核酸序列及数据分析-.ppt

OReilly Bioinformatics Technology - BLAST Programming 本章内容 第一节 核酸数据的获取 第二节 序列比对 第三节 序列特征分析 第一节 核酸数据的获取 Gene Ontology（GO分类） Gene Ontology包含了基因参与的生物过程，所处的细胞位置，发挥的分子功能三方面功能信息，并将概念粗细不同的功能概念组织成DAG（有向无环图）的结构。 Gene Ontology是一个使用有控制的词汇表和严格定义的概念关系，以有向无环图的形式统一表示各物种的基因功能分类体系，从而较全面地概括了基因的功能信息。 在基因表达谱分析中，GO常用于提供基因功能分类标签和基因功能研究的背景知识。利用GO的知识体系和结构特点，旨在发掘与基因差异表达现象关联的单个特征基因功能类或多个特征功能类的组合。 Genbank格式注解 GenBank记录中特性表中的主要关键词: FASTA格式 FASTA格式第一行是描述行，第一个字符必须是“”字符。 随后的行是序列本身，每行序列不超过80个字符。 序列由标准的IUB/IUPAC氨基酸和核酸代码代表。 ref|NC_000016.8|NC_00001677024150 Homo sapiens chromosome 16, reference assembly GCAGTGCGCAGGCGTGAGCGGTCGGGCCCCGACGCGCGCGGGTCTCGTTTGGAGCGGGAGTGAGTTCCTGAGCGAGTGGACCCGGCAGCGGGCGATAGGGGGGCCAGGTGCCTCCACAGTCAGCCATGGCAGCGCTGCGCTACGCGGGGCTGGACGACACGGACAGTGAGGACGAGCTGCCTCCGGGCTGGGAGGAGAGAACCACCAAGG 第二节 序列比对 序列比较 序列比较的一个基本操作就是比对（Alignment），即将两个序列的各个字符（代表核苷酸或者氨基酸残基）按照对应等同或者置换关系进行对比排列，其结果是两个序列共有的排列顺序，这是序列相似程度的一种定性描述 多重序列比对研究的是多个序列的共性。序列的多重比对可用来搜索基因组序列的功能区域，也可用于研究一组蛋白质之间的进化关系。 生物序列的同源性 同源性(homology)： 指从一些数据中推断出的两个基因或蛋白质序列具而共同祖先的结论，属于质的判断。就是说A和B的关系上，只有是同源序列，或者非同源序列两种关系。而说A和B的同源性为80％都是不科学的。 数据库的搜索 在分子生物学研究中，对于新测定的碱基序列或由此翻译得到的氨基酸序列，需要通过数据库搜索，找出具有一定相似性的同源序列，以推测该未知序列可能属于哪个基因家族，具有哪些生物学功能。对于氨基酸序列来说，有可能找到已知三维结构的同源蛋白质而推测其可能的空间结构。因此，数据库搜索与数据库查询一样，是生物信息学研究中的一个重要工具. BLAST简介 BLAST 是由美国国立生物技术信息中心（NCBI）开发的一个基于序列相似性的数据库搜索程序。 BLAST是“局部相似性基本查询工具”(Basic Local Alignment Search Tool)的 缩写。 BLAST简介 Blast 是一个序列相似性搜索的程序包，其中包含了很多个独立的程序，这些程序是根据查询的对象和数据库的不同来定义的。比如说查询的序列为核酸，查询数据库亦为核酸序列数据库，那么就应该选择blastn程序。 主要的BLAST程序 BLAST搜索格式 （1）FASTA格式 FASTA格式第一行是描述行，第一个字符必须是“”字符。 随后的行是序列本身，每行序列不超过80个字符。 序列由标准的IUB/IUPAC氨基酸和核酸代码代表。 ref|NC_000016.8|NC_00001677024150 Homo sapiens chromosome 16, reference assembly GCAGTGCGCAGGCGTGAGCGGTCGGGCCCCGACGCGCGCGGGTCTCGTTTGGAGCGGGAGTGAGTTCCTGAGCGAGTGGACCCGGCAGCGGGCGATAGGGGGGCCAGGTGCCTCCACAGTCAGCCATGGCAGCGCTGCGCTACGCGGGGCTGGACGACACGGACAGTGAGGACGAGCTGCCTCCGGGCTGGGAGGAGAGAACCACCAAGG BLAST搜索格式 （2）单纯序列数据输入格式 GCAGTGCGCAGGCGTGAGCGGTCGGGCCCCGACGCGCGCGGGTCT