生物信息学bioinf4.ppt

* * 四、核苷酸和蛋白质序列为基础的数据库检索 Sequence-based database searching 序列对位排列（sequence alignment） 将两条或多条序列对位排列，突出相似的结构区域 序列1 序列2 两条DNA序列对位排列分析 两条蛋白质序列对位排列分析 分析功能 分析物种进化 检测突变、插入或缺失 序列延长 序列定位 基因表达谱分析 用途 序列对位排列排列分析的种类 序列对库对位排列分析 从数据库中寻找同源序列 主要涉及核苷酸数据库和蛋白质数据库 两序列对位排列分析 多序列对位排列分析 （一）序列对位排列分析的基本原理 1、记分矩阵（scoring matrix） 记分矩阵中含有两条序列对位排列时具体使用的分值 分数越高，两条序列匹配越好 DNA序列对位记分矩阵 序列1 A C G T T A G C 序列2 A C T T T G G C 记分 0.9 0.9 -0.1 0.9 0.9 -0.1 0.9 0.9 ＝ 5.2 蛋白质序列对位排列分析记分复杂 一致氨基酸的记分不同 稀有氨基酸（C），分值高 普通氨基酸（S），分值低 相似氨基酸也记分，如D-E 序列1：TTYGAPPWCS 序列2： TGYAPPPWS * *** * 序列1：TTYGAPPWCS 序列2：TGYAPPPWS * * *** 多种记分矩阵 80年代建立的PAM矩阵（如PAM30、PAM70） 近年建立的BLOSUM矩阵（如BLOSUM62、BLOSUM80、BLOSUM45） 基于更敏感的对位排列分析 2、空位（间隔）罚分（gap penalty） 基因进化过程中产生突变 序列对位排列分析时允许插入空位 空位罚分涉及两个参数 插入 缺失 空位开放（gap opening） 空位延伸（gap extension） 蛋白质序列对位记分 序列1 V D S - C Y 序列2 V E S L C Y 记分 4 2 4 -11 9 7 BLAST FASTA Blitz （二）序列对库对位排列分析 主要检索体系 用待分析序列对数据库进行相似性分析 重复许多次的两两序列对位排列分析 从数据库中找出所有同源序列 1、基本概念 （1）Sequence identity 和 sequence similarity 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 氨基酸残基的化学性质相似 Query: 1 IGQAQCSTFRGRIYNETNIDSAFATQRQANCP 32 IGQAQC TF+ RIYNET +AFAT +ANCP Sbjet: 2 IGQAQCGTFKDRIYNET---TAFATSLRANCP 32 （2）Global alignment 和 local alignment Query Subject Query Subject Query Subject Global alignment: 两条完整的序列相比较 Local alignment: 两条序列中相似程度最高的部分 相比较 （3）Gapped alignment 和 ungapped alignment Query Subject Query Subject Query Subject Query Subject Gapped alignment: 为达到最佳 alignment，序列中加入空位 Ungapped alignment：相比较序列的核苷酸或氨基酸 序列连续 （4）Alignment score 和 E (expect) value 衡量两条相比较序列相似程度的标准 raw score: 原始分，分值越大，两个比较序列相似程度越大 bit score: 采用统计学方法以原始分为基础计算的 E value: 期望得到的、完全由机会造成的、相当于或大于目 前分值的alignment 次数 E = 10, 5e - 46 = 5 ? 10-46，E