第五章序列的同源比较及分子系统学和分子进化分析.优秀PPT.ppt

《第五章序列的同源比较及分子系统学和分子进化分析.优秀PPT.ppt》由会员分享，可在线阅读，更多相关《第五章序列的同源比较及分子系统学和分子进化分析.优秀PPT.ppt（63页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第五章：序列的同源比较及分子系统学和分子进化分析 n第一节：简介 n其次节：相像序列的获得 n第三节：多序列比对 n第四节：系统发育分析 n第五节：其他分子标记在生物系统学中的 应用11/5/20221第一节：简介n生物学探讨中常用的方法之一是通过比较分析获得有用的信息。n过去进化学家和分类学家为衡量物种间亲缘关系的亲密程度，花大量的精力把形态学特征数量化，希望以量化的形态学差异来表示物种间进化距离，但工作量大，标准不统一，导致进展缓慢。现如今，以大量公开的核酸和蛋白质数据为基础，利用序列分析的计算机软件构建生物进化树来探讨各物种间的进化关系。11/5/20222n在本章里探讨进化关系所用的软

2、件，我们在应用这些软件时会遇到很多专业术语和应用的计算机程序。这些生疏的术语对于初学者的我们没必要搞清，只要会用就可以了，但要做出特别专业的进化分析则必需搞清每个专业术语的含义。n构建系统树有很多的方法和步骤，我们会逐步学习，但不管接受什么样的方法，都有一些值得留意的问题：11/5/20223其次节：相像序列的获得n对一段序列进行进化分析的基础是获得此序列大量的同源序列，包括同一物种和不同物种之间，当序列有足够的相像性性，我们才能推断序列之间是否具有同源性。n同源性的推断是质的推断，进化分析是量的结果，两者之间如何进行统一，就是要有假设，当序列之间相像性超过一个值时，认为其是同源的。n序列相像

3、的缘由有两个：一是来自于同一祖先，然后发生分歧，二是两个序列来自于不同的祖先，在相像的选择压力下发生趋同进化，形成相像序列。11/5/20224n三、VASTnVAST是NCBI的相像结构搜寻工具，它将一个新的蛋白质三维结构与PDB或MMDB数据库中的结构进行比较，通过结构比较，可以发觉通过序列比较而无法发觉的远程同源蛋白质。nVAST算法是基于统计以下的结构相像性比较算法，VAST在评价结构相像显著性时，不过多的考虑微小子结构因偶然因素而形成的相像关系，而是着重考虑结构域的相像性。11/5/20225nVAST的比较有三个步骤：n首先，在数据坐标的基础上，标出全部构成蛋白质核心部分的螺旋和片

4、层。n然后依据这些二级结构单位的位置计算向量。运用这些向量进行结构比对而不是整个一套坐标。然后算法试图最佳地匹配这些向量，找寻类型和相对方向相同的成对结构单位，并且在这些单位之间还要有同样的连接方式。n最终，在每个残基位置上运用蒙特卡洛方法对结构的比对进行优化。(1LFL)11/5/20226第三节：多序列比对n用于多序列比对的程序开发是一个很活跃的领域，目前，绝大多数的方法均是基于渐进比对的概念。n渐进比对的方法假设了参与比对的序列存在亲缘关系，在算法上下功夫，以寻求计算速度与获得最佳比对之间的平衡。n一、CLUSTAL.W11/5/20227nCLUSTAL是一个单机版的基于渐进比对的多序

5、列比对工具，由Higgins D.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。nCLUSTAL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；然后依据距离矩阵计算产生系统进化指导树，对关系亲密的序列进行加权；然后从最紧密的两条序列起先，逐步引入接近的序列并不断重新构建比对，直到全部序列都被加入为止。11/5/20228CLUSTAL.W工作原理工作原理Clustal输入多个序列输入多个序列快速的序列两两比对，计算序列间的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。距离，获得一个距离矩阵。邻

6、接法邻接法(NJ)构建一个树（引导树）构建一个树（引导树）依据引导树，渐进比对多个序列。依据引导树，渐进比对多个序列。11/5/20229CLUSTAL.W应用1.输入输出格式。输入输出格式。输入序列的格式比较敏捷，可以是前面介绍过的输入序列的格式比较敏捷，可以是前面介绍过的FASTA格式，还可以是格式，还可以是PIR、SWISS-PROT、GDE、Clustal、GCG/MSF、RSF等格式。等格式。输出格式也可以选择，有输出格式也可以选择，有ALN、GCG、PHYLIP和和NEXUS等，用户可以依据自己的须要选择合等，用户可以依据自己的须要选择合适的输出格式。适的输出格式。11/5/202

7、2102.两种工作模式。两种工作模式。a.多序列比对模式。多序列比对模式。b.剖面剖面(profile)比对模式。比对模式。3.一个实际的例子。一个实际的例子。CLUSTAL.W的应用11/5/202211多序列比对实例 步骤输入文件的格式(fasta)：KCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTNDMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK.KPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLENDAF1_CAEELQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD

8、1CSN HYKVGRRIGEGSFGVIFEGTNLLNN11/5/202212第一步：输入序列文件。11/5/202213其次步：设定比对的一些参数。11/5/202214第三步：起先序列比对第三步：起先序列比对11/5/202215第四步：比对完成，选择保存结果文件的格式n第四步：比对完成，选择保存结果文件的格式11/5/202216n二、BioEditnBioEdit程序特别适合序列比对、编辑和分析，是基于Windows平台的一种比对程序，目前应用最多，可免费下载。nBioEdit具体用法见n三、MultAlinnMultAlin从一系列的两联比对起先，得到分值，然后依据这个分值进行分

9、层次的聚类。n四、GCG数据库nGCG软件是一套蛋白质、核酸序列分析软件。11/5/202217nGCG支持五种数据库供Wisconsin软件包运用，其中包括两种核酸数据库(GenBank数据库、由GenBank中没有的序列组成的简化版的EMBL核酸序列数据库)和三种蛋白质数据库(PIR、Swiss-Prot、SP-TrEMBL数据库)。GCG支持的数据库两个月更新一次。11/5/202218第四节：系统发育分析 课本104页n系统发育分析是依据同源性状的分歧来评估物种或分子之间的进化关系。这种进化关系通常用分支图（系统树）来描述。对序列的系统发育分析又称为分子系统学或分子系统发育探讨。n比起

10、其他试验性学科，分子系统学与其他进化探讨一样有其局限，即系统发育的发生过程都是已经完成的历史，不能再现。n如何从序列中得到有用的信息，如何用计算的方法得到可信的进化树，如何从有限的数据得到进化模式已成为这个领域的探讨热点。n系统发育树是什么？n对一组实际对象的世系关系的描述（如基因，物种等）。11/5/202219一个系统发育树末端物种顶端中间节点中间枝条根末端分支叶子节点11/5/202220AB CDEFG树只代表分支的拓扑结构FGCDEAB11/5/202221n一般来说，系统树是一种两叉树，由一系列节点和分支组成，每个节点代表一个分类单元(物种或序列)，而节点之间的连线代表物种间的进化

11、关系。树的节点又分为外部节点和内部节点。n系统发生树有多种形式：可能是有根树(rooted tree)，也可能是无根树(unrooted tree)；可能是一般的树，也可能是二叉树；可能是有权值的树(或标度树，树中标明分支长度)，也可能是无权值树(非标度树)。n在有根树中，有一个唯一的根节点，代表全部其他根节点的共同祖先，这样的树能够反映进化层次，从根节点历经进化到任何其他节点只有唯一的路径。11/5/202222Rooted by outgrouparchaeaarchaeaarchaeaeukaryoteeukaryoteeukaryoteeukaryotebacteria outgrou

12、prooteukaryoteeukaryoteeukaryoteeukaryote无根树无根树archaeaarchaeaarchaeaMonophyletic group(单源群单源群)Monophyleticgroup有根树，无根树，外围群有根树，无根树，外围群有根树有根树外围群外围群11/5/202223n分子进化探讨的基础（假设）n核苷酸和氨基酸序列中含有生物进化历史的全部信息。n分子进化探讨的基础（理论）n在各种不同的发育谱系及足够大的进化时间尺度中，很多序列的进化速率几乎是恒定不变的。（分子钟理论，1965）n分子进化探讨的基础（实际）n虽然很多时候仍旧存在争议，但是分子进化的确能

13、阐述一些生物系统发生的内在规律。11/5/202224从一个分歧数据可以推想其他序 列 分 歧 度分歧时间xy分子钟理论11/5/202225n一、系统树的构建方法n系统树的构建主要有三种方法：距离法、最简约法、最大似然法。n1、距离法n距离法又称距离矩阵法，首先通过各个物种之间的比较，依据确定的假设（进化距离模型）推导得出分类群之间的进化距离，构建一个进化距离矩阵。进化树的构建则是基于这个矩阵中的进化距离关系。计算序列的距离，建立距离矩阵通过距离矩阵建进化树11/5/202226一种简洁的距离矩阵11/5/202227由进化距离构建进化树的方法有很多，常见有：（1）.Fitch-Margol

14、iash Method（FM法）（2）.Neighbor-Joining Method(NJ法/邻接法)（3）.Neighbors Relaton Method(邻居关系法)（4）.Unweighted Pair Group Method(UPGMA法)通过矩阵建树的方法11/5/202228Fitch-Margoliash方法（FM法）11/5/2022291.找出关系最近的序列对，如A和B2.将剩余的序列作为一个简洁复合序列，分别计算A、B到全部其他序列的距离的平均值3.用这些值来计算A和B间的距离4.将A、B作为一个单一的复合序列AB，计算与每一个其他序列的距离，生成新的距离矩阵5.确定

15、下一对关系最近的序列，重复前面的步聚计算枝长7.从每个序列对起先，重复整个过程8.对每个树计算每对序列间的预料距离，发觉与原始数据最符合的树Fitch-Margoliash方法（FM法）小结11/5/202230NJ/邻接法随意两个节点选为相邻序列的总支长计算公式11/5/202231 把A、B看成一个新的复合序列，构建一个新的距离表，重复以上过程。11/5/202232邻居关系法AB组合出现3次，DE组合出现3次，CD、AC、BC组合各一次，则AB和DE各为两对关系最近的邻居。（关系最近的邻居作为邻居的次数最多），将邻居看成一个新的复合序列，重复这个过程。11/5/202233UPGMA法d

16、=e=10/2=511/5/202234c=19/2=9.5g=c-d=9.5-5=4.511/5/202235a=b=22/2=1111/5/202236f1+a=f2+c=40.5/2=20.25f1=9.25,f2=11.7511/5/202237n2、最大简约法n简约法是分子系统学中应用最广的一种方法。该方法的原则是在全部可能的物种中，最能反映进化历史的树具有最短的树长，即进化步数最少（形态在系统树种变更的次数）n树长是全部形态在全部分支上发生的状态变更的总和。11/5/202238n最大简约法(maximum parsimony,MP)最早源于形态性状探讨，现在已经推广到分子序列的进

17、化分析中。最大简约法的理论基础是奥卡姆（Ockham）哲学原则，这个原则认为：说明一个过程的最好理论是所需假设数目最少的那一个。对全部可能的拓扑结构进行计算，并计算出所需替代数最小的那个拓扑结构，作为最优树。n优点：n 最大简约法不须要在处理核苷酸或者氨基酸替代的时候引入假设（替代模型）。n此外，最大简约法对于分析某些特殊的分子数据如插入、缺失等序列有用。11/5/202239n缺点：在分析的序列位点上没有回复突变或平行突变，且被检验的序列位点数很大的时候，最大简约法能够推导获得一个很好的进化树。然而在分析序列上存在较多的回复突变或平行突变，而被检验的序列位点数又比较少的时候，最大简约法可能会

18、给出一个不合理的或者错误的进化树推导结果。11/5/202240n3、最大似然法n用于构建基于基因频率的系统树，这种方法是首先选定一个进化模型，计算该模型下，各种分支树产生现有数据的可能性。具有最大可能性的系统树为最优。n一个树的似然性等于每一个形态的似然性之和或每一特性状的似然性对数和。11/5/202241 最大似然法分析中，选取一个特定的替代模型来分析给定的一组序列数据，使得获得的每一个拓扑结构的似然率都为最大值，然后再挑出其中似然率最大的拓扑结构作为最优树。在最大似然法的分析中，所考虑的参数并不是拓扑结构而是每个拓扑结构的枝长，并对似然率球最大值来估计枝长。最大似然法的建树过程是个很费

19、时的过程，因为在分析过程中有很大的计算量，每个步骤都要考虑内部节点的全部可能性。最大似然法是一个比较成熟的参数估计的统计学方法，具有很好的统计学理论基础，在当样本量很大的时候，似然法可以获得参数统计的最小方差。只要运用了一个合理的、正确的替代模型，最大似然法可以推导出一个很好的进化树结果。11/5/202242 由于最大似然法的分析过程须要耗费较多的时间，针对这种状况，发展出了很多优化的可以加快最大似然法找寻最优树的搜寻方法，如启发式搜寻，分枝交换搜寻等。最大似然法具有坚实的统计学理论基础，充分的运用了分析序列中的信息资源，只要接受了合理的替代模型，可以得出很好的进化树分析结果。11/5/20

20、2243n4、对三种构建方法的评价n（1）距离法是一种纯数学计算过程，其算法本身就确定了最优树的选择标准；n（2）当DNA的进化速率在不同分支上相差很大或亲缘关系太远时，简约法低估了实际发生的碱基替换数而造成数据越多越支持错误的系统树。n（3）在计算时间上，距离法最快，最大似然法最慢，因此，当数据矩阵过大时，距离法特别有用。n（4）距离法和最大似然法都可以估计枝长，而简约法不能。11/5/202244n5、系统树的统计分析n（1）在分子系统学探讨中，用重复取样来检验系统树的牢靠性。主要有两种方法即自展法和折刀法。n自展法是原有数据中的性状进行复置重复取样，即随机抽取一特性状后，再将该性状放回原

21、数据，接着随机抽样，直到新产生的一组数据大小与原有数据相同为止。11/5/202245n（2）对整个系统树的评价n广泛用于评价一个系统树牢靠性的指标是一样性系数(CI)和保持性指数(RI)。n Ic=R/LnR：全部性状的范围的总和，即性状可能变更的最小值nL：给定系统树的最小进化步数11/5/202246n二、常用的系统树构建程序n1、PHYLIPnPHYLIP是包含35个独立程序的软件包，基本上包括了系统发育分析的全部方面，可在很多平台上运行。（包括windows，Macintosh，DOS，Linux，Unix和OpenVMX）n可以免费下载软件及手册，PHYLIP是目前运用较为广泛的系

22、统发育程序。主要包括一下几个程序组：分子序列组，距离矩阵组，基因频率组，离散字符组，进化树绘制组。nPHYLIP现版本为3.6911/5/202247PHYLIP软件包分组介绍分子序列组：1.蛋白质序列：protpars，proml，promlk，protdist 2.核酸序列：dnapenny，dnapars，dnamove，dnaml，dnamlk，dnainvar，dnadist，dnacomp距离矩阵组：Fitch，kitsch，neighbor基因频率组：Gendist，contml11/5/202248离散字符组：Pars，mix，move，penny，dollop，dolmove

23、，dolpenny，clique，factor进化树绘制组：drawtree，drawgram其他：restdist，restml，seqboot，contrast treedist，consense，retree11/5/202249 PHYLIP软件包的文档是特别具体的，对于每个独立的程序，都有一个独立的文档，具体的介绍了该程序的运用及其说明。此外，PHYLIP软件包还包括程序的源代码（c语言）。PHYLIP软件包的文档11/5/202250软件包的应用1、依据你的分析数据，选择适当的程序 如，你分析的是DNA数据，就在核酸序列分析类中选择程序(dnapenny,dnapars,dnamo

24、ve,dnaml,dnamlk,dnainvar,dnadist,dnacomp)假如分析的是离散数据，如突变位点数据，就在离散字符组里面选择程序。2、选择适当的分析方法 如你分析的是DNA数据，可以选择简约(DNAPARS)，似然法(DNAML，DNAMLK)，距离法等(DNADIST)11/5/2022513、进行分析 选择好程序后，执行，读入分析数据，选择适当的参数，进行分析，结果自动保存为outfile，outtree。Outfield是一个记录文件，记录了分析的过程和结果，可以干脆用文本编辑器（如写字板）打开。Outtree是分析结果的树文件，可以用phylip供应的绘树程序打开查看

25、，也可以用其他的程序来打开，如treeview。11/5/202252加入统计分析n我们刚刚获得的进化树是纯粹的依据从前获得的排列数据所推导出来的。有很多可能使得这个树并不确定牢靠。n1.测序的出错。n2.多序列比对算法本身的问题。n3.其他的问题。n我们可以引进一些统计分析来找寻更优的进化树n最常见的就是bootstrap分析。11/5/202253分析nPhylip软件包中有两个用于执行bootstrap分析的程序。(seqboot.exe,consence.exe)。n分析过程：n1.Seqboot产生大量的数据组n2.应用选择的算法对产生的数据组进行分析。n3.由consence获得最

26、优树。11/5/202254n2、PAUPnPAUP是著名的系统发育分析商业软件，具有简洁并带有菜单的页面。目前，PAUP中构建系统树的方法包括MP（最简约法），假如针对核苷酸数据，还有距离法和最大似然法。n现今有mac，win，linux等多种版本，该软件不是免费软件，运用者须要向开发者购买。11/5/202255n3、PAMLnPAML是免费软件包，PAML能够进行ML模型的建立和系统树的构建与评估。n4、其他程序n（1）FastDNAmln是一个独立的最大似然法建树程序。n（2）MACCLEADEn是一个交互式的Macintosh程序，能够对系统树和数据进行操作，探讨特性状态下的系统发育

27、行为。n（3）MEGA plus METREEn（4）MOLPHYn是共享软件包，可进行ML分析及核苷酸序列或氨基酸序列的统计。11/5/202256n三、一些须要留意的问题n（1）到目前为止，在进行系统的发育分析中，最重要的不是进行发育分析接受的方法，而是输入数据的质量。即选择数据恒久比比对过程重要，即使是最困难的发育推断方法都不能矫正数据的错误。n（2）从尽可能多的角度视察数据，可以分别从距离法、最大简约法和最大似然法分别视察数据，然后比较其所建立的进化树的一样性。尽管不同的方法得到的结果一样，也不能必定意味着结果就是统计显著的，因为达到一样性的因素很多。11/5/202257n（3）选择

28、合适的外群对分析相当重要，尤其是当外群同一个或几个内在的分类群拥有一个不同寻常的属性时，问题就会困难化。n（4）序列的输入依次不同，程序也会给出不同的系统树。如建树软件PHYLIP和PAUP供应了一个随机选项，可以依据随机的依次输入程序进行运算。11/5/202258系统树构建案例分析 1、病毒基因组分析 病毒受自身突变和自然选择的影响，但病毒基因组的进化速度远远超过其他细胞的基因组。2、运用生物信息学方法探讨SARS 由一个典型的冠状病毒结构，依据确定的依次排列5个或者6个基因。11/5/202259n四、COG数据库nCOG数据库是把从全基因组中得到的蛋白质依据系统发育方法分类的数据库。C

29、OG指的是蛋白质直系同源聚类，每一个COG包含的蛋白质被认为是从同一个蛋白质祖先演化来的，即他们是直系同源的(垂直进化关系)。n建立COG数据库的目的是作为新测基因组的功能说明和和基因组进化探讨的平台。n目前的COG数据库是从代表38个系统发育世系的66个全基因组得到的。n在COG数据库里，查看到的信息有三种(1)蛋白质的注释；(2)系统发育模式；(3)多序列比对。11/5/202260n有两种方法可以找到我们感爱好的蛋白质所在的COG，一是用基因或蛋白质名检索，二是用数据库带有的COGnitor程序对COG数据库进行检索。把蛋白质序列粘贴到COGnitor程序的文本框中，搜寻后输出结果。nC

30、OG数据库作为一个最新发展出来的整合全基因组信息平台，在基因组水平的比较上具有很大潜力。11/5/202261n三、SNP标记nSNP是指单核苷酸多态性，能够代表一个群体基因组里的中性遗传变更。一个SNP的含义是在给定的一个群体中，超过1%的个体在给定的遗传区域内发生一次核苷酸的变更。不包括其他遗传变更如插入、缺失、重复序列的拷贝等。nSNP作为标记我们在人类基因组支配里已经讲过，现在，很多机构和公司均建立了SNP的数据库，NCBI联合NHGRI建立了dbSNP数据库。n在此数据库里，可通过输入Genbank序列号查询，也可用BLAST方法进行搜寻。11/5/202262n四、同工酶n同工酶的定义：由于蛋白质分别技术的发展，人们从同一种属或同一个体、不同组织或同一组织、同一细胞中发觉有的酶具有不同的分子形式但却催化相同的反应，这种酶称为同工酶。n本书定义：电泳视察到的全部条带，包括不同基因座和同一基因座不同等位基因所编码的同一种酶以及转录后的酶变体统称为同工酶。n同工酶在探讨居群的遗传结构、遗传多样性、推断杂种和多倍体的亲本中起到过重大作用，但在亲缘关系较远时用处不大。11/5/202263