6、生物序列比对：原理、方法与意义

生物序列比对：原理、方法与意义

1. 特定序列的检索

在检索特定基因或蛋白质序列时，由于GenBank数据库中序列数量庞大且索引复杂，即便遵循相关说明，检索工作也颇具难度。对于需要最新可用序列的项目，应搜索NR数据库；而其他项目则可借助如PIR和SwissProt等经过更好整理和注释的蛋白质序列数据库。此外，某些基因组数据库也能提供特定基因或蛋白质的序列。

Genpro数据库中的蛋白质序列由DNA序列自动翻译生成。当从mRNA序列的cDNA拷贝读取时，鉴于翻译起始位点存在一定不确定性，仍能提供可靠的序列。如今，许多蛋白质序列是通过基因组序列翻译预测得出的，这需要对编码区（外显子）进行预测，此步骤易出错。因此，需确定蛋白质序列条目的来源，若不是来自cDNA序列，可能需获取并测序该基因的cDNA拷贝。

2. 序列比对的定义

序列比对是比较两个（成对比对）或多个（多重序列比对）序列的过程，通过寻找序列中顺序相同的单个字符或字符模式来进行。将两个序列写在同一页面的两行上，相同或相似的字符置于同一列，不同的字符可作为错配放在同一列，或与另一序列的空位相对。在最优比对中，会合理放置不同字符和空位，使尽可能多的相同或相似字符垂直对齐。能以这种方式轻松比对的序列被认为是相似的。

序列比对主要分为全局比对和局部比对两种类型：
- 全局比对 ：尝试对齐整个序列，尽可能使用每个序列两端之间的所有字符。适用于非常相似且长度大致相同的序列。例如，对于两个假设的蛋白质序列片段，全局比对会在整个序列长度上延伸，以包含尽可能多的匹配氨基酸，直至序列末端。序列间的竖线表示相同氨基酸的存在。即便存在明显的相同区域，全局比对可