序列比对

19 /108
2，生物序列之间的关系
• 双序列比对（ Pairwise alignment ）：
Query: 181 catcaactacaactccaaagacacccttacacccactaggatatcaacaaacctacccac 240 |||||||| |||| |||||| ||||| | ||||||||||||||||||||||||||||||| Sbjct: 189 catcaactgcaaccccaaagccacccct-cacccactaggatatcaacaaacctacccac 247
6 /108
作业
• The Genome database provides views for a variety of genomes, complete chromosomes, sequence maps with contigs, and integrated genetic and physical maps. The database is organized in six major organism groups: Archaea, Bacteria, Eukaryotae, Viruses, Viroids, and Plasmids and includes complete chromosomes, organelles and plasmids as well as draft genome assemblies.
12 /108
1，序列比对的概念：序列比对是生物信息学
中最基本的操作
• 序列比对可以用来预测两条序列（基因或者蛋白）是否具 有相似的结构或者功能。 • 通过分析许多DNA和蛋白质序列，我们有可能确定一群分 子之间共享的结构域（domain）或模体（motif）。
• 当更多的基因组被测序，寻找物种内和物种间蛋白质的相关性对于 我们理解生命来说变得越来越重要。
10 changes
23 /108
apolipoprotein D retinol-binding protein 4 Complement component 8 Alpha-1 Microglobulin /bikunin prostaglandin D2 synthase progestagenassociated endometrial protein neutrophil gelatinaseassociated lipocalin
• 双序列比对是后面要介绍的BLAST（搜索数据库）的基础。
• 其他很多基因组的分析都基于双序列比对。
13 /108
蛋白质序列比对包含更多的信息
• 蛋白质包含更多的信息(20 vs 4 characters); 许多氨基酸 有相近的理化性质。 • 密码子具有简并性质（ degenerate ）密码子第三位改变 而氨基酸不改变。
自己ห้องสมุดไป่ตู้译
2 /108
帮助文档
http://www.ncbi.nlm.nih.gov/Sitemap/samplerecord.html
3 /108
作业
• dbSNP - database of single nucleotide polymorphisms, small-scale insertions/deletions, polymorphic repetitive elements, and microsatellite variation.
27 /108
Pairwise alignment of retinol-binding protein 4 and b-lactoglobulin（乳球蛋白）
Identity (bar)
28 /108
Pairwise alignment of retinol-binding protein 4 and b-lactoglobulin（乳球蛋白）
16 /108
Pairwise sequence alignment allows us to look back billions of years ago (BYA)
Origin of Earliest life fossils Origin of Eukaryote/ Fungi/animal eukaryotes archaea Plant/animal insects
4 /108
作业
• Entrez Gene is a searchable database of genes, from RefSeq genomes, and defined by sequence and/or located in the NCBI Map Viewer
5 /108
作业
• Genes and Disease - introduction to the relationship between genetic factors and human disease. Summary information for ~60 genetic diseases with links to related databases and organizations.
课堂练习
• 查找rectal cancer（直肠癌） 在Homo sapiens中相关的基因。 • TP53（ Homo sapiens ）：mrna和蛋白质数目以及在染色体的位置。 • TP53（ Homo sapiens ） ：unigene中的数据。 • TP53为基因名。
1 /108
作业
• • • CDS Coding sequence; region of nucleotides that corresponds with the sequence of amino acids in a protein (location includes start and stop codons). gene A region of biological interest identified as a gene and for which a name has been assigned.
• The extent to which two sequences are invariant。
• 保守性（Conservation）
• Changes at a specific position of an amino acid or (less commonly, DNA) sequence that preserve the physicochemical properties of the original residue.
Paralogs: members of a gene (protein) family within a species
Odorant-binding protein 2A
Lipocalin 1
10 changes
24 /108
25 /108
Pairwise alignment of retinol-binding protein 4 and b-lactoglobulin（乳球蛋白）
• 蛋白序列可回溯更久远的祖先。
• DNA序列可以翻译成蛋白质序列再比对。
14 /108
15 /108
Lipocalin蛋白质家族的两个蛋白
retinol-binding protein 4 (NP_006735)
b-lactoglobulin (P02754)
两个相似的蛋白，它们有非常相似的三维结构，包括一配体的结合口 袋和八个反平行的贝塔链组成的贝塔片层。但是，两个蛋白质氨基酸 序列的双序列比对表明它们只有非常有限的氨基酸一致性。
7 /108
• 以下哪个是RefSeq中mRNA【或蛋白质】条目的索引号 码？ • （a）J01536； • （b）NM_15392 • （c）NP_52280 • （d）AAB134506
8 /108
序列比对
序列比对基本概念、打分矩阵与算法
9
主要内容
• 一、概述 • • • • • • • • 1，序列比对（联配）的概念 2，生物序列之间的关系 1，核酸的得分矩阵 2，蛋白质的得分矩阵 3，空位罚分体系
rainbow trout
teleost
Orthologs: members of a gene (protein) family in various organisms. This tree shows RBP orthologs.
African clawed frog
非洲爪蟾
chicken human mouse rat horse pig cow rabbit
4
3
2
1
0
17 /108
18 /108
DNA比对
当然，有些场合需要进行DNA比对：
——分析克隆的cDNA片段的一致性的时候
——分析基因的非编码区的时候 ——研究DNA的多态性的时候 ——检验输入DNA序列是否正确
Query: 181 catcaactacaactccaaagacacccttacacccactaggatatcaacaaacctacccac 240 |||||||| |||| |||||| ||||| | ||||||||||||||||||||||||||||||| Sbjct: 189 catcaactgcaaccccaaagccacccct-cacccactaggatatcaacaaacctacccac 247
21 /108
Definitions: two types of homology
• 直系同源（Ortholog ）：不同物种间的具有共同
进化祖先的同源序列，可以没有共同的功能。
• 旁系同源（Paralog ）：同一物种内通过基因复
制产生的同源序列。
22 /108
common carp
普通鲤鱼
zebrafish
• 两行排列两条序列，以获得最大的一致性（对于氨基 酸而言是保守性），目的是可以评估两条序列的相似 程度和同源性。
20 /108
定义：
• 同源性（Homology）：如果两条序列有一个共同
的进化祖先，那么它们是同源的。
RBP:
26
glycodelin: 23
RVKENFDKARFSGTWYAMAKKDPEGLFLQDNIVA 59 + K++ + ++ GTW++MA + L + A QTKQDLELPKLAGTWHSMAMA-TNNISLMATLKA 55
二、序列比对的得分系统
三、点阵法与动态规划法比对两条序 列 四、工具软件BLAST2
10 /108
• “Biologists will have to be adept at least in handling the tools of bioinformatics, and, for true insight, they will be better placed learning the informatics needed to create at least some tools for themselves. ” • “生物学家们除了必须熟练掌握各种生物信息学的软件之外，最好他 们还应当学会编写出一些适合自己需要的工具软件。”
26 /108
定义
• 相似度（Similarity）
• The extent to which nucleotide or protein sequences are related. It is based upon identity plus conservation。
• 一致性（Identity）
—Nature 15 Feb. 2001，
— Science 16 Feb. 2001
11 /108
Early example of sequence alignment: globins (1961) H.C. Watson and J.C. Kendrew, “Comparison Between the Amino-Acid Sequences of Sperm Whale Myoglobin and of Human Haemoglobin.” Nature 190:670-672, 1961.