选修9第四章dna和蛋白质序列比对.pptxVIP

生物信息学Bioinformatics;第四章 DNA与蛋白质序列比对;什么是序列比对？;我们为什么关注序列比对？;序列比对的根本任务： 发现序列之间的相似性 辨别序列之间的差异 目的： 相似序列?相似的结构?相似的功能 判别序列之间的同源性?推测序列之间的进化关系 ;一致性(identity): 描述了在每个位点上两条或两条以上的序列的实际相似程度，通过计算排列完的序列上相同的碱基或氨基酸数目衡量。 例如 THISISA-SEQUENCE TH----ATSEQUENCE;7;8;直系同源的定义???：;鉴定直系同源的实际操作标准(practical criteria)为：;例如同是起源于珠蛋白的α珠蛋白、β珠蛋白和肌红蛋白。;相似性和同源性关系;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 。;一、字母表和序列 二、编辑距离（Edit Distance) 三、序列两两比对的相似性评价 四、打分矩阵（Weight Matrices） ;一、字母表和序列;16;17; ? — 代表字母表 A* — 代表由字母表A中字符所形成的一系列有限长度序列或字符串或序列的集合 a、b、c—代表单独的字符 s、t、u、v—代表A*中的序列 |s|—代表序列s的长度;为了说明序列s子序列和s中单个字符，在s中各字符之间用数字标明分割边界 例如，设s=ACCACGTA，则s可表示为 0A1C2C3A4C5G6T7A8 i:s:j 指明第i位和第j位之间的子序 列, 当然，0 ? i ? j ? |s|。 子序列 0:s: i 称为前缀即prefix(s,i) 子序列 i:s:|s| 称为后缀， 即suffix(s, |s|-i) 有两种特殊的情况，即i=j 或i = j-1。 i:s: i — 为空序列 j-1:s:j —表示s 中的第j 个字符，简记为sj ;子序列：选取s中的某些字符（或删除s中的某些字符）而形成s的子序列 例如： TTT 是 ATATAT的子序列。 子串：是由s中相继的字符所组成。 例如： TAC是AGTACA的子串， 但不是TTGAC的子串（是子序列）。 子串是子序列 子序列不一定是子串 ;字符串操作;（1）两条长度相近的序列相似 ?找出序列的差别（2）判断一条序列的前缀与另一条序列的后缀相似（3）判断一条序列是否是另一条序列的子序列（4）判断两条序列中是否有非常相似的子序列;;;;二、编辑距离（Edit Distance);有两种方法可用于量化两条序列的相似程度： 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 距离：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 ;最简单的距离就是海明（Hamming）距离。对于两条长度相等的序列，海明距离等于对应位置字符不同的个数。例如;字符编辑操作（Edit Operation）;扩展的编辑操作;三、序列两两比对的相似性评价; s: AGCACAC?A AG?CACACA t: A?CACACTA ACACACT?A —————————————————————————— Match(A, A) Match(A, A) Delete(G, - ) Replace(G, C) Match(C, C) Insert( -, A) Match(A, A) Match(C, C) Match(C, C) Match(A, A) Match(A, A) Match(C, C) Match(C, C) Replace(A, T) Insert( -, T) Delete(C, -) Match(A, A) Match(A, A) 序列AGCACACA和ACACACTA的两种比对结果 ;不同编辑操作的代价不同;得分（score）函数; 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。;空位罚分(Gap Penalties);空位罚分(Gap Penalties);空位罚分;空位罚分公式;