實(shí)驗(yàn)四 基于Matlab的序列比對(duì)分析3-25.doc

實(shí)驗(yàn)四 基于Matlab的序列比對(duì)分析實(shí)驗(yàn)?zāi)康? 了解MATLAB7.x生物信息工具箱中的序列比對(duì)方法；2 熟悉從數(shù)據(jù)庫(kù)獲取序列信息, 查找序列的開放閱讀框, 將核普酸序列轉(zhuǎn)換為氨基酸序列, 繪制比較兩氨基酸序列的散點(diǎn)圖, 用Needleman-wunsch算法和Smith-Waterman算法進(jìn)行比對(duì), 以及計(jì)算兩序列的同一性的方法；3 熟悉與序列比對(duì)相關(guān)的生物信息學(xué)函數(shù)。所需軟件MATLAB 7.0或MATLAB 7.0以上的版本實(shí)驗(yàn)內(nèi)容序列比對(duì)是生物信息學(xué)的重要基礎(chǔ)。進(jìn)行序列比對(duì)的目的之一是判斷兩個(gè)序列之間是否具有足夠的相似性，從而判定二者之間是否具有同源性。序列比對(duì)的基本算法主要有兩個(gè)，一個(gè)是用于全局比對(duì)的Needleman-Wunsch算法，另一個(gè)是主要用于局部比對(duì)的Smith-Waterman算法，而后者又是在前者的基礎(chǔ)上發(fā)展起來的。在MATLAB生物信息工具箱中，序列比對(duì)主要用這兩種算法。確定兩個(gè)序列的相似性是生物信息學(xué)的基礎(chǔ)工作，通過序列比對(duì)（又稱序列聯(lián)配），可以確定兩個(gè)序列是否具有同源性。 1. 查找序列信息 Tay-Sachs癥是一種由于缺乏-氨基已糖苷酶A（Hex A）而導(dǎo)致的常染色體隱性遺傳疾病。這種酶能分解大腦和神經(jīng)細(xì)胞中的神經(jīng)節(jié)苷脂（GM2）?；騂EXA編碼該酶的亞基，而第三個(gè)基因GM2A編碼活化劑蛋白質(zhì)GM2。1.1 查找目的基因Tay-Sachs在NCBI（）上查找信息，在Search列表中選擇Nucleotide,在for框中輸入Tay-Sachs, 點(diǎn)擊Go。1.2 讀入序列數(shù)據(jù)查找結(jié)果返回編碼酶HexA的和亞基的基因和編碼活化劑酶的相關(guān)頁(yè)面。NCBI中人類基因HEXA的登錄號(hào)是NM_000520。用fastaread或genbankread函數(shù)可將基因信息被以結(jié)構(gòu)列表的形式導(dǎo)入MATLAB工作區(qū)。方式1：HumanHEXA = fastaread(NM_000520.fasta);humanHEXA=getfield(HumanHEXA,Sequence)；方式2：HumanHEXA = genbankread(NM_000520.gb)；humanHEXA=getfield(HumanHEXA,Sequence)1.3 讀入另一序列的信息mouseHEXA許多基因的序列和功能通過同源基因在進(jìn)化過程中被保留下來。同源基因就是有共同祖先或是相似序列的基因。查找公共數(shù)據(jù)庫(kù)的目的之一就是找出相似的基因。如果用戶能在數(shù)據(jù)庫(kù)中定位一個(gè)未知的基因，那么這個(gè)未知基因和已知基因的功能和特征很可能是相同的。用fastaread或genbankread函數(shù)可將鼠類HEXA基因信息被以結(jié)構(gòu)列表的形式導(dǎo)入MATLAB工作區(qū)（NCBI中鼠類基因HEXA的序列號(hào)是AK080777）。方式1： MouseHEXA = fastaread(AK080777.fasta);mouseHEXA=getfield(MouseHEXA, Sequence)方式2： MouseHEXA = genbankread(AK080777.gb)；mouseHEXA=getfield(MouseHEXA, Sequence)2 確定蛋白質(zhì)編碼序列 一個(gè)核苷酸序列在蛋白質(zhì)編碼段的前后都包含了調(diào)控序列。通過分析這個(gè)序列，可以確定在編碼最終蛋白質(zhì)中亞氨基酸的核苷酸。2.1 查找人類HEXA的ORF使用seqshoworfs函數(shù)輸出人類HEXA的所有閱讀框中ORF中起始和終止密碼子的位置。humanORFs = seqshoworfs(humanHEXA)結(jié)果顯示了三個(gè)閱讀框的ORF, 分別以藍(lán)色、紅色和綠色標(biāo)記, 其中最長(zhǎng)的ORF在第1個(gè)閱讀框。閱讀框部分省略閱讀框部分省略閱讀框部分省略2.2確定鼠類HEXA的ORF使用seqshoworfs函數(shù)輸出人類HEXA的所有閱讀框中ORF中起始和終止密碼子的位置。mouseORFs = seqshoworfs(mouseHEXA)結(jié)果得到三個(gè)閱讀框的ORF, 分別以藍(lán)色、紅色和綠色標(biāo)記, 其中最長(zhǎng)的ORF在第一個(gè)閱讀框。 Frame 1 閱讀框部分省略閱讀框部分省略閱讀框部分省略3. 比較氨基酸序列 在確定核苷酸序列中的ORF之后，就可以將核苷酸序列的蛋白質(zhì)編碼段轉(zhuǎn)換為相應(yīng)的氨基酸序列。并使用比對(duì)功能來確定兩序列的相似性。3.1 將ORF轉(zhuǎn)換為氨基酸序列mouseProtein = nt2aa(mouseHEXA);由于人類的ORF在第一個(gè)閱讀框, 所以需要指出其位置humanProtein = nt2aa(humanHEXA,Frame,1);3.2 繪制散點(diǎn)圖比較人類和鼠類的氨基酸序列。seqdotplot(humanProtein,mouseProtein,4,1)ylabel(Human hexosaminidase A);xlabel(Mouse hexosaminidase A);散點(diǎn)圖是確定兩序列相似性最簡(jiǎn)單的方法之一。圖中對(duì)角線平直連續(xù), 表示這兩個(gè)序列相似性較好。3.3 比對(duì)這兩個(gè)氨基酸序列下面nwalign函數(shù)有目的地比對(duì)兩序列。采用的是Needleman-wunsch算法, 可返回全局比對(duì)的計(jì)算統(tǒng)計(jì)量。globalscore, globalAlignment = nwalign(humanProtein,mouseProtein)showalignment(globalAlignment);Identities = 486/753 (65%), Positives = 570/753 (76%) 3.4 截短序列尋找終點(diǎn)：humanStops = find(humanProtein = *)mouseStops = find(mouseProtein = *)下面將序列截短至只含第一個(gè)甲硫氨酸至第一個(gè)停止符,進(jìn)行局部比對(duì)。截短序列至只包含蛋白質(zhì)的氨基酸序列和停止符。humanSeq = humanProtein(70:humanStops(2);humanSeqFormatted = seqdisp(humanSeq)mouseSeq = mouseProtein(11:mouseStops(1);mouseSeqFormatted = seqdisp(mouseSeq)3.5 比對(duì)被截短的氨基酸序列g(shù)lobalscore, globalalignment = nwalign(humanSeq,mouseSeq);showalignment(globalalignment);Identities = 450/540 (83%), Positives = 507/540 (94%)3.6 局部比對(duì)兩氨基酸序列下面swalign函數(shù)有目的地比對(duì)兩序列。采用的是Smith-Waterman算法, 可返回局部比對(duì)的計(jì)算統(tǒng)計(jì)量。localscore, localAlignment = swalign(humanProtein,mouseProtein);showalignment(localAlignment);Identities = 454/547 (83%), Positives = 514/547 (94%) 作業(yè)1進(jìn)入NCBI任意搜索兩條細(xì)菌條斑病