序列比对与系统发生(第四章)1013程序.ppt

第四章 序列比对与分子系统发育分析 序列比对与分子系统发育分析 为什么要序列比对？ 基于同源物鉴定的功能预测 基本假设： 序列的保守性 功能的保守性 注意： 1. 蛋白质一般在三级结构的层面上执行功能； 2. 蛋白质序列的保守性决定于其编码DNA的保守性； 序列联配（比对） 序列比对又称为序列联配，是指用某种特定的数学模型与算法，找出两个或多个序列之间的最大匹配碱基与残基，尽可能客观的反映它们之间的相似与相异，从而进一步判断它们之间是否同源。 用于描述一组序列之间的相似性关系，以便了解一个基因家族的基本特征，寻找motif，保守区域等。 用于描述一个同源基因之间的亲缘关系的远近，应用到分子进化分析中。 其他应用，如构建profile，打分矩阵等。 手工比对 辅助编辑软件如bioedit，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。 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。 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。 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 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。 Clustalx的工作界面（剖面(profile)比对模式） 多序列比对实例 输入文件的格式(fasta)： KCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTN…… DMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK……. KPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN…… DAF1_CAEEL QIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD…… 1CSN HYKVGRRIGEGSFGVIFEGTNLLNN…… 第一步：输入序列文件。 第二步：设定比对的一些参数。 ClustalX生成.dnd和.aln两个文件，可用文本编辑器打开来看，这时.aln文件，这个文件可以用Mega做进一步的bootstrap进化树分析 Clustalx生成的树 用treeview(专门看树的软件)就可以打开这个dnd文件. 基本概念： 系统发生（phylogeny）——是指生物形成或进化的历史； 系统发生学(phylogenetics)——研究物种之间的进化关系； 系统发生树（phylogenetic tree）——表示形式，描述物种之间进化关系； 现代系统发生学采用DNA或者蛋白质作为分类特征，有许多优点： 许多分子特征可以同时标记，例如某些遗传标记、分子标记等 分子特征的状态清晰； 分子资料便于转化为数字形式，可进行修正和统计分析； 表型分枝图(phenogram) 进化分枝图(cladogram) 有根树 无根树 表型分枝图(phenogram) 如果是一棵有根树，则树根代表在进化历史上是最早的、并且与其它所有分类单元都有联系的分类单元； 如果找不到可以作为树根的单元，则系统发生树是无根树； 从根节点出发到任何一个节点的路径指明进化时间或者进化距离。 进化树的构建是一个统计学问题。我们所构建出来的进化树只是对真实的进化关系的评估或者模拟。如果我们采用了一个适当的方法，那么所构建的进化树就会接近真实的“进化树”。模拟的进化树需要一种数学方法来对其进行评估。不同的算法有不同的适用目标。 对于给定的分类单元数，有很多棵可能的系统发生树，但是只有一棵树是正确的。 系统发生分析的目标 　　　　　　——寻找这棵正确的树 （1）选择可供分析的序列； （2）同源蛋白质或者核苷酸序列的多重序列比对； （3）构建系统发生树； （4）评价所建立的树； 离散特征数据： 它提供了基因、个体、群体或物种的信息； 相似性和距离数据： 它涉及的则是成对基因、个体、群体或物种的信息 进化树的评估 选择计算参数 Distance Options标签页中的Models可以下拉，其中有若干个计算距离的方法可以选择，在此默认泊松校验(Poisson Correction)作为计算距离的方