生物信息学第二序列比对.pptxVIP

生物信息学第二序列比对第1页/共61页第2页/共61页第一节 引 言 Section 1 Introduction 第3页/共61页、同源、相似与距离（一） 同源两个序列享有一个共同的进化上的祖先，则这两个序列是同源的。对于两个序列，他们或者同源或者不同源，不能说他们70%或80%同源。第4页/共61页同源可分为垂直同源（ortholog）和水平同源（paralog）垂直同源与水平同源第5页/共61页（二）相似性与距离相似性、距离：是两个定量描述多个序列相似度的度量。相似性：被比对序列之间的相似程度。距离：被比对序列间的差异程度。相似性既可用于全局比对也可用于局部比对，而距离一般仅用于全局比对，因为它反映了把一个序列转换成另一个序列所需字符替换的耗费。第6页/共61页二、相似与距离的定量描述相似性可定量地定义为两个序列的函数，即它可有多个值，值的大小取决于两个序列对应位置上相同字符的个数，值越大则表示两个序列越相似。编辑距离（edit distance）也可定量地定义为两个序列的函数，其值取决于两个序列对应位置上差异字符的个数，值越小则表示两个序列越相似。第7页/共61页对于一个比对，不论使用什么计分函数进行计分，相似性被定义为总等值于最大的计分：对于k个序列，如果用一个函数cost（）对每一列的所有替换操作进行计分，则多个序列之间的距离等值于最小的计分：第8页/共61页对相似性的计分第9页/共61页编辑距离（edit distance）：一般用海明距离表示。第10页/共61页三、算法实现的比对用计算机科学的术语来说，比对两个序列就是找出两个序列的最长公共子序列（longest common subsequence，LCS），它反映了两个序列的最高相似度。第11页/共61页动态规划法示意（A）使用动态规划法寻找两个序列的最长公共部分；（B）动态规划表的填写。第12页/共61页四、序列比对的作用获得共性序列序列测序突变分析种系分析保守区段分析基因和蛋白质功能分析第13页/共61页第二节 比对算法概要Section 2 Alignment Algorithms第14页/共61页一、替换计分矩阵（一）通过点矩阵对序列比较进行计分A.两条序列完全相同第15页/共61页B.两条序列有一个共同的子序列第16页/共61页C.两条序列反向匹配第17页/共61页D.两条序列存在不连续的两条子序列第18页/共61页（二）DNA序列比对的替换计分矩阵等价矩阵（unitary matrix）转换-颠换矩阵（transition-transversion matrix）BLAST矩阵第19页/共61页核苷酸转换矩阵第20页/共61页（三）蛋白质序列比对的替换计分矩阵等价矩阵遗传密码矩阵（GCM）疏水性矩阵（hydrophobic matrix ）PAM矩阵BLOSUM矩阵第21页/共61页PAM矩阵是从蛋白质序列的全局比对结果推导出来的，而BLOSUM 矩阵则是从蛋白质序列块（短序列）比对推导出来的。PAM/BLOSUM矩阵编号与序列亲缘关系的比较第22页/共61页二、双序列全局比对动态规划算法的思想⑴ a, b是使用某一字符集∑的序列（DNA 或蛋白质序列）；⑵ m = a的长度；⑶ n = b的长度；⑷ S（i,j） 是按照某替换计分矩阵得到的前缀a[1...i]与b[1...j]最大相似性得分；第23页/共61页⑸ w（c,d）是字符c和d按照替换计分矩阵计算的得分。可按照规则建立得分矩阵：S（i,0） = 0, 0 ≤ i ≤ mS（0,j） = 0, 0 ≤ j ≤ n S（i-1,j-1）+ w（ai,bj） 匹配或错配S（i,j）=max S（i-1,j）+ w（ai,-） 插入 S（i,j-1） 缺失不罚分第24页/共61页例如，对于序列a=ACACACTA，序列b=AGCACACA，计分规则w（匹配）=+2；w（a,-）=w（-,b）=w（失配）=-1第25页/共61页得分矩阵第26页/共61页三、双序列局部比对处理子序列与完整序列（或短序列与长序列）比对的一般过程是：设短序列a和长序列b，它们的长度分别为La和Lb，比对是在b序列中寻找La长度的a序列的过程。第27页/共61页四、多序列全局比对多序列比对主要涉及四个要素：①选择一组能进行比对的序列（要求是同源序列）；②选择一个实现比对与计分的算法与软件；③确定软件的参数；④合理地解释比对的结果；与双序列比对一样，多序列比对也有全局比对和局部比对。第28页/共61页（一）动态规划法进行多序列比对计算三序列比对（A）计算三个序列间的一个比对单元（i,j,k）依赖于其7个前导项；（B）计算u=ATGTTAT，v=ATCGTAC，w=ATGC三序列比对的三维得分