多序列比对要多久时间_序列比对(一)

相互对应

上面的碱基对应空位

下面的碱基对应空位

经过这么一分析，我们发现这恰好符合动态规划的使用要求，能拆分成重叠子问题，能因为局部最优的选择决定全局最优。于是下面的两种算法就使用了动态规划的算法，分别进行序列的全局比对和局部比对，这两个出现在上个世纪的算法，在如今也是非常经典，多数序列比对算法都是根据这两个算法改进而来的。

全局比对：N-W算法(Needleman-Wunsch)

我们根据比对问题的性质和动态规划的原理，给出以下公式：

这里用F(i,j)表示第一条序列X从第1位到第i位、第二条序列Y从第1位到第j位为止最好的比对分数。我们看一下，第一项表示Xi比对到Yj，也就是两个残基对在了一起。 那么，第二项则表示Xi对应到一个空位，所以前面的F，也就是F(i-1,j)；那么第三项是什么意思呢？我们可以很简单地推出来。 它表示呢，yj对应到一个空位。 你看到前面的F是F(i,j-1)。

注意：这里并没有考虑gap opening和gap extending，将他们平等对待，统一罚分d=-5

我们先将F(i,0)和F(0,j)进行填充

接下来就是通过公式填满动态规划矩阵，并且记录路径

填满后，根据之前记录的路径，从右下角一直回溯到左上角

最后得到的并不一定是唯一解，可能有两条甚至更多的路径，他们都是最优的比对。

局部比对：S-W算法(Smith-Waterman)

S-W算法是在前面的N-W算法上进行了局部优化，让我们更容易发现局部最优的比对。

以下为文献原图：

我们可以看到算法的公式中，只是比前面的全局比对多了一个0。通过对全局比对公式迭代算法的一个简单调整， 来引入了一个分数的“止损”下限， Smith-Waterman算法实质上提供了在差异过大区域之后“重启”比对的能力。从而可以有效地发现局部水平上的相似性。

还有一个修改就是回溯的方式，Smith-Waterman算法不再固定从右下角到左上角进行回溯，而是选择动态规划矩阵中最大的得分单元格开始回溯。原文章是这么体现的：

算法复杂度(Work)

我们的工作就是填充规划矩阵，那么，对于两条长度分别为m和n的序列，需要填写的格子总数是mn个。 假定每次操作需要常数时间c， 那么总共需要的时间就正比于mn，也即大O(mn)。 由此可以看出，Needleman-Wunsch算法将时间代价由穷举法的指数时间下降到了平方时间， 有效降低了时间复杂度。

考虑gap opening 和gap extending

如果需要考虑gap opening和gap extending，我们要用到计算机中的有限状态机的方法。

这里就不做进一步的讨论。给出北京大学生物信息学公开课的PPT截图：

打分矩阵的选择(Scoring matrix)

DNA序列比对的替换打分矩阵等价矩阵(unitary matrix)，实际使用较少。

转换-颠换矩阵(transition-transversion matrix)，嘌呤到嘌呤或者嘧啶到嘧啶的替换称为转换(transition)，嘌呤到嘧啶或者相反的替换叫做颠换(transversion)，认为现实中转换比颠换容易，转换的得分要比颠换的得分高一些。

BLAST矩阵，广泛被使用。

蛋白质序列比对的替换矩阵等价矩阵

遗传密码矩阵(genetic code matrix,GCM)，很少被使用

疏水性矩阵(hydrophobic matrix)该矩阵物理意义明确，有一定的理化性质依据，适用于偏重蛋白质功能方面的序列比对。

PAM矩阵，PAM-n矩阵常用。

BLOSUM矩阵(BLOck Substitution Matrix)，BLOSUM-n矩阵常用。

对于PAM-n矩阵，n越小表示氨基酸变异的可能性越小，高相似序列之间的比对应该选用n值小的矩阵，低相似序列的比对应该选用n值大的矩阵。例如，PAM-250用于约20%相同的序列之间的比对。对于BLOSUM-n矩阵，n越小则表示氨基酸相似的可能性越小，高相似的序列之间比对应该选用n值大的矩阵，低相似的序列之间比对应该选用n值小的矩阵。例如，BLOSUM-62用来比较62%相似度的序列，BLOSUM-80用来比较80%左右相似的序列。

参考文章(Reference)