序列分析(一)一一序列比对

例5：不同序列的比对
P KD F CKA LV
P1 0 0 0 0 0 0 0 0
K 10001000
F
0100000
T
00000
K1
1000
A
100
I
00
V
1
PKDFCKALV PK - FTKAIV
字符的关系： 1. 匹配 2. 删除或插入 3. 替换
对于例五中的情况：
PKDFCKALV PK – FTKA I V 1 1 -11 0 1 1 0 1 Score=1+1+(-1)+1+0+1+1+0+1
序列分析内容
与DNA和protein序列相关的研究都可称为 序列分析。
主要包括：
1.序列比对 2.基因组序列分析 3.蛋白质序列分析 4.综合序列分析
为什么要进行序列比对？？？
序列拼接 数据库搜索方面 进化方面 功能方面
与进化相关的几个概念
同源性Fra Baidu bibliotek相似性：极易被混淆的两个概念！！！
同源性(homology)：
点阵序列比对的缺点
滑动窗口和阈值的选择过于经验化, 信噪比较低 , 不适合进行高通量的数据分析, 对长序列，计算时间长。
作为双序列比对的第一步，点阵图提供了 一个大尺度的轮廓信息
http://www.ebi.ac.uk/Tools/emboss/align/
序列相似性打分矩阵
简单的得分函数： p(a, a)=1 p(a, b)=0 p(a, -)=p(-, b)=-1
中级层面：
利用数理统计方法和相关的工具，研究生物信息学 问题
——概率、数理统计基础 ——现有的数理统计和科学计算工具（EXCEL、SPSS等）
高级层面：
提出有重要意义的生物信息学问题；自主创新， 发展新方法，开发新工具，引领生物信息学领域研 究方向。
——面向生物学领域，解决重要生物学问题 ——利用数学、物理、化学、计算科学等思想和方法 ——建立模型，发展算法 ——自行编程，开发软件
核酸矩阵二
转移矩阵
A
T
是指序列们是由共同祖先进化而来，讲两条序列
的同源关系，只有两种情况：同源、不同源。
相似性：指序列间的差别，是一个度量。
同源与相似的关系：一般认为序列相似性达到一 定程度，即可认为是同源，但不绝对。
Ortholog (直系同源)：
两个基因通过 物种形成 的事件而产生，或源于不同物 种的具有共同祖先的两个基因，或者两个物种中的同一基因， 一般具有相同的功能。
G
1000100
C
101000
A
10000
C
1 1001
G
1
100
U1
10
C
1
例4：RNA stem/loop
AUGUAGCAU
A1 0 0 0 1 0 0 10
U 10100001
G
1001000
C
000001
U
00001
A
0010
C
100
A
10
U
1
例5：不同序列的比对
P KD F CKA LV
Paralog (旁系同源)：
指相同的基因组内因 基因复制 形成的多个具有不同功 能的基因。
Xenolog (异同源)：
由某一个 水平基因转移 事件而得到的同源序列。
Convergence(趋同)：
序列的相似性是由 随机因素 产生。
第一节、双序列比对
点阵分析 动态规划
1. 点阵分析
用途：
1. 寻找两条序列间所有可能的比对； 2. 寻找蛋白质、DNA序列上正向或反向的重复序列； 3. 发现RNA上可能存在的互补区域。
优点：
1. 可以找到两个序列间所有可能的残基匹配； 2. 简单、易懂 3. 直观、整体性强
工具：
http://www.ebi.ac.uk/Tools/emboss/index.html
例1：自身的比对
AKG F KC A D E
A1 0 0 0 0 0 1 0 0
K 10010000
G
1000000
Sequence 2#
m
寻找两条序列的最佳比对，实际 上就是寻找在矩阵标记图中找非 重叠平行斜线最长的组合。
实例
序 列 对于较长的 序列，有很 多匹配的字 符，点阵图 变得非常复 杂和模糊。
→ 2→
→ 序列1 →
点阵法的滑动窗口技术：
使用滑动窗口代替一次一个位点的比较,是解 决这个问题的有效方法。
F
100000
K
10000
C
1000
A
100
D
10
E
1
例2：重复序列
AKGF DKGF E
A1 0 0 0 0 0 0 0 0
K 10001000
G
1000100
F
100010
D
10000
K1
1000
G
1
100
F
1
10
E
1
例3：反向重复/回文
AUGCACGUC
A1 0 0 0 1 0 0 00
U 10000010
假设窗口大小为10，相似度阈值为8，则每 次比较取10个连续的字符，如相同的字符超 过8个，则标记，
基于滑动窗口的点矩阵方法可以明显地降低 点阵图的噪声，并且明确无误的指示出了两 条序列间具有显著相似性的区域。
(a)
(b)
（a）对人类（Homo sapiens）与黑猩猩（Pongo pygmaeus）的β 球蛋白基因序列进行比较的完整点阵图。（b）利用滑动窗口对 以上的两种球蛋白基因序列进行比较的点阵图，其中窗口大小为 10个核苷酸，相似度阈值为8。
P1 0 0 0 0 0 0 0 0
K 10001000
F
0100000
T
00000
K1
1000
A
100
I
00
V
1
PKDFCKALV PK - FTKAIV
字符的关系： 1. 匹配 2. 删除或插入 3. 替换
点阵法的序列比对
Sequence 1#
1
n
1
“-” Insertion
“-” Insertion
序列分析（一）
一一序列比对
生物信息学研究的三个层面
初级层面：
基于现有的生物信息数据库和资源，利用成熟的生 物信息学工具（专业网站、软件）解决生物信息学 问题
——生物信息数据库（NCBI、EBI、DDBJ、UniProt等） ——基因组序列分析、序列比对软件（BLAST、CLUSTAL 等） ——系统发育树构建软件的简单使用（PHYLIP、PALM等） ——搜集、整理有特色的生物信息学数据库
=5 由于序列长度不同，因此相对长度的得分更有意义：
Sim(s,t)=2×Score/(m+n)=2×5/(9+8)=0.588
注意：
不同类型的字符替换，其 代价是不同的。
核酸矩阵一
BLAST矩阵
A
T
C
G
A
5
-4
-4
-4
T
-4
5
-4
-4
C
-4 -4
5
-4
G
-4 -4
-4
5
目前最流行的序列比较程序BLAST使用的矩阵