第四章序列分析.pptVIP

例：((LYCES,SPIOL84),(YEAST,(XENLA,(((RAT,MOUSE96),HUMAN83),CHICK71)66),DROVI58))第29页，共62页，星期日，2025年，2月5日相关树第30页，共62页，星期日，2025年，2月5日多序列比对第31页，共62页，星期日，2025年，2月5日目前使用最广泛的多重序列比对程序是ClustalWClustalW是一种渐进的比对方法，先将多个序列进行两两比对，基于这些比较，计算得到一个距离矩阵，该矩阵反映了每对序列的关系EBI的CLUSTALW网址是：http://www.ebi.ac.uk/clustalw/第32页，共62页，星期日，2025年，2月5日第33页，共62页，星期日，2025年，2月5日7、统计特征分析对于所得到的多重序列比对，我们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 —H—LVV G—VLVG GN—LVV LHCLV- VHCL--（1）保守序列 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） ATNTSC(N-A,T,C,G;S-G,C)第34页，共62页，星期日，2025年，2月5日（2）特征统计图（Profile）令P=(P1,P2,…,PL)，P表示在?的每一列上各种字符出现的概率分布 Pj=(pj0,pj1,…,pj|A|) A代表字母表，Pjk代表字母表A中第k个字符在第j列出现的概率。第0个字符是特殊的空位符号“-”。第35页，共62页，星期日，2025年，2月5日 ATTAT AACTT CTTAT ACTTT AGAAT 12345(位置)A0.80.20.20.60.0T0.00.40.60.41.0C0.20.20.20.00.0G0.00.20.00.00.0（碱基）第36页，共62页，星期日，2025年，2月5日利用保守序列或者特征统计图可以判断一个序列是否满足一定的特征给定一个序列s=a1a2…am，定义字符a在第j位的代价为 其中，|A|代表字母表A的长度，Ak代表A的第k个字符，特别地A0代表空缺字符“-”。整个序列s的代价为一条序列与特征统计图相对照，如果代价值小，说明该序列具有相应的特征，否则该序列不具备相应的特征。第37页，共62页，星期日，2025年，2月5日第四节DNA片段组装大规模基因组测序得到待测序列的一系列序列片段这些序列片段覆盖待测序列序列片段之间也存在着相互覆盖或者重叠。目标序列序列碎片第38页，共62页，星期日，2025年，2月5日1、片段组装问题 定义： 给定一组取自特定字母表的字符串集合F，寻找一个最短的字符串s，使得F中的每一个字符串都是s的一个连续子串。这里，集合F的字符串相当于待组装的序列片段，而s则是序列片段组装的结果。Input AnswerACCGT--ACCGT--CGTGC----CGTGCTTACTTAC-----TACCGT-TACCGT-- TTACCGTGC第39页，共62页，星期日，2025年，2月5日（1）碱基标识错误4个主要问题第40页，共62页，星期日，2025年，2月5日（2）不知道片段的方向第41页，共62页，星期日，2025年，2月5日（3）存在重复区域..第42页，共62页，星期日，2025年，2月5日（4）缺少覆盖第43页，共62页，星期日，2025年，2月5日2、序列片段组装模型 序列片段组装过程：三个步骤（1）首先进行序列片段的两两比较，确定可能的片段之间的覆盖（或者重叠）；（2）确定所有片段统一的覆盖模式，