生物信息学 之 序列比对

针对DNA、RNA以及蛋白质序列，我们需要对其进行序列相似性搜索，来研究分析不同序列在结构和功能上相同与差异

• 相似性【similarity】/一致性【identity】 <==> 双序列比对（ Pairwise sequence Alignment ）

• 同源性【homology】 <==> 多序列比对 （Multiple Sequence Alignment）

  1. 旁系同源【paralogs】：同祖同种不同功
  2. 直系同源【orthologs】：同祖不同种同功

序列之间的相似性越高 => 序列为同源序列的可能性越高但同源序列不一定相似（趋异进化），相似序列不一定同源（趋同进化）

双序列比对：

全局比对 / 局部比对
局部比对：寻找最优匹配的 子序列
最佳比对查找方法：动态规划算法（Dynamic programming）

• Needleman-Wunsch Algorithm(for Global Alignment )

• Smith-Waterman Algorithm(for Local Alignment)

常用工具：BLAST FASTA

BLAST:

Blastn：核酸检索核酸库
Blastp：蛋白质检索蛋白质库
Blastx：核酸（先翻译6ORFs）检索蛋白质库
tblastn：蛋白质检索核酸库（先翻译）
tblastx：核酸（先翻译）检索核酸库（先翻译）
PSI-BLAST：远亲蛋白
bl2seq：two seq

FASTA:

FASTA  <=>  Blastn;Blastp
FASTX  <=>  Blastx
TFASTAX  <=>  tblastn

蛋白质计分矩阵
PAM （ accepted point mutations ）
BLOSUM （ blocks substitution matrix ）

多序列比对

• 精确法 (Exact)/ 高维动态规划算法 (DP)： 慢，耗内存 , 序列极少时才可行
• 渐进法 (Progressive methods)： CLUSTALW( 树形比对 )、 星形比对
• 迭代法 (Iterative methods)： non-stochastic: MAFFT, MUSCLE; stochastic:
  GA, SA, HMM
• 一致法 (Consistency-based methods)： T-Coffee
• 基序法 (Motif finding)/ 轮廓分析法 Profile analysis)