序列比对算法

一．生物数据库

1.文献数据库：PubMed（主要是生物医学文献）
2.一级核酸数据库：NCBI，ENA，DDBJ
INSDC：由GenBank（美国）、ENA（欧洲）、DDBJ （日本）三大核苷酸数据库组成的联合核苷酸数据库。
序列的FASTA格式：第一行——大于号加名称或其他注释
第二行以后——序列，每行６０个字母
3.一级蛋白质数据库（都是通过实验直接测定的）


蛋白质序列数据库：swissport,TrEMBL,PIR,UniPort(前三个数据库的合成)
蛋白质结构数据库：PDB

4.二级蛋白质数据库
Pfam(蛋白质结构域家族的集合)
PS：结构域——蛋白质一般是由一个或多个功能区域组成，这些功能区域通常称为结构域。Like胞外域、跨膜区、胞内域。通过探明未知功能蛋白质上的结构域，可以大致推测出蛋白质的功能。
CATH
SCOP2

二．序列比较及相似性

1.序列表示

2.序列的相似性
数据库中的序列相似性搜索——相似的序列可以推测出相似的结构，相似的结构可以推测出相似的功能。
用两个指标来描述序列的相似性——一致度和相似度。

引出问题：残基的相似如何量化？
残基两两相似的量化关系由替换记分矩阵所定义。


注：密码子——密码子（codon）是指信使RNA分子中每相邻的三个核苷酸编成一组，在蛋白质合成时，代表某一种氨基酸的规律。信使RNA在细胞中能决定蛋白质分子中的氨基酸种类和排列次序。信使RNA分子中的四种核苷酸（碱基）的序列能决定蛋白质分子中的20种氨基酸的序列。而在信使RNA分子上的三个碱基能决定一个氨基酸。

3.比对两个序列的方法
（1）打点法


（2）序列比对法

A）双序列序列全局比对算法（用于比较两个长度近似的序列）


B）双序列局部对比算法（用于比较一长一短两条序列或者是非同源序列）

**

*序列比对算法总结：

*在线序列比对工具： EMBL、PIR 等

4.BLAST搜索
数据库中的序列相似性搜索方法——BLAST搜索

（１）工作原理

（２）BLAST分类

（3）PSI-BLAST

（4）PHI-BLAST

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

三．多序列比对

多序列比对——对两条以上的生物序列进行全局比对
注：蛋白质家族（英语：Protein family）是一组与进化相关的蛋白质。家族中的蛋白质来自共同的祖先（见同源），通常具有相似的三维结构，功能和显着的序列相似性。

1.多序列比对的主要用途及算法

多序列比对的算法：
目前所有的多序列比对工具都不是完美的，它们都是使用一种近似的算法。

2.多序列比对工具

注：1.保守序列在生物学中是指在核酸序列（如RNA及DNA序列）、蛋白质序列、蛋白质结构或多聚糖序列内相似或相同的序列，这种情况可以发生在各物种间（种间同源序列）或由相同生物产生的不同分子（种内同源序列）间。
2. 系统发生树又称演化树或进化树（evolutionary tree），是表明被认为具有共同祖先的各物种间演化关系的树状图。是一种亲缘分支分类方法（cladogram）。在图中，每个节点代表其各分支的最近共同祖先，而节点间的线段长度对应演化距离（如估计的演化时间）。

3.寻找保守区域
（1）序列标识图Weblogo

（2）序列基序MEME

（3）蛋白质指纹PRINTS

四．补充

1.分子进化理论（未被证实正确）

2.同源
同源序列——来源于共同祖先的相似的序列，分为直系同源、旁系同源、异同源

注意：相似序列不一定是同源序列。
相似度可以量化，同源性不可量化，它只是对性质的一种判定。

3.系统发生树

系统发生树又称演化树或进化树（evolutionary tree），是表明被认为具有共同祖先的各物种间演化关系的树状图。是一种亲缘分支分类方法（cladogram）。在图中，每个节点代表其各分支的最近共同祖先，而节点间的线段长度对应演化距离（如估计的演化时间）。

构建系统发生树的意义：
对于一个位置的基因或蛋白质序列，确定其亲缘关系最近的物种；
预测一个新发现的基因或蛋白质的功能；
有助于预测一个分子功能的走势。

注意：根、内节点都理论上曾经存在过的共同祖先，现在已经没有了。