系统发育分析完整版_3Fixed(Raindy).pdf

Fujian Agriculture and Forestry University 生物信息学课程 系统发育分析 Phylogenetic Analysis RAINDYOK@QQ.COM 2016.05 要求  会根据序列特征选择建树方法  掌握常见建树方法的规范操作 • NJ法（MEGA ） • ML法（MEGA、RaxmlGUI ） • BI法（Mrbayes ） 本章纲要 Part 1. What is phylogenetic analysis ？ Part 2. Why do we perform phylogenetic analysis ？ Part 3. How to perform phylogenetic analysis ？ PART ONE What is phylogenetic analysis ？ 01 系统发育的定义 系统发育（Phylogeny ），也叫系统发生，是指任何实体 （基因、个体、种群、物种等）的起源和演化关系。 将进化论的原理拓展到DNA水平和蛋白质序列水平，通过 多重序列比对 ，研究一组相关的基因或蛋白质，推断和评估不 同基因间的进化关系，其中包括分子进化（基因树）和物种进 化（物种树）。 多重序列比对 重建系统发育树 （最大似然法） 基因树与物种树的区别 基因树是根据DNA或蛋白质序列数据构建的系统树； 物种树是表达生物类群进化路径的系统树。 两者存在差异： • 来自两不同物种的两个基因的分化时间可能早于物种的分化； • 基因树的拓扑结构可能与物种树不完全一致 相似性与同源性的区别 相似性将待研究序列与已知DNA或蛋白质序列库进行比较， 找出与此序列相似的已知序列，反映是一种直接的数量关系； 常用的程序如BLAST、FASTA、Dot Plot等。 同源性是指从一些数据中推断出的两个基因或蛋白质序列 具有共同祖先的结论，属于质的判断。同源性分析中常常要 通过多重序列比对来找出序列之间的相互关系，常用的程序， 如Clustal-Alignment 等。 建树方法 邻接法（Neighbor-Joining, NJ ） 最大似然法（Maximum Likelihood, ML ） 最大简约法（Maximum Parsimony, MP ） 贝叶斯法（Bayesian inference, BI ） 邻接法（Neighbor-Joining, NJ ） 特点 ： NJ 法是基于最小进化原理经常被使用的一种算法，它构建的树相对准确， 假设少，计算速度快 ，只得一颗树。 缺点 ： 序列上的所有位点等同对待，且所分析的序列的进化距离不能太大。 适用 ： 进化距离不大 ，信息位点少的短序列。 1 2 3 最大似然法（Maximum Likehood, ML ） 原理 ： 将每个位点所有可能出现的残基替换概率进行累加，产生特定位点的似 然值，对所有可能的系统发育树都计算似然函数，似然函数值最大的那颗树 即最可能的系统发育树。 优点 ： 在进化模型确定的情况下 ，ML法是与进化事实吻合最好的建树算法。 缺点 ： 计算强度非常大，极为耗时。 最大简约法（Maximum Parsimony, MP ）  特点： 基于进化过程中碱基替代数目最少这一假说。  缺点： 推测的树不是唯一的，变异大的序列可能会导致建树错误。  适用： 序列残基差别小 ，具有近似变异率，包含信息位点比较多的长序列。