双序列比对

一、序列比对

序列比对是指利用计算机算法程序，比较两个或多个核酸或蛋白质的一级结构核苷酸或氨基酸的异同。

序列比对的研究对象为核酸序列或蛋白质序列。

构成核酸序列的基本单元为核苷酸，构成蛋白质的基本单元为氨基酸

核酸包括脱氧核糖核酸和核糖核酸。DNA序列的基本单元为脱氧核糖核苷酸，由脱氧核糖与磷酸盐构成

DNA分子双螺旋模型，从分子水平上揭示了遗传信息复制和传递的机制

   

蛋白质序列的基本单元为氨基酸。常见的氨基酸有二十种，氨基酸的基本结构包括主链和侧链两部分。不同氨基酸的主链相同，而侧链不同。按侧链基团、大小、亲疏水性和电荷性等不同性质，可以分为四大类。第一类为疏水氨基酸 第二类为带电氨基酸 第三类是既不疏水又不带电的极性氨基酸。最后一类包括半胱氨酸、脯氨酸、甘氨酸三个氨基酸

  

 

序列比对是指利用计算机程序比较核酸或蛋白质序列之间相似性，找出两个或多个序列之间的相

同区域或差异位点。 根据分子生物学中心法则， ＤＮＡ 是遗传信息携带者，而蛋白质则是功能分子。 不同物种之所以千姿百态、各不相同，其内在原因是 它们的基因组不同，或者更确切地说，是它们的 ＤＮＡ 序列及其编码所得的蛋白质不同

核酸序列的相似性高低，是指通过序列比对所得 结果中相同核苷酸残基所占比例，通常用百分比表 示。 而蛋白质序列比对结果中，除了用相同氨基酸残基所占比例作为相似性指标外，也经常用相同氨基酸  加上相似氨基酸作为相似性指标

不论是核酸序列还是蛋白质序列，序列相似性 是指相同和相似残基所占全长序列的比例，比例越高，相似性越高。 而序列同源性是指所比较的两个序列是否具有共同的祖先序列

同源序列特别是 亲缘关系较近的序列，相似性通常较高；反之，相似 性较高的两条序列，很有可能具有共同祖先

同源序列通常分为直系同源（Ｏｒｔｈｏｌｏｇ）和并系 同源（Ｐａｒａｌｏｇ）两类 。

二、双序列比对

双序列比对的方法可以分为两种 ， 一种从全长 序列出发， 考虑所比对的两条序列的整体相似性， 即整体比对（Ｇｌｏｂａｌ Ａｌｉｇｎｍｅｎｔ）； 另一种仅考虑所比对 序 列 部 分 区 域 的 相 似 性， 即 局 部 比 对 （ Ｌｏｃａｌ Ａｌｉｇｎｍｅｎｔ）。一般说来 ， 亲缘关系近的物种间的序列 相似性较高， 而且经常具有整体相似性 ； 而亲缘关系 较远的物种间序列相似性较低， 有时仅有局部相似 性。 整体比对常用来考察两条序列是否在整体上具 有较大相似性， 并由此推测它们是否具有同源性 。 而局部比对则可以找出两个序列中的保守序列片 段， 如蛋白质序列中某个结构域或功能位点 ， 基因上 游启动子区域核酸序列调控元件等

动态规划与启发式算法

无论是 Ｎｅｅｄｌｅｍａｎ⁃Ｗｕｎｓｃｈ 算法或 者是 Ｓｍｉｔｈ⁃Ｗａｔｅｒｍａｎ 算法 ， 都采用计算机领域中常用的动态规划（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ） 算法 。 动态规划算法的核心思想， 是把一个复杂问题分解为若干子问题， 并通过寻找子问题的解 ， 最终找到初始复杂

问题的解

启发式算法：

序列相似性数据库搜索软件 Ｂａｓｉｃ Ｌｏｃａｌ Ａｌｉｇｎｍｅｎｔ Ｓｅａｒｃｈ Ｔｏｏｌ（ＢＬＡＳＴ）则采用启 发式算法

启发式算法步骤

ＢＬＡＳＴ 算法大体分为以下三步 。 首先 ， 将检测序列按一定字长（Ｗｏｒｄ Ｓｉｚｅ） 拆分成种子 （ Ｓｅｅｄ） 序列， 并按给定计分矩阵和设定阈值 ， 找到与种子序列相似性较高的近邻（Ｎｅｉｇｈｂｏｒ） 序列 。 接着 ， 逐个找到各近邻序列在数据库中匹配序列， 并按分值增加原则向两边延伸， 得到高分对 （Ｈｉｇｈ Ｓｃｏｒｉｎｇ Ｐａｉｒ）。 将所得主对角线方向距离较近的高分对连接起来， 并用 Ｓｍｉｔｈ⁃Ｗａｔｅｒｍａｎ 方法进行比对 。 最后 ， 对搜索到的靶标 序 列 进 行 统 计 检 验， 输 出 期 望 值 （ ＥｘｐｅｃｔＶａｌｕｅ） 低于 设 定 阈 值 的 靶 标 序 列 ， 即 搜 索 结 果。 ＢＬＡＳＴ 也可用于双序列比对 ， 只要把所要搜索的数据库设定为另一个序列。 显然 ， 由于所采用的比对策略完全不同， 基于 Ｓｍｉｔｈ⁃Ｗａｔｅｒｍａｎ 动态规划算法 的比对结果和基于 ＢＬＡＳＴ 启发式算法的比对结果不一定相同， 某些情况下差别很大

计分矩阵与空位罚分

所谓计分矩阵 ， 是指比对过程中相同或不同核苷酸或氨基酸之间的匹配或错配分值。 例如， 核酸序列比对时通常匹配分值为正值 ， 而错配分 值为负值。 蛋白质序列比对时 ， 匹配分值为正值 ， 而 错配分值则与氨基酸性质有关， 性质不同的氨基酸之间的错配分值为负值， 而性质相似的氨基酸之间的分值有可能为正值

欧洲分子生物学开放软件包 （ Ｅｕｒｏｐｅａｎ ＭｏｌｅｃｕｌａｒＢｉｏｌｏｇｙ Ｏｐｅｎ Ｓｏｆｔｗａｒｅ Ｓｕｉｔｅ ， ＥＭＢＯＳＳ）

该软件包 中包括多个双序列比对程序， 其中最为常用的是整 体比对程序 ｎｅｅｄｌｅ， 局部比对程序 ｗａｔｅｒ， 以及基于点 阵图的 ｄｏｔｔｕｐ 和 ｄｏｔｍａｔｃｈｅｒ 等 。ＥＭＢＯＳＳ 软件包基于 Ｌｉｎｕｘ 系统开发 ， 可免费下载安装在 Ｌｉｎｕｘ 服务器上， 用命令行方式运行程序

常用计分矩阵

ＤＮＡｆｕｌｌ 是常用计分矩阵之一

由于该矩阵元素沿主对角线对称分布 ， 原 始矩阵中主对角线右上方的元素不再列出。 其次 ，根据四种核苷酸的类别将它们分组。 第一组为 Ａ、 Ｔ、Ｇ、Ｃ 四种确定的核苷酸 ， 匹配分值为 ５， 错配分值为－４

BLOSUM62矩阵

与核苷酸计分矩阵 ＤＮＡｆｕｌｌ 类似 ， 主对角线右 上方的元素不再列出。 基于侧链性质将二十种氨基 酸分组， 分组原则与图 ２ 氨基酸分类基本一致 。 五 个疏水脂肪族氨基酸丙氨酸 Ａ、 缬氨酸 Ｖ、 亮氨酸 Ｌ、异亮氨酸 Ｉ 和甲硫氨酸 Ｍ 分在一组 ； 两个侧链带羟基的氨基酸（ 丝氨酸 Ｓ 和苏氨酸 Ｔ） 分在一组 ； 门冬酰胺 Ｎ 和谷氨酰胺 Ｑ、 门冬氨酸 Ｄ 和谷氨酸 Ｅ四个氨基酸分在一组；带正电的三个氨基酸组氨酸 Ｈ、赖氨酸 Ｋ 和精氨酸 Ｒ 分在一组；三个芳香族氨基酸

（ 苯丙氨酸 Ｆ、 酪氨酸 Ｙ 和色氨酸 Ｗ） 分在一组 ； 半胱氨酸 Ｃ、 脯氨酸 Ｐ 和甘氨酸 Ｇ 性质独特 ， 各自单独分在一组。 需要说明的是 ， 酪氨酸侧链也有羟基 ，这一点与丝氨酸 Ｓ 和苏氨酸 Ｔ 接近 ， 但其侧链苯环与苯丙氨酸 Ｆ 更加相似 ， 因此将它们分在一组 ，同组的还有另一个芳香族氨基酸 Ｗ ＢＬＯＳＵＭ６２ 计分矩阵主对角线的 ２０ 个矩阵元为相同氨基酸之间的分值，即匹配分值。 不同氨基酸的匹配分值有高有低，如色氨酸 Ｗ 为 １１、半胱氨酸 Ｃ 为 ９；有的较低，如四个脂肪族氨基酸（丙氨酸 Ａ、缬氨酸 Ｖ、亮氨酸 Ｌ、异亮氨酸 Ｉ）和丝氨酸 Ｓ均为 ４。 匹配分值的高低与该氨基酸的性质与丰度有关，也从某个侧面反映了该氨基酸的保守性（见表２） 。 分值越高，保守性越强，越不容易发生替换。除主对角线外的其它矩阵单元为不同氨基酸之间的替换分值，即错配分值。 错配分值有正有负，范围在 ３ 到－４ 之间，其中大部分为零或负值。 错配分值的高低与两个氨基酸之间的性质有关。 两者之间性质差别越大，越不容易发生替换，错配分值也就越低，如第一列半胱氨酸 Ｃ 与谷氨酸 Ｅ、最后一行色氨酸 Ｗ 与脯氨酸 Ｐ 之间的错配分值均为－４。 同组内氨基酸的错配分值相对较高，有的为正值，如缬氨酸Ｖ 和异亮氨酸 Ｉ 错配分值为 ３，亮氨酸 Ｌ 和异亮氨酸Ｉ 的错配分值为 ２，这是因为它们侧链比较相似，容易发生替换。