生物信息学04第四章 核酸和蛋白质序列为基础的数据库检索..ppt

第四章 核苷酸和蛋白质序列为基础的数据库检索 (Sequence-based database searching) * 本章主要内容： 基本概念 BLAST检索分析方法 本章重点难点： 核酸和氨基酸序列功能分析的基本方法和原理。 序列对位排列（sequence alignment） 将两条或多条序列对位排列，突出相似的结构区域 序列1 序列2 两条DNA序列对位排列分析 两条蛋白质序列对位排列分析 分析功能 分析物种进化 检测突变、插入或缺失（遗传疾病的检测） 序列延长(电子PCR) 序列定位(STS) 基因表达谱分析(EST) 用途 序列对位排列分析的种类 序列对库对位排列分析 从数据库中寻找同源序列 主要涉及核苷酸数据库和蛋白质数据库 两序列对位排列分析 多序列对位排列分析 （一）序列对位排列分析的基本原理 1、记分矩阵（scoring matrix） 记分矩阵中含有两条序列对位排列时具体使用的分值 分数越高，两条序列匹配越好 DNA序列对位记分矩阵 序列1 A C G T T A G C 序列2 A C T T T G G C 记分 0.9 0.9 -0.1 0.9 0.9 -0.1 0.9 0.9 ＝ 5.2 蛋白质序列对位排列分析记分复杂 一致氨基酸的记分不同 稀有氨基酸（C），分值高 普通氨基酸（S），分值低 相似氨基酸也记分，如D-E 序列1：TTYGAPPWCS 序列2： TGYAPPPWS * *** * 序列1：TTYGAPPWCS 序列2：TGYAPPPWS * * *** 多种记分矩阵 80年代建立的PAM矩阵（如PAM30、PAM70） 近年建立的BLOSUM矩阵（如BLOSUM62、BLOSUM80、BLOSUM45） 基于更敏感的对位排列分析 蛋白质序列对位记分 序列1 V D S C Y 序列2 V E S C Y 记分 4 2 4 9 7 2、空位（间隔）罚分（gap penalty） 基因进化过程中产生突变 序列对位排列分析时允许插入空位 插入 缺失 空位开放（gap opening） 空位延伸（gap extension） 蛋白质序列对位记分 序列1 V D S - C Y 序列2 V E S L C Y 记分 4 2 4 -11 9 7 acgtatgcatgtacgagctac acgtatgcagtacgagctac 空位罚分涉及两个参数 acgtatgcatgtacgagctac acgtatgca-gtacgagctac BLAST FASTA Blitz （二）序列对库对位排列分析 主要检索体系 用待分析序列对数据库进行相似性分析 重复许多次的两两序列对位排列分析 从数据库中找出所有同源序列 1、基本概念 （1）Sequence identity 和 sequence similarity Identity: 两条序列在同一位点上的核苷酸或 氨基酸残基完全相同 Similarity (positive): 两条序列在同一位点上的 氨基酸残基的化学性质相似 Query: 1 IGQAQCSTFRGRIYNETNIDSAFATQRQANCP 32 IGQAQC TF+ RIYNET +AFAT +ANCP Sbjet: 2 IGQAQCGTFKDRIYNET---TAFATSLRANCP 29 （2）Global alignment 和 local alignment Query Subject Query Subject Query Subject Global alignment: 两条完整的序列相比较 Local alignment: 两条序列中相似程度最高的部分 相比较 （3）Gapped alignment 和 ungapped alignment Query Subject Query Subject Query Subject