生物信息学04讲解.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 激酶的多序列比对 4. 隐马尔科夫模型: ProbCons 主要改进： 1. 所有序列的两两比对，通过profile HMM的方法进行双序列比对； 2. 将渐进算法与迭代算法整合； 3. 目前，性能最优。 5. 整合算法MUSCLE 算法分为三个部分，每个部分相对独立； 1. Draft progressive: 1 对两条序列，计算距离采用k-mer的思想； 2 用UPGMA算法构建引导树； 3 使用渐进算法进行多序列比对； 优点：两条序列之间的距离不采用动态规划算法进行比对，节省时间。 MUSCLE 2. Improved progressive: 1 基于k-mer得到的树可能会产生次优结果，因此，采用Kimura距离的方法对k-mer产生的树重新计算距离矩阵； 2 重新用UPGMA构建进化树； 3 使用渐进算法进行多序列比对； 3. Refinement: 1 随机从进化树上挑出一条边，删除； 2 得到两组树，对每组树，计算profile； 3 将两组profile进行比对； 4 如果最终得分提高，保留结果，否则丢弃。 MUSCLE MUSCLE的算法流程 MUSCLE: 使用指南 /muscle/ MUSCLE的使用 多序列比对：性能检验 1. BAliBASE：基于蛋白质结构，将同一家族的蛋白质序列进行多序列比较。 2. 检验多序列比对工具的性能：是否能够很好的重复BAliBASE中已明确的比对结果。 AMP结合酶的结构/序列比较 性能比较 ProbCons：目前综合性能最好； T-Coffee：序列相似性高时最准确； DIALIGN: 序列相似性低时最准确； POA：性能接近T-Coffee和DIALIGN，速度最快； ClustalW/X: 最经典、被广泛接受的工具； MUSCLE: 目前最流行的多序列比对工具； 运算时间比较 * * * * * * * * * * * * * * * * * * * * 双序列比对 Gap V D S C Y Gap 0 -11 -22 -33 -44 -55 V -11 4 -7 -18 -29 -40 E -22 -7 6 -5 -16 -27 S -33 -18 -5 10 -1 -12 L -44 -29 -16 -1 9 -3 C -55 -40 -27 -12 8 7 Y -66 -51 -38 -23 -3 15 4 2 时间复杂度：O n2 多序列比对：最优算法 三条序列：时间复杂度：O lmn O n3 四条序列：时间复杂度：O n4 ，非多项式时间！ 多项式时间复杂度要求：≤O n3 m条序列：时间复杂度：O nm ，NPC问题！ … 动态规划算法：全空间 动态规划算法：优化算法 Sequence A Sequence B Sequence C 搜索有限空间，类似于BLAST算法 动态规划算法：Hyperlattice 注意 最优的多序列比对，其两两序列之间的比对不一定最优。 最优的多序列比对 非最优的双序列比对 MSA程序 MSA - Multiple Sequence Alignment David Lipman等，1989年初始开发； 应用多维动态规划算法，得到最优的全局比对。 工具资源： /CBBresearch/Schaffer/msa.html /general/software/packages/msa/manual/manual.php MSA：打分方式 多序列比对：方法改进 1. 渐进方法：progressive methods 代表：ClustalW/X, T-Coffee 2. 迭代方法：iterative methods 代表: PRRP, DIALIGN 3. 部分有向图算法： Partial Order Algorithm POA 4. 全局多序列比对的隐马尔科夫模型 profile HMM 5. 整合算法： MUSCLE 1. Progressive methods 1 ClustalW/X 2 T-Coffee 1 ClustalW/X 1. Clustal: 1988年开发； 2. ClustalW: 1994年，Julie D. Thompson等人改进、发展； 3. ClustalX: 1997年，图形化软件； ClustalW/X：计算过程 1. 将所有序列两两比对，计算距离矩阵； 2. 构建邻接进化树 neighbor-j