第05讲序列比对全解.pptVIP

* BIOINFORMATICS * 4. 序列比对的主要用途 1. 用于系统发育分析 (phylogenetic analysis) 通过序列比对，可以寻找序列间的同源性(相似性)，这种同源相似性是序列间进化关系的一种反映，所构建的数据矩阵成为系统发育分析的基础。 2. 结构预测 (structure prediction) 将新序列与已知结构的蛋白质序列进行比对，可以通过序列同源性来粗略地推测其结构的相似性。 * BIOINFORMATICS * 3. 序列基序鉴定 (sequence motif identification) 局部排列可以鉴定蛋白质和核苷酸序列中潜在的序列和功能基序。 4. 功能预测（function prediction) 蛋白质序列间的高度相似性通常意味着同源序列间的功能相似性。 5. 数据库搜索(database search) * 在分子生物学中，DNA或蛋白质的相似性是多方面的，可能是核酸或氨基酸序列的相似，可能是结构的相似，也可能是功能的相似。研究序列相似性的目的之一是，通过相似的序列得到相似的结构或相似的功能。 * What you want to learn when evaluating an alignment is whether it is random or meaningful. If it is meaningful, then how much? 序列比对的算法问题类似于字符串中的最长共同子序列问题(longest common subsequence, LCS) (Robinson, 1938) LCS: 定义一个比对操作的集合 (e.g. Substitution， Insertion or Deletion ) ，操作将一个序列比对元素转换至另一个序列的相应元素，相应的操作被赋予一定的分值 优化比对：是以最低的代价或获取最高分值的比对 在两个序列比对中，可能会构建出多个优化的比对 FSEY-THRGHR : : ::: :: FESYTTHRPHR FSEYT-HRGHR : :: :: :: FESYTTHRPHR 4.1序列比对的算法问题 * * BIOINFORMATICS * 例如，对序列X＝CGATCAG(长度为7)和序列Y＝CGTCAG(长度为6)，只需插入一个间隔即可。对位排列后的两个序列为： X：CGATCAG Y：CG ?TCAG 下面就不同类型的编辑操作定义函数w，它表示“代价(cost)”或“权重(weight)”。 对字母表A中的任意字符a、b，定义： (5-1) 4.1序列比对的算法问题 * BIOINFORMATICS * 这是一种简单的代价定义，在实际应用中还需使用更复杂的代价模型。一方面，可以改变各编辑操作的代价值，例如，在蛋白质序列比较时，用理化性质相近的氨基酸进行替换的代价应该比完全不同的氨基酸替换代价小；另一方面，也可以使用得分（score）函数来评价编辑操作。下面给出一种基本的得分函数： (5-2) 4.1序列比对的算法问题 * BIOINFORMATICS * 在进行序列比对时，可根据实际情况选用代价函数或得分函数，即选用式（5-1)或式（5-2）。 (1)、两条序列s和t的比对的得分（或代价）等于将s转化为t所用的所有编辑操作的得分（或代价）总和； (2)、s和t的最优比对是所有可能的比对中得分最高（或代价最小）的一个比对； 4.1序列比对的算法问题 * BIOINFORMATICS * s： AGCACAC—A t： A—CACACTA cost（s，t)＝2 使用前面代价函数w的定义，可以得到下列比对的代价。 4.1序列比对的算法问题 * BIOINFORMATICS * s： AGCACAC—A t： A—CACACTA score（s，t)＝5 而使用得分函数p的定义，可以得到下列比对的得分。 进行序列比对的目的是寻找一个得分最高（或代价最小）的比对。 4.1序列比对的算法问题 * BIOINFORMATICS * 序列对位排列中，有时要用到子序列(sub-sequence)的概念。例如，序列A含200个碱基，序列B含500个碱基。如果整个序列A与序列B的一部分完全一致，则称A为B的子序列。 A和B进行对位排列的简单方法。如果A有两个区域分别与B一致，则需要将A分为两部分[图5-5(b)]，两端和中间分别插入间隔即可。 4.1序列比对的算法问题 BIOINFORMATICS * 随着所比较的序列数目和长度的增加