MSA:多重比对序列的格式及其应用

多重比对序列的格式及其应用

 

    这里对多重序列比对格式(Multiple sequence alignment – MSA)进行总结。在做系统演化分析、序列功能分析、基因预测等，都需要涉及到多重序列比对。特别是当需要用不同软件对多重比对序列进行批量操作时，会遇到各种的格式，而这些格式是如何产生的，有什么区别，格式之间如何转换，从哪里可以下载到相关的格式序列，不同的格式又有什么特殊的用途等，本篇文章将就这些问题进行总结与讨论。因为涉及内容较多，不足之处，欢迎大家补充或者批判。

     生物信息学的基础是基于这样的一个假设：序列相似，结构相似，功能相似。所以相似的一组序列，就可能同属于一个基因家族，而这样的一组序列相似的部分，就可能使其功能之所在，称其为结构域。这是对于基因家族分类的一种方式，将结构与功能进行联系，从而实现从结构预测功能（序列称为一级结构）。

 

进行多重比对、多重序列的编辑、多重序列注释、存储与展示、系统演化分析等，不同的软件、不同的系统，除了要兼容现有的格式，还会根据自身的需要，都定义新的格式。所以这些本身可以进行部分的格式转换，同时许多脚本模块比如bioperl等也提供了一些格式之间转换的脚本。这些格式同发布其软件平台有着密切的联系，随着软件的流行而流行。

下表是目前主流的格式：

名称	后缀	描述	Unique file Feature	详细定义地址
FASTA	.fasta, fa	Pearson or FASTA sequence format	>SequenceNameTHISISASEQENCE	FASTA (Pearson)
GCG/MSF format	.msf, .gcg	GCG Multiple Sequence File (MSF) alignment format	!! AA_MULTIPLE_ALIGNMENT 1.0..//	GCG/MSF
Aligned FASTA (UCSC a2m) format	.a2m	UCSC
Stockholm format	.txt	used by Pfam and Rfam to disseminate protein and RNA sequence alignments. 可以添加丰富的注释信息，适合多序列比对结果的注释。	# STOCKHOLM 1.0<seqname> <aligned sequence> … //	链接，wiki链接
PHYLIP	.phy, .phylip, .phylip2	PHYLIP software		链接
NBR/PIR	.pir	NBRF or PIR sequence format	>P1;	链接
CLUSTAL	.aln, .an, .aln2	ClustalW alignment format	CLUSTAL	链接
GDE	.gde	GDE format is a tagged-field format similar to ASN.l that is used for storing all available information about a sequence, including residue color.		链接
NEXUS	.nxs, .nexus	Nexus file formatis widely used in Bioinformatics. Several popular phylogenetic programs such as Paup, MrBayes, Mesquite, and MacClade use this format.		链接
BLC	.blc		>Seq1>Seq2
PFAM	.pfam		SequenceName THISISASEQENCE	链接
MEGA	.meg	MEGA software
SELEX	.
IG	.ig
Internet (NCBI) XML format	.xml
NBRF format	.nbrf

主要软件平台对于格式的要求

• Clustal
  输入：NBRF/PIR, GCG/MSF, PHYLIP, GDE, NEXUS, FASTA
  输出：CLUSTAL, NBRF/PIR, GCG/MSF, PHYLIP, GDE, NEXUS, FASTA

• MUSCLE（http://www.drive5.com/muscle/muscle.html）
  输入：FASTA, CLUSTAL, MSF
  输出：FASTA
• hmmbuild
  ClustalW, GCG MSF, or SELEX
• hmmalign
  输入：FASTA, GENBANK, EMBL, GCG, PIR, STOCKHOLM, SELEX, MSF, CLUSTAL, and PHYLIP.
  输出：Stockholm, SELEX, MSF, Clustal, Phylip, and A2M
• Jalview java viewer （http://www.jalview.org/help.html）
  输入：Fasta (Pearson), GCG-MSF, ALN/ClustalW, AMPS Block file, NBRF/PIR (including MODELLER variant), Pfam/Stockholm
  输出：Fasta (Pearson), GCG-MSF, ALN/ClustalW, AMPS Block file, NBRF/PIR, Pfam/Stockholm
• MEGA
  输入：CLUSTAL, NEXUS (PAUP, MacClade), PHYLIP, GCG, FASTA, PIR,  NBRF, MSF, IG, and XML formats.
  输出：MEGA, PAUP, FASTA
• PFAM数据库
  Selex, Stockholm, MSF, FASTA