核苷酸或氨基酸很
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
序列分析（四）
一一分子进化 (系统发生分析2)
3.2 最大简约法（MP）
最大简约法(maximum parsimony,MP)最 早源于形态性状研究，现在已经推广到分子 序列的进化分析中。最大简约法的理论基础 是奥卡姆（Ockham）哲学原则，这个原则认 为：解释一个过程的最好理论是所需假设数 目最少的那一个。
进化树的可靠性分析:
自展法（Bootstrap Method）
1. 从排列的多序列中随机有放回的抽取某一序列，
构成新的排列序列；
2. 重复上面的过程，得到多组新的序列； 3. 对这些新的序列进行建树，再观察这些树与原始
树是否有差异，以此评价建树的可靠性。
4. 氨基酸与DNA的进化 距离
（1）位点不存在回复突变、平行突变； （2）被分析的序列较长，核苷酸或氨基酸数目很大；
（3）序列的相似度较高；
（4）核苷酸或氨基酸替代速率较稳定。
优点： 不需要在处理核苷酸或者氨基酸替代的时 候引入假设（替代模型）。 此外，最大简约法对于分析某些特殊的分 子数据如插入、缺失等序列有用。 缺点：
在分析序列上存在较多的回复突变或平行 突变，而被检验的序列位点数又比较少的时候， 最大简约法可能会给出一个不合理的甚至错误 的进化树推导结果。
1. Position 5, 7, 9为信息位点； 2. 基于position 5的三个MP树: Tree 1长度是1，Tree 2和Tree 3的长度是2； 3. Tree 1更为简约：总长：4； Tree 2长5；Tree 3长6；
4. 计算结果：MP tree的最优结果为Tree 1.
MP法适用的问题
3.3 最大似然法（ML）
利用ML构建进化树的步骤: 1. 选取一个特定的替代模型来分析给定的一组序列 数据; 2. 使得获得的每一个拓扑结构的似然率都为最大值 ; 3. 然后再挑出其中似然率最大的拓扑结构作为最优 树。 缺点：巨大的计算量 优点：具有很好的统计学理论基础，在当样本量很 大的时候，似然法可以获得参数统计的最小方差。 只要使用了一个合理的、正确的替代模型，最大 似然法可以推导出一个很好的进化树结果。
最大简约法利用的是信息位点，所谓信息位点就 是指能由位点产生的突变数目把一棵树与其它树区分
开来的位点。
信息位点必须是至少存在2种不同碱基且每种碱 基至少出现两次的位点。
根据信息位点可构建不同的拓扑进化树，对所有
可能的拓扑结构进行最小核苷酸替换数总和的计算，
算出所需替代数最小的那个拓扑结构，作为最优树。
3.4 构建进化树的一般原则
一般采用两种以 上方法构建进化 树，无显著区别 可接受。
选择外群（Outgroup）
1. 选择一个或多个已知与分析序列关系较远
的序列作为外群；
2.外群可以辅助定位树根； 3.外群序列必须与剩余序列关系较近，但外
群序列与其他序列间的差异必须比其他序列 之间的差异更显著。
P距离
nd p n
所有的插入/缺 失都要删除！
不同物种的血红蛋白α链中不同氨基酸的数目及比例。长度：140aa
泊松校正
1. 序列差异的百分比( p )与分歧时间 t 的关系：t 较
短的时候，回复突变较少，两者大致成线性关系； 当 t 较大时，回复突变增多，二者成非线性关系； 2. 令 r 为某一位点每年的氨基酸替代率，并假设所 有位点的 r 都相同：基本假设； 3. 在时间 t 年之后，每个位点替代的平均数为：rt; 给定一个位点，氨基酸替代数 k (k=0,1,2,3,…)的可 能性遵循泊松分布，即 e rt (rt ) k P(k ; t ) k! rt 4. 因此，某一位点氨基酸不变的概率为 P(0; t ) e
1. 祖先序列未知：不知道当前的序列从何演化而来。
2. 解决方案：对两条已经有 t 年分化的序列，一条序 e rt ，两条序列则为： q (ert )2 e2rt 列无替代的概率为：
3. 则发生突变的概率为p=1-q;
4. 泊松校正距离d=2rt 5. 因此，
q (e rt ) 2 e 2 rt 1 p e d d ln(1 p ) d ln(1 p )
4.2 DNA的演化距离
1. 基因组上存在着多种多样的DNA区域，例
如蛋白质编码区，非编码区，内含子，侧翼 区，重复片断以及插入序列等；
2. 考虑编码区的DNA序列的进化演变模型； 3. Jukes-Cantor法与Kimura两参数法
1. 对于两条长度为n的DNA序列，不同的碱基对为nd;
4.1 氨基酸的演化距离
1. 分子进化的分析：基于氨基酸序列的分析
早于DNA序列。 2. 优势：氨基酸序列更为保守，对年代跨度 大的进化分析有帮助；数学模型较DNA更为 简单； 3. p距离：p-distance; 4. 泊松校正，d距离； 5. Г距离；
P-distance
令两条蛋白质序列之间的氨基酸差异数为nd, 所有序列的氨基酸数目相同为n，则
d=-ln(1-p)，即泊松距离。
ห้องสมุดไป่ตู้
P-距离 vs. 泊松距离
Г距离
1. p-距离和泊松距离：氨基酸替代率在所有位点是
相同的； 2. 实际情况：功能次要的位点比功能重要的位点替 代率更高； 3.氨基酸替代率的实际观测与Г分布近似符合。 Г距离是： a需要估算，一般在0.2-3.5之间。一般来说，p>0.2 并且a<0.65的时候，用Г分布能够得到较好的结果
最大似然法（ML）的创始人 ————杨子恒 2006年英国皇家科学院，大陆旅 英学者中获此殊荣的第一人，现 为伦敦大学学院统计遗传学教授。 出生在甘肃定西地区的通渭县， 1980年他考进甘肃农业大学，学 的是畜牧专业，“误入”生物领 域。后来在北京农业大学读研究 生时，选择了与数学关系密切的 统计遗传学。
2. 核苷酸的改变p：转换P、颠换Q，则：p=P+Q
3. 当p较小时，如果核苷酸替代是随机发生的，通常
转换比颠换出现频率高； Jukes-Cantor法得到的两条DNA序列的距离：
一一分子进化 (系统发生分析2)
3.2 最大简约法（MP）
最大简约法(maximum parsimony,MP)最 早源于形态性状研究，现在已经推广到分子 序列的进化分析中。最大简约法的理论基础 是奥卡姆（Ockham）哲学原则，这个原则认 为：解释一个过程的最好理论是所需假设数 目最少的那一个。
进化树的可靠性分析:
自展法（Bootstrap Method）
1. 从排列的多序列中随机有放回的抽取某一序列，
构成新的排列序列；
2. 重复上面的过程，得到多组新的序列； 3. 对这些新的序列进行建树，再观察这些树与原始
树是否有差异，以此评价建树的可靠性。
4. 氨基酸与DNA的进化 距离
（1）位点不存在回复突变、平行突变； （2）被分析的序列较长，核苷酸或氨基酸数目很大；
（3）序列的相似度较高；
（4）核苷酸或氨基酸替代速率较稳定。
优点： 不需要在处理核苷酸或者氨基酸替代的时 候引入假设（替代模型）。 此外，最大简约法对于分析某些特殊的分 子数据如插入、缺失等序列有用。 缺点：
在分析序列上存在较多的回复突变或平行 突变，而被检验的序列位点数又比较少的时候， 最大简约法可能会给出一个不合理的甚至错误 的进化树推导结果。
1. Position 5, 7, 9为信息位点； 2. 基于position 5的三个MP树: Tree 1长度是1，Tree 2和Tree 3的长度是2； 3. Tree 1更为简约：总长：4； Tree 2长5；Tree 3长6；
4. 计算结果：MP tree的最优结果为Tree 1.
MP法适用的问题
3.3 最大似然法（ML）
利用ML构建进化树的步骤: 1. 选取一个特定的替代模型来分析给定的一组序列 数据; 2. 使得获得的每一个拓扑结构的似然率都为最大值 ; 3. 然后再挑出其中似然率最大的拓扑结构作为最优 树。 缺点：巨大的计算量 优点：具有很好的统计学理论基础，在当样本量很 大的时候，似然法可以获得参数统计的最小方差。 只要使用了一个合理的、正确的替代模型，最大 似然法可以推导出一个很好的进化树结果。
最大简约法利用的是信息位点，所谓信息位点就 是指能由位点产生的突变数目把一棵树与其它树区分
开来的位点。
信息位点必须是至少存在2种不同碱基且每种碱 基至少出现两次的位点。
根据信息位点可构建不同的拓扑进化树，对所有
可能的拓扑结构进行最小核苷酸替换数总和的计算，
算出所需替代数最小的那个拓扑结构，作为最优树。
3.4 构建进化树的一般原则
一般采用两种以 上方法构建进化 树，无显著区别 可接受。
选择外群（Outgroup）
1. 选择一个或多个已知与分析序列关系较远
的序列作为外群；
2.外群可以辅助定位树根； 3.外群序列必须与剩余序列关系较近，但外
群序列与其他序列间的差异必须比其他序列 之间的差异更显著。
P距离
nd p n
所有的插入/缺 失都要删除！
不同物种的血红蛋白α链中不同氨基酸的数目及比例。长度：140aa
泊松校正
1. 序列差异的百分比( p )与分歧时间 t 的关系：t 较
短的时候，回复突变较少，两者大致成线性关系； 当 t 较大时，回复突变增多，二者成非线性关系； 2. 令 r 为某一位点每年的氨基酸替代率，并假设所 有位点的 r 都相同：基本假设； 3. 在时间 t 年之后，每个位点替代的平均数为：rt; 给定一个位点，氨基酸替代数 k (k=0,1,2,3,…)的可 能性遵循泊松分布，即 e rt (rt ) k P(k ; t ) k! rt 4. 因此，某一位点氨基酸不变的概率为 P(0; t ) e
1. 祖先序列未知：不知道当前的序列从何演化而来。
2. 解决方案：对两条已经有 t 年分化的序列，一条序 e rt ，两条序列则为： q (ert )2 e2rt 列无替代的概率为：
3. 则发生突变的概率为p=1-q;
4. 泊松校正距离d=2rt 5. 因此，
q (e rt ) 2 e 2 rt 1 p e d d ln(1 p ) d ln(1 p )
4.2 DNA的演化距离
1. 基因组上存在着多种多样的DNA区域，例
如蛋白质编码区，非编码区，内含子，侧翼 区，重复片断以及插入序列等；
2. 考虑编码区的DNA序列的进化演变模型； 3. Jukes-Cantor法与Kimura两参数法
1. 对于两条长度为n的DNA序列，不同的碱基对为nd;
4.1 氨基酸的演化距离
1. 分子进化的分析：基于氨基酸序列的分析
早于DNA序列。 2. 优势：氨基酸序列更为保守，对年代跨度 大的进化分析有帮助；数学模型较DNA更为 简单； 3. p距离：p-distance; 4. 泊松校正，d距离； 5. Г距离；
P-distance
令两条蛋白质序列之间的氨基酸差异数为nd, 所有序列的氨基酸数目相同为n，则
d=-ln(1-p)，即泊松距离。
ห้องสมุดไป่ตู้
P-距离 vs. 泊松距离
Г距离
1. p-距离和泊松距离：氨基酸替代率在所有位点是
相同的； 2. 实际情况：功能次要的位点比功能重要的位点替 代率更高； 3.氨基酸替代率的实际观测与Г分布近似符合。 Г距离是： a需要估算，一般在0.2-3.5之间。一般来说，p>0.2 并且a<0.65的时候，用Г分布能够得到较好的结果
最大似然法（ML）的创始人 ————杨子恒 2006年英国皇家科学院，大陆旅 英学者中获此殊荣的第一人，现 为伦敦大学学院统计遗传学教授。 出生在甘肃定西地区的通渭县， 1980年他考进甘肃农业大学，学 的是畜牧专业，“误入”生物领 域。后来在北京农业大学读研究 生时，选择了与数学关系密切的 统计遗传学。
2. 核苷酸的改变p：转换P、颠换Q，则：p=P+Q
3. 当p较小时，如果核苷酸替代是随机发生的，通常
转换比颠换出现频率高； Jukes-Cantor法得到的两条DNA序列的距离：