第四章双序列比对精选PPT.ppt

《第四章双序列比对精选PPT.ppt》由会员分享，可在线阅读，更多相关《第四章双序列比对精选PPT.ppt（58页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第四章双序列比对第1页，此课件共58页哦本章内容本章内容双序列比对（双序列比对（Pairwise Sequence Alignment）多序列比对（多序列比对（Multiple Anlignment）核酸序列分析核酸序列分析在生物学研究中，将未知序列同已知序列进行在生物学研究中，将未知序列同已知序列进行比较分析已经成为一种强有力的研究手段比较分析已经成为一种强有力的研究手段，生，生物学领域中绝大部分问题在计算机科学领域中物学领域中绝大部分问题在计算机科学领域中主要体现为序列或字符串的问题主要体现为序列或字符串的问题。第2页，此课件共58页哦概念概念1双序列比对（双序列比对（pairwise a

2、lignment）：指通过一定的算法：指通过一定的算法对两个对两个DNA或蛋白质序列进行比较，找出两者之或蛋白质序列进行比较，找出两者之间最大相似性匹配。这种间最大相似性匹配。这种算法算法是基于序列本身的属是基于序列本身的属性而不是关于该序列第注释信息。目的是推测它们在性而不是关于该序列第注释信息。目的是推测它们在结构、功能会进化上的联系。结构、功能会进化上的联系。（达尔文自然选（达尔文自然选择）择）理论基础：理论基础：进化学说如果两个序列之间具有足够的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

3、基或序列片段的缺失、以及序列内残基的替换、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。序列重组等遗传变异过程分别演化而来。分为分为2类：类：1.基于序列的基于序列的局部局部相似性相似性2.基于序列第基于序列第全局全局相似性相似性第3页，此课件共58页哦相似性（相似性（similarity）：是指一种很直接的数）：是指一种很直接的数量关系，量关系，可以量化的参数。一般是以百分比来可以量化的参数。一般是以百分比来衡量。衡量。同源性（同源性（homology）：进化过程中源于同一）：进化过程中源于同一祖先的分支之间的关系，它是质的判断。祖先的分支之间的关系，它是质的判断。粗粗略的说

4、，如果序列之间的相似性超过略的说，如果序列之间的相似性超过30%30%，它，它们就很可能是同源的。们就很可能是同源的。基因之间要么同源，要么不同源。而相似性则基因之间要么同源，要么不同源。而相似性则具有多或少的数量关系。具有多或少的数量关系。第4页，此课件共58页哦直系同源物（直系同源物（orthologs）：不同物种中具：不同物种中具有相同功能的同源基因或蛋白质。有相同功能的同源基因或蛋白质。并系同源物（并系同源物（paralogs）：个体中有一定的：个体中有一定的关系又不相同的蛋白，由同一个基因经关系又不相同的蛋白，由同一个基因经连续复制而形成。复制所得基因经历了连续复制而形成。复制所得基

5、因经历了各自动进化途径，从而使新物种通过变各自动进化途径，从而使新物种通过变异和适应产生。异和适应产生。第5页，此课件共58页哦1009080706050403020100相相同同残残基基所所占占百百分分比比朦胧区朦胧区暗区暗区双序列比对双序列比对多序列比对多序列比对朦胧区朦胧区：序列比对结果：序列比对结果的相似性小于的相似性小于20，则，则比对不具有统计学意义，比对不具有统计学意义，这个区域称为这个区域称为第6页，此课件共58页哦算法算法：是指按照一定的方式描述计算过程：是指按照一定的方式描述计算过程或处理某个问题的一系列步骤。或处理某个问题的一系列步骤。程序程序：用某种计算机语言编写的实现

6、某个：用某种计算机语言编写的实现某个算法的一组指令集合。算法的一组指令集合。全局性比对：全局性比对：考察考察2个序列之间的整体相个序列之间的整体相似性。似性。局部性比对：局部性比对：着眼于序列中的某些特定片着眼于序列中的某些特定片断，比较这些片断之间的相似性。主要断，比较这些片断之间的相似性。主要用于找出序列中的功能位点用于找出序列中的功能位点，更具有生，更具有生物学意义。物学意义。第7页，此课件共58页哦记分矩阵记分矩阵 A C G TA 0.9 -0.1 -0.1 -0.1C -0.1 0.9 -0.1 -0.1G -0.1 -0.1 0.9 -0.1T -0.1 -0.1 -0.1 0.

7、9 GCGCCTC 记分值：5*0.9+2*（-0.1）GCGGGTC第8页，此课件共58页哦蛋白质序列则复杂的多TTYGAPPWCS TTYGAPPWCSTGYAPPPWS TGYAPPPWS第9页，此课件共58页哦相似性计分矩阵相似性计分矩阵1突变数据（突变数据（mutation data，MD）计分方法是基）计分方法是基于蛋白质序列中于蛋白质序列中单点可接受突变（单点可接受突变（point accepted mutation,PAM）,1个个PAM表示每表示每100个个残基中有残基中有1个可接受单点突变。个可接受单点突变。PAM250计分矩阵能在计分矩阵能在20%的水平上反映出的水平上反

8、映出2个个序列之间的相似性，是许多比对软件的缺省值。序列之间的相似性，是许多比对软件的缺省值。对于比对的对于比对的2个序列之间的相似性越高，一般使个序列之间的相似性越高，一般使用用PAM值较低的计分矩阵。值较低的计分矩阵。突变数据计分方法在检测序列进化距离较远的突变数据计分方法在检测序列进化距离较远的序列之间是否具有同源性上具有一定的局限性。序列之间是否具有同源性上具有一定的局限性。第10页，此课件共58页哦残基差异百分率与进化距离残基差异百分率与进化距离PAM值之间的对照值之间的对照1102030405060708011123385680112159246残基差异残基差异PAM第11页，此课

9、件共58页哦相似性计分矩阵相似性计分矩阵2BLOSUM取代矩阵：基本的数据来源取代矩阵：基本的数据来源于于BLOCKS数据库。与数据库。与PAM一样，也一样，也有许多编号的有许多编号的BLOSUM矩阵。矩阵。BLOSUM80:具有具有80或以上相同残基或以上相同残基地序列组成的序列模块用于产生地序列组成的序列模块用于产生BLOSUM80矩阵。矩阵。克服了突变数据计分方法在检测序列克服了突变数据计分方法在检测序列进化距离较远的序列之间是否具有同进化距离较远的序列之间是否具有同源性的弊端。源性的弊端。第12页，此课件共58页哦比对的算法比对的算法Needleman-Wunsch 算法适用于整体水平

10、算法适用于整体水平上相似性程度较高的上相似性程度较高的2个序列。是整体比对个序列。是整体比对算法，其结果反映了算法，其结果反映了两个序列中所有残基两个序列中所有残基地整体相似性。地整体相似性。Smith-Waterman算法算法在识别局部相似性时，在识别局部相似性时，具有很高的灵敏度，具有很高的灵敏度，但只是寻找序列中一但只是寻找序列中一些小的、具有些小的、具有局部相局部相似性似性的片断。的片断。第13页，此课件共58页哦Basic Pairwise AlignmentBasic Pairwise AlignmentConsider two amino acid sequences calle

11、d S1 and S2Dynamic Programmingglobal alignment:(Needleman-Wunsch)local alignment:(Smith-Waterman):Stochastic Based Current ImprovementsHeuristic Approximation(Database Search)FASTABLAST 2(Altschul et al.1997)BLATSpeedSpacePsi-BlastBLASTNBLASTPPLASTX.qAny prefix of the optimal alignment between S1 an

12、d S2 is an optimal alignment between a prefix of S11,i of S1 and a prefix of S11,.,j of S2.i,j are the length of S1 and S2,respectively.Define:F(i,j)=Max Similarity(S11,i,S21,j)qF(i,j)=MaxF(i-1,j-1),f(I-1,j),f(I,j-1)seek the best local,gapped alignment between the query string and each of the databa

13、se sequences.some preliminary work.DP100 times faster than Smith-Waterman,and nearly as sensitive and selective,Time:O(log(n)n is the size of databasestandard substitution matrixstandard substitution matrixPAMBLOSUMCONNETGap modelGap modelCONSTANTAFFINECONVEXSegment MethodsExhaustive assessment by m

14、atrix comparison(DotPlot)第14页，此课件共58页哦基于双序列比对的数据库搜索基于双序列比对的数据库搜索FastA 和BLAST程序是目前最常用的基于局部相似性数据库搜索程序。主要的优点在于运行速度较快，可以在普通计算机上运行。第15页，此课件共58页哦FASTAFASTA算法由Pearson and Lipman(1985)提出。基本思路是识别与检测序列相匹配的很短的序列片断，称为k-tuple.用于蛋白质序列比对时，k-tuple长度为12个残基，用于DNA序列比对时，k-tuple长度最多为6个碱基。通过比较2个序列中断片断及其相对位置可以构成一个动态规划矩阵地对

15、角线方向上的一些匹配片断期望值E：E值越接近0，表明2序列第匹配不大可能是由随机因素造成的，即E值越低，置信度越高。第16页，此课件共58页哦FASTA-Stages1.Find k-tups in the two sequences(k=1,2 for proteins,4-6 for DNA sequences)2.Score and select top 10 scoring“local diagonals”a.For proteins,each k-tup found is scored using the PAM250 matrixb.For DNA,the number of k-

16、tups foundc.Penalize intervening gaps第17页，此课件共58页哦Finding k-tupsposition 1 2 3 4 5 6 7 8 9 10 11protein 1 n c s p t a.protein 2.a c s p r k position in offsetamino acid protein A protein B pos A-posB-a 6 6 0c 2 7 -5k -11n 1 -p 4 9 -5r -10s 3 8 -5t 5 -Note the common offset for the 3 amino acids c,s

17、and pA possible alignment is thus quickly found-protein 1 n c s p t a|protein 2 a c s p r k第18页，此课件共58页哦FASTA,K-tups with common offset第19页，此课件共58页哦FASTA-Stages3.Rescan top 10 regions,score with PAM250(proteins)or DNA scoring matrix.Trim off the ends of the regions to achieve highest scores.4.Try to

18、 join regions with gapped alignments.Join if similarity score is one standard deviation above average expected score5.After finding the best initial region,FASTA performs a global alignment of a 32 residue wide region centered on the best initial region,and uses the score as the optimized score.第20页

19、，此课件共58页哦FASTAFastA is a family of programs:FastA,TFastA,FastX,FastYQuery:DNA ProteinDatabase:DNAProtein第21页，此课件共58页哦FastA Blosum50 default.Lower PAM higher blosum to detect close sequencesHigher PAM and lower blosumto detect distant sequencesGap opening penalty-12,-16 by default for fasta with prot

20、eins and DNA,respectivelyGap extension penalty-2,-4 by default for fasta with proteins and DNA,respectively The larger the word-length the less sensitive,but faster the search will beMax number of scores and alignments is 100第22页，此课件共58页哦FastA OutputDatabase code hyperlinked to the SRS database at E

21、BIAccession numberDescriptionLengthInitn,init1,opt,z-score calculated during runE score-expectation value,how many hits are expected to be found by chance with such a score while comparing this query to this database.E()does not represent the%similarity第23页，此课件共58页哦FASTA Output第25页，此课件共58页哦BLASTBasi

22、c Local Alignment Search Tool(基本基本局部比对搜索工具局部比对搜索工具)，基于，基于unix系统，速系统，速度很快，但又最小程度的牺牲灵敏度。度很快，但又最小程度的牺牲灵敏度。并建立在严格的统计学基础之上并建立在严格的统计学基础之上。BLAST算法要点是基于算法要点是基于序列片断对序列片断对的概的概念：两个给定序列中的一对子序列，它念：两个给定序列中的一对子序列，它们长度相等，且可以形成无空位的完全们长度相等，且可以形成无空位的完全匹配。匹配。NCBINCBI提供了基于提供了基于WebWeb的的BLASTBLAST服务。服务。第26页，此课件共58页哦BLAST运

23、行步骤找出待测序列与目标序列间所有匹配程找出待测序列与目标序列间所有匹配程度超过一定阀值得度超过一定阀值得序列片断对序列片断对对具有一定长度的片断对根据给定的相对具有一定长度的片断对根据给定的相似性阀值延伸，得到一定长度的相似性似性阀值延伸，得到一定长度的相似性片断高分值片断对（片断高分值片断对（high-scoring pairs,HSPs）.无空位的无空位的BLAST比对算法（原算法）比对算法（原算法）。新算法经过改进允许插入空位，而且比新算法经过改进允许插入空位，而且比原算法快原算法快3倍。倍。第27页，此课件共58页哦Blast ApplicationBlast is a family

24、 of programs:BlastN,BlastP,BlastX,tBlastN,tBlastXBlastN-nt versus nt databaseBlastP-protein versus protein databaseBlastX-translated nt versus protein databasetBlastN-protein versus translated nt databasetBlastX-translated nt versus translated nt databaseQuery:DNAProteinDatabase:DNAProtein第28页，此课件共5

25、8页哦BLASTBLAST包含五个程序和若干个相应的数据库 第29页，此课件共58页哦P值：又称为概率值，判断比对的置信度，值：又称为概率值，判断比对的置信度，p值接近于值接近于0表明两序列匹配不大可能是表明两序列匹配不大可能是由随机因素造成的，由随机因素造成的，p值越小表明置信度值越小表明置信度越高。越高。Expected Frequency(E)value number of hits one can expect to see by chance(noise)when searching a database of a particular size.E value of 1 one m

26、atch with a similar score by chance.E value of 0 no matches expected by chanceStatistical Significance of Blast第30页，此课件共58页哦多序列比对多序列比对就是把两条以上可能有系统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进化关系的序列进行比对的方法。意义在于描述一组序列之间的相似性关意义在于描述一组序列之间的相似性关系，以便对一个基因家族的特征有一个系，以便对一个基因家族的特征有一个基本的了解。基本的了解。构建多序列比对模型的方法有构建多序列比对模型的方法有2种

27、：种：基于基于序列信息和基于结构信息。从不同的角序列信息和基于结构信息。从不同的角度反映了序列中所包含的生物学信息。度反映了序列中所包含的生物学信息。第31页，此课件共58页哦12345678910YYFFYyDDEDEdGGGGGGGGGGGAIIAA/IVLLVV/LVVVVEEEQQeAAAAAALLLVLl多序列比对多序列比对调和序列：获得调和序列的原则：若每列中只有一种残基，调和序列：获得调和序列的原则：若每列中只有一种残基，则用该残基地大写字母表示；若该列中含有不同残基，则用则用该残基地大写字母表示；若该列中含有不同残基，则用大多数残基对应的小写字母表示；若该列中出现相同数目的大多

28、数残基对应的小写字母表示；若该列中出现相同数目的不同残基，则用这些字母对应的大写字母表示。不同残基，则用这些字母对应的大写字母表示。第32页，此课件共58页哦算法的复杂性同步法：把给定的所有序列同时进行比对，而不是两两同步法：把给定的所有序列同时进行比对，而不是两两比对或分组进行比对。比对或分组进行比对。对计算机系统的要求较高，通对计算机系统的要求较高，通常只能进行少量较短序列的比对。常只能进行少量较短序列的比对。步进法：先对所有的序列进行两两比对并计算它们步进法：先对所有的序列进行两两比对并计算它们的相似性分值，然后根据相似性分值分成若干组，的相似性分值，然后根据相似性分值分成若干组，并在每

29、组之间进行比对，计算相似性分值，再根据并在每组之间进行比对，计算相似性分值，再根据分值进行分组继续比对，直到得到最后结果。分值进行分组继续比对，直到得到最后结果。基于步进法的最常用的多序列比对的程序是基于步进法的最常用的多序列比对的程序是Clustal。Clustal W是基于是基于UNIX系统，系统，Clustal X是基于是基于WINDOWS系统。系统。Clustal为免费软件。可从网上下为免费软件。可从网上下载。载。生物软件网：生物软件网：http:/www.bio- fingerprint多序列比对结果多序列比对结果第35页，此课件共58页哦第36页，此课件共58页哦第37页，此课件共

30、58页哦多序列比对数据库多序列比对数据库二次数据库：二次数据库：Pfam、PRINTS数据库等。数据库等。基于多序列比对的数据库搜索程序正在基于多序列比对的数据库搜索程序正在不断地开发。其中位点特异性不断地开发。其中位点特异性BLAST(Position-Specific Iterated BLAST,PSI-BLAST)PSI-BLAST将双序列比对和多序列比对将双序列比对和多序列比对结合在一起的数据库，它运行速度较快，结合在一起的数据库，它运行速度较快，但却有迭代算法本身固有的缺陷，但却有迭代算法本身固有的缺陷，有时有时会得到错误结果。会得到错误结果。第38页，此课件共58页哦核酸序列分析

31、核酸序列分析第39页，此课件共58页哦核酸序列的预测方法核酸序列的预测方法针对核酸序列的预测就是在核酸序列中针对核酸序列的预测就是在核酸序列中寻找基因寻找基因，找出基因的位，找出基因的位置和功能位点的位置，以及标记已知的序列模式等过程。置和功能位点的位置，以及标记已知的序列模式等过程。一般而言，一般而言，在重复片段频繁出现的区域里，基因编码区和调控区不在重复片段频繁出现的区域里，基因编码区和调控区不太可能出现太可能出现；如果某段；如果某段DNA片段的假想产物与某个已知的蛋白质或片段的假想产物与某个已知的蛋白质或其他基因的产物具有较高序列相似性的话，那么这个其他基因的产物具有较高序列相似性的话，

32、那么这个DNA片段就非片段就非常可能属于外显子片段；在一段常可能属于外显子片段；在一段DNA序列上出现统计上的规律性，序列上出现统计上的规律性，即所谓的即所谓的“密码子偏好性密码子偏好性”，也是说明这段，也是说明这段DNA是蛋白质编码区是蛋白质编码区的有力证据；其他的证据包括与的有力证据；其他的证据包括与“模板模板”序列的模式相匹配、简序列的模式相匹配、简单序列模式如单序列模式如TATABox等相匹配等。等相匹配等。第40页，此课件共58页哦（1）重复序列分析）重复序列分析对于真核生物的核酸序列而言，在进行基因辨对于真核生物的核酸序列而言，在进行基因辨识之前都应该把识之前都应该把简单的大量的重

33、复序列标记出简单的大量的重复序列标记出来并除去来并除去，因为很多情况下重复序列会对预测程，因为很多情况下重复序列会对预测程序产生很大的扰乱，尤其是涉及数据库搜索的程序产生很大的扰乱，尤其是涉及数据库搜索的程序。序。常见的重复序列分析程序有常见的重复序列分析程序有CENSOR和和RepeatMasker等等，可，可以在以在Web界面上使用这些程序，或者用界面上使用这些程序，或者用eInail来进行。来进行。如果有大量序列需要处理，可以使用如果有大量序列需要处理，可以使用XBIAST程序。经处程序。经处理的序列中重复序列所在位置一律由理的序列中重复序列所在位置一律由“X”代替。代替。第41页，此课

34、件共58页哦CENSOR的网址：的网址：http：/www.girinst.org/CENSOR的的 e-mail服务地址：服务地址：censorsharon.lpi.org下载下载XBLAST的网址：的网址：ftp：/ncbi.nlm.nih.gov/pub/jmc（2）数据库搜索数据库搜索把未知核酸序列作为查询序列，在数据库里搜索与之相似的已在数据库里搜索与之相似的已有序列是序列分析预测的有效手段有序列是序列分析预测的有效手段，尤其是对于EST序列而言。第42页，此课件共58页哦（3）编码区统计特性分析统计获得的经验说明，统计获得的经验说明，DNA中密码子的使用频率不是平均分布的，中密码子

35、的使用频率不是平均分布的，某些密码子会以较高的频率使用而另一些则较少出现。这样就使某些密码子会以较高的频率使用而另一些则较少出现。这样就使得编码区的序列呈现出可察觉的统计特异性，即所谓的得编码区的序列呈现出可察觉的统计特异性，即所谓的“密码子密码子偏好性偏好性”。利用这一特性对未知序列进行统计学分析可以利用这一特性对未知序列进行统计学分析可以发现编码区的粗略位置。密码子使用数据库（发现编码区的粗略位置。密码子使用数据库（Codon usage database），网址为），网址为 http:/www.kazusa.or.jp/codon 这一类技术包括：双密码子计数（统计连续两个密码子的这一类

36、技术包括：双密码子计数（统计连续两个密码子的出现频率）；核苷酸周期性分析（分析同一个核苷酸在出现频率）；核苷酸周期性分析（分析同一个核苷酸在3，6，9，位置上周期性出现的规律）；均一复杂性分析位置上周期性出现的规律）；均一复杂性分析（长同聚物的统计计数）；开放可读框架分析等。（长同聚物的统计计数）；开放可读框架分析等。第43页，此课件共58页哦常见的编码区统计特性分析工具将多种统计分析技术组合起来，常见的编码区统计特性分析工具将多种统计分析技术组合起来，给出对编码区的综合判别。著名的程序有给出对编码区的综合判别。著名的程序有GRAIL和和GenMed等，等，GRAIL提供了基于提供了基于Web

37、的服务。的服务。GRAIL的网址是：http：/compbio.ornl.gov/Crail-1.3/第44页，此课件共58页哦（4）启动子分析启动子分析有一些程序根据实验获得的转录因子结合特性来描述启动子的有一些程序根据实验获得的转录因子结合特性来描述启动子的序列特征，并依次作为启动子预测的依据，但实际的效果并不序列特征，并依次作为启动子预测的依据，但实际的效果并不十分理想，遗漏和假阳性都比较严重。十分理想，遗漏和假阳性都比较严重。（5）内含子外显子剪接位点常见的基因识别工具很多都包含了剪接位点识别功能，独立常见的基因识别工具很多都包含了剪接位点识别功能，独立的剪接位点识别工具有的剪接位点识

38、别工具有NetGene等。等。NetGene服务器的e-mail地址：netgenecbs.dtu.dk。第45页，此课件共58页哦（6）翻译起始位点和终止信号对于真核生物，如果已知转录起始点，并且没有内含子打断5翻译区的话，“Kozak规则”可以在大多数情况下定位起始密码子。原核生物一般没有剪接过程，但在开放阅读框中找正确的起始密码子仍很困难。对于原核生物，关键是核糖体结合点的定位。，PolyA和翻译终止信号不象起始信号那么重要，但也可以辅助划分基因的范围。第46页，此课件共58页哦（7）tRNA基因识别tRNAscanSE工具中综合了多个识别和分析程序，通过工具中综合了多个识别和分析程序，

39、通过分析启动子组件的保守序列模式、分析启动子组件的保守序列模式、tRNA二级结构的分析、二级结构的分析、转录控制组件分析和除去绝大多数假阳性的筛选过程，据称转录控制组件分析和除去绝大多数假阳性的筛选过程，据称能识别能识别99的真的真tRNA基因。基因。tRNAscanSE的网址是：http：/www.Genetics.wusl.edu/eddy/tRNAscan-SE/第47页，此课件共58页哦基因组序列信息分析DNA序列自身编码特征的分析是基因组信息学研究的基础，特别是随着大规模测序的日益增加，它的每一个环节都与信息分析紧密相关。到1998年底在人类的约10万个基因中有3万多个已被发现，尚有

40、约7万个未被发现。EST序列到 1999年 12月已搜集了约 200万条，它大约覆盖了人类基因的90，1998年起，国际上又开展了以EST为主发现新SNPs的研究。因此利用EST数据库发现新基因、新SNPs以及各种功能位点是近几年的重要研究方向。第48页，此课件共58页哦51基因组序列分析工具（1）Wisconsin软件包（GCG）Genetics Computer Group公司开发的 Wisconsin软件包，是一组综合性的序列分析程序，使用公用的核酸和蛋白质数据库。SeqLab是其图形用户界面（GUI），通过它可以使用所有Wisconsin软件包中的程序及其支持的数据库。GCG的主页是

41、http：/wwwgcg com第49页，此课件共58页哦Wisconsin软件包由120多个独立的程序组成，每个程序进行一项单一的分析任务。GCG支持两种核酸数据库（GenBank数据库，简化版的EMBL核酸序列数据库）和三种蛋白质数据库（PIR，SWISSPROT，SPTrEMBL）。这些数据库既有GCG格式的（供大多数Wisconsin软件包程序使用），也有BLAST格式的（供BLAST数据库搜索程序使用）。同时还提供了用于LookUp程序以及数据库参考搜索的索引。第50页，此课件共58页哦 SeqLab可以解决的部分序列分析问题：在两条 mRNA中寻找开放阅读框架，翻译并对比mRNA与

42、蛋白质序列；通过参考搜索数据库中的相关条目并进行对比；用查询序列搜索数据库，将找到的条目与查询序列进行对比并产生系统进化树；拼接交叠序列片段产生一连续序列，寻找并翻译这一序列的编码区域并在数据库中搜索相似序列；对比相关的蛋白质序列，计算对比结果的共有序列，据此搜索已知的蛋白质模式；使用Profile进行相似性搜索并对比相关序列。第51页，此课件共58页哦（2）ACEDBACEDB是一种被广泛应用的管理和提供基因组数据的工具组，适用于许多动物和植物的基因组计划。该软件是免费的。数据库以丰富的图形界面提供信息，包括有具体显示的基因图谱，物理图谱，新陈代谢的途径和序列等。数据使用大家熟悉的类别进行组

43、织，如相关的文献、基因、描述、DNA克隆等，可用于专用的数据分析以及许多永久性数据的采集，而且使用者不需要经过专门的计算机和数据库的训练就可以使用ACEDB。第52页，此课件共58页哦53 基因组比较在不同物种、不同进化水平的生物的相关基因之间进行比较分析，是基因研究的重要手段。目前，我们有了越来越多的模式生物全基因组序列数据，因此，基因的比较研究，也必须从基因的比较上升到在全基因组水平上的比较研究。比较基因组学将成为后基因组研究的一个新的领域。第53页，此课件共58页哦在整个基因组水平上的比较与基因比较是有差异的。在基因序列比较中，核苷酸的插入、删失和替换会产生重大影响，而在基因组比较中，替

44、换并不重要的，插入、删失则仍起重要作用，其他过程如倒位和转座也起作用。在基因组比较过程中，序列比对及其相应的蛋白质的识别是基本部分，但其符号是基因而非核苷酸残基。可以基于这些基因类的可变性构造突变矩阵。第54页，此课件共58页哦53 SNP预测人类基因组计划产生大量序列数据，清楚表明不同个体在整个基因组有许多点存在DNA序列的基本变异。最常见的变异发生在分散的单个核苷酸位置，即单核苷酸多态性（SNPs）。SNPs在人类遗传学研究中有重要意义。首先，一组SNPs发生在蛋白质编码区，特定的SNPs等位基因被认为是人类遗传疾病的致病因子，在个体中筛选这类等位基因可以检查其对疾病的遗传易感性。其次，S

45、NPs可作为遗传作图研究中的遗传标记，帮助定位和鉴定功能基因。第55页，此课件共58页哦通过大规模测序得到的大量数据是丰富的SNP来源，近年发展了利用基因组序列数据预测SNP的一些生物信息学方法。其中，华盛顿大学基因组测序中心发展了针对任一DNA来源的遗传序列数据进行SNP发现的整体途径。采用基因组序列作为模板放置未经作图的片段化的序列数据，并用碱基质量数值区别真正的等位基因变异与测序错误，再用POLYRAYES计算特定位点，应用多态性的机率分析这些序列。POLYBAYES的http：/genome.wustl.edu/gsc/polybayes第56页，此课件共58页哦6 功能基因组相关信息

46、分析功能基因组学是后基因组研究的核心内容，它强调发展和应用整体的（基因组水平或系统水平）实验方法分析基因组序列信息阐明基因功能，特点是采用高通量的实验方法结合大规模数据统计计算方法进行研究，基本策略是从研究单一基因或蛋白上升到从系统角度一次研究所有基因或蛋白。第57页，此课件共58页哦6.1 大规模基因表达谱分析随着人类基因组测序逐渐接近完成，科学家发现即使获得了完整基因图谱，对了解生命活动还有很大距离。我们从基因图谱不知道基因表达的产物是否出现与何时出现；基因表达产物的浓度是多少；是否存在翻译后的修饰过程，若存在是如何修饰的等一系列问题。这些问题的实质是不了解按照特定的时间、空间进行的基因表达谱。获得基因表达的信息是比DNA序列测定艰巨得多的任务，因为基因表达是依赖于许多因素的动态过程。第58页，此课件共58页哦