2021.11.22【读书笔记】丨生物信息学与功能基因组学（第五章第五节 用类似于BLAST的比对工具快速搜索基因组DNA）

• 5.5 用类似于BLAST的比对工具快速搜索基因组DNA
  • 需求：随着基因组DNA数据库数量增长，对比对工具要求越来越高
    • 能在基因组DNA中找到外显子
    • 比对时考虑基因组DNA包含的测序错误
    • 有相应的算法解决相关物种的基因组在比对中出现删除、重复、倒置或移位的问题
    • 有相应的算法解决DNA序列之间的小差异，如SNP位点
  • 用标准集去评估基因组比对效果
    • 时使用序列进化随机模型（ROSE）软件包船舰一个模拟序列集进行测试，可以得到全局比对工具LAGAN灵敏度最高，局部比对工具（如BLASTZ）在编译区段的比对更加精确
  • PatternHunter：非连续的种子提高灵敏度
    • PatternHunter在匹配位点中间加入错配位点，提升了速度与灵敏度（描述了两种模型）
    • 以匹配为1，错配为0为例，模型格式如下：
      • BLASTN：11111111111
      • PatternHunter：110100110010101111（另一种11101001010011011）
      • 原因：在相邻种子匹配之间会共享的剪辑很少，使得匹配比使用连续种子模型更加独立
    • BLASTZ和MegaBLAST等同源蛋白质搜索算法也用到了该策略
      • 图示

        

  • BLASTZ
    • 专门比对人类和小鼠基因组DNA序列。
    • 功能：
      • 谱系特异性的散在重复序列会被从两个序列中移除
      • 用12个单词长度来匹配并不允许空位将其延申，当得分超过某一阈值，延申会允许出现空位，即1110100110010101111
      • 对于邻近成功比对的区段在重复第二步时使用的是更低的（更灵敏）单词长度，比如7。
        • 可以使用UCSC可视化BLASTZ比对的基因组序列
          • 图示

            

  • Enredo和Pecan（略）
    • Ensemble用于多序列比对，其比对结果比基于其他准则的其他软件更加精确
  • MegaBLAST和不连续MegaBLAST
    • MegaBLAST：NCBI被优化用于快速比对长DNA查询序列的工具，默认单词长度为28，可调至256，提升运行速度。
      • 单词长度小，灵敏度高，运行速度低。
      • 可定义输出的相似度百分比阈值
      • 可定义相应的匹配和错配得分
    • 不连续MegaBLAST为了比对更多远缘相关基因组序列的工具。
      • 图示

        

  • 类BLAST比对工具（BLAT）
    • 极快速的基因组DNA搜索工具
    • BLAT将整个基因组DNA数据库分解成单词的索引，这些单词包含基因组中所有非重叠11-mers。
    • BLAT所用的数据库索引策略也被SSAH2和后续的MegaBLAST采用
    • 其他性质：
      • BLAST会在出现两个匹配时激发延伸，BLAT需要多个匹配；
      • BLAT主要为了找到与查询序列相似达95%以上的匹配
      • BLAT会搜索内含子与外显子的边界，实质上是建立了一个基因结构的模型。
        • 查询案例，图示

          

  • LAGAN
    • 双序列比对
      • 图示

        

    • 分三个步骤进行全局双序列比对
      • 1. 在两条序列中首先生成局部比对从而识别一组锚，允许多个短的不精确单词的匹配而不是长的精确单词匹配；
      • 2. 生成粗略的全局图谱，包含根据得分排序的最大锚的集合；
      • 3. 计算最终的全局比对，被限制在粗略图谱定义的优先区域运行。
  • SSAHA2
    • SSAHA2将DNA数据库转换为固定单词长度的哈希表，双序列比对则可以在哈希表中快速寻找匹配。
•  欢迎加群交流，或者加VX：bbplayer2021，邀请进群
•