第四章(1)生物信息学详细讲义

Clustalx的工作界面 （多序列比对模式）
Clustalx的工作界面 （多序列比对模式）
Clustalx的工作界面 （剖面(profile)比对模式）
Clustalx的工作界面 （剖面(profile)比对模式）
Clustal的工作原理
Clustal输入多个序列 快速的序列两两比对，计算序列间的 距离，获得一个距离矩阵 邻接法(NJ)构建一个树（引导树） 根据引导树，渐进比对多个序列
基因调节因子预测
基因表达的主要调节环节是转录的控制,重要的一步是 确定每一个基因序列中的调节因子,也就是基因序列中用 于与转录因子或其他调节因子结合的区域,这些区域往往 具有一定的序列特征或称基序,而且具有一定的保守性. 传统预测方法:通过烦琐的重组DNA技术辅之以报告基因在 体外或体内进行功能评估. 现在预测方法:用一种称为进化遗传印记(phylogenetic fingerprinting)的计算方法来寻找比较的序列中的高度保守 的基因组区域.
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.
相似性与同源性关系
相似性不说明任何的历史过程,而是对两个 序列间用一定方法进行比较.尽管同源和相 似的定义不同,但这两个术语相互关联,因为 显著的相似性通常意味着同源. 两个基因间只有同源或不同源的关系.同源 的序列被假设起源于一个我们并不知道的 共同的祖先序列,通过反复的分子变化而互 相有差异.
Clustal的应用
1.输入输出格式。
输入序列的格式比较灵活，可以是前面介 绍过的FASTA格式，还可以是PIR、 SWISS-PROT、GDE、Clustal、 GCG/MSF、RSF等格式. 输出格式也可以选择，有ALN、GCG、 PHYLIP和NEXUS等，用户可以根据自己 的需要选择合适的输出格式.

成对序列比对的应用
成对序列比对(pairwise alignment):是比较 两个序列之间的异同点,允许序列间有一定 的错配,是计算机在解决生物学问题中 的一 个经典应用. 关键问题: 1.用来评估比度的记分系统 2.用来找到最佳比对的运算法则 3.不同的比对方式包括局部比对(local alignment)和整体比对(global alignment)
具体有以下几方面的应用: 1.序列结构域和基序的寻找 2.基因调节因子预测 3.基因组组装 4.系统发生遗传学分析

序列结构域和基序的寻找
序列基序(motif):指的是一组序列所共有的一 段局部保守区域或短的序列模式.长度范围 几个到几百乃至数千核苷酸或氨基酸不等. 结构域:指的是一组序列中保守的一段较长的 序列,绝大多数用于蛋白质序列.可以是一部 分也可以是整个分子. 它们都通过多序列比对产生,可以是固定的序 列或是可变的序列.基序通常可以用来预测 分子功能或结构特征或分子亲缘关系.
多序列比对工具－clustalX

Clustal是一个单机版的基于渐进比对的多 序列比对工具，由Higgins D.G. 等开发。有 应用于多种操作系统平台的版本，包括 linux版，DOS版的clustalw，windows版本 的clustalx等.
Clustal简介

CLUSTAL是一种渐进的比对方法，先将 多个序列两两比对构建距离矩阵，反应序 列之间两两关系；然后根据距离矩阵计算 产生系统进化指导树，对关系密切的序列 进行加权；然后从最紧密的两条序列开始， 逐步引入临近的序列并不断重新构建比对， 直到所有序列都被加入为止.
Clustal的渐进比对过程
在比对过程中，先对所有的序列进行两 两比对并计算它们相似性分值，然后根据 相似性分值将它们分成若干组，并在每组 之间进行比对，计算相似性分值。根据相 似性分值继续分组比对，直到得到最终比 对结果。在比对过程中，相似性程度较高 的序列先进行比对而距离较远的序列添加 在后面.
1.同步法 将序列两两比对时的二维动态规划矩阵扩 展到三维矩阵。即用矩阵的维数来反映比 对的序列数目。这种方法的计算量很大， 对于计算机系统的资源要求比较高，一般 只有在进行少数的较短的序列的比对的时 候才会用到这个方法.
自动多序列比对的算法
2.步进法 最常见的就是clustal所采用的方法. 其基本思想就是基于相似序列通常具有进 化相关性的这一假设.
Clustal的应用
2.两种工作模式 a.多序列比对模式 b.剖面(profile)比对模式 3.一个实际的例子
多序列比对实例



输入文件的格式(fasta)：
>L21-_1_5_7_8_10_12_13_14_19_(HapD) TCCAATAGGGGACAGCACACCCCCCACTTCAAGCGCACCTCTGTATCGACTGAATAACTGGAAGAGTATAGTCGGTGGAACCGGTGAACCACGCAT TCTGAGCTGGTTGGATGCGTGGGGCAGAGGGCTCGTAGTACACTCAACTATTGATCGATCCCCCTCTTTTTCTACTTACTTT---------AATAGGGGGGGCGGATCAGCGGGAAGGAAGAAGGGGCCCAAGCAGATGCCGTACACTTACTTTACTTGAGTGGCAAAGGAAAGCGATAACGAATG GCGCCTTTCTTTACTGATTCACTTTGGTAGGTTATAACACGCGCGAGGGGAAGGTCCTGAAAGGTAAACCCAGTAAGGTCCTGTCCTGATCAACCCT TCTAACTCTTTGAGGGGAATAAATTATAGTAAAAACCCTATAGAAGGGGAAGGGGGGATCCTGTTCGGACATACGGTGGTTTTTACCCTTAAGAACC ATAATATCAAGTTGGTGAGCCGTGTGATGGGAAACCTCCCCGCACGGTTCGGAGAGCACTTAATTAGAATGTTCCTGGGGGTACCACATCATTGCAA GGGTAACAGAGCTCGATTCGCAGATTGGTTCGACCCGGAATTCACTTCCGACCCTGTGTTTGATAGCCCGACCGTAGTTATGCCAATTGTGGTTACA TTCGTAAGTAGCTTGGTCCATCCTCATCCCATTTCATATATGTCCGAGGATCCACATAGCCCTCGATTTATGTGTCATTCATCCATTCCTACTTTTTTT >L20-_2_3_5_6_7_9_10_11_13_14_1(HapC) TCCAATAGGGGACAGCACACCCCCCACTTCAAGCGCACCTCTGTATCGACTGAATAACTGGAAGAGTATAGTCGGTGGAACCGGTGAACCACGCAT TCTGAGCTGGTTGGATGCGTGGGGCAGAGGGCTCGTAGTACACTCAACTATTGATCGATCCCCCTCTTTTTCTACTTACTTTACTTT----AATAGGGGGGGCGGATCAGCGGGAAGGAAGAAGGGGCCCAAGCAGATGCCGTACACTTACTTTACTTGAGTGGCAAAGGAAAGCGATAACGAATG GCGCCTTTCTTTACTGATTCACTTTGGTAGGTTATAACACGCGCGAGGGGAAGGTCCTGAAAGGTAAACCCAGTAAGGTCCTGTCCTGATCAACCCT TCTAACTCTTTGAGGGGAATAAATTCTAGTAAAAACCCTATAGAAGGGGAAGGGGGGATCCTGTTCGGACATACGGTGGTTTTTACCCTTAAGAACC ATAATATCAAGTTGGTGAGCCGTGTGATGGGAAACCTCCCCGCACGGTTCGGAGAGCACTTAATTAGAATGTTCCTGGGGGTACCACATCATTGCAA GGGTAACAGAGCTCGATTCGCAGATTGGTTCGACCCGGAATTCACTTCCGACCCTGTGTTTGATAGCCCGACCGTAGTTATGCCAATTGTGGTTACA TTCGTAAGTAGCTTGGTCCATCCTCATCCCATTTCATATATGTCCGAGGATCCACATAGCCCTCGATTTATGTGTCATTCATCCATTCCTACTTTTTTT >L16-_3_5_7_8_10_11_13_14_15_16(HapA) TCCAATAGGGGACAGCACACCCCCCACTTCAAGCGCACCTCTGTATCGACTGAATAACTGGAAGAGTATAGTCGGTGGAACCGGTGAACCACGCAT TCTGAGCTGGTTGGATGCGTGGGGCAGAGGGCTCGTAGTACACTCAACTATTGATCGATCCCCCTCTTTTTCTACTTACTTT---------AATAGGGGGGGCGGATCAGCGGGAAGGAAGAAGGGGCCCAAGCAGATGCCGTACACTTACTTTACTTGAGTGGCAAAGGAAAGCGATAACGAATG GCGCCTTTCTTTACTGATTCACTTTGGTAGGTTATAACACGCGCGAGGGGAAGGTCCTGAAAGGTAAACCCAGTAAGGTCCTGTCCTGATCAACCCT TCTAACTCTTTGAGGGGAATAAATTCTAGTAAAAACCCTATAGAAGGGGAAGGGGGGATCCTGTTCGGACATACGGTGGTTTTTACCCTTAAGAACC ATAATATCAAGTTGGTGAGCCGTGTGATGGGAAACCTCCCCGCACGGTTCGGAGAGCACTTAATTAGAATGTTCCTGGGGGTACCACATCATTGCAA GGGTAACAGAGCTCGATTCGCAGATTGGTTCGACCCGGAATTCACTTCCGACCCTGTGTTTGATAGCCCGACCGTAGTTATGCCAATTGTGGTTACA TTCGTAAGTAGCTTGGTCCATCCTCATCCCATTTCATATATGTCCGAGGATCCACATAGCCCTCGATTTATGTGTCATTCATCCATTCCTACTTTTTTT
多序列比对的方法
基本上多序列比对可以分为 1.手工比对（辅助编辑软件如Mega， seaview，Genedoc等）
通过辅助软件的不同颜色显示不同残基，靠分析 者的观察来改变比对的状态.
2.计算机程序自动比对
通过特定的算法（如同步法，渐进法等），由计 算机程序自动搜索最佳的多序列比对状态.
自动多序列比对的算法

多序列对比的应用
多序列比对(multiple sequence alignment,MSA): 将已有的大量相似序列放 在一起同时进行比对,并且把比对的结果放 在一起. 通过同源性和相似性位点来推测有关比对 序列的进化历史 通过对相似功能蛋白质比对分析可以找到 哪一部分序列对于功能最重要

多序列对比的应用
第四讲 DNA和蛋白 质生物信息学
CLUSTALX多序列对比的应用
内容提要
成对序列对比的应用 多序列对比的应用
多序列比对的方法
自动多序列比对的算法
Clustalx的使用（clustal法）
实例分析
生物序列的同源性
同源性(homology)： 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。就是说A和B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.
PNYLSC
PNKYLSC +K
PNFSC -L
பைடு நூலகம்
PNFLSC
A PN-FLSC
B PN-F-SC
C PNKYLSC D PN-YLSC MSA 用于系统发生遗传学分析
多序列比对的方法

同源性分析中常常要通过多序列比对来找 出序列之间的相互关系，和blast的局部匹 配搜索不同，多序列比对大多都是采用全 局比对的算法。这样对于采用计算机程序 的自动多序列比对是一个非常复杂且耗时 的过程，特别是序列数目多，且序列长的 情况下.
基因组组装
MSA有三个特点: 1.重叠区域所涉及的序列理论上属于相同序 列,但由于测序错误可能造成插入或删除. 2.所涉及序列有可能是正向或反向,因而包括 对互补序列的比对. 3.序列间关系经常是长度未知的重叠或是较 大的序列包含较小的序列.
系统发生遗传学分析
MSA中序列间的变化可以以来推测所代表物种间的 亲缘关系.此外,MSA和由其衍生的关系树可以用 来探讨同一基因组中同系基因(paralogus genes) 间的进化关系或较大蛋白家族内的分类. 用于系统发生遗传学的基因应具备: 基因普遍存在于绝大多数物种而且容易通过其序 列的保守性被识别.与此同时,这些基因序列应当有 足够的变异来区分亲缘相近的物种.