数据库的搜索幻灯片.ppt

数据库的搜索——BLAST工具的应用;生物序列的相似性;生物序列的同源性;序列的相似性和序列的同源性有一定的关系，一般来说序列间的相似性越高的话，它们是同源序列的可能性就更高，所以经常可以通过序列的相似性来推测序列是否同源。 正因为存在这样的关系，很多时候对序列的相似性和同源性就没有做很明显的区分，造成经常等价混用两个名词。所以有出现A序列和B序列的同源性为80％一说。;序列相似性比较和序列同源性分析;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;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;序列对位排列分析的种类;何为BLAST？——What 为何BLAST？——Why 何处BLAST？——Where 如何BLAST？——How 何时BLAST？——When;何为BLAST?;??何BLAST？？;何处BLAST;;;;;BLAST的搜索策略;;;;;;;;;;;;;;;;BLAST的操作流程——How;;;;;Step 1: Choose your sequence;Example of the FASTA format for a BLAST query 一个FASTA格式的序列以一个单行的说明开始，接下来是若干个行的序列数据。;Step 2: Choose the BLAST program;Step 2: Choose the BLAST program;;Step 2: Choose the BLAST program;Step 2: Choose the BLAST program;Choose the BLAST program;DNA potentially encodes six proteins;Step 3: choose the database ;Step 3: choose the database ;;;当确定了要输入的序列和要搜索的数据库之后，还有10个其他的可选参数要确定。 ① Limit by Entrez Query：任何NCBI BLAST 搜索的范围都可以用在Entrez搜索中使用的任何一种范围限定词来限定。;;Step 4a: 选择可选的搜索参数Select optional search parameters;② Max target sequences：比对之后显示的最大的比对序列的数目。;;③ 期望expect：期望值E是得分大于或等于某个分值S的不同的比对的数目在随机的数据库搜索中发生的可能性。这个数值表示你仅仅因为随机性造成获得这一联配结果的可能次数。对于blastn、blastp、blastxt和blastn期望值的默认设置是10。在这个E值下，随机出现得分等于或高于比对得分S的期望数为10个(这里是假设用与实际的查询序列长度相等的随机的查询序列搜索数据库)。当将期望选项值调小时，返回的数据库搜索结果将变少，匹配被搜索到的概率也会变小。增大E值将返回更多的结果。;;Step 4a: 选择可选的搜索参数Select optional search parameters;;;;⑤ 矩阵matrix：对于blastp的蛋白质-蛋白质搜索有5种氨基酸替代矩阵：PAM30,PAM70,BLOSUM45,BLOSUM62(默认值)以及BLOSUM80.一些其他的BLAST服务器还提供了很多其他的替代矩阵，如PAM250。 通常情况下明智的选择是在一次BLAST搜索中使用几种不同的打分矩阵。 ;PAM1矩阵：Dayhoff和同事利用可接受点突变的数据和每个氨基酸的发现频率产生突变概率矩阵M。矩阵元素Mij表示在一给定进化时期内氨基酸j(列)替换成氨基酸i(行)的概率。进化时期为一个PAM（PAM定义为进化趋异的单位，表示两个蛋白1%氨基酸发生变化的时间）。 PAM1矩阵基于紧密相关蛋白质的比对，这些蛋白质家族内的序列一致程度至少有85%。 除PAM1矩阵外的其他PAM矩阵是如何得来的？ Dayhoff等用PAM1矩阵乘以自身数百次，得到其他PAM矩阵。如PAM250矩阵就是PAM1矩阵乘以自身250次产生，是BLAST搜索数据库的常用矩阵之一。;Dayhoff’s PAM1 mutation probability matrix;PAM250 mutation probability matrix;⑤ PAM0矩阵：矩阵将成为单位矩阵，因没有氨基酸发生变化。 PAM∝矩阵： PAM相当大(如PAM＞2000或矩阵和自己相乘无数次)。每种氨基酸等概率出现，每行的所有值都接近于一个数值，这个数值就是氨基