窦同海1-序列比对与生物信息学.pptVIP

序列比对与生物学研究 窦 同 海 复旦大学遗传所 tonghaidou@ 主要内容 背景介绍 序列比对介绍 序列比对应用实例 网络资源 背景知识 生物研究基础与生物信息学 1990年开始人类基因组计划(Human Genome Project) ， 多物种测序，分子生物学，信息科学 生物数据量爆炸 交叉学科－生物信息学 计算机运算速度: 18个月增长一倍;DNA序列数据: 14个月增长一倍;  近年来GenBank中的DNA碱基数目呈指数增加，大约每14个月增加一倍。到1999年12月其数目已达30亿，它们来自47000种生物。2000年4月DNA碱基数目是60亿。现在，2001年初这一数目已达110亿。各种生物的EST序列已达600多万条，其中人类的EST序列已超过300 万条，估计覆盖人类基因90％以上；UniGene的数目约达7万个；自1999年初单核苷酸多态性( SNPs,Single Nucleotide Polymorphisms )数据库出现以来，到2000年3月20日SNP的总数是26569，现在已超过350万；自全长1.8Mb的嗜血流感杆菌（Haemophilus influenzae Rd）基因组序列于1995年发表（Fleischmann et al.，1995）以来，已有54个模式生物的完整基因组被测序完成，它们中有9个古细菌、31个原核真细菌、14个真核生物的完整基因组或它们的完整染色体，其中包括酿酒酵母和线虫。还有另外的70余个微生物基因组正在测试当中； 分子生物学和遗传学的文献积累从60年代中期的接近10万篇迅速增长至60年代末期的20多万篇，即在3-4年间，翻了一番。此后，至80年代中期，上升至约30万篇，即平均每年增长6-7千篇。至90年代中，文献数已上升至40多万篇；即在10年中，平均每年增长1万篇。到2000年，则增长至约50万篇，即在约5年间，又增长了10万篇（根据有关PubMed数据整理）。 交叉学科—生物信息学应运而生 存储、修复、分析、整合生物数据的学科 分子生物学与信息技术的结合 研究材料与结果：各种生物学数据 研究工具：网络、计算机 现代生物研究的核心 研究方法： 传统生物学：实验 理论 现代生物学：理论 实验验证 主要研究领域：序列比对、结构比对、蛋白质预测、分子进化、基因芯片数据处理和基于结构的药物设计等等方面 其基础在于序列比对 什么是序列比对？ DNA与蛋白质DNA:遗传信息的载体 双螺旋形分子带 碱基完美互补 DNA与蛋白质序列的表示 A sample DNA sequence gb|M25718_HSAL002875 (Alu-Sp) 序列比对 例如： 序列一：president 序列二：providence 序列比对结果 例如： 序列一：president 序列二：providence ( PResIDENt 共有的序列 PRovIDENce ) 序列比对 又例如： 序列一：al gorithm 序列二：alignment 它的共有序列为 ( ALGorithM或 ALiGnmenT ) 序列比对分析－生物序列 序列的比对匹配（Sequence Alignment） 理论基础：进化学说 序列匹配方式多样 为什么要进行序列比对？ 序列比对 将两个或多个序列按一定方式对应进行比较 相似性与同源性 同源序列：简单地说，是指从某一共同祖先经趋异进化而形成的不同序列，功能上有可能相似或相近。 相似性(similarity)和同源性(homology)：相似性是指序列比对过程中用来描述检测序列和目标序列之间相同DNA碱基或氨基酸残基顺序所占比例的高低。 当相似程度高于50%时，比较容易推测检测序列和目标序列可能是同源序列；而当相似性程度低于20%时，就难以确定或者根本无法确定其是否具有同源性。 比较目标序列和已有序列的相似性，可以从已知向未知推测 保守序列寻找 蛋白保守功能域 人CRHR2