第四章序列分析概要.ppt

序列的相似性 序列的相似性 一致性(identity): 两个蛋白质有一定数量的氨基酸在排比的位点上是相同的，即如果38个氨基酸的蛋白质中15个位点相同，我们说它们一致性为39.4%. MSDTPSTGFSIIHPTSSEGQVPPPRHLSLTHPVVAKRISFYKSG -------------PRNGTIKIYENPARTFTRPYSAKNITIYKEND 所以, 相似性的数值一定比一致性的要( ) 大 or 相等 or 小 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有共同祖先的结论，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。 序列相似性比较和序列同源性分析 所以，我们说， 序列相似性比较： 就是将待研究序列与DNA或蛋白质序列库进行比较，用于确定该序列的生物属性，也就是找出与此序列相似的已知序列是什么。完成这一工作只需要使用两两序列比较算法。常用的程序包有BLAST等； 序列同源性分析： 是将待研究序列加入到一组与之同源，但来自不同物种的序列中进行多序列同时比较，以确定该序列与其它序列间是否存在同源关系。完成这一工作必须使用多序列比较算法。常用的程序包有CLUSTAL等； 序列比较的基本操作是比对（Alignment） 两个序列的比对是指这两个序列中各个字符的一种一一对应关系，或字符的对比排列 。 编辑距离（Edit Distance) 两条序列的相似程度的定量计算 相似度，它是两个序列的函数，其值越大，表示两个序列越相似 两个序列之间的距离。距离越大，则两个序列的相似度就越小 字符编辑操作（Edit Operation） 字符编辑操作可将一个序列转化为一个新序列 Match（a，a） Delete（a，-） Replace（a，b） Insert（-，b） 扩展的编辑操作 ACCGACAATATGCATA ? ? ? ? ? ATAGGTATAACAGTCA 最长公共子序列问题(Longest common subsequence, LCS) 不同编辑操作的代价不同 为编辑操作定义函数w，它表示“代价（cost）”或“权重（weight）”。 对字母表?中的任意字符a、b，定义 w (a, a) = 0 w (a, b) = 1 a ? b w (a, -) = w ( -, b) = 1 也可以使用得分（score）函数来评价编辑操作 p (a, a) = 1 p (a, b) = 0 a ? b p (a, -) = p ( -, b) = -1 空位罚分。 例如： s: AGCACAC?A t: A?CACACTA cost=2 s: AGCACAC?A t: A?CACACTA score (s，t）= 5 序列比对的目的是寻找一个得分最大（或代价最小）的比对。 s: AGCACAC?A AG?CACACA t: A?CACACTA ACACACT?A （A) (B) 对于(A), score=7-2=5 对于(B), score=5-2=3 序列比对的目的是寻找一个得分最大（或代价最小）的比对。 s: CAAGCAC?AGGCA CAA ? GCAC?AGGCA t: CAA?CACTAGGCA C? AA ? CACTAGGCA （A) (B) Question: 给定一个DNA打分矩阵: Question：序列比较的方法有哪些? 第2节 Blast的应用 Blast简介 BLAST 是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。 主要的blast程序 /Blast.cgi BLAST的应用 具体步骤 1.登陆blast主页 /BLAST/ 2.根据数据类型，选择合适的程序 3.填写表单信息 4.提交任务 5.查看和分析结果