【生物信息學(xué)二版】序列比對(duì)PPT課件

1、生物信息學(xué)，第二章序列比較，南方醫(yī)科大學(xué)珠海吉林大學(xué)李英，生物信息學(xué)，3，1節(jié)簡(jiǎn)介，第1節(jié)introduction，4，(1)同源，兩個(gè)序列享有一種共同進(jìn)化，對(duì)于這兩個(gè)序列，他們不能說動(dòng)員或其他來源的70%或80%的動(dòng)員。同源，相似性和距離，5、同源是垂直同源和水平同源，垂直同源和水平同源。6，(2)相似性和距離，相似性和距離可分為相似性：匹配序列之間的相似性。距離：對(duì)應(yīng)序列之間的差異程度。相似性可以用于全局匹配和局部匹配，但距離通常僅用于全局匹配。這是因?yàn)樗从沉藢⒁粋€(gè)序列轉(zhuǎn)換為另一個(gè)序列所需的字符替換成本。7，2，相似性和距離的定量描述，相似性可以量化為兩個(gè)序列的函數(shù)。也就是說，它可以有多

2、個(gè)值。值的大小取決于兩個(gè)序列中相應(yīng)位置的相同字符數(shù)。值越大，表示兩個(gè)序列越相似。“編輯距離”(edit distance)可以定量定義為兩個(gè)序列的函數(shù)，其值取決于兩個(gè)序列中相應(yīng)位置的差異字符數(shù)，或者值越小，表示兩個(gè)序列越相似。8，無論在匹配，分?jǐn)?shù)上使用什么計(jì)分函數(shù)，相似性都定義為總等效最大分?jǐn)?shù)。對(duì)于k序列，如果對(duì)每列中的所有替換操作使用一個(gè)函數(shù)cost()進(jìn)行計(jì)分，則多個(gè)序列之間的距離等于最小分?jǐn)?shù)。9，11，3，算法實(shí)現(xiàn)比較，用計(jì)算機(jī)科學(xué)術(shù)語比較兩個(gè)序列是查找兩個(gè)序列的最長(zhǎng)公共子序列(longest common subsequence，LCS)，反映了兩個(gè)序列的最高相似性。12，動(dòng)態(tài)規(guī)劃法示

3、意圖，(a)使用動(dòng)態(tài)規(guī)劃法查找兩個(gè)序列最長(zhǎng)的公共部分。(b)創(chuàng)建動(dòng)態(tài)計(jì)劃表單。13，4，序列排序的作用，共同序列排序突變分析系統(tǒng)分析保守段分析基因和蛋白質(zhì)功能分析，14，2節(jié)比較算法摘要，第2節(jié)Alignment Algorithms，15，(16，b .兩個(gè)序列有一個(gè)公共子序列。17，c .兩個(gè)序列反向匹配，18，d。兩個(gè)序列有兩個(gè)不連續(xù)的子序列。19，(2) DNA序列匹配的替換分?jǐn)?shù)矩陣，相應(yīng)的矩陣。20，核苷酸轉(zhuǎn)換矩陣，21，(3)蛋白質(zhì)序列匹配的替換分?jǐn)?shù)矩陣，等效矩陣遺傳密碼矩陣(GCM)疏水矩陣(hydrophobic matrix) PAM矩陣BLOSUM矩陣，2，PAM/BLOS

4、UM矩陣數(shù)與序列親緣關(guān)系的比較，23、2、2、2、2、2、2、2、2、2、2、2、2、2、2、2、2、2、2、2、2 M=a.I和b1.j的最大相似度分?jǐn)?shù)。24，w(c，D)是字母C和D根據(jù)替換分?jǐn)?shù)矩陣計(jì)算的分?jǐn)?shù)。您可以按照以下規(guī)則建立分?jǐn)?shù)矩陣：S (I，0)=0，0i m s (0，j)=0，0j n，s (I-1，j-1) w (ai，bj)。W(a，-)=w(-，b)=w(不一致)=-1，26，分?jǐn)?shù)矩陣、28、4、多序列全局比較、多序列匹配主要包含四個(gè)元素。選擇一組可匹配的序列(要求是源序列)。選擇實(shí)現(xiàn)比較和分?jǐn)?shù)的算法和軟件。確定軟件的參數(shù)。合理解釋比較結(jié)果。與雙序列排序類似，多序列排序

5、也具有全局和局部匹配。29，(a)多序列匹配的動(dòng)態(tài)編程方法，(a)計(jì)算三個(gè)序列之間的比較單位(I，j，k)取決于七個(gè)前置項(xiàng)。(b) u=atgtat，v=ATCGTAC，w=ATGC計(jì)算三階對(duì)應(yīng)三維分?jǐn)?shù)矩陣。計(jì)算三個(gè)序列匹配，30，(2)漸進(jìn)式多序列匹配，三個(gè)序列的匹配匹配不一定合并為一個(gè)多序列匹配.對(duì)于接近或超過31、100個(gè)序列的多序列匹配，增量多序列匹配更有效。最流行的漸進(jìn)多序列比較軟件是Clustal家族。32、ClustalW具有以下特征：首先，在匹配中為每個(gè)序列指定特殊權(quán)重，以減少高近似序列的影響，并增加遠(yuǎn)處序列的影響(參見下圖)。ClustalW如何將權(quán)限授予序列，33，二，根據(jù)

6、序列間進(jìn)化距離的離婚，在徐璐不同階段徐璐使用不同的氨基酸替代矩陣。第三，使用與特定氨基酸相關(guān)的空缺(gap)罰分函數(shù)，對(duì)親水氨基酸區(qū)域的空缺進(jìn)行了低罰。第四，在早期配對(duì)比較中，對(duì)出現(xiàn)空缺的位置的處罰較少，對(duì)引入空缺和擴(kuò)大空缺的懲罰也不同。34，迭代方法基于一致性的方法遺傳算法，其他多序列全局匹配方法，35，5，多序列局部匹配，全局匹配，公共特征假定序列中的所有相應(yīng)字符都可以匹配，所有字符都具有相同的重要性，插入空格以匹配整個(gè)序列，包括兩端對(duì)齊。局部匹配不假定整個(gè)序列可以匹配。關(guān)注考慮序列中可高度匹配的一個(gè)部分將賦予該部分較大的分?jǐn)?shù)權(quán)重，插入空格以更好地匹配高度匹配的段。36、2個(gè)序列的全局和局

7、部比較可以得到完全不同的結(jié)果。37，基于隱藏Markov模型的多序列比較方法，隱藏Markov模型和3個(gè)蛋白質(zhì)序列PHSFTYVMT，PGSFTYW，RFTGFW的最小公共超圖，38；2.將序列與隨機(jī)生成的序列集進(jìn)行比較，然后將比分與對(duì)應(yīng)的分?jǐn)?shù)進(jìn)行比較。3.隨機(jī)重組兩個(gè)序列中的任意一個(gè)。例如，重組100次，與其他序列相比，獲得一組對(duì)應(yīng)分?jǐn)?shù)。39，3節(jié)數(shù)據(jù)庫搜索，3節(jié)數(shù)據(jù)庫搜索，40，1，經(jīng)典BLAST，基本BLAST算法本身很簡(jiǎn)單。重點(diǎn)是“段對(duì)”(segment pair)。41、BLAST的查詢序列和數(shù)據(jù)庫類型，42，BLAST算法圖，43，2，衍生的BLAST，(1) PSI-BLAST主

8、要用來搜索感興趣的蛋白質(zhì)和較遠(yuǎn)的蛋白質(zhì)。(b) PHI-BLAST有助于判斷這種蛋白質(zhì)屬于哪個(gè)家族。(c) BLASTZ BLASTZ是在人類和老鼠的基因組中開發(fā)的，適合比較非常長(zhǎng)的序列。44，3，Blat，Blat(BLAST-Like Alignment Tool)與BLAST搜索原理類似，但開發(fā)了用于全基因組分析的技術(shù)。BLAT的優(yōu)點(diǎn)是速度快。比BLAST快幾百倍。根本原因是： BLAST索引查詢序列，而BLAT索引搜索數(shù)據(jù)庫。BLAT將相關(guān)的線性比較結(jié)果鏈接為較大的比較結(jié)果。45、4、RNA序列搜索、RNA序列匹配/搜索算法可分為兩大類：查詢序列(查詢序列)的結(jié)構(gòu)未知，需要查找與數(shù)據(jù)庫

9、結(jié)構(gòu)相似的同源序列。，46，利用查詢序列的結(jié)構(gòu)信息，建立描述RNA序列的公共結(jié)構(gòu)的概率模型，可以細(xì)分為數(shù)據(jù)庫搜索。根據(jù)索引(index)或motif(motif)中介紹的方法，定義RNA結(jié)構(gòu)或公共結(jié)構(gòu)并執(zhí)行數(shù)據(jù)庫搜索。47，5，數(shù)據(jù)庫搜索的統(tǒng)計(jì)重要性，典型BLAST搜索的輸出包括E值和分?jǐn)?shù)，分為原始分?jǐn)?shù)和位分?jǐn)?shù)。P=1-e-E，P和E值是使用E值而不是P值定義搜索的統(tǒng)計(jì)重要性的兩種不同方法。48、第iv節(jié)比較軟件、參數(shù)和數(shù)據(jù)資源、第4節(jié)alignment software、Parameter and Resource、49.49，1，參數(shù)選擇的一般原則，空白罰分存在一些問題，對(duì)于大小不同的空缺

10、，罰分空白的引入和擴(kuò)大是否徐璐給予其他罰分。50，如果數(shù)據(jù)庫搜索產(chǎn)生太多返回結(jié)果，則可以采取以下措施：使用參照序列(帶有“refseq”)的數(shù)據(jù)庫可以減少大量重復(fù)結(jié)果。通過確保祖懷順序僅包含一個(gè)域，減少多域?qū)е碌亩鄠€(gè)匹配。根據(jù)查詢序列和數(shù)據(jù)庫序列之間的關(guān)系，使用更合適的替代分?jǐn)?shù)矩陣。減小e值。51，如果數(shù)據(jù)庫搜索返回的結(jié)果太少，可以采取以下措施：增加e值。使用較大的PAM矩陣或較小的BLOSUM矩陣?？s短字符長(zhǎng)度，減小閾值。52，2，主要比較軟件，53，3，EBI的序列匹配工具，54、4、UCSC中的BLAT匹配工具、BLAT聯(lián)機(jī)工具輸入界面、55，Bl。57、1、glocal比較、兩個(gè)序列的本地、全局和glocal匹配路徑、58，2，全基因組比較，59，UCSC基因組瀏覽器中使用的多序列比較在很多方面有所改善。首先，使用“參照序列”(reference sequence)，使用BLASTZ將每個(gè)序列與參照序列進(jìn)行局部匹配，將參照序列的一個(gè)堿基與另一序列的多個(gè)堿基進(jìn)行比較。其次，根據(jù)分?jǐn)?shù)矩陣和兩個(gè)序列的系譜關(guān)系，匹配的結(jié)果被稱為“連接”和“網(wǎng)絡(luò)”。然后，U