序列比对简介1

• 序列比对是生物信息学中非常重要的一部分，它可以帮助我们识别DNA、RNA和蛋白质序列中的相似性和差异性，从而推测它们在生物体内的功能。比对两个序列最简单的方法是将它们放在一起，并逐个字符进行比较。这种方法可以用于比对不同版本的音频记录，也可以用于识别音乐作品的抄袭行为。
• 在生物信息学中，我们主要比对的是DNA、RNA和蛋白质序列。DNA由四种碱基组成，分别用字母A、G、T和C表示。RNA中，T被U替代，用字母U表示。而蛋白质则由20种不同的氨基酸组成，分别用单个字母编码。比对序列的原因有很多，例如可以通过比对健康和患病个体的序列来识别遗传疾病的原因，也可以比对多个物种的基因序列来识别保守序列并推测它们在生物体内的功能。
• 序列比对有几个基本概念，包括匹配（match）、不匹配（mismatch）、替换（substitution）、间隙（gap）、插入（insertion）、删除（deletion）、全局和局部对齐（global and local alignments）等。其中，间隙可以通过插入字符来实现序列的对齐。对于不同长度的序列，全局对齐需要插入大量的间隙，这样会使得比对结果变得毫无意义。而局部对齐则可以只比对序列的某个特定部分，从而减少插入间隙的数量，更容易发现序列中的保守区域。
• 在进行序列比对时，还需要注意到删除在一个序列中对应着另一个序列中的插入，这种情况被称为indels。此外，序列比对并不总是需要比对整个序列，而是只需要比对序列中的一部分。