序列比对笔记

本文聚焦于序列比对的相关知识，部分内容来源于我的课堂笔记，希望能对你有所帮助 😊

1. 序列比对的基本概念

1.1 什么是序列比对？
序列比对是通过排列两条或多条生物序列（DNA、RNA 或蛋白质），找到它们之间相似区域的过程。

目的：

• 识别相似性：揭示不同序列间的共同特征或进化关系。
• 功能预测：通过比对未知序列与已知序列，推测基因或蛋白质的功能。
• 进化分析：研究物种间的进化关系。

1.2 序列比对的分类

1. 全局比对（Global Alignment）：

   • 比对两条序列的全部内容。
   • 适合长度相近的序列。
   • 例子：Needleman-Wunsch 算法。

2. 局部比对（Local Alignment）：

   • 比对序列中最相似的部分。
   • 适合长度差异较大的序列或部分相似的序列。
   • 例子：Smith-Waterman 算法。

3. 多序列比对（Multiple Sequence Alignment, MSA）：

   • 同时比对三条或更多序列。
   • 常用于蛋白质家族分析和进化树构建。

2. 序列比对的核心原理

2.1 序列相似性的衡量

1. 匹配（Match）：

   • 两个字符（碱基或氨基酸）相同。

2. 错配（Mismatch）：

   • 两个字符不同。

3. 空位（Gap）：

   • 插入或缺失（indel）造成的空位。

2.2 打分系统（Scoring System）
序列比对的核心是设计合理的打分系统来评估比对质量。

1. 匹配得分：如 +1。
2. 错配扣分：如 -1。
3. 空位罚分：如 -2。

打分示例（DNA 序列）：

A-TCG
AATCG
匹配得分：3（A, T, C 匹配）
错配得分：-1（A vs T）
空位罚分：-2（插入 T）
总分 = 3 - 1 - 2 = 0

2.3 动态规划
动态规划（Dynamic Programming, DP）是实现序列比对的核心算法。

基本思想：

• 将复杂问题分解为简单的子问题，逐步求解最优解。
• 通过矩阵填表的方式找到比对得分最高的路径。

步骤：

1. 构建矩阵：行和列分别代表两个序列。
2. 填写矩阵：按照匹配、错配、空位规则计算每个位置的得分。
3. 回溯路径：找到得分最高的路径，输出比对结果。

2.4 常用算法

1. Needleman-Wunsch 算法（全局比对）
   找到两条序列的全局最佳比对。

2. Smith-Waterman 算法（局部比对）
   找到最相似的局部区域。

3. BLAST（快速局部比对）
   • 通过查找短片段（种子）的匹配，快速比对大规模序列。
   • 应用广泛，是序列比对的实际标准工具。

3. 序列比对工具和流程

3.1 常用工具

1. BLAST：

   • 全称：Basic Local Alignment Search Tool。
   • 用途：在数据库中快速查找与目标序列相似的序列。
   • 输入：FASTA 格式的查询序列。
   • 输出：比对得分、E 值（显著性概率）。

2. Clustal Omega：

   • 用于多序列比对，生成序列对齐结果和进化树。

3. MUSCLE：

   • 高效的多序列比对工具。

4. MAFFT：

   • 精确而快速的多序列比对工具。

---

4. 序列比对的应用

基因功能预测
比对未知基因序列与数据库中已知基因，推测其功能。

进化关系研究
比对多个物种的基因序列，构建进化树，研究物种间的进化距离。

突变检测
比对基因组序列，识别 SNP（单核苷酸多态性）和 indel（插入/缺失）。

蛋白质结构预测
比对蛋白质序列，推测其结构和功能。

本文参考

《生物信息学》 樊笼江主编