3.12寻找保守区域-01-序列标识图WebLogo.pdf

《生物信息学》第三章：序列比较（第三部分） 寻找保守区域：序列标识图 WebLogo 如果用一句话来描述你究竟想从多序列比对中得到什么，答案是你想要找到序列中重要 的位置。说得更专业一点，就是要找到保守区域。通过多序列比对下方的星星点点可以大致 发现图 1 中两个红框中的区域比较吸引眼球，因为星星点点特别多！我们稍微回忆一下这些 ” ” 密码的含义：“*”代表这一列残基完全相同；“ : 代表这一列残基或者相同或者相似；“ . 代表这一列残基有相似的但也有不相似的；什么都没有代表这一列残基都不相似。所以我们 寻找的就是星星点点特别多的区域。当然用眼睛来数星星不那么靠谱。我们仍然需要借助软 件来更好的寻来保守区域。 图 1.多序列比对中的保守区域 这里介绍一个新的概念，序列标识图（sequence logo）。序列标识图就是序列的 logo，它 是以图形的方式依次绘出序列比对中各个位置上出现的残基，每个位置上残基的累积可以反 应出该位置上残基的一致性。每个残基对应图形字符的大小与残基在该位置上出现的频率成 正比。 但图形字符的大小并不等于频率百分比，而是经过简单统计计算后转化的结果。图 2 是用一款流行的软件 WebLogo 创建的序列标识图。 图 2. 序列标识图 要创建序列标识图，首先需要一个多序列比对。多序列比对中的一列对应序列标识图中 的一个位置。然后分别计算每一列中不同残基出现的频率，再根据以下公式把频率转换成高 度值，最后根据高度值写出不同残基的彩色字母图形。 如果某一列非常保守，字母高度就高。反之，如果某一列没有什么特征，各种残基都有 出现，杂乱无章，那么就会看到一堆比较矮的字母摞在一起。这里再次强调，字母的高度和 它在某一列中出现的频率成正比，但是并不等于频率。试想一下，如果字母高度就是频率的 话，那么序列标识图中每个位置上字母摞起来的总高度应该是一样的，都是 100%。但是从 图 2 中可以看到，序列标识图上每个位置字母摞起来的总高度是不一样的，这是因为在字母 高度的计算过程中涉及了熵值。某一列中字母出现的情况越混乱，熵值越大，字母越矮。字 母出现的情况越有规律，熵值越小，字母越高。所以序列标识图可以很好的展现多序列比对 中每一列的保守程度，即，它们是杂乱无章的，还有有规律可循的。并且把可循的规律图形 化的展现出来。这就是我们为什么要给序列打上 logo 的原因。 WebLogo 是一款在 线创建序列标识 图的软件 主页面上点“Create your own logos”，然后输入多序列比对（图 2）。WebLogo 可以接受 大多数常见的多序列比对格式。示例文件 promoter.fasta 是一组启动子序列的多序列比对， 以 FASTA 格式存储。FASTA 格式的多序列比对要求把多序列比对中的每一条序列连同插入 的空位一起按 FASTA 格式书写，写完一条序列再写下一条。这和之前讲过的 Clustal 格式不 太一样。在序列输入框的下方可以设置不同参数，以定义序列标识图的样式，比如设置序列 标识图的创建范围、定义字母的颜色方案等。保持所有参数默认，点“Create WebLogo”。 图 3 为创建出的序列标识图。从图中可以清晰的看到：输入的这些启动子序列上 TATA-Box 的共有特征序列，以及它们出现的位置。