生物信息学及常用工具简介

中心研究方向
基因组注释 芯片数据分析
与实验室密切相关 的研究和支持
为蛋白质组学研究提供 生物信息学支持
应用医学生物 信息学
基于本体论的数据仓库系统 基因组 转录组 蛋白质组 代谢组
主要内容
多序列联配（Alignment)和进化树分析 PCR引物及芯片探针的设计 使用软件在数据库中检索、收集、整理文献 BLAST应用简介 序列片段的拼接 基因注释：编码蛋白区域的预测 NCBI的数据库 代谢途径分析数据库（KEGG） 蛋白质分析数据库（uniprot） 比较基因组的方法 目标基因的分析流程
/outorder=order /tree /newtree=tree
♦ 蛋白质结构与功能预测
序列数据选取
1. 生物实验中获取或收集的相关基因或蛋白序列 2. 利用NCBI Entrez，SRS（Sequence Retrieve System）获 取序列 3. 利用同源搜索工具BLAST，从公共数据库中搜索与自身 相关序列
▼ Jackknife
不将剩下的一半序列补齐，只生成一个缩短了一半的新序列。
▼ Permute
其目的与Bootstrap和Jackknife法不同，不常用。
为什么树不一致？
1、 数据选取不充分 2、基因或蛋白质序列选择 3、测序中序列错误 4、分析方法的选择
PHYLIP
PHYLIP （ Phylogeny Inference Package ）(Joseph Felsenstein等，1986-1995）由华盛顿大学遗传系开发，1980 年首次公布，免费共享，包括35个独立程序，目前的版本是3.6。 下载地址： ftp:///pub/phylip/ 标准C语言开发，有Windows、 Macintosh，Linux/UNIX等版 本。 Windows： phylipw3.6source.exe、 phylipwx3.6executables.exe，
PHYLIP对序列的程序流程
protpars PHYLIP格式 多序列对位排列 蛋白质序列
seqboot
proml或 promlk protdist
DNA序列 clustalw 多序列联配
二
距离数据 dnapars或 dnapenny dnaml或 dnamlk dnadist
选取待分析的 DNA或蛋白序列 (blast、Entrez)
从关系最紧密的两个序列开始，以系统树示出的关系为指导，逐步放入临近的序列或 序列簇，并重新构建比对，直到所有的序列被加入，最后产生一个多重排列
CLUSTALW说明
♦ 输入序列必须是一个单一文件，对蛋白质序列比对，可以选择相应的氨 基酸置换矩阵，如BLOSUM62，PAM250矩阵等
♦ 输入数据格式：NBRF/PIR, EMBL/SWISSPROT， Pearson (FASTA), GDE,
♦ 尽量使待比对的序列长度相当
CLUSTALW功能
♦ 数据格式转化：clustalw.exe /convert /infile=sequence /output=format /outfile=output
♦ 多序列联配和进化树：clustalw.exe /infile=sequence /outfile=output /output＝
为什么要做进化分析?
● 揭示物种之间的进化关系 需选择合适的基因或DNA序列来进行进化分析，这些基因或DNA序列需 有足够但不是太多的变异，比如分析线粒体序列揭示灵长类进化关系 ● 分析基因家族以及追溯特定基因的进化历史 某些物种的基因和已知物种基因关系很近，可以确定他们应该有相同的
功能。在一类物种中追溯某一基因的进化史，可推断出一个基因组中基 因长期留存以及物种间基因水平转移
format /outorder=order /align /newtree=tree
♦ profile对profile的比较：clustalw.exe /profile1=profile1 /profile2=profile2
/output=format /outfile=output /align
多序列比较 (Multiple Sequence Alignment) ♦ 对两个以上DNA, RNA或蛋白质序列作比较
♦ 计算复杂度远大于两序列比较
♦ 用于序列保守区域分析、序列相似性和进化分析
为什么做多序列比较?
▼ 可揭示一组相关序列对间的相似性 ▼ 获得进化过程中保守序列所表现出的功能motif信息 ▼ 可用来确定序列对间的变异位点 ▼ 可基于特殊区域设计特异性引物或探针 ▼ 有助于预测新的序列所具有的结构与功能 ▼ 可生成相应格式的输出文件（如：phylip）
距离矩阵分析： Fitch，kitsch，neighbor
基因频率分析： Gendist，contml 离散字符分析 Pars，mix，move，penny，dollop，dolmove，dolpenny，clique，factor 进化树绘制软件： drawtree，drawgram，retree 其他分析软件： dnamove， dnainvar， dnacomp， restdist，restml，seqboot，contrast ，treedist，consense
Thompson, J.D., Higgins, D.G. and Gibson, T.J. (1994) CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment through sequence weighting, positions-specific gap penalties and weight matrix choice. Nucleic Acids Research, 22:4673-4680.
自然和选择性突变
自然突变发生不影响蛋白质产物； 编码（codon）的第三个位置密码子 变化将不改变相应的氨基酸产物。 同义突变（Synonymous mutations） 选择性突变发生将影响蛋白质产物； 编码的第一和第二位置密码子变化 将改变相应的氨基酸产物 非同义突变（Non-synonymous mutations）
PHYLIP功能
i） DNA和蛋白质序列数据分析的软件 Ii） 序列数据转变成距离，对距离数据分析的软件 Iii）对基因频率和连续的元素分析的软件 Iv）把序列的每个碱基/氨基酸以0，1独立看待 V）按照DOLLO简约性算法对序列进行分析的软件 Vi）绘制和修改进化树的软件
PHYLIP程序介绍
分子序列分析： 蛋白质序列：protpars，proml，promlk，protdist 核酸序列：dnapenny，dnapars，dnaml，dnamlk，dnadist，
同源性（Homology）
同源性特性
相似的特性源自于一个共同祖先，同源性不能被观察.
同源性是基于相似性观察而得出的一个结论
同源性 & 相似性关系
• 同源性是质的关系. • 相似性是量的关系
直系同源与旁系同源
直系同源(orthologs): 同源的基 因是由于共同的祖先基因进化 而产生的.
旁系同源(paralogs): 同源的基 因是由于基因 复制产生的.
进化分析要点
▼ 待分析数据类型
a) 字符数据 b) 分子序列 c) 序列间距离
▼ 计算方法选择
简约法（ parsimony ）、距离法（ distance ）、最大似然法（maximum likelihood）等.
▼ 有根 数& 无根树 有无选择外类群 ▼ 有权重和无权重树
CLUSTALW算法
Step 1. 简单的两序列比对和距离矩阵计算
对所有序列做两序列比较，并对关系密切序列加权，比对得分构建距离矩阵
n：n条序列 比对次数：n(n-1)/2 Step 2. 邻接法（Neighbor-Joining）构建系统树
基于两序列比对距离矩阵，用邻接法计算系统树
Step 3. 累进排列，依据系统树进行多重排列
MSA
DIALIGN DCA MultAlin PILEUP HMMER MACAW
权重给出不同两个类之间的进化距离关系
系统发育树构建方法 最大简约法 (Maximum Parsimony, MP) 距离矩阵法 (Distance Matrix) 最大似然法 (Maximum Likelihood, ML)
构建进化树方法流程
选择相关序 列集，可为 DNA、 RNA或蛋白 质
多序列联 配或手工 处理获得 多序列对 位排列
一
FITCH
KITSCH
neighbor consense
drawtree、drawgram、retree、TreeView
树文件
多序列联配程序
CLUSTALW或 CLUSTALX T-COFFEE ftp://ftp-igbmc.u-strasbg.fr/pub/ClustalW/ ftp://ftp-igbmc.u-strasbg.fr/pub/ClustalX/ /software/TCoffee.htm l
CLUSTALW
CLUSTALW, 免费共享软件，基于动态规划算法对DNA或蛋白质序列作全局比对，生成 具有生物学意义的多序列排列、并构建亲缘关系树。
下载地址：ftp://ftp-igbmc.u-strasbg.fr/pub/ClustalW/ 有Windows XP, Macintosh, Linux/UNIX等版本
phylipwy3.6executables.exe
Felsenstein, J. 1993. PHYLIP (Phylogeny Inference Package) version 3.5c. Distributeቤተ መጻሕፍቲ ባይዱ by the author. Department of Genetics, University of Washington, Seattle 1993.
判断序列是 否具有 显著相似性 否
是 最大简约法
部分序列是 否具相似性 否 最大似然法
是 距离法
分析数据是否 支持预测模型
进化树评估
▼ 自展法（Bootstrap， Felsenstein 1985）
从整个序列的核苷酸（氨基酸）中任意选取一半，剩下的一半序列随机补齐组 成一个新的序列，（一般采样大小为500 - 1000）。
多序列联配与进化分析 及分析软件介绍
序列比对？
序列比对是生物信息学中重要的序列分析方法 通过序列同源性的比较进而了解基因的进化以及 生物系统发生的内在规律
序列比较类型
两序列比较 (Pairwise Alignment ) ♦ 对两个DNA, RNA或蛋白质序列作比较
♦ 用于序列同源搜索，功能分析等
生物信息学及常用工具简介
上海生物信息技术研究中心
简介
1.
上海生物信息技术研究中心（以下简称中 心）成立于2002年7月；
2. 中心是上海市科学技术委员会直属的从事 生命科学数据共享管理、生物信息技术研 究、产品开发和成果转化的独立事业法人 单位。
3. 中心主任为国家“863”计划生物信息技术 主题专家组组长、国家中长期战略规划科 技条件平台专题组副组长、中国科学院 “十一五”信息化专家组专家李亦学研究 员
♦ profile和序列间比对：clustalw.exe /profile1=profile /profile2=sequence
/sequence /outfile=output /output=format /outorder=order
♦ 系统发育树：clustalw.exe /infile=sequence /outfile=output /output＝format
CLUSTAL（*.aln）, GCG/MSF（Pileup）, GCG9/RSF 等7种 忽略空格, 数字, 标点符号， “-” 表示gap（在GCG/MSF中用“.”）
♦ 输出格式：GCG/MSF, GDE, PHYLIP, CLUSTAL or NBRF/PIR 等5种 ♦ 有时需编辑序列，去除冗余信息 比如：从染色体序列中提取感兴趣的基因区域