双序列比对的基础之PAM矩阵

双序列比对的基础之PAM矩阵

 PAM矩阵的记分方法是基于蛋白序列中单点可接受(point accepted mutation, PAM)的概念，通过对蛋白质进化模式的研究而建立的。 PAM矩阵是由Dayhoff等人构建了与71个家族的序列关联的假想系统发育树，其中每对序列间的差异不超过它们残基总数的15%，用简约法建树，统计相似序列比对中的替换发生率来得到的。即，构建一个序列间相似度很高(通常大于85%)的比对。接着计算每个氨基酸a的相对突变率${\Sigma }_c{A}_{ac}$
。相对突变率仅仅就是某种氨基酸被其他任意氨基酸替换的次数。然后我们针对每个氨基酸对a和b，计算氨基酸b被氨基酸a替换的次数$A_{ab}$
。最后将以上替换次数( Aij 的值)除以对应的相对替换率，利用每个氨基酸出现的频度对其进行标准化，并将以上计算结果取常用对数，于是得到了PAM矩阵。这种矩阵被称作对数几率矩阵，因为其中的元素是根据每个氨基酸替换率的对数值来得到的。即，P(b|a)=$B_{a,b}$=$A_{ab}$/${\Sigma }_c{A}_{ac}$

 Dayhoff等人定义，如果替换次数的期望值为1%，即${\sum }_{a\ne b}{q}_a{q}_b{B}_{a,b}$=0.01，则成此替换矩阵为PAM-1矩阵。注意PAM矩阵的值是随着进化时间而变化的。进化时间是体现在序列间残基的等同率，因为当两条序列不久前才由共同祖先分化而来时，这两条序列的多数残基是等同的。而PAM-1的1表示序列间的残基差异率是1%，表示这些序列才进化了很短时间，它们相距了1个PAM距离。
 而将PAM-1矩阵进行自乘，如自乘n次就得到了PAM-N矩阵。一个PAM-N矩阵元素(i，j)的值反映两条相距N个PAM单位的序列中第i种氨基酸替换第j种氨基酸的概率。
我们可以根据序列的长度以及序列间的先验相似程度来选用特定的PAM矩阵，应用与序列比对。PAM-1矩阵适于用来比较亲缘关系非常近的序列，而PAM-1000矩阵可以用来比较亲缘性非常远的序列。实践中用的最多的且比较折衷的矩阵是PAM-250。
  本篇总结：
本篇主要介绍了PAM矩阵，也许这时又有疑问：为啥PAM-1矩阵自乘n次，就得到了相距n个进化距离序列替换矩阵。其实涉及了一些马氏链的概念，由于参加数模时学过马氏链，所以将在以后的博文进行介绍。