多重序列比對

1、多重序列比對序列相似性比較： 就是將待研究序列與就是將待研究序列與DNA或蛋白質(zhì)序列庫進行比較，用于確或蛋白質(zhì)序列庫進行比較，用于確定該序列的生物屬性，也就是找出與此序列相似的已知序列是什定該序列的生物屬性，也就是找出與此序列相似的已知序列是什么。完成這一工作只需要使用兩兩序列比較算法。常用的程序包么。完成這一工作只需要使用兩兩序列比較算法。常用的程序包有有BLAST、FASTA等等；序列同源性分析： 是將待研究序列加入到一組與之同源，但來自不同物種的是將待研究序列加入到一組與之同源，但來自不同物種的序列中進行多序列同時比較，以確定該序列與其它序列間序列中進行多序列同時比較，以確定該序列與其它

2、序列間的同源性大小。這是理論分析方法中最關(guān)鍵的一步。完成的同源性大小。這是理論分析方法中最關(guān)鍵的一步。完成這一工作必須使用多序列比較算法。常用的程序包有這一工作必須使用多序列比較算法。常用的程序包有CLUSTAL等；等；r 用于描述一組序列之間的相似性關(guān)系，用于描述一組序列之間的相似性關(guān)系，以便了解一個基因家族的基本特征，尋以便了解一個基因家族的基本特征，尋找找motif，保守區(qū)域等。，保守區(qū)域等。r 用于描述一個同源基因之間的親緣關(guān)系用于描述一個同源基因之間的親緣關(guān)系的遠近，應(yīng)用到分子進化分析中。的遠近，應(yīng)用到分子進化分析中。r 基因和蛋白質(zhì)功能分析基因和蛋白質(zhì)功能分析r 其他應(yīng)用，如構(gòu)建其

3、他應(yīng)用，如構(gòu)建profile，打分矩陣等。，打分矩陣等。C-terminalN-terminalAMP-bindingr 1. 最優(yōu)的多序列比對，其兩兩序列之間的比對最優(yōu)的多序列比對，其兩兩序列之間的比對不一定最優(yōu)不一定最優(yōu)最優(yōu)的多序列比對非最優(yōu)的雙序列比對r 1. 漸進方法：漸進方法：progressive methods|ClustalW/X, T-Coffeer 2. 迭代算法：迭代算法：iterative methods|PRRP, DIALIGNr 3. 部分有向圖算法：部分有向圖算法：|Partial Order Algorithm (POA)r 4. 全局多序列比對的隱馬爾科夫模

4、型全局多序列比對的隱馬爾科夫模型|ProbCons r 5. 整合算法：整合算法：meta-methods|MUSCLEr (1) ClustalW/X|a. Clustal: 1988年開發(fā)年開發(fā)|b. ClustalW: 1994年，年，Julie D. Thompson等人改進、開發(fā)等人改進、開發(fā)|c. ClustalX: 1997年，圖形化軟件年，圖形化軟件r (2) T-Coffeer 1. 將所有序列兩兩比對，計算距離矩陣；將所有序列兩兩比對，計算距離矩陣；r 2. 構(gòu)建鄰接進化樹構(gòu)建鄰接進化樹(neighbor-joining tree)/指導(dǎo)樹指導(dǎo)樹(guide tree)；r

5、 3. 將距離將距離最近最近的兩條序列用動態(tài)規(guī)劃的算的兩條序列用動態(tài)規(guī)劃的算法進行比對；法進行比對；r 4. “漸進漸進”的加上其他的序列的加上其他的序列兩兩比對，構(gòu)建距離矩陣指導(dǎo)樹的構(gòu)建漸進比對1.1.輸入輸出格式。輸入輸出格式。 輸入序列的格式比較靈活，可以是前面介紹過的輸入序列的格式比較靈活，可以是前面介紹過的FASTA格式，還可以是格式，還可以是PIRPIR、SWISS-PROTSWISS-PROT、GDEGDE、ClustalClustal、GCG/MSFGCG/MSF、RSFRSF等格式。等格式。 輸出格式也可以選擇，有輸出格式也可以選擇，有ALN、GCGGCG、PHYLIPPHY

6、LIP和和NEXUSNEXUS等，等，用戶可以根據(jù)自己的需要選擇合適的輸出格式。用戶可以根據(jù)自己的需要選擇合適的輸出格式。2.2.兩種工作模式。兩種工作模式。 a.多序列比對模式。 b.剖面(profile)比對模式。輸入文件的格式輸入文件的格式(fasta)(fasta)：KCC2_YEASTKCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTN NYIFGRTLGAGSFGVVRQARKLSTNDMK_HUMANDMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK. DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMN

7、K.KPRO_MAIZEKPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLENDAF1_CAEELDAF1_CAEELQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALDQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD1CSN1CSN HYKVGRRIGEGSFGVIFEGTNLLNN HYKVGRRIGEGSFGVIFEGTNLLNNr 第一步：輸入序列文件。第一步：輸入序列文件。r 第二步：設(shè)定比對的一些參數(shù)。第二步：設(shè)定比對的一些參數(shù)。r 參數(shù)

8、設(shè)定窗口。參數(shù)設(shè)定窗口。r 部分參數(shù)定義r Gap opening penalty：增大數(shù)值使 gap 數(shù)目減少r Gap extension penalty：增大數(shù)值使 gap 長度變短r Weight transition：AG 轉(zhuǎn)換或 CT 轉(zhuǎn)換（multiple DNA sequence alignment）r Hydrophilic gap：選擇“ on” 將增加形成 gap 的機會（multiple protein sequence alignment）r Residue-specific gap penalties：選擇“ on” 將增加在某些氨基酸殘基處形成 gap 的機會，而

9、減少在另一些氨基酸殘基處形成 gap 的機會（multiple protein sequence alignment）r 第三步：開始序列比對。第三步：開始序列比對。r 第四步：比對完成，選擇保存結(jié)果文件的格式第四步：比對完成，選擇保存結(jié)果文件的格式r 產(chǎn)生輸出的ALN文件r 產(chǎn)生輸出的DND文件，它是系統(tǒng)的種系樹r 1. 距離最近的，有兩組序列距離最近的，有兩組序列AB和和CD，哪，哪組最先比對？兩種方案：組最先比對？兩種方案：|A. 分別、同時比對。但是，是以分別、同時比對。但是，是以AB為準，加為準，加入入CD，然后再加上其他序列，還是，然后再加上其他序列，還是CD為準？為準？結(jié)果可能出

10、入很大結(jié)果可能出入很大|B. 隨機挑選一組作為基準隨機挑選一組作為基準r 2. 當序列差異較大時，上述問題更加明顯當序列差異較大時，上述問題更加明顯r 1. 三條序列：三條序列：r 2.若若Seq1,2先比對，先比對，再加入再加入Seq3：r 3. Seq1,3先比對，再先比對，再加入加入Seq2:r 4. Seq2,3先比對，再先比對，再加入加入Seq1:Seq1: ARKCVSeq2: ARCVSeq3: AKCVARKCVAR-CVA-KCVAR C VA-RCVA-KCVARKCVAR-CVAK-CVr 算法分為三個部分，每個部分相對獨立；算法分為三個部分，每個部分相對獨立；r 1.

11、Draft progressive: |(1) 對兩條序列，計算距離采用對兩條序列，計算距離采用k-mer的思想；的思想；|(2) 用用UPGMA算法構(gòu)建引導(dǎo)樹算法構(gòu)建引導(dǎo)樹|(3) 使用漸進算法進行多序列比對使用漸進算法進行多序列比對r 優(yōu)點：兩條序列之間的距離不采用動態(tài)規(guī)優(yōu)點：兩條序列之間的距離不采用動態(tài)規(guī)劃算法進行比對，節(jié)省時間劃算法進行比對，節(jié)省時間r 2. Improved progressive: |(1)基于基于k-mer得到的樹可能會產(chǎn)生次優(yōu)結(jié)果，得到的樹可能會產(chǎn)生次優(yōu)結(jié)果，因此，采用因此，采用Kimura距離的方法對距離的方法對k-mer產(chǎn)生產(chǎn)生的樹重新計算距離矩陣的樹重新計

12、算距離矩陣|(2)重新用重新用UPGMA構(gòu)建進化樹構(gòu)建進化樹|(3)使用漸進算法進行多序列比對使用漸進算法進行多序列比對r 2. Refinement: |(1)隨機從進化樹上挑出一條邊，刪除隨機從進化樹上挑出一條邊，刪除|(2)得到兩組樹，對每組樹，計算得到兩組樹，對每組樹，計算profile|(3)將兩組將兩組profile進行比對進行比對|(4)如果最終得分提高，保留結(jié)果，否則丟棄如果最終得分提高，保留結(jié)果，否則丟棄 在許多情況下多序列比對需要揭示被多個非保守區(qū)間隔的多個保守區(qū)，對此MAP2是個有效工具。下面的截圖介紹如何使用在線版的MAP2 。1.在線MAP2的網(wǎng)址以及兩種輸入數(shù)據(jù)提供方式。在本例中數(shù)據(jù)被貼入提供的窗口，數(shù)據(jù)與ClustalX2.0中相同，是23個動物中的miR-19。2.主要的參數(shù)及其缺省值。DNA block penalty（Linux版本的參數(shù)major_diff）影響非保守區(qū)塊的大小，mismatch score、gap open penalty和gap extension penalty只影響保守區(qū)中的全局比對。3.MAP2以兩種方式返回三個結(jié)果 在線