生物信息学序列相似性概念共40页
合集下载
序列相似性的概念
序列相似性的概念
序列排比具有上述强大功能的原因是，人 们发现，假如两个生物大分子的序列足够相 似，几乎毫无疑问(当然不是绝对) 似，几乎毫无疑问(当然不是绝对)它们具有相 似的生物学功能，并且可能是同源的。
序列相似性的概念
在序列中编码功能的句法和语义学中具有两个 重要的特征： 功能被编码于序列之中，即序列提供了句法。 编码具有一定的丰余度(redundancy)，即序列中一 编码具有一定的丰余度(redundancy)，即序列中一 些位点的改变可以保持功能不变，这就使编码具有 强劲的语义学。
序列比较是如何进行的？
匹配率(identity): 匹配率(identity): 两个蛋白质有一定数量的氨基酸在排比的位点 上是相同的，即如果38个氨基酸的蛋白质中 15个位点相同，我们说它们39.4%相同 (39.4%)
MSDTPSTGFSIIHPTSSEGQVPPPRHLSLTHPVVAKRISFYKSG -------------PRNGTIKIYENPARTFTRPYSAKNITIYKEND
序列相似性的概念
序列排比(aligment)是序列分析的基础，其他 序列排比(aligment)是序列分析的基础，其他 一切都建立在序列排比的基础上。 ACGCTAGCGCTAGCTGCTAGCTAG ACGCTAGCGCTAGCTGCTAGCTAG ACGCTAGCGCAAGCTGCTAGCTAG ______________ __________________
序列比较是如何进行的？
-------打分矩阵( -------打分矩阵(Scoring Matrices) )
因为所有的点突变都产生于核苷酸的变化， 因此排比中氨基酸对的相关性是随机的还是 遗传的应处决于由一个密码子转变为另一密 码子所必需的点突变的数量。由这一模型而 产生的打分矩阵将根据导致密码子改变所需 改变核苷酸的数量来定义两个氨基酸之间的 距离，此为遗传密码子打分矩阵(genetic code matrix)。与匹配打分模型相比，它改进 了排比中的灵敏度和专一性。
序列相似性的概念
ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
7
Dotplots - 序列相似性的作图分析
序列比较的问题(The problem with sequence comparison)
ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC
CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
----AT--GCAT--GCATGC--ATGCATATATATATAT----ATATAT----GCATGCATGCATGCATGC | | | | | | | | | | | | | | | | | | | || | | | | || | | | | | | | | | || | | | | | CGATCG--ATCG--AT--CG--------ATATATATATATGCATATATATGCATGCATGCATGCAT
ATGCATGCATGCATGCATATATATATAT----ATATATGCATGCATGCATGCATGC | | | | | | | | | | | | | || | | | | | | | | | | || | | | | | | | | | || | | CGATCGATCGATCGATATATATATATGCATATAT----ATGCATGCATGCATGCAT
Dotplots - 序列相似性的作图分析
序列比较的问题(The problem with sequence comparison)
7
Dotplots - 序列相似性的作图分析
序列比较的问题(The problem with sequence comparison)
ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC
CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
----AT--GCAT--GCATGC--ATGCATATATATATAT----ATATAT----GCATGCATGCATGCATGC | | | | | | | | | | | | | | | | | | | || | | | | || | | | | | | | | | || | | | | | CGATCG--ATCG--AT--CG--------ATATATATATATGCATATATATGCATGCATGCATGCAT
ATGCATGCATGCATGCATATATATATAT----ATATATGCATGCATGCATGCATGC | | | | | | | | | | | | | || | | | | | | | | | | || | | | | | | | | | || | | CGATCGATCGATCGATATATATATATGCATATAT----ATGCATGCATGCATGCAT
Dotplots - 序列相似性的作图分析
序列比较的问题(The problem with sequence comparison)
第三章 序列相似性比较
序列比对问题
基因在进化中存在插入/缺失突变，序列比对时应该 将这些考虑这些突变，以便获得到更好的对齐结果。
ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC | | | | | | | | | | | | | || | | | | | | | | | | || | | | | | | | | | | | CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
等价矩阵 BLAST矩阵 转移矩阵 7 31 6
t= ACACACTGA Alignment-2 s= ACACAC-CA |||||| | t= ACACACTGA
7 31 2
氨基酸计分矩阵
氨基酸计分矩阵 —— 等价矩阵 —— 遗传密码矩阵 —— 疏水矩阵 —— PAM矩阵 —— BLOSUM矩阵
ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC | | | || | | | | | | | | | | | CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC | | | | | | | | | | | | | || | | | | | | | | | | || | | | | | | | | | | | CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT
序列相似性的概念41页PPT
序列相似性的概念
16、自己选择的路、跪着也要把它走 完。 17、一般情况下)不想三年以后的事， 只想现 在的事 。现在 有成就 ，以后 才能更 辉煌。
18、敢于向黑暗宣战的人，心里必须 充满光 明。 19、学习的关键--重复。
20、懦弱的人只会裹足不前，莽撞的 人只能 引为烧 身，只 有真正 西，从任何源泉吸 收都不可耻。——阿卜·日·法拉兹
42、只有在人群中间，才能认识自 己。——德国
43、重复别人所说的话，只需要教育； 而要挑战别人所说的话，则需要头脑。—— 玛丽·佩蒂博恩·普尔
44、卓越的人一大优点是：在不利与艰 难的遭遇里百折不饶。——贝多芬
45、自己的饭量自己知道。——苏联
16、自己选择的路、跪着也要把它走 完。 17、一般情况下)不想三年以后的事， 只想现 在的事 。现在 有成就 ，以后 才能更 辉煌。
18、敢于向黑暗宣战的人，心里必须 充满光 明。 19、学习的关键--重复。
20、懦弱的人只会裹足不前，莽撞的 人只能 引为烧 身，只 有真正 西，从任何源泉吸 收都不可耻。——阿卜·日·法拉兹
42、只有在人群中间，才能认识自 己。——德国
43、重复别人所说的话，只需要教育； 而要挑战别人所说的话，则需要头脑。—— 玛丽·佩蒂博恩·普尔
44、卓越的人一大优点是：在不利与艰 难的遭遇里百折不饶。——贝多芬
45、自己的饭量自己知道。——苏联
生物信息学-blast
筛选结果
点击开始搜索
其他一些显示格式参数
18
提交任务
返回查询号（request id）
修改完显示格式后点 击进入结果界面
可以修改显示结果格式
19
结果页面（一）
图形示意结果
20
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
21
结果页面（三）
匹配序列列表
31
分析过程（八）
具体匹配情况
32
单机版的Blast使用（一）
为什么使用单机版的Blast？ 1.特殊的数据库要求。 2.涉及序列的隐私与价值。 3.批量处理 4.其他原因？？
33
单机版的Blast使用（二）
单机版Blast的基本操作过程 1.下载单机版的Blast程序 ftp:///blast/executables/ 目录下，下载对应的操作系统版本。 2.解压程序包(blast.tar.gz) 命令是: $ tar zxvf blast.tar.gz
5
序列相似性比较和序列同源性分析
序列相似性比较： 就是将待研究序列与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： 是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；
6
Blast简介（一）
生物序列的相似搜索blast简介及其应用
freebsd
alpha
win32
39
单机版的Blast使用（三）
3.获取Blast数据库 a.直接从ncbi下载 ftp:///blast/db/ b.用Blast程序包提供的formatdb工具自己格 式化序列数据成数据库。
假设有一序列数据（sequence.fa，多序列，fasta 格式），欲自己做成Blast数据库，典型的命令 如下：
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。
6
序列相似性比较和序列同源性分析
序列相似性比较： 就是将待研究序列与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；
2
内容提要
1.基本概念 相似性，同源性
2.Blast介绍 Blast资源和相关问题
3.Blast的应用 网络版，单机版
4.深入了解Blast(改进程序，算法基础) 5.其他的序列相似性搜索工具（fasta）
3
生物序列的相似性
相似性(similarity)： 是指一种很直接的数量关系，比如部
分相同或相似的百分比或其它一些合适 的度量。比如说，A序列和B序列的相似 性是80％，或者4/5。这是个量化的关 系。当然可进行自身局部比较。
生物序列的相似性搜索
－blast简介及其应用
2010年6月 科教信息科
生物信息学常见的应用与软件
序列数据的保存格式与相关数据库资源 在数据库中进行序列相似性搜索 多序列比对 进化树构建与分子进化分析 Motif的寻找与序列的模式识别 RNA二级结构，蛋白质二、三级结构的预测 基因芯片的数据分析
序列相似性的概念
Dayhoff突变数据打分矩阵是如何构建的？
----打分矩阵的原理(Principles ----打分矩阵的原理(Principles of Scoring Matrices) )
两个序列的进化距离就是从一个序列进化到 另一个序列的点突变的数量(也就是突变的最 小次数)。 以下因素会导致实际的进化距离与观察到的 差异程度不一致：
Dayhoff突变数据打分矩阵是如何构建的？
----打分矩阵的原理(Principles ----打分矩阵的原理(Principles of Scoring Matrices) )
首先，有可能有些核苷酸残基已经突变，但后来又 回复突变(如 A=>T=>A)，把突变的事件隐藏了起来。 这种现象在评价生物学时钟时和在研究每单位时间 有多少突变事件被固定下来这个问题时显得特别重 要，而在讨论突变打分矩阵时我们完全不必理会它。 一些特殊的氨基酸残基可能已经突变了多次(如 G=>L=>I ) 一个氨基酸残基可以突变“走”然后又突变回来(如 G=>L=>G ) DNA点突变的数量很可能大于差异氨基酸的量。这 个因素也需要考虑
序列比较是如何进行的？
-------打分矩阵( -------打分矩阵(Scoring Matrices) )
因为所有的点突变都产生于核苷酸的变化， 因此排比中氨基酸对的相关性是随机的还是 遗传的应处决于由一个密码子转变为另一密 码子所必需的点突变的数量。由这一模型而 产生的打分矩阵将根据导致密码子改变所需 改变核苷酸的数量来定义两个氨基酸之间的 距离，此为遗传密码子打分矩阵(genetic code matrix)。与匹配打分模型相比，它改进 了排比中的灵敏度和专一性。
序列比较是如何进行的？
生物信息学第五章
-5
-4 -7 E
-5
-4 -5 Q
-2
0 -3 H
-4
-4 -2 R
-5
-4 -3 K
0
-2 -4 M
1
-1 -5 I
2
-1 -2 L
-1
-2 -6 V
9
7 0 F 10 0 Y 17 W
(5) BLOSUM矩阵 不少情况下Dayhoff PAM记分矩阵可能失效，因为其置换速率是通 过至少具有85％一致性的序列对位排列所获得的。那些进化距离较 远的矩阵是推算出来而不是直接计算得到的,其准确率受到一定限制， 这就需要使用新的记分矩阵。 Henikoff和Henikoff (1992)从BLOCKS数据库的对位排列序列块导 出了一组置换矩阵，称为BLOSUM矩阵。同Dayhoff模型不同的是， BLOSUM矩阵可以使用关系较远的序列来获得矩阵元素。例如，以 大于或等于80％一致性的聚合序列构建BLOSUM 80矩阵，而大于 或等于62%的聚合序列则用于构建BLOSUM 62矩阵（图4-14）,依 此类推。
0
0 0 0 0 0 0 0 0 0 0
1
0 0 0 0 0 0 0 0 0 0
0
1 0 0 0 0 0 0 0 0 0
0
0 1 0 0 0 0 0 0 0 0
0
0 0 1 0 0 0 0 0 0 0
0
0 0 0 1 0 0 0 0 0 0
0
0 0 0 0 1 0 0 0 0 0
0
0 0 0 0 0 1 0 0 0 0
F
0 0 0 0 0 0 0 0 0 0
Y
0 0 0 0 0 0 0 0 0 0
W
0 0 0 0 0 0 0 0 0 0