多序列比對(duì)與Clustal的使用以及各類常見的序列分析工具介紹.ppt

多序列比對(duì)與Clustal的使用，以及各類常見的序列分析工具介紹,中山大學(xué)生科院 2004年10月,內(nèi)容提要,第一部分：多序列比對(duì) 意義、方法、算法 Clustal的使用 1.Clustalx 2.Clustalw 第二部分：常見的序列分析軟件分類簡(jiǎn)介,第一部分： 多序列比對(duì)及Clustal的使用,序列相似性比較和序列同源性分析,序列相似性比較： 就是將待研究序列與DNA或蛋白質(zhì)序列庫進(jìn)行比較，用于確定該序列的生物屬性，也就是找出與此序列相似的已知序列是什么。完成這一工作只需要使用兩兩序列比較算法。常用的程序包有BLAST、FASTA等； 序列同源性分析： 是將待研究序列加入到一組與之同源，但來自不同物種的序列中進(jìn)行多序列同時(shí)比較，以確定該序列與其它序列間的同源性大小。這是理論分析方法中最關(guān)鍵的一步。完成這一工作必須使用多序列比較算法。常用的程序包有CLUSTAL等；,多序列比對(duì)的意義,用于描述一組序列之間的相似性關(guān)系，以便了解一個(gè)基因家族的基本特征，尋找motif，保守區(qū)域等。 用于描述一個(gè)同源基因之間的親緣關(guān)系的遠(yuǎn)近，應(yīng)用到分子進(jìn)化分析中。 其他應(yīng)用，如構(gòu)建profile，打分矩陣等。,同源性分析中常常要通過多序列比對(duì)來找出序列之間的相互關(guān)系，和blast的局部匹配搜索不同，多序列比對(duì)大多都是采用全局比對(duì)的算法。這樣對(duì)于采用計(jì)算機(jī)程序的自動(dòng)多序列比對(duì)是一個(gè)非常復(fù)雜且耗時(shí)的過程，特別是序列數(shù)目多，且序列長(zhǎng)的情況下。,多序列比對(duì)的方法,多序列比對(duì)的方法,基本上多序列比對(duì)可以分為 1.手工比對(duì)（輔助編輯軟件如bioedit，seaview，Genedoc等） 通過輔助軟件的不同顏色顯示不同殘基，靠分析者的觀察來改變比對(duì)的狀態(tài)。 2.計(jì)算機(jī)程序自動(dòng)比對(duì) 通過特定的算法（如同步法，漸進(jìn)法等），由計(jì)算機(jī)程序自動(dòng)搜索最佳的多序列比對(duì)狀態(tài)。,自動(dòng)多序列比對(duì)的算法,1.同步法 將序列兩兩比對(duì)時(shí)的二維動(dòng)態(tài)規(guī)劃矩陣擴(kuò)展到三維矩陣。即用矩陣的維數(shù)來反映比對(duì)的序列數(shù)目。這種方法的計(jì)算量很大，對(duì)于計(jì)算機(jī)系統(tǒng)的資源要求比較高，一般只有在進(jìn)行少數(shù)的較短的序列的比對(duì)的時(shí)候才會(huì)用到這個(gè)方法。,自動(dòng)多序列比對(duì)的算法,2.步進(jìn)法 最常見的就是clustal所采用的方法。 其基本思想就是基于相似序列通常具有進(jìn)化相關(guān)性的這一假設(shè)。,Clustal的漸進(jìn)比對(duì)過程,在比對(duì)過程中，先對(duì)所有的序列進(jìn)行兩兩比對(duì)并計(jì)算它們相似性分值，然后根據(jù)相似性分值將它們分成若干組，并在每組之間進(jìn)行比對(duì)，計(jì)算相似性分值。根據(jù)相似性分值繼續(xù)分組比對(duì)，直到得到最終比對(duì)結(jié)果。在比對(duì)過程中，相似性程度較高的序列先進(jìn)行比對(duì)而距離較遠(yuǎn)的序列添加在后面。,多序列比對(duì)工具 clustal,Clustal是一個(gè)單機(jī)版的基于漸進(jìn)比對(duì)的多序列比對(duì)工具，由Higgins D.G. 等開發(fā)。有應(yīng)用于多種操作系統(tǒng)平臺(tái)的版本，包括linux版，DOS版的clustlw，clustalx等。,Clustal簡(jiǎn)介,CLUSTAL是一種漸進(jìn)的比對(duì)方法，先將多個(gè)序列兩兩比對(duì)構(gòu)建距離矩陣，反應(yīng)序列之間兩兩關(guān)系；然后根據(jù)距離矩陣計(jì)算產(chǎn)生系統(tǒng)進(jìn)化指導(dǎo)樹，對(duì)關(guān)系密切的序列進(jìn)行加權(quán)；然后從最緊密的兩條序列開始，逐步引入臨近的序列并不斷重新構(gòu)建比對(duì)，直到所有序列都被加入為止。,Clustalx的工作界面 （多序列比對(duì)模式）,Clustalx的工作界面 （剖面(profile)比對(duì)模式）,Clustal的工作原理,Clustal輸入多個(gè)序列,快速的序列兩兩比對(duì)，計(jì)算序列間的距離，獲得一個(gè)距離矩陣。,鄰接法(NJ)構(gòu)建一個(gè)樹（引導(dǎo)樹）,根據(jù)引導(dǎo)樹，漸進(jìn)比對(duì)多個(gè)序列。,Clustal的應(yīng)用,1.輸入輸出格式。 輸入序列的格式比較靈活，可以是前面介紹過的FASTA格式，還可以是PIR、SWISS-PROT、GDE、Clustal、GCG/MSF、RSF等格式。 輸出格式也可以選擇，有ALN、GCG、PHYLIP和NEXUS等，用戶可以根據(jù)自己的需要選擇合適的輸出格式。,2.兩種工作模式。 a.多序列比對(duì)模式。 b.剖面(profile)比對(duì)模式。 3.一個(gè)實(shí)際的例子。,Clustal的應(yīng)用,多序列比對(duì)實(shí)例,輸入文件的格式(fasta)： KCC2_YEAST NYIFGRTLGAGSFGVVRQARKLSTN DMK_HUMAN DFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK. KPRO_MAIZE TRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN DAF1_CAEEL QIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD 1CSN HYKVGRRIGEGSFGVIFEGTNLLNN,第一步：輸入序列文件。,第二步：設(shè)定比對(duì)的一些參數(shù)。,參數(shù)設(shè)定窗口。,第三步：開始序列比對(duì)。,第四步：比對(duì)完成，選擇保存結(jié)果文件的格式,Clustalw的使用(一),Clustalw還提供了命令調(diào)用形式的使用方式，方便于批處理過程，下面是一個(gè)典型的執(zhí)行多序列比對(duì)的clustalw命令： $ ./clustalw infile=dna.fa type=dna gapopen=10 gapext=2 output=gcg outfile=align.gcg -align,Clustalw的使用(二),在線的clustalw分析,EBI提供的在線clustalw服務(wù) http:/www.ebi.ac.uk/clustalw/,EBI提供 的在線 Clustalw 服務(wù),更為詳細(xì)的教程,可以在這里得到更多關(guān)于clustal的幫助： http:/www-igbmc.u-strasbg.fr/BioInfo/ClustalX/Top.html,實(shí)際操作(練習(xí)),使用clustalx程序，對(duì)給定的多序列，選擇合適的參數(shù)，進(jìn)行多序列比對(duì)，輸出結(jié)果文件維phylip格式。 相同的文件，使用ebi和我們提供的在線服務(wù)，進(jìn)行多序列比對(duì)。 對(duì)上述計(jì)算機(jī)程序比對(duì)的結(jié)果進(jìn)行手工改動(dòng)（bioedit，seaview），使得多序列比對(duì)結(jié)果跟符合要求。,SIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSIS RAGDYLLQTWLRVNIPPVTLSGLLGNTYSLRWTKNLMHNLIREATITFNDLVAARFDNYHLDFWSAFTVP ASKRNGYDNMIGNVSSLINPVAPGGTLGSVGGINLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDW HELLILTNSALVPPASSYVSIVVGTHISAAPVLGPVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPR QNYVPLTNASPTFDIRFSHAIKALFFAVRNKTSAAEWSNYATSSPVVTGATVNYEPTGSFDPIANTTLIY ENTNRLGAMGSDYFSLINPFYHAPTIPSFIGYHLYSYSLHFYDLDPMGSTNYGKLTNVFVVPAASSAAIS AAGGTGGQAGSDYAQSYEFVIVAVNNNIVRIENSLVRNRRRWSREGPMVMVC TIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSIS RAGDYLLQTWLRVNIPPVTLSGLLGNTYSLRWTKNLMHNLIREATITFNDLVAARFDNYHLDFWSAFTVP ASKRNGYDNMIGNVSSLINPVAPGGTLGSVGGINLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDW HELLILTNSALVPPASPYVPIVVGTHISAAPVLGPVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPR QNYVPLTNASPTFDIRFSHAIKALFFAVRNKTSAAEWSNYATSSPVVTGATVNYEPTGSFDPIANTTLIY ENTNRLGAMGSDYFSLINPFYHAPTIPSFIGYHLYSYSLHFYDLDPMGSTNYGKLTNVSVVPQASPAAIA AAGGTGGQAGSDYPQNYEFVILAVNNNIVRISGGETPQNYIAVC WIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSIS RAGDYLLQTWLRVNIPQVTLNPLLAATFSLRWTRNLMHNLIREATITFNDLVAARFDNYHLDFWSAFTVP ASKRTGYDNMIGNVSSLINPVAPGGNLGSTGGTNLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDW TELLVLQNSALVAPASPYVPIVVPTHLTVAPVLGPVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPR QNYTPLTNASPTFDIRFSHAIKALFFSVRNKTSASEWSNYATSSPVVTGATVNFEPTGSFDPIANTTLIY ENTNRLGAMGSDYFSLINPFYHAPTIPSFIGYHLYSYSLHFYDLDPMGSTNYGKLTNVSVVPQASPAAVN AASGAGGFPGSDYPQSYEFVIVAVNNNIVRISGGETPQNYLSGSFVTLLNRRKWSREGPMIMVQ CzIV MSMSSSNITSGFIDIATFDEIEKYMYGGPTATAYFVREIRKSTWFTQVPVPLSRNTGNAAFGQEWSVSIS RAGDYLLQTWLRVNIPQVTLNAQLGPTFGLRWTRNFMHNLIREATITFNDLVAARFDNYHLDFWSAFTVP ASKKIGYDNMIGNISALTNPVAPGGSLGSVGGINLNLPLPFFFSRDTGVALPTAALPYNEMQINFNFRDW PELLILTNTALVPPASPYVPIVVGTHLSAAPVLGAVQVWANYAIVSNEERRRMGCAIRDILIEQVQTAPR QNYTPLTNAMPTFDIRFSHAIKALFFSVRNKTSSAEWSNYATSSPVVTGQLVNYEPPGAFDPISNTTLIY ENTNRLGAMGSDYFSLINPFYHAPTIPSSIGYHLYSYSLHFFDLDPMGSTNYGKLTNVSVVPQASPAAVT AAGGSGAAGSGADYAQSYEFVIIGVNNNIIRISGGALGFPVL CIV MSISSSNVTSGFIDIATKDEIEKYMYGGKTSTAYFVRETRKATWFTQVPVSLTRANGSANFGSEWSASIS RAGDYLLYTWLRVRIPSVTLLSTNQFGANGRIRWCRNFMHNLIRECSITFNDLVAARFDHYHLDFWAAFT TPASKAVGYDNMIGNVSALIQPQPVPVAPATVSLPEADLNLPLPFFFSRDSGVALPTAALPYNEMRINFQ FHDWQRLLILDNIAAVASQTVVPVVGATSDIATAPVLHHGTVWGNYAIVSNEERRRMGCSVRDILVEQVQ TAPRHVWNPTTNDAPNYDIRFSHAIKALFFAVRNTTFSNQPSNYTTASPVITSTTVILEPSTGAFDPIHH TTLIYENTNRLNHMGSDYFSLVNPWYHAPTIPGLTGFHEYSYSLAFNEIDPMGSTNYGKLTNISIVPTAS PAAKVGAAGTGPAGSGQNFPQTFEFIVTALNNNIIRISGGALGFPVL,練習(xí)序列,第二部分： 常見的序列分析軟件分類簡(jiǎn)介,GCG EMBOSS(免費(fèi)) Vector NTI DNAstar Bioedit(免費(fèi)) 其他,1.綜合序列分析軟件包,GCG(商業(yè)軟件),GCG (Genetics Computer Group)是生物信息界最廣為人知的分子序列分析軟件包，最早是在美國的威斯康辛大學(xué)麥迪遜校區(qū)(University of Wisconsin-Madison)內(nèi)發(fā)展起來的，后來獨(dú)立成為一個(gè)商業(yè)公司，期間曾經(jīng)是Oxford Molecular 的分支機(jī)構(gòu),在2000 年又由Pharmacopeia 所并構(gòu)。,GCG 軟件包包括了超過130個(gè)獨(dú)立的序列分析程序，大致上可以分成以下12個(gè)類別： 1. Sequence Comparison 2. Database Searching and Retrieval 3.DNA/RNA Secondary Structure Prediction 4.Editing and Publication 5.Evolutionary Analysis 6.Fragment Assembly 7.Gene Finding and Pattern Recognition 8.Importing and Exporting 9.Mapping 10.Primer Selection 11.Protein Analysis 12.Translation,除了分析程序以外， GCG 同時(shí)也提供多種生物學(xué)數(shù)據(jù)庫。 核酸相關(guān)的: GenBank(/ ) EMBL (http:/www.ebi.ac.uk/) 蛋白質(zhì)相關(guān)的： SWISS-PROT (http:/www.expasy.ch/sprot/) PIR (/pir/) SP-TrEMBL (http:/www.expasy.ch/sprot/ ) 使用者可以輸入自己實(shí)驗(yàn)獲得的分子序列， 或者從這些數(shù)據(jù)庫中來獲取得到分子序列，再用到GCG的分析程序進(jìn)行分析。,GCG的工作方式(S-C) 安裝在基于Unix系統(tǒng)的服務(wù)器上，目前可以安裝的平臺(tái)(platform)有SGI 的IRIX 操作系統(tǒng)，SUN 的Solaris操作系統(tǒng)，及Compaq 的Tru64操作系統(tǒng)，用戶可以通過網(wǎng)絡(luò)連接的方法來使用GCG提供的分析程序以及數(shù)據(jù)庫。,1.傳統(tǒng)的命令行形式，這種情況要求用戶熟悉程序的命令。 2.借助SeqLab的用戶窗口界面，通過各類表單的操作來實(shí)現(xiàn)分析任務(wù)。 以上兩個(gè)執(zhí)行GCG的方法都是通過telnet來實(shí)現(xiàn)的。 3. 借助于WWW服務(wù)的SeqWeb，是最為簡(jiǎn)單和方便的使用方式。 雖然命令行的操作需要一些操作，但是對(duì)于熟悉GCG的用戶來說，卻是最為快捷和有效的方法，此外這種方法還可以擴(kuò)展到批處理中。,執(zhí)行GCG程序的方法,EMBOSS(免費(fèi)軟件),EMBOSS（European Molecular Biology Open Software Suite）源于1988年的EGCG（主流商業(yè)軟件GCG的擴(kuò)展），由于版權(quán)等原因，EGCG不再發(fā)行，開發(fā)人員在此基礎(chǔ)上開發(fā)出來公開源代碼的EMBOSS軟件包。 http:/www.sanger.ac.uk/Software/EMBOSS,Vector NTI,由Informax公司（現(xiàn)在已經(jīng)歸入Invitrogen公司旗下）開發(fā)的一種高度集成、功能齊全的分子生物學(xué)應(yīng)用軟件，可以對(duì)DNA、蛋白質(zhì)分子進(jìn)行大量分析和操作。,主要功能： 1.DNA序列的ORF、Motif、功能區(qū)搜索，限制酶圖譜，蛋白質(zhì)翻譯。 2.PCR引物、測(cè)序引物、雜交探針的設(shè)計(jì)和評(píng)價(jià)。 3.DNA測(cè)序片斷的拼接 4.同源比較和系統(tǒng)發(fā)育樹構(gòu)建 5.蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)：三維結(jié)構(gòu)、化學(xué)鍵、翻譯后修飾位點(diǎn)、結(jié)構(gòu)域等 6.模擬電泳：瓊脂糖、PAGE,DNAstar,DNASTAR有限公司開發(fā)了Lasergen程序組,可在計(jì)算機(jī)上進(jìn)行DNA和蛋白分析。它們是易于使用且對(duì)用戶友好的軟件,可進(jìn)行分子生物學(xué)中的小規(guī)模序列分析和多序列比較。Lasergen有PC Windows和Macintosh兩種版本。Lasergen的一個(gè)主要功能是它有針對(duì)不同應(yīng)用的7種程序。用戶可根據(jù)自己需要選擇購買。,主要功能： 1. Editseq，可以從鍵盤、數(shù)據(jù)庫或數(shù)字序列輸入和編輯。 2. PrimerSelect，PCR引物和探針設(shè)計(jì)。 3. MapDraw，限制性位點(diǎn)分析和圖譜繪制。 4. MegAlign，多個(gè)和成對(duì)蛋白或DNA序列比對(duì)。 5. GeneMan，生物數(shù)據(jù)庫和數(shù)據(jù)庫檢索。 6. Protean，蛋白結(jié)構(gòu)分析。 7. SeqMan，序列裝配和毗連(序列)群管理。,Bioedit,是一個(gè)性能優(yōu)良的免費(fèi)的分子生物學(xué)應(yīng)用軟件，可以對(duì)核酸序列和蛋白質(zhì)序列進(jìn)行常規(guī)的分析操作，并提供了很多網(wǎng)絡(luò)程序的分析界面和接口。 /BioEdit/bioedit.html,2.快速同源性數(shù)據(jù)庫搜索工具,Blast Fasta HMMer,HMMER,HMMer 是一個(gè)采用隱馬可夫模型 HMMs（Hidden Markov Models）來識(shí)別不同基因之間的結(jié)構(gòu)相似性程度的工具?？梢钥焖俚脑跀?shù)據(jù)庫中尋找與特定基因具有一定相似性的基因結(jié)構(gòu)。 /,3.多序列比對(duì)工具,Clustal 基于漸進(jìn)算法的多序列比對(duì)優(yōu)化算法，由Higgins D.G. 等開發(fā)。Clustlw，clustalx等。 其他：T_coffee,PHYLIP PAUP* 其他：Mega2，MrBayes，tree-puzzle PAML，treeview,4.分子進(jìn)化分析工具,PHYLIP,Phylip是一個(gè)免費(fèi)的系統(tǒng)發(fā)生(phylogenetics)分析軟件包。 由華盛頓大學(xué)遺傳學(xué)系開發(fā)，1980年首次公布，目前的版本是3.6。包含了35個(gè)獨(dú)立的程序，這些獨(dú)立的程序都實(shí)現(xiàn)特定的功能，這些程序基本上包括了系統(tǒng)發(fā)生分析的所有方面。 Phylip有多種不同平臺(tái)的版本（包括windows，Macintosh，DOS，Linux，Unix和OpenVMX）。 http:/evolution.genetics,/phylip.html,PAUP*,最早是在蘋果機(jī)上開發(fā)的具有菜單界面的進(jìn)化分析軟件，早先版本只有MP法，后續(xù)版本已經(jīng)包括距離法和ML法，現(xiàn)今有mac，win，linux等多種版本，該軟件不是免費(fèi)軟件，使用者需要向開發(fā)者購買。,5.其他工具,模式識(shí)別：Meme，signalscan， domainFinder等 測(cè)序分析與序列拼接：Chromas， Phred+Phrap+cross_match+consed, contigExpress等 引物設(shè)計(jì)：Oligo，Primer3， Primer Premier5.0等 三維分子：PDBviewer，CN3D,RASMOL等,序列分析工具的網(wǎng)絡(luò)資源,生物軟件網(wǎng) NCBI Expasy /,生物軟件網(wǎng),由華北制藥集團(tuán)的談杰創(chuàng)建，是一個(gè)具有豐富生物信息學(xué)資源的站點(diǎn)，提供了大量的生物信息學(xué)分析軟件下載。 ,NCBI,美國國立生物技術(shù)信息中心（NCBI） 成立于1988年11月4日。是在NIH的國立醫(yī)學(xué)圖書館（NLM）的一個(gè)分支。NLM是因?yàn)樗趧?chuàng)立和維護(hù)生物信息學(xué)數(shù)據(jù)庫方面的經(jīng)驗(yàn)被選擇的，而且這可以建立一個(gè)內(nèi)部的關(guān)于計(jì)算分子生物學(xué)的研究計(jì)劃。NCBI的任務(wù)是發(fā)展新的信息學(xué)技術(shù)來幫助對(duì)那些控制健康和疾病的基本分子和遺傳過程的理解。 主要資源包括：數(shù)據(jù)庫和軟件，以及相關(guān)的教育 和培訓(xùn)資源,,Expasy,由位于瑞士日內(nèi)瓦的 Swiss Institute of Bioinformatics 所建立的，是全世界最重要的蛋白質(zhì)數(shù)據(jù)庫之一 ，也是 GCG 最主要的蛋白質(zhì)序列來源。 Expasy的主 要 有蛋白質(zhì)序列、結(jié)構(gòu)、2-D PAGE (Two-dimentional polyacrylamide gel electrophoresis ) 等多個(gè)數(shù)據(jù)庫 ，還有大量的蛋白質(zhì)序列與結(jié)構(gòu)分析工具以及FTP資源等。 蛋白質(zhì)分析工具主要有蛋白質(zhì)的功能預(yù)測(cè)，序列搜索與比對(duì)，二級(jí)、三級(jí)和四級(jí)結(jié)構(gòu)的預(yù)測(cè)等等。 /,操作系統(tǒng) Unix（Linux），Windows， Macintosh 編程 語言：perl，C，php，VB 算法：動(dòng)態(tài)規(guī)劃，啟發(fā)式，各類模型 數(shù)據(jù)結(jié)構(gòu)：表，棧，樹，圖 數(shù)據(jù)庫 Mysql，Oracle，SQL server，Sybase 網(wǎng)絡(luò) 局域網(wǎng)構(gòu)架與管理，并行化，網(wǎng)絡(luò)應(yīng)用（http，ftp，telnet）,計(jì)算