2025年生物信息学原理与应用手册_1.docxVIP

2025年生物信息学原理与应用手册

第1章基因表达数据基础与处理

1.1序列比对与比对算法原理

序列比对的核心是寻找两个生物序列（如基因序列或蛋白质序列）之间的最佳匹配模式，其根本目的是通过计算匹配得分来评估序列相似度，从而推断同源关系。在实际操作中，比对算法通常采用动态规划（DynamicProgramming）方法，例如Smith-Waterman算法，它通过构建得分矩阵来逐步填充得分，确保局部最优解，特别适用于短序列比对。为了处理长序列比对中的复杂情况，如重复序列或结构域，需要引入位置期望模型（PositionWeightMatrix,PWM）或隐马尔可夫模型（HMM）。例如，在比对转录因子结合位点时，使用PWM矩阵可以预测每个位置出现特定碱基的概率，从而更准确地识别高置信度的结合区域，避免随机匹配带来的误判。

在具体的比对执行中，比对工具如BLAST或HMMER会先进行序列预处理，包括去除低质量碱基、进行去冗余操作（如重复序列去除）以及进行序列标准化。这一步骤至关重要，因为未标准化的序列会导致比对结果偏差，进而影响后续的功能注释准确性。比对后的核心输出是E-value（期望值），它代表了在随机序列比对中出现当前匹配模式的概率，数值越小表示序列同源性越高。例如，当比对得到的E-value小于1e-5时，通常认为该序列之间存在显