序列相似性.pptVIP

* 计算机科学与生命科学（9） 生物信息学基础 2013年秋季学期通选课程 上课时间：周一 18:30点 上课地点：软件园4区502d 主讲人：魏天迪 讲义网址：/biocomp/ 分子进化 美国人Linus Pauling于1964年提出了分子进化的理论。 在分子水平上（DNA、RNA或蛋白质序列）而不是物种的外在特征，来研究进化过程。 基于某一个特定的分子在不同物种中的序列差异来构建进化树。 基本假设：（1） DNA、RNA或蛋白质序列包含了物种的所有进化史的信息；（2）分子钟理论：一个特定蛋白质的进化变异（不同碱基或氨基酸的个数）的速度在不同物种中是基本恒定的。即两个蛋白质的序列越相近，他们距离共同祖先就越近。 DNA序列 name CTCCTGACCTCAGGCGATTCGCCCGCCTCGGCCTCCCAAAGTGCTAGGATTACAGGCGTG AGCCACCACGCCCGGCCACACTAACTTTTTAAGAGCCAAGAGTTCGATCGGTAGCGGGAG CGGAGAGCGGACCCCAGAGAGCCCTGAGCAGCCCCACCACCACCGCTGGCCTAGCTACCA TCACACCCCGGGAGGAGCCGCAGCTGCCGCAGCCGGCCCCAGTCACCATCACCACAACCT TGAGCAGCGAGGCCGAGACCCAGCAGCCGCCCGCCGCTTGCCGCTCGCCGCCCCCCGCCC TCAGCGCCGGTGACACCACGCCCGGCACTACGGGCAGCGGCACAGGAAACGGTGGCCCGG GAGGCTTCACATCAGCAGCACCTGCCGGCGGGGACAAGAAGGTCATCGCAACGAAGGT 由4个不同的字母（碱基）排列组合而成。 FASTA格式： 第一行：大于号加名称或其它注释；第二行以后：每行60个字母。 蛋白质序列 name MHHHHHHSSGRENLYFQGKLPEPQFYAEPHTYEEPGRAGRSFTREIEASRIHIEKIIGSG DSGEVCYGRLRVPGQRDVPVAIKALKAGYTERQRRDFLSEASIMGQFDHPNIIRLEGVVT RGRLAMIVTEYMENGSLDTFLRTHDGQFTIMQLVGMLRGVGAGMRYLSDLGYVHRDLAAR NVLVDSNLVCKVSDFGLSRVLEDDPDAAXTTTGGKIPIRWTAPEAIAFRTFSSASDVWSF GVVMWEVLAYGERPYWNMTNRDVISSVEEGYRLPAPMGCPHALHQLMLDCWHKDRAQRPR FSQIVSVLDALIRSPESLRATATVS 由20个不同的字母（氨基酸）排列组合而成。 FASTA格式： 第一行：大于号加名称或其它注释；第二行以后：每行60个字母。 创建进化树 http://www.ebi.ac.uk/Tools/phylogeny/clustalw2_phylogeny/ 输入文件：sequences.txt 输出树： 看三个与进化有关的短片 基本序列算法 1. 精确子字符串搜索 如：在一个DNA序列中搜索起始子ATG。 在文本文件或WORD文件中直接用搜索功能。 使用简单的计算机语言编程，如：PERL open (FH,dna.txt); @get=FH; close FH; $content=join(, @get); $n=0; $find=index($content, ATG, $n); while($find!=-1) { print $find\n; $n=$find+1; $find=index($content, ATG, $n); } 基本序列算法 2. 模式匹配搜索（正则表达式） 如：在一个蛋白质序列中搜索LxxLxLxxNxL其中L代表L, I , F或V，x代表任意氨基酸。 使用简单的计算机语言编程，如：PERL open (FH,protein.txt); @get=FH; close FH; $content=join(, @get); while($content=~/[LIFV]\w{2}[LIFV]\w{1}[LIFV]\w{2}N\w{1}[LIFV]/g) { print $\n; } 模式匹配搜索也可以实现上一张幻灯片里的精确子字符串搜索： while($content=~/ATG/g) { print $\n; } 基本序列算法 3. 后缀树 序列：SDSDFSDFG 1: SDSDFSDFG$ 2: DSDFSDFG$ 3: SDFSDFG$ 4: DFSDFG$ 5: FSDFG$ 6: SDFG$ 7: