

4. 树型验证

构建完系统进化树后，需要对其进行验证。这可以通过计算分支长度、计算拓扑稳定性等方式来实现。