2015-7 分子进化分析
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)。
1、利用MEGA构建系统发生树
50条氨基酸序列 “SEQAA.txt” 利用ClustalX进行完全比对，产生比对文件 “SEQAA.aln” 利用MEGA进行建树
37
ClustalX载入序列
38
ClustalX比对结果
39
在MEGA中将ClustalX比对结果转换为MEGA格式
40
转 换 结 果
2
B C D E 8 0 4 8 0 6 8 6 0
0 6 0
8 8 0
2 B
2 E
1 3
2
B
2
E
2
A
2
C D
AC B E A 0 8 C B 0 E
C D
2 E
2 A
2 C
8
B
D
0
23
2、非加权分组平均法
（Unweighted Pair Group Method with Arithmetic
mean, UPGMA）
P(0; t ) e
rt
35
Poisson校正距离 祖先序列未知：不知道当前的序列从何演化而来 解决方案：对两条已经有t年分化的序列，一条序列某位点 无替代的概率为： e rt ，两条序列同源位点均无替代概率为： 此概率可用1-p估计：q=1-p; 两个序列间每个位点氨基酸替代总数（d=2rt）：
距离变换法
参考物种：先于其它物种从共同祖先中分化 出来的物种。 距离变换公式：
dij
dij diD d jD 2
d D (i, j A, B, C )
假设有4个物种A、B、C、D及其距离矩阵，其中D是A、B、 C的外部参考物种，D可作为变换其它物种间距离的外部参 考。d’ij是物种i和j之间变换后的距离； d D 是外部参考物种与 全体内部物种之间的平均距离。
8
Out of Africa
80,000 to 120,000 yrs ago Science 16 October 2015： p264 125,000 yrs ago Science, 29 August 2014, p. 994
50,000 to 70,000 yrs ago
53个人的线粒体基因组
基于离散特征的构建方法
最大简约法 最大似然法 进化简约法 相容性方法
20
一种简单的距离矩阵
21
1、连锁聚类方法
•选择距离最小的一对序列 •将这两个序列合二为一，形成一个新的对象 （代表这两个序列的祖先） •重新计算这个新的对象与其它序列的距离。
单连锁聚类:
d(x,u) = min (d(y,u),d(z,u))
46
2、利用MEGA直接搜索数据库建树
47
输入序列 或登录号
48
49
50
51
52
比对结束
53
将比对结果输出 为.meg格式
54
55
29
5、基于特征的系统发生树构建方法
甲 节点1
乙
丙
丁
戊 节点3
节点2
根节点
根据简约位点构造系统发生树-最大简约法（maximum parsimony） 30
6、系统发生树检验-Bootstrap采样
31
Bootstrap采样分析结果
支持度 比例
32
7、分子钟检验和校正
分子钟前提：
（1）进化速率恒定 （2）每个位置最多发生一次变异 p=D/L （L：比对总位点数；D：位点不同数） 由序列比对直接估计对齐位置不一样的比例 往往低估实际发生变异个数 转换/颠换比：R>4 密码子不同位置不同突变速率 直系同源与旁系同源
13
DNA突变的模式
替代 插入
缺失
倒位
14
核苷酸替代：转换 & 颠换
转换：嘌呤被嘌呤 替代，或者嘧啶被 嘧啶替代 颠换：嘌呤被嘧啶 替代，或者嘧啶被 嘌呤替代
15
基因复制
重组
逆转录
16
分子进化研究的目的
物种分类及关系：从物种的一些分子特性出发， 构建系统发育树，进而了解物种之间的生物系统 发生的关系 —— tree of life 大分子功能与结构的分析：同一家族的大分子， 具有相似的三级结构及生化功能，通过序列同源 性分析，构建系统发育树，进行相关分析；功能 预测 进化速率分析：例如，HIV的高突变性；哪些位 点易发生突变？
17
新基因产生速率
Zhang et al. PLoS Biol. 2010,
18
第二节 系统发生分析方法
系统发生分析的步骤
（1）序列分析 （2）构建系统发生树 （3）评价所建立的树
19
基于数据类型的系统发生树构建方法：
基于距离的构建方法
非加权组平均法 邻近归并法 Fitch-Margoliash法 最小进化方法
9
2、系统发生分析原理
分子钟（molecular clock）
Emile Zuckerkandl和Linus Pauling，1960s 氨基酸变异积累
y
序列分歧度
x
分歧时间
10
分子进化
1964年，Linus Pauling提出分子进化理论。 基本假设：核苷酸和氨基酸序列中含有生物进化历 史的全部信息。
发生在分子层面的进化过程：DNA, RNA和蛋白质
分子。 从物种的一些分子特性出发，从而了解物种之间的 生物系统发生的关系。
11
进化速率
某一段时间之内的遗传改变量
cgatgttcgtcccggagaccatgggcgcgtacatcggattcgaagctctgaggct
• • •
分子进化观点：
• 如果各类中单元个数不一样，原距离矩阵 中各个距离值对新距离计算的贡献就不一样， 或者说是经过“加权”的，称这样的聚类为 加权分组平均。 • 在非加权分组平均法中，在 计算新分类到其它分类之间的 平均距离时按照各分类中分类 单元的数目进行加权处理。
2 1 2 B 2 E 2 A 2 C D
24
1 3
D 7
归并－选择dxy-dx-dy最小的一对分类 单元
x=A, y=B → 新节点（xy）
计算（xy）到x和y节点的距离 dx,(xy) = 1/2dxy +1/2(dx-dy) =5/2+(7.5-10.5)/2=1
dy,(xy) = 1/2dxy +1/2(dy-dx) 利用邻近归并算法构造的系统发生树 = 5/2+(10.5-7.5)/2=4
对应的核苷酸置换率矩阵M为
3 M
3 3 3
34
Poisson校正（泊松校正）
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 基本假设：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 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! 因此，某一位点氨基酸不变的概率为
重复循环，直到仅剩一个类为止。
25
3、距离变换法
(transformed distance method) 针对问题：进化速率的变化
A A B C B 9 C 8 11 D 12 15 10
1.15 1 5 4 A 4 C B D
26
1 2 6
3
3 6
A
B
C
D
真实的系统发生树
D
6.15
UPGMA法构建的系统发生树
2
现代综合进化论
第一节 系统发生与系统发生树
1、基本概念：
系统发生（phylogeny， 系统发育）——是指生物 形成或进化的历史
系统发生学 (phylogenetics)——研究 物种之间的进化关系
3
系统发生树（phylogenetic
tree） ——表示形式，描述物种之间进化关系
趋同进化 表型特征难以检测 比较关系较远的生物体
7
•现代系统发生学
利用从遗传物质中提取的信息作为物种特征 具体地说就是核酸序列或蛋白质分子
• 分子系统发生分析
通过比较生物分子序列，分析序列之间的关 系，构造系统发生树。
• 关于现代人起源的研究:
线粒体DNA
——所有现代人都是一个非洲女性的后代 “线粒体夏娃” 15万年前
最大连锁聚类： d(x,u) = max (d(y,u),d(z,u))
平均连锁聚类： d(x,u) = 1/2 * (d(y,u)+d(z,u))
其中x代表y和z的合并，u代表任意其它对象
22
平均连锁聚类法
A B C D E A 0 8 4 6 8 B 0 8 8 4 C D E
2 1
A A 0 B E D 6
分子进化速率大致恒定 次要分子（分子部分）进化快 对分子结构和功能破坏小的替换更频繁
12
分子进化的模式
DNA突变的模式：替代，插入，缺失， 倒位； 核苷酸替代：转换 (Transition) & 颠换 (Transversion) 基因复制：多基因家族的产生以及伪 基因的产生
A. 单个基因复制 – 重组或者逆转录 B. 染色体片断复制 C. 基因组复制
41
打开MEGA格式文件
42
利用NJ法建树
43
最终得到的系统发生树 原始树
Bootstrap检验 得到的树 数值反映了自 举检验对该部 分的支持程度
44
不同的树型
45
进化树拓扑结构调整
Root：任选一个枝条为树 根重新建立系统树 Flip：使某树干下的树结 构发生180度旋转 Swap：使某树干下树枝 顺序改变，但不改变该枝 下的相对位置
采用p-distance建树
不符合分子钟现象
腺嘌呤A 鸟嘌呤G
胞嘧啶C 尿嘧啶U
胸腺嘧 啶T
33
进化速率校正模型
Jukes-Cantor单参数模型（1969）
DNA序列进化的一个基本过程就是核苷酸随时间而变化 (置换)，核苷酸在每个方向上的置换率均为α： 3 4 d JC ln(1 p) 4 3
q (ert )2 e2rt
d=-ln(1-p)，即泊松距离 1 p e Baidu Nhomakorabea d ln(1 p) d ln(1 p)
常见的氨基酸置换有Dayhoff模型、
Jones-Taylor-Thomton模型、mtREV 模 型等
36
构建系统发生树实例
UPGMA算法的执行过程如下：
计算新分类到其它类的距离
d( xy ),u ny nx ( ) d x ,u ( ) d y ,u 2 nx ny nx ny
B
2 1 2 2
1 3 2
E
A
C D
其中nx、ny、(nx+ny)分别为x类、y类、(xy)类的元素个 数；
在距离矩阵中删除与类 i和类 j相应的行和列，为类 (xy) 加入新的行和列；
4
系统发生树
对一组实际对象的世系关系的描述（如基因，物种等）
树根 内部节点
l2 l3 l4 l5 C l1 A l3 l4 B D l5 l6
C
边
l6 进化距离
l7
A
B
叶节点
D
(a)有根树
（b）无根树
5
系统发生学
• 经典系统发生学
主要是物理或表型特征
如生物体的大小、颜色、 触角个数
6
经典系统发生学的局限性：
27
4、邻近归并法
基本思想：
在进行类的合并时，不仅要求待合并的类是相近 的，同时还要求待合并的类远离其它的类。
x
y
28
例
6个分类单元的距离矩阵 A
A B C E F 5 4 6 8 7 10 7 9 6 5 9 8 11 8
B
C
D E
F
对于所有的分类单元x，计算每个节 点到其它节点的距离：
dA=(5+4+7+6+8)/4=7.5 dB=10.5 dC=8 dD=9.5 dE=8.5 dF=11
《生物统计学与生物信息学》研究生课
第七章 分子进化分析
滕虎 大连理工大学生命科学与技术学院
1
人类对生命认识的历史
达尔文之前——自然神学阶段 亚里士多德：较为完善的形式 是从不完善中发展而来的。 达尔文——自然选择理论
《物种起源》——1859年 《古老的人类》——1863年 《人类的遗传》——1871年 生物进化有三个基本环节，即突 变、选择和隔离； 种群是生物进化的基本单位。
50条氨基酸序列 “SEQAA.txt” 利用ClustalX进行完全比对，产生比对文件 “SEQAA.aln” 利用MEGA进行建树
37
ClustalX载入序列
38
ClustalX比对结果
39
在MEGA中将ClustalX比对结果转换为MEGA格式
40
转 换 结 果
2
B C D E 8 0 4 8 0 6 8 6 0
0 6 0
8 8 0
2 B
2 E
1 3
2
B
2
E
2
A
2
C D
AC B E A 0 8 C B 0 E
C D
2 E
2 A
2 C
8
B
D
0
23
2、非加权分组平均法
（Unweighted Pair Group Method with Arithmetic
mean, UPGMA）
P(0; t ) e
rt
35
Poisson校正距离 祖先序列未知：不知道当前的序列从何演化而来 解决方案：对两条已经有t年分化的序列，一条序列某位点 无替代的概率为： e rt ，两条序列同源位点均无替代概率为： 此概率可用1-p估计：q=1-p; 两个序列间每个位点氨基酸替代总数（d=2rt）：
距离变换法
参考物种：先于其它物种从共同祖先中分化 出来的物种。 距离变换公式：
dij
dij diD d jD 2
d D (i, j A, B, C )
假设有4个物种A、B、C、D及其距离矩阵，其中D是A、B、 C的外部参考物种，D可作为变换其它物种间距离的外部参 考。d’ij是物种i和j之间变换后的距离； d D 是外部参考物种与 全体内部物种之间的平均距离。
8
Out of Africa
80,000 to 120,000 yrs ago Science 16 October 2015： p264 125,000 yrs ago Science, 29 August 2014, p. 994
50,000 to 70,000 yrs ago
53个人的线粒体基因组
基于离散特征的构建方法
最大简约法 最大似然法 进化简约法 相容性方法
20
一种简单的距离矩阵
21
1、连锁聚类方法
•选择距离最小的一对序列 •将这两个序列合二为一，形成一个新的对象 （代表这两个序列的祖先） •重新计算这个新的对象与其它序列的距离。
单连锁聚类:
d(x,u) = min (d(y,u),d(z,u))
46
2、利用MEGA直接搜索数据库建树
47
输入序列 或登录号
48
49
50
51
52
比对结束
53
将比对结果输出 为.meg格式
54
55
29
5、基于特征的系统发生树构建方法
甲 节点1
乙
丙
丁
戊 节点3
节点2
根节点
根据简约位点构造系统发生树-最大简约法（maximum parsimony） 30
6、系统发生树检验-Bootstrap采样
31
Bootstrap采样分析结果
支持度 比例
32
7、分子钟检验和校正
分子钟前提：
（1）进化速率恒定 （2）每个位置最多发生一次变异 p=D/L （L：比对总位点数；D：位点不同数） 由序列比对直接估计对齐位置不一样的比例 往往低估实际发生变异个数 转换/颠换比：R>4 密码子不同位置不同突变速率 直系同源与旁系同源
13
DNA突变的模式
替代 插入
缺失
倒位
14
核苷酸替代：转换 & 颠换
转换：嘌呤被嘌呤 替代，或者嘧啶被 嘧啶替代 颠换：嘌呤被嘧啶 替代，或者嘧啶被 嘌呤替代
15
基因复制
重组
逆转录
16
分子进化研究的目的
物种分类及关系：从物种的一些分子特性出发， 构建系统发育树，进而了解物种之间的生物系统 发生的关系 —— tree of life 大分子功能与结构的分析：同一家族的大分子， 具有相似的三级结构及生化功能，通过序列同源 性分析，构建系统发育树，进行相关分析；功能 预测 进化速率分析：例如，HIV的高突变性；哪些位 点易发生突变？
17
新基因产生速率
Zhang et al. PLoS Biol. 2010,
18
第二节 系统发生分析方法
系统发生分析的步骤
（1）序列分析 （2）构建系统发生树 （3）评价所建立的树
19
基于数据类型的系统发生树构建方法：
基于距离的构建方法
非加权组平均法 邻近归并法 Fitch-Margoliash法 最小进化方法
9
2、系统发生分析原理
分子钟（molecular clock）
Emile Zuckerkandl和Linus Pauling，1960s 氨基酸变异积累
y
序列分歧度
x
分歧时间
10
分子进化
1964年，Linus Pauling提出分子进化理论。 基本假设：核苷酸和氨基酸序列中含有生物进化历 史的全部信息。
发生在分子层面的进化过程：DNA, RNA和蛋白质
分子。 从物种的一些分子特性出发，从而了解物种之间的 生物系统发生的关系。
11
进化速率
某一段时间之内的遗传改变量
cgatgttcgtcccggagaccatgggcgcgtacatcggattcgaagctctgaggct
• • •
分子进化观点：
• 如果各类中单元个数不一样，原距离矩阵 中各个距离值对新距离计算的贡献就不一样， 或者说是经过“加权”的，称这样的聚类为 加权分组平均。 • 在非加权分组平均法中，在 计算新分类到其它分类之间的 平均距离时按照各分类中分类 单元的数目进行加权处理。
2 1 2 B 2 E 2 A 2 C D
24
1 3
D 7
归并－选择dxy-dx-dy最小的一对分类 单元
x=A, y=B → 新节点（xy）
计算（xy）到x和y节点的距离 dx,(xy) = 1/2dxy +1/2(dx-dy) =5/2+(7.5-10.5)/2=1
dy,(xy) = 1/2dxy +1/2(dy-dx) 利用邻近归并算法构造的系统发生树 = 5/2+(10.5-7.5)/2=4
对应的核苷酸置换率矩阵M为
3 M
3 3 3
34
Poisson校正（泊松校正）
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 基本假设：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 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! 因此，某一位点氨基酸不变的概率为
重复循环，直到仅剩一个类为止。
25
3、距离变换法
(transformed distance method) 针对问题：进化速率的变化
A A B C B 9 C 8 11 D 12 15 10
1.15 1 5 4 A 4 C B D
26
1 2 6
3
3 6
A
B
C
D
真实的系统发生树
D
6.15
UPGMA法构建的系统发生树
2
现代综合进化论
第一节 系统发生与系统发生树
1、基本概念：
系统发生（phylogeny， 系统发育）——是指生物 形成或进化的历史
系统发生学 (phylogenetics)——研究 物种之间的进化关系
3
系统发生树（phylogenetic
tree） ——表示形式，描述物种之间进化关系
趋同进化 表型特征难以检测 比较关系较远的生物体
7
•现代系统发生学
利用从遗传物质中提取的信息作为物种特征 具体地说就是核酸序列或蛋白质分子
• 分子系统发生分析
通过比较生物分子序列，分析序列之间的关 系，构造系统发生树。
• 关于现代人起源的研究:
线粒体DNA
——所有现代人都是一个非洲女性的后代 “线粒体夏娃” 15万年前
最大连锁聚类： d(x,u) = max (d(y,u),d(z,u))
平均连锁聚类： d(x,u) = 1/2 * (d(y,u)+d(z,u))
其中x代表y和z的合并，u代表任意其它对象
22
平均连锁聚类法
A B C D E A 0 8 4 6 8 B 0 8 8 4 C D E
2 1
A A 0 B E D 6
分子进化速率大致恒定 次要分子（分子部分）进化快 对分子结构和功能破坏小的替换更频繁
12
分子进化的模式
DNA突变的模式：替代，插入，缺失， 倒位； 核苷酸替代：转换 (Transition) & 颠换 (Transversion) 基因复制：多基因家族的产生以及伪 基因的产生
A. 单个基因复制 – 重组或者逆转录 B. 染色体片断复制 C. 基因组复制
41
打开MEGA格式文件
42
利用NJ法建树
43
最终得到的系统发生树 原始树
Bootstrap检验 得到的树 数值反映了自 举检验对该部 分的支持程度
44
不同的树型
45
进化树拓扑结构调整
Root：任选一个枝条为树 根重新建立系统树 Flip：使某树干下的树结 构发生180度旋转 Swap：使某树干下树枝 顺序改变，但不改变该枝 下的相对位置
采用p-distance建树
不符合分子钟现象
腺嘌呤A 鸟嘌呤G
胞嘧啶C 尿嘧啶U
胸腺嘧 啶T
33
进化速率校正模型
Jukes-Cantor单参数模型（1969）
DNA序列进化的一个基本过程就是核苷酸随时间而变化 (置换)，核苷酸在每个方向上的置换率均为α： 3 4 d JC ln(1 p) 4 3
q (ert )2 e2rt
d=-ln(1-p)，即泊松距离 1 p e Baidu Nhomakorabea d ln(1 p) d ln(1 p)
常见的氨基酸置换有Dayhoff模型、
Jones-Taylor-Thomton模型、mtREV 模 型等
36
构建系统发生树实例
UPGMA算法的执行过程如下：
计算新分类到其它类的距离
d( xy ),u ny nx ( ) d x ,u ( ) d y ,u 2 nx ny nx ny
B
2 1 2 2
1 3 2
E
A
C D
其中nx、ny、(nx+ny)分别为x类、y类、(xy)类的元素个 数；
在距离矩阵中删除与类 i和类 j相应的行和列，为类 (xy) 加入新的行和列；
4
系统发生树
对一组实际对象的世系关系的描述（如基因，物种等）
树根 内部节点
l2 l3 l4 l5 C l1 A l3 l4 B D l5 l6
C
边
l6 进化距离
l7
A
B
叶节点
D
(a)有根树
（b）无根树
5
系统发生学
• 经典系统发生学
主要是物理或表型特征
如生物体的大小、颜色、 触角个数
6
经典系统发生学的局限性：
27
4、邻近归并法
基本思想：
在进行类的合并时，不仅要求待合并的类是相近 的，同时还要求待合并的类远离其它的类。
x
y
28
例
6个分类单元的距离矩阵 A
A B C E F 5 4 6 8 7 10 7 9 6 5 9 8 11 8
B
C
D E
F
对于所有的分类单元x，计算每个节 点到其它节点的距离：
dA=(5+4+7+6+8)/4=7.5 dB=10.5 dC=8 dD=9.5 dE=8.5 dF=11
《生物统计学与生物信息学》研究生课
第七章 分子进化分析
滕虎 大连理工大学生命科学与技术学院
1
人类对生命认识的历史
达尔文之前——自然神学阶段 亚里士多德：较为完善的形式 是从不完善中发展而来的。 达尔文——自然选择理论
《物种起源》——1859年 《古老的人类》——1863年 《人类的遗传》——1871年 生物进化有三个基本环节，即突 变、选择和隔离； 种群是生物进化的基本单位。