序列相似性比较优秀培训书.ppt

第三章 序列相似性比较 主要内容： 序列比对相关概念 相似性(similarity) 一种很直接的数量关系，比如部分相同或相似的百分比或其它一些合适的度量。比如说，A序列和B序列的相似性是80％，这是个量化的关系。 相似与同源两者区别 同源序列一般相似，序列间的相似性越高，它们是同源序列的可能性就更高，所以经常可以通过序列的相似性来推测序列是否同源。 相似序列不一定同源（趋同进化） 序列比对衡量标准 序列比对问题 序列比对问题 序列比对问题 序列比对问题 序列比对问题 核酸计分矩阵 —— 等价矩阵 —— BLAST矩阵 —— 转移矩阵（transition，transversion） 氨基酸计分矩阵 —— 等价矩阵 —— 遗传密码矩阵 —— 疏水矩阵 —— PAM矩阵 —— BLOSUM矩阵 序列较多的家族有很多关系很近的序列，比较时一些保守氨基酸对的出现过于频繁，偏离真实性。对于同一block的相近序列，一致性高于某个阈值便聚为一类，通过序列合并减少权重。 PAM100 PAM120 PAM140 PAM160 PAM200 PAM250 PAM与BLOSUM矩阵差异 双序列比对算法 双序列比对所遇到问题 双序列比对解决方法 用矩阵路径描述序列对齐 动态规划: 分值计算 动态规划: 分值计算 动态规划: 分值计算 动态规划: 分值计算 动态规划: 分值计算 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 Needleman-Wunsch 算法: 举例 练习 序列全局和局部比对 序列局部比对（Smith-Waterman 算法） Smith-Waterman 算法: 举例 Smith-Waterman 算法: 举例 Smith-Waterman 算法: 举例 Smith-Waterman 算法: 举例 Smith-Waterman 算法: 举例 Smith-Waterman 算法: 举例 Smith-Waterman 算法: 举例 BLAST序列比对工具 BLAST BLAST算法 BLAST算法——创建检索词表 BLAST算法——创建检索词表 BLAST算法——创建检索词表 BLAST算法——搜索数据库 BLAST算法——匹配字段延伸 BLAST比对结果显著性统计 数据库检索: E-values in BLAST 数据库检索: E-values in BLAST E值 检索包含10,000条序列的数据库，99.9% 分布区域分值低于112，这就意味着在随机情况下，检索包含10,000条序列的数据库时，可以期望0.1% * 10,000 = 10 个比对结果的分值等于或高于112。 10 就是检索结果分值112的期望值（E Value）。 一随机序列与一个随机序列数据库中所有序列比对计分，所得相似性分值符合极值分布 E Value=随机情况下期望得到的比对结果数 E 值越小比对结果显著性越好。 一般情况，用BLAST进行数据库检索时，E-value设定为10-5较为合适。这意味着在随机情况下，只有十万分之一的可能在数据库中找到与检索序列匹配的序列。 E 值取决与比对分值、相比较序列的长短和数据库中数据的数量 E=0.041*1778650306*34*e -0.267*378 =3.7×10 -35 计分矩阵 PAM30 PAM70 BlOSUM80 BlOSUM62 BlOSUM45 75 45 40 30 20 相似程度 计分矩阵 序列进化关系远近与计分矩阵选择 氨基酸相似性 氨基酸一致性 Identity: 两条序列在同一位点上的核苷酸或 氨基酸残基完全相同 Similarity (positive): 两条序列在同一位点上的相似的氨基酸残基(计分矩阵中两残基的分值大于0) 低复杂度序列：核苷酸和蛋白质序列中短的重复序列或由少数几种核苷酸或氨基酸残基组成的序列（如 Poly-A） 数据库中半数以上的序列至少带有低复杂度序列 序列比对时应避免 低复杂度序列相互配对得分 filtering H E A G A W G H E - E - - P - A W - H E