第三篇__序列比对.ppt

* BIOINFORMATICS * 其中，C1，C2，…，Ck是一列中的k个字符，p是关于一对字符相似性的打分函数。对于p可采用不同的定义。下面一个是SP函数计算的例子。 （5-7） * BIOINFORMATICS * 总得分根据字符两两比较得分计算演化而来，即逐对计算p(1,2)、p(1,3)、…、p(1,8)、p(2,3)、p(2,4)、．．．、p(2,8)、…、p(l,8)的所有得分，再加和得到结果。在上述计算中假定：如果两个对比的字符相同，则得分为。否则，得分为-1。所以，上述一列的得分为： (-6-6-5-4-2-2-1）=-26 * BIOINFORMATICS * 将一个多重比对所有列的得分全部加起来，其和即为该多重序列比对的得分。 注意：在进行多重序列比对时，可能会出现两个空位字符的比对，因此需要扩充函数p的定义域，即增加p(-,-)的定义。通常的定义是P(-,-)=0。 * BIOINFORMATICS * 3.3.6 统计特征分析 对于所得到的多重序列比对，往往需要进行归纳分析，总结这些序列的特征，或者给出这些序列共性的表示。一种是保守序列表示方式，表示序列每个位置上最可能出现的字符（或者所有可能出现的字符）。另一种表示方式是所谓的特征统计图谱( profile)表示分别对第1、2列和第4、5列进行压缩，则最后结果为方式，或特征统计矩阵(matrix)表示方式。 * BIOINFORMATICS * 给定一个长度为L的多重序列比对α，令P=(P1,P2,…PL)，P表示在α的每一列上各种字符出现的概率分布。令Pj=(pj,0,pj,1,…,pj,A)，A代表字母表，Pj,k代表字母表A中第k个字符在第j列出现的概率。需要说明的是，第0个字符是特殊的空位符号“-”。称P为多重序列比对α的特征统计图谱或特征统计矩阵，它反映α各个列的特征。 * BIOINFORMATICS * 利用特征统计矩阵可以判断一个序列是否满足一定的特征。将一条序列与特征统计矩阵相对照，如果代价值小，说明该序列具有相应的特征，否则，该序列不具有相应的特征。在序列数据库中，往往将各个序列按照同源关系进行分类，形成一系列的家族。对于每一个家族，构建对应的特征统计矩阵。 * BIOINFORMATICS * 这样，在进行数据库查询时，可以利用特征统计矩阵判断一条输入的序列是否属于特定的家族。反过来，也可以利用已知的特征统计矩阵搜索序列数据库，在研究家族关系时，这比用单个序列搜索数据库更有意义。当用单个序列搜索数据库时，我们希望找到与查询序列相似的序列；而用特征统计矩阵搜索数据库时，则希望考察家族的成员关系。 * BIOINFORMATICS * 在序列两两比对中，Fickett和Ukkonen设计了一种称为定界约束的方法来缩小搜索空间、减少计算量，其中得分矩阵的上界和下界可以预先确定或动态变化。为了在多维空间上使用动态规划算法，Carrillo和Lipman将这种思想引入到多重序列比对，即先进行初步的序列双重比对，以便限制进一步作多重序列全面比对所需要的多维空间，从而减少计算量。这样可以克服多序列的维数、空间以及运算量之间的矛盾。 * BIOINFORMATICS * （3）星形比对 如果采用标准的动态规划算法计算最优的多重序列比对，会需要很长的时间，即使采用前面所介绍的方法，也一样需要大量的时间。所以，必须考虑其他的方法，首选的就是所谓启发式方法。启发式方法不一定保证最终能得到最优解，但在大多数情况下，其计算结果接近于最优结果；并且，重要的一点是，这类方法能够大大减少所需的计算时间，加快计算速度。目前所用的算法大部分将序列多重比对转化为序列两两比对，逐渐将两两比对组合起来，最终形成完整的多序列比对。这种方式又称为渐进法。可以按照星形结构或者树形结构组合两两序列比对。 * BIOINFORMATICS * 星形比对是一种启发式方法，首先由Gusfield提出。星形比对的基本思想是：在给定的若干条序列中，选择一个核心序列，通过该序列与其他序列的两两比对，形成所有序列的多重比对a，从而使得a在核心序列和任何一个其他序列方向的投影是最优的两两比对。 * BIOINFORMATICS * 设s1，s2，…，sk是k条待比对的序列。假设已知核心序列是sc。c介于1?k之间，则可以利用标准的动态规划算法求出所有si和sc的最优两两比对。这个工作需要时间为O(kn2)（假设所有序列的长度为n)、将这些序