生物信息学04教案分析.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 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