生物信息就该这么学（5）：其实就是比对那点事儿

今天继续我们的生物信息就该这么学内容，其实生物信息分析每天做的工作就是各种比对。序列比对可以说是整个生物信息的核心，因为你会发现几乎每个生物信息分析过程都需要用到序列比对。判断两个基因或两段基因组片段是否相似是序列分析的基本工作。从序列数据库搜索，序列拼接到基因蛋白质功能注释，以及进化树构建等，都依赖于分子序列相似性的比较，也就是序列比对。测序得到一段序列，判断它是否属于新冠病毒，需要与已知病毒序列进行比对。你可以会反问，基因组拼接，变异检测也用到序列比对了吗，答案是肯定的。

同源与相似

序列比对的核心作用就是判断是否同源。所谓同源(homology)，是整个生物信息分析中最为重要的一个概念，只有同源的比对分析才是有意义的。同源也就是指来自于同一个祖先，两个物种从同一个祖先分化后，与不同的环境发生相互作用，其相应的DNA序列将各自发生一些替换或者插入缺失突变，也就是说序列不在精确相同。比如同一个大肠杆菌的祖先，经过不同的时间和空间的差异累积，最终就分化成不同类型的大肠杆菌。不同样品之间是同源的关系。

与同源概念想对应的是序列相似，相似性(similarity)和同源性(homology)是两个完全不同的概念。相似性仅仅是指字符串的相似 ，并不具有不具有生物学意义 ，因为DNA序列一共就有ATCG四种碱基，由于组合造成两段片段字符串组合比较接近。同源序列一般是相似的，但是相似的序列不一定同源。那么该如何判断序列是相似还是不相似，相似的序列是否满足同源关系呢。这些都需要序列比对来判断，并且使用一些方法和标准来进行评价。通常的解决方法是将两条