生物信息学基础知识Day3

---

前言

个人对《R语言与Bioconductor 生物信息学应用》的一些摘录，方便自己日后查阅。

---

一、序列比对和相似性搜索

序列比对又叫做序列对齐，简单来说就是将两个或多个序列排列在一起，标明其相似之处，进而确定序列之间的相似性。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，就推测二者可能由共同的祖先，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演化而来。

1.序列相似和序列同源

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。

2.双重比对

序列比对根据比对的序列数量，分为双重比对和多重比对。 在实际工作中，双重比对最常见的用途就是用于数据库相似性搜索。具体来说就是将查询序列（未注释的）和数据库中的备选序列（已有功能等注释信息）做比对，根据设定的相似性阙值，从数据库中存在的亿万条序列中挑选出符合要求的序列，这些序列可以用来提供查询序列的一些未知信息（如功能、结构等），还可用于多重比对，构建进化树。

3.多重比对

多重比对的对象是一组假定具有进化关系的序列，这组序列一般可以通过上面提到的数据库相似性搜索得来。根据多重比对的结果可推导出这些序列间的进化关系。多重比对还经常用来研究序列的保守性，例如蛋白质多重比对可以找到一些高度保守的位点，这些位点可能对蛋白质的结构和功能至关重要，但并不是所有保守的残基都一定是对结构功能起重要作用的，可能他们只是由于历史的原因被保留下来，而不是由于进化压力而保留下来。因此还需要实验和其他方面信息的支持，才能进一步确定。

二、分子进化和系统发生树

1.分子进化

所有生命的蓝图都是以DNA（某些病毒中为DNA）书写的，因而可以通过比较DNA序列来分析它们的进化关系。

2.系统发生树

进化树表明了具有共同祖先的各物种间的演化关系。所谓树，从数据结构角度来讲，实际上是一个无向循环图。系统发生树由一系列节点（Nodes）和分支（Branches）组成；每个节点代表一个分类单位（物种或序列），节点间的连线代表节点之间的进化关系。树的节点又分为外部节点（Terminal node）和内部节点（Internal node）：外部节点代表实际观察到的分类单位；内部节点又称为分支点，它代表了进化事件发生的位置，或代表分类单位进化历程中的祖先。根据节点的不同意义，系统树又可以分为物种树（Species tree）、基因树等，前者常常根据物种的表型数据构建，后者才是分子水平的。

3.系统树的构建方法

1.构建系统树的数据类型

构建系统树的数据有两种类型：一种是特征数据，可以是基因序列、个体、群体或物种特征的集合；二是距离数据或相似性数据，它表示了基因序列、个体、群体或物种两两之间的相似性。距离数据可由特征数据计算获得，但反过来则不行。

2.构建系统树的方法

分子水平的系统树构建主要有四种方法。1.距离矩阵法（Distance matrix method)，首先先计算每对序列之间的进化距离（例如差异的碱基比例），其准确大小依赖于进化模型的选择，然后运行一个聚类算法，从最相似（两者之间的距离最短）的序列开始构建整个进化树；2.最大简约法（Maximum Parimony，MP），较少涉及遗传假设，它通过寻求序列间最小的改变来完成建树的；3.对于模型的巨大依赖性是最大似然法（Maximum Likelihood，ML）的特征，该方法在计算上繁杂，但为统计推断提供了基础；4.贝叶斯算法（Bayesian Inference of Phylogeny，BI）以MrBays为代表，不过速度较慢，一般的进化树分析中较少应用。

3.常用软件

系统进化树构建和显示方面常用的软件有：PHYLIP、PAUP（MP法常用）、MEGA、MOLPHY8、PAML、PAxML（ML法常用）、PUZZLE、Tree View、phylogeny、PHYML、MrBayes（BI法常用）和Tree of Life等。

---

总结

所有文章会根据作者的见解日后常常修改。下篇见Day4。要考研啊，这个假期要怎么规划呢？