序列的同源性比较及分子系统学和分子进化分析

第五章序列的同源性比较及分子系统学和分子进化分析相似性和同源性关系序列的相似性和序列的同源性有一定的关系，一般来说序列间的相似性越高的话，它们是同源序列的可能性就更高，所以经常可以通过序列的相似性来推测序列是否同源。正因为存在这样的关系，很多时候对序列的相似性和同源性就没有做很明显的区分，造成经常等价混用两个名词。所以有出现A序列和B序列的同源性为80％一说。序列相似性比较和序列同源性分析序列相似性比较：将待研究序列与DNA或蛋白质序列库进行比较，用于确定该序列的生物属性，也就是找出与此序列相似的已知序列是什么。完成这一工作只需要使用两两序列比较算法。常用的程序包有BLAST、FASTA等序列同源性分析：将待研究序列加入到一组与之同源，但来自不同物种的序列中进行多序列同时比较，以确定该序列与其它序列间的同源性大小。这是理论分析方法中最关键的一步。完成这一工作必须使用多序列比较算法。常用的程序包有CLUSTAL等Blast程序BLAST是一个基于序列相似性的数据库搜索程序。是“局部相似性基本查询工具”(BasicLocalAlignmentSearchTool)的缩写。Blast是一个序列相似性搜索的程序包，其中包含了很多个独立的程序，这些程序是根据查询的对象和数据库的不同来定义的。Blast程序的选择Blast是一个序列相似性搜索的程序包，其中包含了很多个独立的程序，这些程序是根据查询的对象和数据库的不同来定义的。程序名查询序列数据库搜索方法Blastn核酸核酸核酸序列搜索逐一核酸数据库中的序列Blastp蛋白质蛋白质蛋白质序列搜索逐一蛋白质数据库中的序列Blastx核酸蛋白质核酸序列6框翻译成蛋白质序列后和蛋白质数据库中的序列逐一搜索。Tblastn蛋白质核酸蛋白质序列和核酸数据库中的核酸序列6框翻译后的蛋白质序列逐一比对。TBlastx核酸核酸核酸序列6框翻译成蛋白质序列，再和核酸数据库中的核酸序列6框翻译成的蛋白质序列逐一进行比对。主要的blast程序Blast资源主站点：(网络版)(单机版)其他站点：://nema.cap.ed.ac.uk/ncbi_blast.htmlBlast结果Blast结果会列出跟查询序列相似性比较高，符合限定要求的序列结果，根据这些结果可以获取以下一些信息。查询序列可能具有某种功能查询序列可能是来源于某个物种查询序列可能是某种功能基因的同源基因Blast的版本网络版本NCBI在内的很多网站都提供了在线的blast服务，是最经常用到的blast服务。优点：方便，容易操作，数据库同步更新等优点。缺点：不利于操作大批量的数据，同时也不能自己定义搜索的数据库单机版通过NCBI的ftp站点获得。获得程序的同时必须获取相应的数据库才能在本地进行blast分析。优点：可以处理大批的数据，可以自己定义数据库，缺点：需要耗费本地机的大量资源，此外操作也没有网络版直观、方便，需要一定的计算机操作水平。Blast程序评价序列相似性的两个数据Score：使用打分矩阵对匹配的片段进行打分，这是对各对氨基酸残基（或碱基）打分求和的结果，一般来说，匹配片段越长、相似性越高则Score值越大。Evalue:在相同长度的情况下，两个氨基酸残基（或碱基）随机排列的序列进行打分，得到上述Score值的概率的大小。E值越小表示随机情况下得到该Score值的可能性越低。NCBI提供的Blast服务登陆ncbi的blast主页核酸序列蛋白序列翻译序列还有其他一些针对特殊数据库的和查看以往的比对结果等Blast任务提交表单（一）1.序列信息部分填入查询（query）的序列序列范围（默认全部）选择搜索数据库如果接受其他参数默认设置，点击开始搜索Blast任务提交表单（二）设置搜索的范围，entrez关键词，或者选择特定物种2.设置各种参数部分一些过滤选项，包括简单重复序列，人类基因组中的重复序列等E值上限窗口大小如果你对blast的命令行选项熟悉的话，可以在这里加入更多的参数Blast任务提交表单（三）3.设置结果输出显示格式选择需要显示的选项以及显示的文件格式显示数目Alignment的显示方式筛选结果E值范围其他一些显示格式参数点击开始搜索提交任务返回查询号（requestid）可以修改显示结果格式修改完显示格式后点击进入结果界面结果页面（一）图形示意结果结果页面（二）目标序列描述部分带有genbank的链接，点击可以进入相应的genbank序列匹配情况，分值，e值结果页面（三）详细的比对上的序列的排列情况一个具体的例子（blastp）假设以下为一未知蛋白序列query_seqMSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMASGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADSTQA我们通过blast搜索来获取一些这个序列的信息。具体步骤1.登陆blast主页根据数据类型，选择合适的程序3.填写表单信息4.提交任务5.查看和分析结果分析过程（一）1.登陆ncbi的blast主页2.选择程序，因为查询序列是蛋白序列可以选择blastp，点击进入也可以选择tblastn作为演示，我们这里选blastp分析过程（二）3.填入序列（copy＋paste）Fasta格式，或者纯序列4.选择搜索区域，这里我们要搜索整个序列，不填5.选择搜索数据库，这里我们选nr(非冗余的蛋白序列库)。是否搜索保守区域数据库（cdd），蛋白序列搜索才有。我们选上分析过程（三）6.限制条件，我们限制在病毒里面找。7.其他选项保持默认值打分矩阵分析过程（四）8.输出格式选项保持默认值9.点击开始搜索分析过程（五）10.查询序列的一些相关信息在cdd库里面找到两个保守区域，点击可以进入分析过程（六）图形结果分析过程（七）匹配序列列表分析过程（八）具体匹配情况其他的序列相似性搜索工具－FastAFastA算法是由Lipman和Pearson于1985年发表的（Lipman和Pearson，1985）。FastA的基本思路是识别与代查序列相匹配的很短的序列片段，称为k-tuple。以下链接是EBI提供的fasta服务。帮助信息各个参数选项填入搜索序列多序列比对及Clustal的使用多序列比对的意义用于描述一组序列之间的相似性关系，以便了解一个基因家族的基本特征，寻找motif，保守区域等。用于描述一个同源基因之间的亲缘关系的远近，应用到分子进化分析中。多序列比对的方法同源性分析中常常要通过多序列比对来找出序列之间的相互关系，和blast的局部匹配搜索不同，多序列比对大多都是采用全局比对的算法。这样对于采用计算机程序的自动多序列比对是一个非常复杂且耗时的过程，特别是序列数目多，且序列长的情况下。多序列比对的方法1.手工比对(辅助编辑软件如bioedit，seaview，Genedoc等)通过辅助软件的不同颜色显示不同残基，靠分析者的观察来改变比对的状态。2.计算机程序自动比对通过特定的算法（如同步法，渐进法等），由计算机程序自动搜索最佳的多序列比对状态。自动多序列比对的算法1.同步法将序列两两比对时的二维动态规划矩阵扩展到三维矩阵。即用矩阵的维数来反映比对的序列数目。这种方法的计算量很大，对于计算机系统的资源要求比较高，一般只有在进行少数的较短的序列的比对的时候才会用到这个方法。2.步进法最常见的就是clustal所采用的方法。其基本思想就是基于相似序列通常具有进化相关性的这一假设。多序列比对工具－clustalwClustalw是一个单机版的基于渐进比对的多序列比对工具，由HigginsD.G.等开发。有应用于多种操作系统平台的版本，包括linux版，DOS版的clustlw，clustalx等。CLUSTALW是一种渐进的比对方法，先将多个序列两两比对构建距离矩阵，反应序列之间两两关系；然后根据距离矩阵计算产生系统进化指导树，对关系密切的序列进行加权；然后从最紧密的两条序列开始，逐步引入临近的序列并不断重新构建比对，直到所有序列都被加入为止。Clustalx的工作界面（多序列比对模式）Clustalx的工作界面（剖面(profile)比对模式）Clustalw的工作原理Clustalw输入多个序列快速的序列两两比对，计算序列间的距离，获得一个距离矩阵邻接法(NJ)构建一个树（引导树）根据引导树，渐进比对多个序列。Clustalw的应用1.输入输出格式。输入序列的格式比较灵活，可以是前面介绍过的FASTA格式，还可以是PIR、SWISS-PROT、GDE、Clustal、GCG/MSF、RSF等格式。输出格式也可以选择，有ALN、GCG、PHYLIP和NEXUS等，用户可以根据自己的需要选择合适的输出格式。2.两种工作模式。a.多序列比对模式。b.剖面(profile)比对模式。GCG序列对比软件GCG(GeneticsComputerGroup)是生物信息界最广为人知的分子序列分析软件包，最早是在美国的威斯康辛大学麦迪逊校区(UniversityofWisconsin-Madison)内发展起来的，后来独立成为一个商业公司，期间曾经是OxfordMolecular的分支机构,在2000年又由Pharmacopeia所并构。GCG软件包包括了超过130个独立的序列分析程序，大致上可以分成以下12个类别：1.SequenceComparison2.DatabaseSearchingandRetrieval3.DNA/RNASecondaryStructurePrediction4.EditingandPublication5.EvolutionaryAnalysis6.FragmentAssembly7.GeneFindingandPatternRecognition8.ImportingandExporting9.Mapping10.PrimerSelection11.ProteinAnalysis12.Translation除了分析程序以外，GCG同时也提供多种生物学数据库。核酸相关的:GenBank()EMBL()蛋白质相关的：SWISS-PROT()PIR()SP-TrEMBL()使用者可以输入自己实验获得的分子序列，或者从这些数据库中来获取得到分子序列，再用到GCG的分析程序进行分析。执行GCG程序的方法1.传统的命令行形式，这种情况要求用户熟悉程序的命令。2.借助SeqLab的用户窗口界面，通过各类表单的操作来实现分析任务。以上