序列比对(生物数据库搜索)

二、基本概念
序列相似性比较： 序列相似性比较： 就是将待研究序列与DNA或蛋白质序列库进行比较，用于确定该序列的 生物属性，也就是找出与此序列相似的已知序列是什么。完成这一工作只 需要使用两两序列比较算法。常用的程序包有BLAST、FASTA等。 BLAST、FASTA
序列同源性分析： 序列同源性分析： 是将待研究序列加入到一组与之同源，但来自不同物种的序列中进行多序 列同时比较，以确定该序列与其它序列间的同源性大小。这是理论分析方 法中最关键的一步。完成这一工作必须使用多序列比较算法。常用的程序 包有CLUSTAL等。
数据库搜索在分子生物信息学中有特定含义，它 数据库搜索 是指通过特定的序列相似性比对算法，找出核酸 或蛋白质序列数据库中与检测序列具有一定程度 相似性的序列。在生物信息学中，数据库搜索是 专门针对核酸和蛋白质序列数据库而言，其搜索 的对象，不是数据库的注释信息，而是序列信息。
数据库的搜索
在分子生物学研究中，对于新测定的碱基序列或由 此翻译得到的氨基酸序列，往往需要通过数据库搜 索，找出具有一定相似性的同源序列，以推测该未 知序列可能属于哪个基因家族，具有哪些生物学功 能。对于氨基酸序列来说，有可能找到已知三维结 构的同源蛋白质而推测其可能的空间结构。因此， 数据库搜索与数据库查询一样，是生物信息学研究 中的一个重要工具。
复习：
数据库查询
所谓数据库查询 数据库查询，是指对序列、结构以及各种二 数据库查询 次数据库中的注释信息进行关键词匹配查找。数 据库查询有时也称数据库检索，它和互联网上通 过搜索引擎 (Search engine) 查找需要的信息是 一个概念。
请大家操作！ 请大家操作！
利用NCBI中的查询工具Entrez找出蛋白质序列数 据库SwissProt中有关人（HOMO）的 HOMO）
diverged from each other as a consequence of gene duplication.
二、基本概念
Homologous sequences. Orthologs and Paralogs are two types of homologous sequences. Orthology describes genes in different species that derive from a common ancestor. Orthologous genes may or may not have the same function. Paralogy describes homologous genes within a single species that diverged by gene duplication
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
Blast结果给出的信息
Blast结果会列出跟查询序列相似性比较高，符合限定要求 的序列结果，根据这些结果可以获取以下一些信息。 1.查询序列可能具有某种功能 2.查询序列可能是来源于某个物种 3.查询序列可能是某种功能基因的同源基因
二、基本概念
直系同源（orthology） 旁系同源（paralogy）
Orthology describes genes in different species that derive from a common ancestor. Orthologous genes may or may not have the same function. Paralogy describes homologous genes within a single species that diverged by gene duplication. A paralog is one of a set of homologous genes that have
修改完显示格式后点 击进入结果界面
可以修改显示结果格式
结果页面（一）
图形示意结果
结果页面（二）
目标序列描述部分
带有genbank的链接，点击可以进入 相应的genbank序列
匹配情况，分值，e值
结果页面（三）
详细的比对上的序列的排列情况
一个具体的例子（blastp）
假设以下为一未知蛋白序列
>query_seq MSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWF TALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRW YFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGT TLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMASGGGETALA LLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGR RGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLT YHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQP TVTLLPAADMDDFSRQLQNSMSGASADST QA
Blast任务提交表单（一）
1.序列信息部分
序列范围 （默认全部）
填入查询（query）的序列
选择搜索数据库 如果接受其他参数默认 设置，点击开始搜索
Blast任务提交表单（二）
2.设置各种参数部分
设置搜索的范围，entrez关键词， 或者选择特定物种
一些过滤选项，包括简 单重复序列，人类基因 组中的重复序列等
也可以选择tblastn
作为演示， 我们这里选blastp
分析过程（二）
3.填入序列（copy＋paste） Fasta格式，或者纯序列 4.选择搜索区域，这里我们要 搜索整个序列，不填 5.选择搜索数据库，这里我们 选nr(非冗余的蛋白序列库)。 是否搜索保守区域数据库 （cdd），蛋白序列搜索才有。 我们选上
三、BLAST介绍(Blast相关的问题)
怎么获得blast服务,怎么使用的问题？ 为什么使用blast，可以获得什么样的信息？ 其他问题：实际使用时选择哪种方式（网络， 本地化），参数的选择，结果的解释…
三、BLAST介绍(Blast资源)
三、BLAST介绍(Blast资源)
1.NCBI主站点：
三、BLAST介绍
BLAST 是由美国国立生物技术信息中心 （NCBI）开发的一个基于序列相似性的数 ） 据库搜索程序。 据库搜索程序。 BLAST是“局部相似性基本查询 是 工”(Basic Local Alignment Search Tool)的 缩写。 的 缩写。
三、BLAST介绍
Blast 是一个序列相似性搜索的程序包，其 是一个序列相似性搜索的程序包， 中包含了很多个独立的程序， 中包含了很多个独立的程序，这些程序是根 据查询的对象和数据库的不同来定义的。比 据查询的对象和数据库的不同来定义的。 如说查询的序列为核酸， 如说查询的序列为核酸，查询数据库亦为核 酸序列数据库，那么就应该选择 酸序列数据库，那么就应该选择blastn程 程 序。
E值上限 窗口大小 如果你对blast的命令行选项熟悉的话，可以在这里加入更多的参数
Blast任务提交表单（三）
3.设置结果输出显示格式 E值范围 选择需要显示的选项 以及显示的文件格式 显示数目 Alignment的显 示方式
筛选结果
其他一些显示格式参数 点击开始搜索
提交任务
返回查询号（request id）
我们通过blast搜索来获取一些这个序列的信 息。
具体步骤
1.登陆blast主页 http://www.ncbi.nlm.nih.gov/BLAST/ 2.根据数据类型，选择合适的程序 3.填写表单信息 4.提交任务 5.查看和分析结果
分析过程（一）
1.登陆ncbi的blast主页 2.选择程序，因为 查询序列是蛋白序 列可以选择blastp， 点击进入
二、基本概念
同源性(homology)： ： 同源性 指从一些数据中推断出的两个基因或蛋白质序列具 而共同祖先的结论，属于质的判断 质的判断。就是说A和B 质的判断 的关系上，只有是同源序列，或者非同源序列两种 关系。而说A和B的同源性为80％都是不科学的。
http://www.ncbi.nlm.nih.gov/Education/BLASTinfo/Orthology.html
生物信息学实验
实验二 Blast介绍及应用
一、实验目的
了解和掌握数据库搜索工具BLAST， 并能熟练运用。
BLAST
BLAST
二、基本概念
相似性 同源性
二、基本概念
相似性(similarity)： ： 相似性 是指一种很直接的数量关系 数量关系，比如部分相同或相似 数量关系 的百分比或其它一些合适的度量。比如说，A序列 和B序列的相似性是80％，或者4/5。这是个量化 的关系。当然可进行自身局部比较。
…
四、上机操作（NCBI）
NCBI站点：
http://www.ncbi.nlm.nih.gov/BLAST
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
四、上机操作（NCBI）
GI number就是基因信息号 就是基因信息号
四、上机操作（NCBI）
四、上机操作（NCBI）
insulin(胰岛素) 或与胰岛素有关的序列条目。
利用NCBI中的查询工具Entrez找出PUBMED数据库 中最近3个月insulin(胰岛素) 或与胰岛素有关的
文献条目。
http://www.ncbi.nlm.nih.gov/Entrez/ http://www.ncbi.nlm.nih.gov/sites/gquery
分析过程（三）
6.限制条件，我们限制 在病毒里面找。
二、基本概念(两者关系)
序列的相似性和序列的同源性有一定的关系，一般来说 序列间的相似性越高的话， 序列间的相似性越高的话，它们是同源序列的可能性 就更高，所以经常可以通过序列的相似性来推测序列是 就更高 否同源。 正因为存在这样的关系，很多时候对序列的相似性和同 源性就没有做很明显的区分，造成经常等价混用两个名 词。所以有出现A序列和B序列的同源性为80％一说。
…
这些信息都可以应用到后续分析中。
Blast程序评价序列相似性的两个数据
Score：使用打分矩阵对匹配的片段进行打分，这是
对各对氨基酸残基（或碱基）打分求和的结果，一般来 说，匹配片段越长、 相似性越高则Score值越大。
E value:在相同长度的情况下，两个氨基酸残基（或
碱基）随机排列的序列进行打分，得到上述Score值的 概率的大小。E值越小表示随机情况下得到该Score值的 可能性越低。
三、BLAST介绍（主要的BLAST程序）
程序名 Blastn Blastp Blastx Tblastn TBlastx 查询序列 核酸 蛋白质 核酸 蛋白质 核酸 数据库 核酸 蛋白质 蛋白质 核酸 核酸 搜索方法 核酸序列搜索逐一核酸数据库中的序列 蛋白质序列搜索逐一蛋白质数据库中的序列 核酸序列6框翻译成蛋白质序列后和蛋白质 数据库中的序列逐一搜索。 蛋白质序列和核酸数据库中的核酸序列6框 翻译后的蛋白质序列逐一比对。 核酸序列6框翻译成蛋白质序列，再和核酸 数据库中的核酸序列6框翻译成的蛋白 质序列逐一进行比对。
http://www.ncbi.nlm.nih.gov/BLAST/(网 络版) ftp://ftp.ncbi.nlm.nih.gov/blast/ (单机版)
2.其他站点：
http://life.zsu.edu.cn/blast/ http://nema.cap.ed.ac.uk/ncbi_blast.html hFra Baidu bibliotektp://www.fruitfly.org/blast/（果蝇）