生物信息学序列比对课件

1、Sequence Analysis (II)Sequence AlignmentGalacid-Secret of LifeNucleicAcidsA T(U) G CProteins20 amino acidsSalvador Dalis Galacidalacidesoxyribonucleicacid, Homage to Watson and Crick, 1963. Note the figures in quartets to the right signifying the tetranucleotide hypothesis that DNA was composed of a

2、 simple repeating unit of A, C, G and T and was therefore too simple to encode genetic information an idea that was obsolete even by the time Dali painted Galacid.Whats Alignment3The Need of Sequence AlignmentHomology study 同源研究Phylogenetic study系统进化研究Pattern (motif) identification 模式识别Protein Famil

3、y Classification家族分类EST analysis 表达序列标签分析Gene Identification 基因识别Genomic study 组学研究Protein-Protein Interaction 蛋白相互作用More4Principle of Sequence Alignment序列比对原理DotplotsPairwise alignmentLocal alignmentGlobal alignmentMultiple alignmentDotplotsNeedleman/Wunsch/SellersSmith/WatermanGotohSpliced and mor

4、eWhats Alignment同源序列、相似序列和相同序列相似序列的定量描述Seq-a: ATC ACCTT GGTAGCTASeq-b: TAC ACCTT CGTCGCCA打分规则1（相同记为1，不同记为0） 1 + 5 + 5 = 11打分规则2（相同记为0.8，不同记为0.2） 1.2 + 4 + 4.6 = 9.8打分规则3 -3 + 25 + 13 = 35ATCGA5-4-4-4T-45-4-4C-4-45-4G-4-4-45Simple Score Scheme最简单的打分规则匹配：+5分不匹配：0分举例：肽链A：K A W S A D V肽链B：K D W S A E V5

5、+0+5+5+5+0+5=25对于核酸序列仍然适用替换和突变突变：DNA的复制和修复过程中出现错误而导致的核苷酸序列的改变替换：经过自然选择过滤后保留下来的突变同义和异义替换：甘氨酸：GGG, GGA, GGU, GGC编码基因的序列发生同义替换的概率差不多是异义替换的3倍人/鼠同义替换率异义替换率生长激素0.3210.100载脂蛋白E0.1990.148组蛋白(H2A)0.9670.057估计替换数目核酸序列之间的差异可以用替换数目（K）表示如果序列之间的差异很大，K有可能被低估Jukes-Cantor模型：K=-3/4ln1-(4/3(p)Kimura双参数模型：K=1/2ln1/(1-2

6、P-Q)+1/4ln1/(1-2Q)多参数模型：误差太大 时刻0 时刻1 时刻2位点 C T C转换和颠换Conserved Substitution氨基酸的保守替换Substitution of S/T or E/D should result in scores that are only moderately lower than identities. A.A. have similar physicochemical properties can be replaced each other such as Serine (S) & Threonine (T), Aspartic a

7、cid (D) & Glutamic acid (E)各种不同的替换计分矩阵4种碱基，20种氨基酸各种碱基或氨基酸的理化性质不同各种突变发生的概率不同DNA记分矩阵：等价矩阵、转换-颠换矩阵、BLAST矩阵蛋白质记分矩阵：等价矩阵、遗传密码矩阵、疏水性矩阵、PAM矩阵BLOSUM矩阵来源于对自然界氨基酸替换概率的统计PAM-1Protein substitution matrices蛋白替换矩阵BLOSUM250 matrix: Positive scores on diagonal(identities) Similar residues get higherscores Dissimila

8、r residues getsmaller (negative) scores怎样选用PAM-n和BLOSUM-n矩阵PAM矩阵：n越小表示氨基酸变异的可能性越小BLOSUM矩阵：n越小表示氨基酸相似的可能性越小BLOSUM 80PAM 1序列相似度高BLOSUM 45PAM 250序列相似度低BLOSUM 62PAM 120什么是Gap空格 (gap)Seq-a: ATACCTTGGTAGCTASeq-b: ATGACCTTGGTAGCTASeq-a: AT-ACCTTGGTAGCTASeq-b: ATGACCTTGGTAGCTA突变位点上的替换、插入和删除引起了序列的差异Gap Penal

9、ty空位罚分Multiple insertions/deletions may be one evolutionary eventSeparate penalties for gap opening and gap elongationK L A A S V I L S D A LK L A A - - - - S D A L-10 + 3 x (-1)=-13起始罚分长度罚分利用点矩阵进行序列比对Dotplots AlgorithmDotplots two sequecne (x, y)length(x) = MLength(y) = Nfor i = 1- Mfor j = 1 - Nif

10、 xi = yjD(i, j) = 1elseD(i, j) = 0O(MN)Dynamic Programming动态规划法求解序列比对问题分解序列1： ACTCG序列2： ACAGTAG第一位点得分剩余序列AA+1CTCGCAGTAG-A-1ACTCGCAGTAGA-1CTCGACAGTAGDynamic Programming动态规划法求解序列比对序列1： ACTCG序列2： ACAGTAGgapACTCGgap0-1-2-3-4-5A-110-1-2-3C-20210-1A-3-11210G-4-20122T-5-3-1112A-6-4-2011G-7-5-3-102多重序列比对Mul

11、tiple sequence alignment动态规划法：n条序列 n维矩阵ClustalW、ClustalX和ClustalO多序列比对的应用获得共性序列（Consensus sequence）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Alignment exercise获取HBV A、B、C、D亚型参考序列（HBV genotype A/B/C/D）访问EMBOSS和MobylePasteur，利用比对工具比对四条序列访问Clustal: Multiple Sequence Alignment网站下载ClustalX和ClustalO，比对4条序列Homework下载HPV 16/1