多重序列比对
第十章_多重序列比对
第十章 多重序列比對 Vector NTI的多重序列比對程式和其他的比對軟體比較起來非常的方便實用，操作介面也很簡單，比對的結果可以存取和輸出。
NTI有兩種序列比對程式，一種為AlignX，可以用在核酸序列和蛋白質序列比對；另一種為AlignX Blocks，只能用在蛋白質序列比對。
如何開始進行序列比對？使用者可以從程式集開啟檔案(圖10.1)：圖10.1 由程式集開啟AlignX 或者是從主程式中開啟(圖10.2)：圖10.2 由主程式開啟AlignX 使用者也可以在主程式(圖10.3)具有操作序列的情況下開啟AlignX-Align Selected Molecules，使用者的序列會直接載入到AlignX中：圖10.3 在操作序列的情況下開啟AlignX的方法 開啟AlignX之後，使用者會見到圖10.4的畫面：圖10.4在操作序列的情況下開啟AlignX首先使用者要把序列載入Vector NTI程式中，可以點選或者從左上方的Project→Add Files把序列檔案載入，請注意檔案名不可以過長，檔名過長會造成程式進行比對時無法完全顯示檔名(圖10.5)：圖10.5 輸入的檔名注意不可過長 選取檔案後按下開啟就可以載入程式中，若比對的序列很多時可以用滑鼠圈選欲分析的序列後選擇開啟。
序列檔案載入的時候程式會詢問該序列為核酸序列或是蛋白質序列，點選好以後再點選Import就可以了(圖10.6)：圖10.6 載入時，會詢問序列的性質，核酸序列或蛋白質序列接下來程式的左上方會出現使用者載入的序列(圖10.7)，序列載入完成以後就可以開始進行比對的操作：圖10.7 成功載入序列的畫面進行比對前，先把欲比對的序列用滑鼠進行圈選(圖10.8)：圖10.8 選取欲比對之序列只要按下或是從上方Align→Align Selected Sequence(圖10.9)就會進行比對運算：圖10.9按下Align→Align Selected Sequence進行比對運算好以後就會出現下面的畫面(圖10.10)；圖10.10 比對完的結果 分析完成後畫面(圖10.11)會出現比對的相關結果，最下方是序列比對的圖形，左邊中間的區塊所顯示的圖形為導引樹(Guide tree)，用來表示序列之間的關連性。
生物信息学中的多重序列比对算法
生物信息学中的多重序列比对算法生物信息学是一门交叉学科，主要研究生物体内的相关信息，如基因、蛋白质等，与计算机科学相结合，开发相应的算法和软件来处理这些信息。
多重序列比对是生物信息学中一个基本的、重要的问题，在基因组学和系统生物学研究中有着广泛的应用。
本文将会介绍多重序列比对的背景和意义，并着重讨论多种常见的多重序列比对算法。
一、多重序列比对的背景和意义DNA序列中的每一个碱基都是遵循特定的规律排列而成的，对于同一物种不同个体的DNA序列中，虽然具有相同的碱基种类，但在具体的分布和数量上，还是会存在一定的差异。
这些差异可能涉及到基因的表达、蛋白质的功能以及遗传变异等方面。
因此，通过对多个DNA序列进行比对，可以发现它们之间的差异和联系，从而深入了解物种的演化路径和生物功能等方面。
多重序列比对的具体过程是将多条序列进行比对，找出它们之间的共同区域和不同之处。
而这个过程并不是一件轻松的事情，因为序列长度的不同和存在的错配等现象，这个比对过程难点很多。
因此，多重序列比对算法的研究和发展也成为了生物信息学研究的前沿领域之一。
二、多重序列比对算法概述多重序列比对算法根据方法不同，可以分为两类，一种是基于全局比对的算法，另一种则是基于局部比对的算法。
在全局比对中，整条序列被视为一个整体进行比对；而在局部比对中，仅比对序列中的一部分区域，这个区域通常是各个序列中比较相似的地方。
下面分别介绍几个常见的多重序列比对算法：1. ClustalWClustalW是一种全局比对算法，它是一种基于序列之间的距离矩阵进行序列比对的方法。
在ClustalW中，首先将多个序列之间的距离计算出来，然后根据距离矩阵的结果进行多序列比对。
ClustalW算法具有速度快、易于使用的特点。
但是，它的精确度不高，适合处理比较简单的序列之间的比对。
2. MuscleMuscle是一种全局比对算法，其特点是能够使用多种方法来计算序列之间的距离矩阵，常见的包括kmer覆盖率、Poisson模型等。
题目A：多重序列比对的数学模型与算法
题目A ：多重序列比对的数学模型与算法自美国提出组织的人类基因组计划（Human Genome Proreet ）简称为HGP 以来，美国每年拔出相当大的经费支持，日本、法国、英国、德国等纷纷响应，它们的工作使新的交叉学科生物信息论得以诞生和发展，生物信息论是用数理和信息科学的观点、理论和方法去研究生命现象，组织和分析呈指数增长的生物学数据。
生物信息学是一门综合学科，是计算机科学、数学、物理、生物学的结合。
生物信息学的基础是各种数据库的建立和分析工具的发展。
目前，生物学数据库已达500个以上，共有四大类：基因组数据库，核酸和蛋白质一级结构数据库、生物大分子三维空间结构数据库及其以她们为基础构建的二级数据库。
生物信息学主要研究基因组测序及其信息分析、生物大分子的结构与功能预测及其模拟和药物设计、大规模基因表达数据的分析与基因芯片设计，以及基因与蛋白质相互作用网络等四方面的问题。
多重序列比对是计算分子生物学中最重要的运算。
多重序列比对的基本问题就是找出适当安排删减与插入尽量少的空格，使得两个序列达到最大程度的一致的方案。
比如给出下列三个序列：_ (1)AC GAGTCC ACT我们适当安排删减与插入空格得到：_____ (2)___ACG A GTCC AC T（2）就是多重序列的一个比对。
局部分段比对是其中更为常见的运算。
上世纪80年代，Smith-Waterman 提出了两个序列的局部比对的明确的模型。
1998—1999年，相继出现利用k-tuple 的快速容错分段比对搜索法。
2002年开始出现对完整基因组及其异常基因的比较研究以及多重序列比对问题的研究，2003年刘军Mayetri Gupta 和刘军得到Motif 的搜索算法。
人类基因组计划后，目前已经进入后基因时代，主要就是对人类基因组计划实施得到的基本数据库进行信息分析、加工和利用，提取有用信息，用来研究生命现象中的重大问题。
多重序列比对问题是生物信息学的基本问题，多重序列比对技术也是生物信息学的基本工具，有着十分广泛的应用，比如基因是否为同一个家族，癌症患者的基因与正常时的基因比对分析等等。
vector nti 11 使用教程 第十章_多重序列比对
第十章多重序列比对 Vector NTI的多重序列比对程序和其他的比对软件比较起来非常的方便实用，操作接口也很简单，比对的结果可以存取和输出。
NTI有两种序列比对程序，一种为AlignX，可以用在核酸序列和蛋白质序列比对；另一种为AlignX Blocks，只能用在蛋白质序列比对。
如何开始进行序列比对？用户可以从程序集开启档案(图10.1)：图10.1 由程序集开启AlignX 或者是从主程序中开启(图10.2)：图10.2 由主程序开启AlignX 用户也可以在主程序(图10.3)具有操作序列的情况下开启AlignX-Align Selected Molecules，使用者的序列会直接加载到AlignX中：图10.3 在操作序列的情况下开启AlignX的方法 开启AlignX之后，使用者会见到图10.4的画面：图10.4在操作序列的情况下开启AlignX首先用户要把序列加载Vector NTI程序中，可以点选或者从左上方的Project →Add Files把序列档案加载，请注意文件名不可以过长，檔名过长会造成程序进行比对时无法完全显示文件名(图10.5)：图10.5 输入的档名注意不可过长 选取档案后按下开启就可以加载程序中，若比对的序列很多时可以用鼠标圈选欲分析的序列后选择开启。
序列档案加载的时候程序会询问该序列为核酸序列或是蛋白质序列，点选好以后再点选Import就可以了(图10.6)：图10.6 载入时，会询问序列的性质，核酸序列或蛋白质序列接下来程序的左上方会出现使用者加载的序列(图10.7)，序列加载完成以后就可以开始进行比对的操作：图10.7 成功载入序列的画面进行比对前，先把欲比对的序列用鼠标进行圈选(图10.8)：图10.8 选取欲比对之序列只要按下或是从上方Align→Align Selected Sequence(图10.9)就会进行比对运算：图10.9按下Align→Align Selected Sequence进行比对运算好以后就会出现下面的画面(图10.10)；图10.10 比对完的结果 分析完成后画面(图10.11)会出现比对的相关结果，最下方是序列比对的图形，左边中间的区块所显示的图形为导引树(Guide tree)，用来表示序列之间的关连性。
实验四 基于CLUSTAL算法的多重序列比对分析
实验四基于CLUSTAL算法的多重序列比对分析1. CLUSTAL简介CLUSTAL是对核苷酸或蛋白质进行多序列比对的程序，也可以对来自不同物种的功能相同或相似的序列进行比对和聚类，通过构建系统发生树判断亲缘关系，并对序列在生物进化过程中的保守性进行估计。
CLUSTAL有CLUSTALX和CLUSTALW之分，CLUSTALW 是以命令行格式运行，CLUSTALX则通过窗口格式进行操作。
目前最新版本为CLUSTAL 1.83，均可以从ftp:///pub/software/下载。
这里我们主要介绍CLUSTAL W，从ftp直接下载DOS文件夹下的CLUSTAL W到本地磁盘解压，其中有两个exe文件，CLUSTALW.exe是进行多序列比对和生成亲缘树的程序，而njplotWIN95则是对CLUSTALW.exe运行结果进行察看的程序。
另外还有许多在线的Clustal W服务，例如：/Clustalw/2 . 本地运行Clustal WClustal W程序能自动识别输入的序列，通常当读入的序列字母85%以上为A、C、G、T、U或N时，则被认为是核苷酸序列，反之为蛋白质序列。
进行多序列比对时，要求所有输入的序列按顺序储存于一个文件中。
当有大量的序列文件时，可以在Unix操作系统下用cat file1.seqfile2.seq……>multiseq.seq命令合并成一个文件序列的储存格式必须为以下7种格式之一，他们分别是：NBRF/PRI、EMBL/SWISSPORT、Pearson（Fasta）、Clustal（*.aln）、GCG/MSF（Pileup）、GCG9/RSF和GDE，除了“－”和“．”外所有的非字母都将被忽略。
这里我们将不同来源的15条甲硫酰胺tRNA 合成酶的氨基酸序列，保存在单一文件multiseq.file中。
进入程序安装目录，双击CLUSTALW.exe文件，进入Clustal W的主菜单界面（见图1）。
基于多重序列比对的蛋白质结构预测研究
基于多重序列比对的蛋白质结构预测研究蛋白质是生命体内最为重要的分子之一，其结构决定了其功能。
因此，蛋白质结构预测是生物信息学领域的一个重要研究方向。
在蛋白质结构预测中，多重序列比对是一种常用的方法，因其能够从多个相关蛋白序列中提取信息以预测蛋白质的结构。
1. 比对算法选择多重序列比对算法有多种，如MAFFT、ClustalW、T-Coffee等。
这些算法基于不同的策略和算法设计，各自有其优缺点。
在选择算法时需要依据比对的目的和序列的性质进行考虑。
2. 数据库建设多重序列比对需要大量的序列数据支持，因此需要建设一套完整的蛋白质序列数据库。
该数据库应该包含已知的蛋白质序列以及未知的序列，以便预测新蛋白质的结构。
此外，还需要对序列进行预处理，如去除无效的序列、标准化序列等。
3. 特征提取在多重序列比对中，还需要对序列进行特征提取。
这些特征包括氨基酸成分、结构域、残基间距等信息。
特征提取的目的是为了减少不必要的噪音干扰，并提高模型的准确性。
4. 结构预测在完成多重序列比对和特征提取后，就可以开始进行蛋白质结构预测。
最常见的方法是利用机器学习算法，如支持向量机、神经网络、深度学习等，对序列特征进行建模。
这些模型可以在未知序列中预测蛋白质的结构。
5. 优化方法目前，在多重序列比对中，依然存在一些挑战和限制。
其中最主要的问题是维度灾难和过拟合。
因此，在优化方法方面，可以采用降维技术、交叉验证等方法来解决这些问题。
综上所述，基于多重序列比对的蛋白质结构预测是一个具有挑战性的领域。
在今后的研究中，需要不断深入理解相关算法和技术，加强对蛋白质结构的理解，提高预测的准确性，为生物学界研究更多复杂生命体提供更好的方案。
Clustal多重序列比对图解教程图解使用
C l u s t a l x多重序列比对图解教程(B y R a i n d y) 本帖首发于Raindy'blog软件简介:CLUSTALX－是CLUSTAL多重序列比对程序的Windows版本。
ClustalX为进行多重序列和轮廓比对和分析结果提供一个整体的环境。
序列将显示屏幕的窗口中。
采用多色彩的模式可以在比对中加亮保守区的特征。
窗口上面的下拉菜单可让你选择传统多重比对和轮廓比对需要的所有选项。
主要功能：你可以剪切、粘贴序列以更改比对的顺序；你可以选择序列子集进行比对；你可以选择比对的子排列(Sub-range)进行重新比对并可插入到原始比对中；可执行比对质量分析，低分值片段或异常残基将以高亮显示。
当前版本:1.83PS:如果你是新手或喜欢中文界面,推荐使用本人汉化的Clustalx1.81版链接地址:ist&ID=7435(请完整复制)应用:Clustalx比对结果是构建系统发育树的前提实例：植物呼肠孤病毒属外层衣壳蛋白P8(AA序列)为例流程：载入序列―>编辑序列―>设置参数―>完全比对―>比对结果1.载入序列：运行ClustalX，主界面窗口如下所图（图1），依次在程序上方的菜单栏选择“File”－“LoadSequence”载入待比对的序列，如图2所示，如果当前已载入序列，此时会提示是否替换现有序列(Replaceexistingsequences)，根据具体情形选择操作。
图1图22.编辑序列：对标尺(Ruler)上方的序列进行编辑操作，主要有Cutsequences(剪切序列)、Pastesequences(粘贴)、SelectAllsequences(选定所有序列)，ClearsequenceSelection(清除序列选定)、Searchforstring(搜索字串)、RemoveAllgaps(移除序列空位)、RemoveGap-OnlyColumns(仅移除选定序列的空位)图33.参数设置：可以根据分析要求设置相对的比对参数。
DNAMAN使用方法(图文教程)：多重序列比对
序列比对的理论基础是进化学说：如果两个序列之间具有足够的相似性，就推测二者可能有共同的进化祖先，经过序列内残基的替换、残基或序列片段的缺失、以及序列重组等遗传变异过程分别演化而来。
序列相似和序列同源是不同的概念，序列之间的相似程度是可以量化的参数，而序列是否同源需要有进化事实的验证。
物以类聚人以群分，就像你要了解一个人可以通过了解他的朋友一样，序列比对是从已知获得未知的一个十分有用的方法。
另外，物种亲缘树的构建都需要进行生物分子序列的相似性比较。
序列比对按照数目、范围和对象来分，可以分为：o两序列比对和多序列比对o全局比对和局部比对o核酸序列比对和氨基酸序列比对。
限于篇幅，今天只给大家介绍如何使用DNAMAN 8作核酸多序列比对。
多序列比对就是把两条以上可能有系统进化关系的序列进行比对的方法。
其意义在于它能够把不同种属的相关序列的比对结果按照特定的格式输出，并且在一定程度上反映它们之间的相似性。
首先，在解螺旋回复0628下载DNAMAN 8软件。
打开后可以看到以下界面：第一栏为主菜单栏，除了帮助菜单外，有十个常用主菜单；第二栏为工具栏；第三栏为浏览器栏。
打开File-New，将序列粘贴到弹出的窗口中，点击File-save,保存到指定的文件夹。
将所需比对的序列保存好以后，选中Sequence—Aligment—Multiple aligment sequence 进行多序列比较。
在弹出的窗口Sequence&Files中加载序列，File、Fold、channel、Database分别表示从文件、文件夹、channel和数据库中获取序列。
勾选窗口中的“DNA”，点击“下一步”。
在弹出的窗口Method中，“optimalaligment”最佳比对方式中有四个高大上的选项：Full Alignment（完全比对）、Prosile Aligment（轮廓比对）、New Swquence on Profile （轮廓上的新序列）、Fast Alignment（快速比对），本文选择了Fast Alignment，并且勾选了Try both strands(尝试使用双链)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
假设窗口大小为10，相似度阈值为8，则每次比较 取10个连续的字符，如相同的字符超过8个，则标记
基于滑动窗口的点矩阵方法可以明显地降低点阵图 的噪声，并且明确无误的指示出了两条序列间具有显 著相似性的区域。
(a)
(b)
（a）对人类（Homo sapiens）与黑猩猩（Pongo pygmaeus）的β球蛋 白基因序列进行比较的完整点阵图。（b）利用滑动窗口对以上的两种球 蛋白基因序列进行比较的点阵图，其中窗口大小为10个核苷酸，相似度阈 值为8。
• 一个PAM就是一个进化的变异单位, 即1%的氨基酸改变
相对突变率仅仅是某种氨基酸 被其他任意氨基酸替换的次数
例如：ma是指丙氨酸与非丙氨酸残基比对的次数，Ma为概率
然而我们针对每个氨基酸对i 和j，计算氨基酸j 被氨基酸i 替换的次数 Aij
例如：Acm 是被比对序列中，甲硫氨酸被半胱氨酸替换的次数
PAM250 → 14% - 27%
2.5 动态规划: Needleman 和 Wunsch 算法
• 一旦选定了序列比对打分的方法，就可以为寻找 最佳比对设计算法了。
• 最显而易见的方法就是对每个可能的比对进行穷 举搜索，但这一般是不可行的。
• 我们可以用动态规划解决这个问题，即把一个问 题分解成计算量合理的子问题，并使用这些子问 题的结果来计算最终答案。
以Aij除以ma 利用每个氨基酸出现的频度对起进行标准化，得到PAM-1矩 阵中的元素Rij
式①中Mab为任意氨基酸b替代a的概率 式②中pa为氨基酸a未被替换的概率
100个残基发生一次替换的PAM-1矩阵
针对不同的进化距离采用PAM 矩阵
序列相似度 = 40%
50% 60%
|
|
|
打分矩阵 = PAM120 PAM80 PAM 60
插入/删除事件
• 假设两条序列长度分别是12和9 • 假设这两条序列是真正的同源序列，那么它们之间
长度的差异可以解释为 (1)较长的序列有核苷酸的 插入，或者 (2) 较短的序列发生了核苷酸的删除， 或者(3) 两者都发生了。 • 在不知道原始父辈序列的情况下，无法判断导致空 位的原因是由于一条序列的插入事件还是另一条的 删除事件，通常把这类事件称为插入/删除事件。
等等……
2.3.1 简单空位罚分
• 对含有空位的比对打分时，空位罚分就必须包含到 打分函数中，空位比对的简单打分公式如下：
例如：假设匹配得分为1，失配得分为0，空位罚分为-1
三种空位比对的得分从左至右分别是1、3、3
2.3.2 起始罚分与长度罚分
• 使用简单空位罚分对两条序列进行比对时，经常 能找到若干同格式最优的比对。进一步区分这些 比对的方法是找出哪些比对包含较多的不连续空 位，哪些包含较少长度较长的空位片段。
2.2 简单比对
• 比对就是两条序列字符间简单的两两匹配。比对 可以反映出两条或多条同源序列间的进化关系.
• 最简单的情况下即不考虑空位，当两条序列对比 时，要做的仅是为较短的序列选择比对的起始点。
• 考虑这样的两条核苷酸序列： AATCTATA和AAGATA 仅有三种比对方式
不考虑空位的简单比对，它的打分函数是有对比奖励和罚分的和来决定
• 多联核苷酸的插入删除事件相对于单个核苷酸来 说会较经常发生。
• 统计结果表明，两条序列长度上的差异更可能是 单个三联核苷酸的插入删除事件导致的，而多个 不连续核苷酸插入删除事件的可能性比较小。
空位罚分
• 由序列中产生的新空位串引起的起始罚分和根据 缺少的字符数而定的长度罚分。预设长度罚分小于
起始罚分，以此建立的打分函数便能奖励空位连在一起 的比对。
• 统计结果表明，两条同源的序列比对时，某些替换比其他 替换常见的多。
• 例：
两条蛋白质序列，其中一条在某一个位置上是丙氨酸，如果该位点被 替换成另一个较小的且疏水的氨基酸，比如缬氨酸对蛋白质的影响很 小，如果被替换成较大且带电的残基，比如赖氨酸，那么对蛋白质的 影响可能就会非常大。直观的讲，比较保守的替换比随机替换更可能 维持蛋白质的功能，更不容易被淘汰，因此在打分上更倾向于丙氨酸 而不是赖氨酸。
打分矩阵的字母表为 = { A，C，G，T }
a. 单位矩阵 b. BLAST矩阵 c. 转换-颠换矩阵（transition，transversion）
（嘌呤：腺嘌呤A，鸟嘌呤G；嘧啶：胞嘧啶C，胸腺嘧啶T）
单位矩阵 AT CG A1 0 0 0 T01 0 0 C0 0 1 0 G0 0 0 1
2.1 点阵图
评估两条序列相似度最简单的方法之一是利用点阵图。
第一条被比较的序列排列在点阵图空间的横轴，第二条序 列则排列在纵轴。点阵空间中两条序列中的残基相同时， 在对应的位点上画上圆点，两条序列间连续相同的区域在 图中会形成由圆点组成的上斜线。
具有连续相似区域的两条DNA序列的简单点阵图
滑动窗口技术
BLAST矩阵 AT CG A 5 -4 -4 -4 T -4 5 -4 -4 C -4 -4 5 -4 G -4 -4 -4 5
转换-颠换矩阵 AT CG
A 1 -5 -5 -1 T -5 1 -1 -5 C -5 -1 1 -5 G -1 -5 -5 1
• PAM矩阵（Point Accepted Mutation） • 基于进化的点突变模型
匹配得分：1 失配得分：0
上例中三个比对从左至右分别是 4、 1、 3
2.3 空位
• 两条或多条序列比对时，如果考虑到插入与删除时间发生 地可能性，那么候选的比对数量就会大大增加，也就导致 了比对的复杂性。上节中两条核苷酸序列，在不考虑空位 时仅有三种比对，而较短的那条加入了两个空位后，变产 生了28种不同的比对，例如：
• 假设起始罚分为-2，长度罚分为-1，匹配得分为+1， 失配得分为0，则对于
这三个比对，从左至右比对的得分分别是 -3，-1，+1
在后两种比对在使用简单空位罚分时，最后得分都是 +3，现在却得到了不同的分数。
2.4打分矩阵
• 正如空位罚分可以奖励与进化相关的的比对，失配罚分也 可以用来进一步区分相似比对。