分子進(jìn)化與系統(tǒng)發(fā)育分析演示課件

1、分子進(jìn)化與系統(tǒng)發(fā)育分析生物信息學(xué)1分子進(jìn)化與系統(tǒng)發(fā)育分析生物信息學(xué)1內(nèi)容提要分子進(jìn)化分析介紹系統(tǒng)發(fā)育樹重建方法Phylip軟件包在分子進(jìn)化分析中的應(yīng)用PAUP*在分子進(jìn)化分析中的應(yīng)用MEGA分子進(jìn)化樹分析軟件2內(nèi)容提要分子進(jìn)化分析介紹2從物種的一些分子特性出發(fā)，從而了解物種之間的生物系統(tǒng)發(fā)生的關(guān)系。 蛋白和核酸序列通過序列同源性的比較進(jìn)而了解基因的進(jìn)化以及生物系統(tǒng)發(fā)生的內(nèi)在規(guī)律。分子進(jìn)化研究的目的3從物種的一些分子特性出發(fā)，從而了解物種之間的生物系統(tǒng)發(fā)生系統(tǒng)發(fā)育樹是什么？對一組實(shí)際對象的世系關(guān)系的描述（如基因，物種等）。4系統(tǒng)發(fā)育樹是什么？對一組實(shí)際對象的世系關(guān)系的描述（如基因，祖先節(jié)點(diǎn)/樹根

2、內(nèi)部節(jié)點(diǎn)/分歧點(diǎn)，該分支可能的祖先結(jié)點(diǎn)分支/世系末端節(jié)點(diǎn) ABCDE代表最終分類，可以是物種，群體，或者蛋白質(zhì)、DNA、RNA分子等系統(tǒng)發(fā)育樹: 術(shù)語5祖先節(jié)點(diǎn)/樹根內(nèi)部節(jié)點(diǎn)/分歧點(diǎn)，該分支可能的祖先結(jié)點(diǎn)分支/世ABCDEFG樹只代表分支的拓?fù)浣Y(jié)構(gòu)FGCDEAB6ABCDEFG樹只代表分支的拓?fù)浣Y(jié)構(gòu)FGCDEAB6分子進(jìn)化研究的基礎(chǔ)（假設(shè)）核苷酸和氨基酸序列中含有生物進(jìn)化歷史的全部信息。7分子進(jìn)化研究的基礎(chǔ)（假設(shè)）核苷酸和氨基酸序列中含有生物進(jìn)化歷在各種不同的發(fā)育譜系及足夠大的進(jìn)化時(shí)間尺度中，許多序列的進(jìn)化速率幾乎是恒定不變的。（分子鐘理論， 1965 ）分子進(jìn)化研究的基礎(chǔ)（理論）8分子進(jìn)化研

3、究的基礎(chǔ)（理論）8雖然很多時(shí)候仍然存在爭議，但是分子進(jìn)化確實(shí)能闡述一些生物系統(tǒng)發(fā)生的內(nèi)在規(guī)律。分子進(jìn)化研究的基礎(chǔ)（實(shí)際）9分子進(jìn)化研究的基礎(chǔ)（實(shí)際）9從一個(gè)分歧數(shù)據(jù)可以推測其他序 列 分 歧 度分歧時(shí)間xy分子鐘理論10從一個(gè)分歧數(shù)據(jù)可以推測其他序 列 分 歧 度分歧時(shí)間xy分子速率恒定的證據(jù)：血色素11速率恒定的證據(jù)：血色素11中性理論“在生物分子層次上的進(jìn)化改變不是由自然選擇作用于有利突變引起的，而是在連續(xù)的突變壓之下由選擇中性或非常接近中性的突變的隨機(jī)固定造成的，中性突變是指對當(dāng)前適應(yīng)度無影響的突變?！狈裾J(rèn)自然選擇在生物進(jìn)化中的作用，認(rèn)為生物大分子的進(jìn)化的主要因素是機(jī)會(huì)和突變壓力12中性

4、理論12進(jìn)化及遺傳模型1、序列有指定的來源并且正確無誤。2、序列是同源的，而序列不是“paralog“的混合物。3、序列比對中，不同序列的同一個(gè)位點(diǎn)都是同源的4、在接受分析的一個(gè)序列組中，序列之間的系統(tǒng)發(fā)育史是相同的。5、樣本足以解決感興趣的問題。13進(jìn)化及遺傳模型1、序列有指定的來源并且正確無誤。13進(jìn)化及遺傳模型6、樣本序列之間的差異代表了感興趣的寬組。7、樣本序列之間的差異包含了足以解決感興趣的問題的系統(tǒng)發(fā)育信號。8、樣本序列是隨機(jī)進(jìn)化的。9、序列中的所有位點(diǎn)的進(jìn)化都是隨機(jī)的。10、序列中的每一個(gè)位點(diǎn)的進(jìn)化都是獨(dú)立的。14進(jìn)化及遺傳模型6、樣本序列之間的差異代表了感興趣的寬組。14直系同

5、源(orthologs):同源的基因通過物種形成的事件而產(chǎn)生，或源于不同物種的最近的共同祖先的兩個(gè)基因，或者兩個(gè)物種中的同一基因，一般具有相同的功能。并系同源(paralogs):同源基因在同一物種中，通過至少一次基因復(fù)制的事件而產(chǎn)生。直系同源與旁系同源15直系同源(orthologs):同源的基因通過物種形成的事件paralogsorthologs16paralogsorthologs16paralogsorthologsErik L.L. Sonnhammer Orthology,paralogy and proposed classification for paralog subtyp

6、es TRENDS in Genetics Vol.18 No.12 December 2002 0168-9525/02/$ see front matter 2002 Elsevier Science Ltd. All rights reserved.17paralogsorthologsErik L.L. Son 以上兩個(gè)概念代表了兩個(gè)不同的進(jìn)化事件 用于分子進(jìn)化分析中的序列必須是直系同源的，才能真實(shí)反映進(jìn)化過程。1818趨同進(jìn)化的基因(Convergent evolution )通過不同的進(jìn)化途徑獲得相似的功能，或者功能替代物(genes have converged function

7、 by separate evolutionary paths)19趨同進(jìn)化的基因(Convergent evolution )異源基因或水平轉(zhuǎn)移基因(xenologous or horizontally transferred genes)由某一個(gè)水平基因轉(zhuǎn)移事件而得到的同源序列20異源基因或水平轉(zhuǎn)移基因20Bacterium 1Bacterium 3Bacterium 2Eukaryote 1Eukaryote 4Eukaryote 3Eukaryote 2Bacterium 1Bacterium 3Bacterium 2Eukaryote 1Eukaryote 4Eukaryote 3E

8、ukaryote 2Phylograms show branch order and branch lengths進(jìn)化樹，有分支和支長信息2.進(jìn)化分支圖，進(jìn)化樹Cladograms show branching order - branch lengths are meaningless進(jìn)化分支圖，只用分支信息，無支長信息。21Bacterium 1Bacterium 3Bacteriuarchaeaarchaeaeukaryoteeukaryoteeukaryoteeukaryote通過外圍支來確定樹根archaeabacteria outgroup根eukaryoteeukaryoteeu

9、karyoteeukaryote無根樹archaeaarchaeaarchaea有根樹外圍支無根樹，有根樹，外圍支22archaeaarchaeaeukaryoteeukaryo無根樹和有根樹：潛在的數(shù)目#Taxa 無根樹 有根樹3 1 34 3 155 15 1056 105 9457 945 10,39530 3.58X1036 2.04X1038Taxa增多，計(jì)算量急劇增加，因此，目前算法都為優(yōu)化算法，不能保證最優(yōu)解23無根樹和有根樹：潛在的數(shù)目#Taxa 無 4.基因樹，物種樹We often assume that gene trees give us species treesab

10、cABDGene treeSpecies tree24 4.基因樹，物種樹We often assume th系統(tǒng)發(fā)育樹重建分析步驟多序列比對（自動(dòng)比對，手工比對）建立取代模型（建樹方法）建立進(jìn)化樹進(jìn)化樹評估25系統(tǒng)發(fā)育樹重建分析步驟多序列比對（自動(dòng)比對，手工比對）建立取1. 最大簡約法 (maximum parsimony, MP)2. 距離法 (distance)3. 最大似然法 (maximum likelihood, ML)系統(tǒng)發(fā)育樹重建的基本方法261. 最大簡約法 (maximum parsimony, M最大簡約法 (MP)1. 理論基礎(chǔ)為奧卡姆剃刀 (Ockham)原則：計(jì)算所

11、需替代數(shù)最小的那個(gè)拓?fù)浣Y(jié)構(gòu)，作為最優(yōu)樹2. 在分析的序列位點(diǎn)上沒有回復(fù)突變或平行突變，且被檢驗(yàn)的序列位點(diǎn)數(shù)很大的時(shí)候，最大簡約法能夠推導(dǎo)獲得一個(gè)很好的進(jìn)化樹3. 優(yōu)點(diǎn)：不需要在處理核苷酸或者氨基酸替代的時(shí)候引入假設(shè) (替代模型)4.缺點(diǎn)：分析序列上存在較多的回復(fù)突變或平行突變，而被檢驗(yàn)的序列位點(diǎn)數(shù)又比較少的時(shí)候，可能會(huì)給出一個(gè)不合理的或者錯(cuò)誤的進(jìn)化樹推導(dǎo)結(jié)果27最大簡約法 (MP)1. 理論基礎(chǔ)為奧卡姆剃刀 (Ockha1. 信息位點(diǎn)，必須在至少2個(gè)taxa中具有相同的序列性狀2. 信息位點(diǎn)是指那些至少存在2個(gè)不同堿基/氨基酸且每個(gè)不同堿基/氨基酸至少出現(xiàn)兩次的位點(diǎn)信息位點(diǎn) (Sites ar

12、e informative)281. 信息位點(diǎn)，必須在至少2個(gè)taxa中具有相同的序列性狀信2929上 例1. Position 5, 7, 9為信息位點(diǎn)2. 基于position 5的三個(gè)MP樹: Tree 1長度1，Tree 2 & 3長度23. Tree 1更為簡約30上 例1. Position 5, 7, 9為信息位點(diǎn)302. 距離法又稱距離矩陣法，首先通過各個(gè)物種之間的比較，根據(jù)一定的假設(shè)（進(jìn)化距離模型）推導(dǎo)得出分類群之間的進(jìn)化距離，構(gòu)建一個(gè)進(jìn)化距離矩陣。進(jìn)化樹的構(gòu)建則是基于這個(gè)矩陣中的進(jìn)化距離關(guān)系 312. 距離法又稱距離矩陣法，首先通過各個(gè)物種之間的比較，根據(jù)計(jì)算序列的距離，建

13、立距離矩陣通過距離矩陣建進(jìn)化樹32計(jì)算序列的距離，建立距離矩陣通過距離矩陣建進(jìn)化樹32簡單的距離矩陣33簡單的距離矩陣33由進(jìn)化距離構(gòu)建進(jìn)化樹的方法有很多，常見有：(1) Fitch-Margoliash Method (FM法): 對短支長非常有效(2) Neighbor-Joining Method (NJ法/鄰接法):求最短支長，最通用的距離方法(3) Neighbors Relaton Method(鄰居關(guān)系法) (4) Unweighted Pair Group Method (UPGMA法)通過距離矩陣建樹的方法34由進(jìn)化距離構(gòu)建進(jìn)化樹的方法有很多，常見有：通過距離矩陣建樹的1.找

14、出關(guān)系最近的序列對，如A和B2.將剩余的序列作為一個(gè)簡單復(fù)合序列，分別計(jì)算A、B到所有其他序列的距離的平均值3.用這些值來計(jì)算A和B間的距離4.將A、B作為一個(gè)單一的復(fù)合序列AB，計(jì)算與每一個(gè)其他序列的距離，生成新的距離矩陣5.確定下一對關(guān)系最近的序列，重復(fù)前面的步聚計(jì)算枝長7.從每個(gè)序列對開始，重復(fù)整個(gè)過程8.對每個(gè)樹計(jì)算每對序列間的預(yù)測距離，發(fā)現(xiàn)與原始數(shù)據(jù)最符合的樹Fitch-Margoliash方法（FM法）351.找出關(guān)系最近的序列對，如A和BFitch-MargoliFitch-Margoliash方法 (FM法)36Fitch-Margoliash方法 (FM法)36D和E最接近！

15、分成三組：D, E, 以及ABC37D和E最接近！分成三組：D, E, 以及ABC37DE距離=d+e (1)D到ABC間的平均距離=d+m (2)E到ABC間的平均距離=e+m (3)(2)-(3)+(1)d=4,e=638DE距離=d+e (1)38C最接近DE！分成三組：C, DE, 以及AB39C最接近DE！分成三組：C, DE, 以及AB39c+g+(e+d)/2=19 (1)c+f+(a+b)/2=40 (2)(e+d)/2+(a+b)/2+f+g=41 (2)(1)+(2)-(3)得：c=940c+g+(e+d)/2=19 (1)40c+g+(e+d)/2=19(e+d)/2=5

16、,c=9,則g=541c+g+(e+d)/2=1941由：(a+b)/2+f+g+(d+e)/2=41 得：f=20由：a+f+c=39 得：a=10，則b=1242由：(a+b)/2+f+g+(d+e)/2=41 得：f=2NJ法/鄰接法Neighbor-JoiningMethod (NJ法/鄰接法)：鄰接法(Neighbor-joiningMethod)由Saitou和Nei(1987)提出。該方法通過確定距離最近(或相鄰)的成對分類單位來使系統(tǒng)樹的總距離達(dá)到最小。相鄰是指兩個(gè)分類單位在某一無根分叉樹中僅通過一個(gè)節(jié)點(diǎn)(node)相連。通過循序地將相鄰點(diǎn)合并成新的點(diǎn)，就可以建立一個(gè)相應(yīng)的拓?fù)?/p>

17、樹。43NJ法/鄰接法Neighbor-JoiningMethod NJ/鄰接法1. 與FM方法非常類似2. 保證總的支長最短總支長：a+b+c+d+e=314/4=78.544NJ/鄰接法1. 與FM方法非常類似總支長：a+b+c+d+找到距離最近的兩個(gè)點(diǎn)1.任意兩個(gè)節(jié)點(diǎn)選為相鄰序列的總支長計(jì)算公式:2.計(jì)算SAB, SBC, SCD, SDE等數(shù)值3.該例中， SAB最小45找到距離最近的兩個(gè)點(diǎn)1.任意兩個(gè)節(jié)點(diǎn)選為相鄰序列的總支長計(jì)算 把A、B看成一個(gè)新的復(fù)合序列，構(gòu)建一個(gè)新的距離表，重復(fù)以上過程計(jì)算A, B的分支長度46 把A、B看成一個(gè)新的復(fù)合序列，構(gòu)建一個(gè)新的距離表，重AB組合出現(xiàn)3

18、次，DE組合出現(xiàn)3次，CD、AC、BC組合各一次，則AB和DE各為兩對關(guān)系最近的鄰居。(關(guān)系最近的鄰居作為鄰居的次數(shù)最多)，將鄰居看成一個(gè)新的復(fù)合序列，重復(fù)這個(gè)過程鄰居關(guān)系法47AB組合出現(xiàn)3次，DE組合出現(xiàn)3次，CD、AC、BC組合各一UPGMA法稱為 (應(yīng)用算術(shù)平均數(shù)的非加權(quán)成組配對法，unweighted pair-group method using anarithmetic average)。該法將類間距離定義為兩個(gè)類的成員所有成對距離的平均值，廣泛用于距離矩陣。Nei等模擬了構(gòu)建樹的不同方法，發(fā)現(xiàn)當(dāng)沿樹上所有分枝的突變率相同時(shí)，UPGMA法一般能夠得到較好的結(jié)果。但必須強(qiáng)調(diào)有關(guān)突變

19、率相等(或幾乎相等)的假設(shè)對于UPGMA的應(yīng)用是重要的。另一些模型研究(如Kim和Burgman)已證實(shí)當(dāng)各分枝的突變率不相等時(shí)，這一方法的結(jié)果不盡人意。當(dāng)各分枝突變率相等時(shí)，認(rèn)為分子鐘(molecularclock)在起作用。 48UPGMA法稱為 (應(yīng)用算術(shù)平均數(shù)的非加權(quán)成組配對法，unwd=e=10/2=5UPGMA法49d=e=10/2=5UPGMA法49c=19/2=9.5g=c-d=9.5-5=4.550c=19/2=9.550a=b=22/2=11AB(CDE)A-2239.5B-41.5(CDE)-51a=b=22/2=11AB(CDE)A-2239.5B-4(AB)(CDE)

20、(AB)-40.5(CDE)-f1+a=f2+c=40.5/2=20.25f1=9.25 , f2=11.7552(AB)(CDE)(AB)-40.5(CDE)-f1+a=最大似然法 (ML)1. 最大似然法(maximum likelihood, ML): 最早應(yīng)用于對基因頻率數(shù)據(jù)的分析上2. 選取一個(gè)特定的替代模型來分析給定的一組序列數(shù)據(jù)，使得獲得的每一個(gè)拓?fù)浣Y(jié)構(gòu)的似然率都為最大值，然后再挑出其中似然率最大的拓?fù)浣Y(jié)構(gòu)作為最優(yōu)樹3. 在最大似然法的分析中，所考慮的參數(shù)并不是拓?fù)浣Y(jié)構(gòu)而是每個(gè)拓?fù)浣Y(jié)構(gòu)的枝長，并對似然率求最大值來估計(jì)枝長4. 缺點(diǎn)：費(fèi)時(shí)，每個(gè)步驟都要考慮內(nèi)部節(jié)點(diǎn)的所有可能性5.

21、改進(jìn)：啟發(fā)式算法53最大似然法 (ML)1. 最大似然法(maximum lik構(gòu)建進(jìn)化樹的一般原則54構(gòu)建進(jìn)化樹的一般原則541. 選擇一個(gè)或多個(gè)已知與分析序列關(guān)系較遠(yuǎn)的序列作為外圍支2. 外圍支可以輔助定位樹根3. 外圍支序列必須與剩余序列關(guān)系較近，但外圍支序列與其他序列間的差異必須比其他序列之間的差異更顯著選擇外圍支 (Outgroup)551. 選擇一個(gè)或多個(gè)已知與分析序列關(guān)系較遠(yuǎn)的序列作為外圍支選1. 進(jìn)化樹的可靠性分析:自展法 (Bootstrap Method)從排列的多序列中隨機(jī)有放回的抽取某一列，構(gòu)成相同長度的新的排列序列2. 重復(fù)上面的過程，得到多組新的序列3. 對這些新的

22、序列進(jìn)行建樹，再觀察這些樹與原始樹是否有差異，以此評價(jià)建樹的可靠性自展法561. 進(jìn)化樹的可靠性分析:自展法 (Bootstrap Me原始排列Alpha AACAACBeta AACCCCGamma ACCAACDelta CCACCAEpsilon CCAAAC Bootstrap1Alpha ACAAACBeta ACCCCCGamma ACAAACDelta CACCCAEpsilon CAAAAC Bootstrap2Alpha AAAACCBeta AACCCCGamma CCAACCDelta CCCCAAEpsilon CCAACC Bootstrap3Alpha ACAAAC

23、Beta ACCCCCGamma CCAAACDelta CACCCAEpsilon CAAAAC57原始排列 Bootstrap157PHYLIP、PUZZLE、MEGA、PAUP、TREEVIEW、CLUSTALX和PHYLO-WIN（LINUX）常用的進(jìn)化樹軟件phylip 3.6a3 進(jìn)化樹分析軟件，并可繪制進(jìn)化樹。 TreeView 1.6.6 進(jìn)化樹處理軟件。 GeneTree 1.3 比較基因與種系進(jìn)化樹的程序。 NDE 0.5.0 用來編輯NEXUS格式文件的程序。 TreeMap 1.0 用來可視地比較主、從進(jìn)化樹的程序。 Spectrum 分析進(jìn)化信息而不用將之轉(zhuǎn)化為進(jìn)化樹

24、的軟件。 Phyltools 1.32 計(jì)算與處理進(jìn)化樹數(shù)據(jù)的軟件。 tree-puzzle 5.0 核酸序列、蛋白序列相似性分析及進(jìn)化樹構(gòu)建工具。 ATV 1.92 JAVA語言編寫的顯示“New Hampshire”與NHX格式的進(jìn)化樹文件 軟件。 TREECON 1.3b Demo 構(gòu)建和繪制進(jìn)化樹的軟件包。 ProBiosys 1.0 比較表現(xiàn)型分類法數(shù)據(jù)和分析計(jì)算核酸序列數(shù)據(jù)距離值的軟件。 COMPONENT 2.0 分析進(jìn)化樹免費(fèi)軟件。 NJplot 小巧的顯示進(jìn)化樹的免費(fèi)軟件NJplot。 MEGA 2.1 免費(fèi)分子進(jìn)化遺傳分析軟件 PAUP 4 PAUP的快速使用手冊 58PH

25、YLIP、PUZZLE、MEGA、PAUP、TREEVI5959606061616262Phylip軟件包介紹Phylip是一個(gè)免費(fèi)的系統(tǒng)發(fā)生(phylogenetics)分析軟件包。以下鏈接可以下載： http:/evolution.genetics,/phylip.html 由華盛頓大學(xué)遺傳學(xué)系開發(fā)，1980年首次公布。63Phylip軟件包介紹Phylip是一個(gè)免費(fèi)的系統(tǒng)發(fā)生(phPhylip軟件包介紹 Phylip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

26、，DOS，Linux，Unix和OpenVMX）。64Phylip軟件包介紹 Phylip包含了35個(gè)獨(dú)立的程 Phylip是目前最廣泛使用的系統(tǒng)發(fā)生分析程序，主要包括一下幾個(gè)程序組：分子序列組，距離矩陣組，基因頻率組，離散字符組，進(jìn)化樹繪制組。 Phylip軟件包介紹65 Phylip是目前最廣泛使用的系統(tǒng)發(fā)生分析程序，主要包分子序列組： 1.蛋白質(zhì)序列：protpars，proml，promlk， protdist 2.核酸序列：dnapenny，dnapars， dnamove，dnaml，dnamlk， dnainvar，dnadist，dnacompPhylip軟件包分組介紹66分子

27、序列組：Phylip軟件包分組介紹66距離矩陣組：Fitch，kitsch，neighbor基因頻率組：Gendist，contml離散字符組Pars，mix，move，penny，dollop，dolmove，dolpenny，clique，factorPhylip軟件包分組介紹67距離矩陣組：Phylip軟件包分組介紹67進(jìn)化樹繪制組：drawtree，drawgram其他：restdist，restml，seqboot，contrast treedist，consense，retreePhylip軟件包分組介紹68進(jìn)化樹繪制組：drawtree，drawgramPhylip Phylip

28、軟件包的文檔是非常詳細(xì)的，對于每個(gè)獨(dú)立的程序，都有一個(gè)獨(dú)立的文檔，詳細(xì)的介紹了該程序的使用及其說明。 此外，Phylip軟件包還包括程序的源代碼（c語言）。Phylip軟件包的文檔69 Phylip軟件包的文檔是非常詳細(xì)的，對于每個(gè)獨(dú)立的Phylip軟件包的應(yīng)用1，根據(jù)你的分析數(shù)據(jù)，選擇適當(dāng)?shù)某绦?如，你分析的是DNA數(shù)據(jù)，就在核酸序列分析類中選擇程序（dnapenny，dnapars， dnamove，dnaml，dnamlk， dnainvar，dnadist，dnacomp ）如果分析的是離散數(shù)據(jù)，如突變位點(diǎn)數(shù)據(jù)，就在離散字符組里面選擇程序。70Phylip軟件包的應(yīng)用1，根據(jù)你的分析數(shù)

29、據(jù)，選擇適當(dāng)?shù)某绦?.選擇適當(dāng)?shù)姆治龇椒ㄈ缒惴治龅氖荄NA數(shù)據(jù)，可以選擇簡約法（DNAPARS），似然法（DNAML， DNAMLK），距離法等（DNADIST）。Phylip軟件包的應(yīng)用712.選擇適當(dāng)?shù)姆治龇椒≒hylip軟件包的應(yīng)用713.進(jìn)行分析 選擇好程序后，執(zhí)行，讀入分析數(shù)據(jù)，選擇適當(dāng)?shù)膮?shù)，進(jìn)行分析，結(jié)果自動(dòng)保存為outfile，outtree。 Phylip軟件包的應(yīng)用723.進(jìn)行分析Phylip軟件包的應(yīng)用72Outfile是一個(gè)記錄文件，記錄了分析的過程和結(jié)果，可以直接用文本編輯器（如寫字板）打開。outtree是分析結(jié)果的樹文件，可以用phylip提供的繪樹程序打開查看，

30、也可以用其他的程序來打開，如treeviewPhylip軟件包的應(yīng)用73Outfile是一個(gè)記錄文件，記錄了分析的過程和結(jié)果，可7474出發(fā)數(shù)據(jù)已經(jīng)排列好的蛋白序列。重構(gòu)算法距離法(protdist.exe) 最大簡約法(protpars.exe) 最大似然法(proml.exe)統(tǒng)計(jì)分析撥靴法(bootstrap)實(shí)際應(yīng)用（從蛋白序列推導(dǎo)進(jìn)化樹）75出發(fā)數(shù)據(jù)已經(jīng)排列好的蛋白序列。實(shí)際應(yīng)用（從蛋白序列推導(dǎo)進(jìn)化實(shí)際操作 Phylip軟件包中的每個(gè)分析程序都是一個(gè)獨(dú)立的應(yīng)用程序。我們選擇好了分析算法后，按一定的順序組合使用選擇的程序，就可以獲得按選擇的算法分析的結(jié)果（進(jìn)化樹）。例子：從我們剛剛通過

31、clustal比對獲得的蛋白序 列推測進(jìn)化樹。 選擇方法：距離法(protdist.exe)76實(shí)際操作 Phylip軟件包中的每個(gè)分析程序都是一個(gè)獨(dú)立第一步：雙擊執(zhí)行protdist.exe,根據(jù)提示輸入分析的文件名(程序默認(rèn)是infile)。77第一步：雙擊執(zhí)行protdist.exe,根據(jù)提示輸入分析第二步：設(shè)定各個(gè)參數(shù)，執(zhí)行程序，獲得距 離矩陣數(shù)據(jù)輸出文件outfile。第三步：選擇通過距離矩陣推測進(jìn)化樹的算法(fitch.exe，kotsch.exe，neighbor.exe)。第四步：將剛獲得的輸出文件改名為infile，執(zhí)行選擇的推測算法(neighbor.exe)。設(shè)置好參數(shù)后

32、執(zhí)行程序，獲得outfile和outtree兩個(gè)結(jié)果輸出。78第二步：設(shè)定各個(gè)參數(shù)，執(zhí)行程序，獲得距 787979 獲得的結(jié)果文件中，outtree文件是一個(gè)樹文件，可以用treeview等軟件打開。outfile是一個(gè)分析結(jié)果的輸出報(bào)告，包括了樹和其他一些分析報(bào)告，可以用記事本直接打開。outfileouttree80 獲得的結(jié)果文件中，outtree文件是一個(gè)樹文件，可以加入統(tǒng)計(jì)分析(bootstrap)我們剛剛獲得的進(jìn)化樹是純粹的根據(jù)先前獲得的排列數(shù)據(jù)所推導(dǎo)出來的。有很多可能使得這個(gè)樹并不一定可靠。1.測序的出錯(cuò)。2.多序列比對算法本身的問題。3.其他的問題。我們可以引進(jìn)一些統(tǒng)計(jì)分析來尋

33、找更優(yōu)的進(jìn)化樹最常見的就是bootstrap分析。81加入統(tǒng)計(jì)分析(bootstrap)我們剛剛獲得的進(jìn)化樹是純粹Bootstrap分析Phylip軟件包中有兩個(gè)用于執(zhí)行bootstrap分析的程序。(seqboot.exe,consence.exe)。分析過程：1.Seqboot產(chǎn)生大量的數(shù)據(jù)組2.應(yīng)用選擇的算法對產(chǎn)生的數(shù)據(jù)組進(jìn)行分析。3.由consence獲得最優(yōu)樹。82Bootstrap分析Phylip軟件包中有兩個(gè)用于執(zhí)行boPAUP*的使用PAUP*的數(shù)據(jù)格式(Nexus)#NEXUSbegin taxa;dimensions ntax=12;taxlabelsLemur_catta

34、Tarsius_syrichta;end;begin characters;dimensions nchar=898;format missing=? gap=- matchchar=. interleave datatype=dna;options gapmode=missing;matrixLemur_catta AAGCTTCATAGGAGCAACCATTCTAATAATCGCACATGGCCTTACATCATCCATATTATTHomo_sapiens AAGCTTCACCGGCGCAGTCATTCTCATAATCGCCCACGGGCTTACATCCTCATTACTATTPan AAG

35、CTTCACCGGCGCAATTATCCTCATAATCGCCCACGGACTTACATCCTCATTATTATTGorilla AAGCTTCACCGGCGCAGTTGTTCTTATAATTGCCCACGGACTTACATCATCATTATTATTPongo AAGCTTCACCGGCGCAACCACCCTCATGATTGCCCATGGACTCACATCCTCCCTACTGTTHylobates AAGCTTTACAGGTGCAACCGTCCTCATAATCGCCCACGGACTAACCTCTTCCCTGCTATT83PAUP*的使用PAUP*的數(shù)據(jù)格式(Nexus)#NEXUbegin a

36、ssumptions;charset coding = 2-457 660-896;charset noncoding = 1 458-659 897-898;charset 1stpos = 2-4573 660-8963;charset 2ndpos = 3-4573 661-8963;charset 3rdpos = 4-4573 662-.3;exset coding = noncoding;exset noncoding = coding;usertype 2_1 = 4weights transversions 2 times transitionsa c g ta. 2 1 2c

37、 2 . 2 1g1 2 . 2t2 1 2 .;usertype 3_1 = 4weights transversions 3 times transitionsa c g ta. 3 1 3c 3 . 3 1g1 3 . 3t3 1 3 .;taxset hominoids = Homo_sapiens Pan Gorilla Pongo Hylobates;end;begin paup;constraints ch = (Homo_sapiens,Pan);constraints chg = (Homo_sapiens,Pan,Gorilla);end;8484PAUP*的數(shù)據(jù)格式(Ne

38、xus) 主要包括taxa，characters，assumptions，sets，trees，codons，distances，paup八個(gè)數(shù)據(jù)塊。 對于一個(gè)常規(guī)的分析，taxa，characters塊是必須的。而分析的命令可以通過菜單操作（mac），或者鍵盤命令(win,linux)，也可以在nexus文件中加入paup命令塊85PAUP*的數(shù)據(jù)格式(Nexus)851.TAXA塊 主要是定義所分析的數(shù)據(jù)（如分子序列）個(gè)數(shù)，以及這些數(shù)據(jù)的名稱（如物種名稱）。2. CHARACTERS 塊 主要是定義數(shù)據(jù)矩陣（如多序列比對結(jié)果）和其他一些相關(guān)的信息（如序列特征值，序列有效區(qū)域等）PAUP*的

39、Nexus的文件塊861.TAXA塊PAUP*的Nexus的文件塊863. ASSUMPTIONS塊 定義了對數(shù)據(jù)的一些設(shè)定，如那些特征值是不需考慮的，怎么處理gap這個(gè)特征值等，用戶自定義的一些數(shù)據(jù)也放在這塊，如自定義的打分矩陣。4. SETS塊 定義了一系列的數(shù)據(jù)組，如特征值組，物種組等，這些設(shè)置都是為了方便后續(xù)的分析。 873. ASSUMPTIONS塊 875. TREES 塊 定義了用戶自己設(shè)定的樹。用于后續(xù)的分析，如作為限制樹等。6. CODONS 塊 定義了遺傳密碼子的一些信息。如編碼的位置（哪些是編碼的，密碼子的位點(diǎn)等）。7. DISTANCES 塊 定義了一些距離矩陣。885

40、. TREES 塊888. PAUP 塊 是軟件的核心塊，所有的分析命令和一些參數(shù)設(shè)置（90多個(gè)命令）都放在這一塊。 這一塊并不是分析輸入數(shù)據(jù)所必須的，這些命令可以寫在這一塊（文件中），這時(shí)載入文件時(shí)就開始根據(jù)該塊的命令進(jìn)行分析（有點(diǎn)類似dos的批處理過程）。當(dāng)然也可以通過鍵盤命令逐一敲入 ，交互進(jìn)行分析。 批處理的方式在分析過程比較長，耗時(shí)比較久的時(shí)候是比較有用的。當(dāng)然在進(jìn)行處理之前一定要先保證該批處理過程沒有問題。898. PAUP 塊89一個(gè)PAUP*的基本分析實(shí)例1.通過clustalw/clustalx獲取一個(gè)多序列比對結(jié)果（可能要經(jīng)過人工調(diào)整，推薦用bioedit做輔助編輯器）。保

41、存成nexus格式的文件，或者用其他格式轉(zhuǎn)換軟件轉(zhuǎn)換成nexus格式。paup*中也有一個(gè)tonexus命令可以將其他格式（包括phylip，GCG等格式）的文件轉(zhuǎn)換為nexus格式的文件。90一個(gè)PAUP*的基本分析實(shí)例1.通過clustalw/clu2.在PAUP*程序中讀入數(shù)據(jù)（Nexus格式）輸入命令的地方打開文件的窗口程序自帶的測試數(shù)據(jù)執(zhí)行該文件還是編輯該文件？執(zhí)行文件時(shí)將文件數(shù)據(jù)讀入程序，編輯文件則調(diào)用一個(gè)文本編輯器。如果不是nexus格式，執(zhí)行時(shí)候會(huì)出錯(cuò)，然后調(diào)用文本編輯器打開。912.在PAUP*程序中讀入數(shù)據(jù)（Nexus格式）輸入命令的地3.數(shù)據(jù)輸入完成，開始分析 兩個(gè)很有用

42、的命令 ？：顯示所有的命令 命令 ？：顯示命令的所有參數(shù)923.數(shù)據(jù)輸入完成，開始分析92分析（開始一）1.開始之前 打開記錄文件？（跟蹤整個(gè)分析過程）命令：log start file =your_log_file_name;停止：log stop;93分析（開始一）1.開始之前932.設(shè)置數(shù)據(jù) 哪些用于分析?如：include coding/only; exclude coding/only;哪些物種要分析（刪除不要的）?如： delete 1; 或者 delete taxa_name undelete 1;分析（開始二）942.設(shè)置數(shù)據(jù)分析（開始二）943.確定建樹方法最大簡約法？最大似

43、然法？ 距離法？命令：Set criterion=parsimony|likelihood|distance; 分析（建樹一）953.確定建樹方法分析（建樹一）954.確定其他參數(shù)Set ？查看其他參數(shù)的設(shè)置，改為自己所需要的設(shè)置。如：set maxtree=10000 increase=no autoclose=yes;分析 （建樹二）964.確定其他參數(shù)分析 （建樹二）965.確定搜索方法（對于距離法不適用） 窮盡法：alltrees 分支跳躍查找：bandb 啟發(fā)式搜索：hsearch 其他：puzzle（只在likelihood時(shí)有效）分析 （建樹三）975.確定搜索方法（對于距離法不

44、適用）分析 （建樹三）976.開始搜索樹之前（設(shè)置各個(gè)建樹方法的參數(shù)）距離法：dset如：dset distance=tamnei negbrlen=allow最大簡約法：pset如 pset collapse=no gapmode=newstate最大似然法：lset如：lset nst=6 clock=yes分析 （建樹四）986.開始搜索樹之前（設(shè)置各個(gè)建樹方法的參數(shù)）分析 （建樹四7.再次確認(rèn)參數(shù) 是否要設(shè)置外圍群（outgroup）?如 outgroup 1,2 ;或者 outgroup taxa_set;其他參數(shù)？分析 （建樹五）997.再次確認(rèn)參數(shù)分析 （建樹五）997.開始搜索

45、樹距離法：NJ，UPGMA最大簡約法，最大似然法Hsearch ？參數(shù)是否要更改？如：hsearch andseq=random swap=spr分析 （建樹六）1007.開始搜索樹分析 （建樹六）1008.進(jìn)化樹的評估 選擇評估方法？Bootstrap（自展法） 用的最多，是對進(jìn)化樹重新取樣的評估方法，可以對距離法，簡約法，似然法以及衍生出的任何其他方法構(gòu)建的進(jìn)化樹進(jìn)行評估。其分析結(jié)果是一組數(shù)字，這個(gè)數(shù)字描述了進(jìn)化樹進(jìn)化分支的支持比例，也就是進(jìn)化樹分支的穩(wěn)健性。分析（樹評估一）1018.進(jìn)化樹的評估分析（樹評估一）101分析 （樹評估二）未經(jīng)過bootstrap的樹Bootstrap后的樹1

46、02分析 （樹評估二）未經(jīng)過bootstrap的樹BootstBOOTSTRAP options/heuristic-search-options|branch-and-bound-search-options; 使用分支限制或者是啟發(fā)式搜索的方法進(jìn)行bootstrap分析。參數(shù)： BSEED = integer-value 隨機(jī)數(shù)種子。 NREPS = integer-value bootstrap重復(fù)的次數(shù)，默認(rèn)值為100。 SEARCH = HEURISTIC|BANDB|FASTSTEP|NJ|UPGMA 搜索方式 CONLEVEL = integer-value bootstrap重

47、復(fù)次數(shù)的最低比率，默認(rèn)為50。 KEEPALL = YES|NO WTS = IGNORE|SIMPLE|REPEATCNT|PROPORTIONAL NCHAR = CURRENT|number-of-characters 每次重復(fù)采樣的數(shù)目。 GRPFREQ = YES|NO 顯示bootstrap分割頻率 TREEFILE = bootstrap-tree-file-name 樹的文件 FORMAT= NEXUS|ALTNEXUS|FREQPARS|PHYLIP|HENNIG BRLENS = YES|NO 分支的長度 *REPLACE = YES|NO CUTOFFPCT = inte

48、ger-value 定義顯示的最低bootstrap分割頻率。Examplebootstrap nreps=200 treefile=boot.tre search=heuristic/addseq=random;分析 （樹評估三）PAUP*中的bootstrap命令103BOOTSTRAP options/heuristic對折分析（jackknife） 跟bootstrap類似，只是在對原始數(shù)據(jù)取樣的時(shí)候不會(huì)取重復(fù)的數(shù)據(jù)位點(diǎn)。因?yàn)樗貜?fù)取樣的時(shí)候是在原始數(shù)據(jù)中除去一個(gè)或者多個(gè)比對位點(diǎn)。 對折分析得出的結(jié)果和bootstrap是一樣的。命令和參數(shù)都類似，用的比bootstrap少很多。分析

49、（樹評估四）104對折分析（jackknife）分析 （樹評估四）104JACKKNIFE options/heuristic-search-options|branchand-bound-search-options; 對折分析 PCTDELETE = real-value 每個(gè)對折分析循環(huán)中刪除的data set百分?jǐn)?shù) JSEED = integer-value 隨機(jī)數(shù)種子 NREPS = integer-value 對折循環(huán)次數(shù) SEARCH = HEURISTIC|BANDB|FASTSTEP|NJ|UPGMA 樹的搜索方法（NJ和UPGMA僅在最優(yōu)規(guī)則為distance時(shí)才可用） R

50、ESAMPLE = NORMAL|JAC CONLEVEL = integer-value boostrap中出現(xiàn)的最小比例（最為保留group），默認(rèn)為50，即50 KEEPALL = YES|NO 低于conlevel的樹，若與一致樹兼容，也保留 WTS = IGNORE|SIMPLE|REPEATCNT|PROPORTIONAL GRPFREQ = YES|NO 顯示對折分區(qū)頻率 TREEFILE = tree-file-name FORMAT = NEXUS|ALTNEXUS|FREQPARS|PHYLIP|HENNIG *REPLACE = YES|NO CUTOFFPCT = in

51、teger-value 對折頻率表中顯示的最小頻率。ExampleJACKKNIFE nreps=200 treefile=tree.tre search=heuristic/addseq=random分析 （樹評估五）PAUP*中的jackknife命令105JACKKNIFE options/heuristicKHtest和SHtest 用來測試一個(gè)特定的次優(yōu)化的ml或者mp拓?fù)浣Y(jié)構(gòu)同最優(yōu)化的拓?fù)浣Y(jié)構(gòu)相比是否顯著不同（通常用來做Hypothesis test）。 PAUP*中這兩個(gè)測試是作為pscores和lscores的一個(gè)參數(shù)，默認(rèn)關(guān)閉，需要進(jìn)行這兩個(gè)測試的時(shí)候，要打開該參數(shù)。Psco

52、re中有KHtest，不支持SHtestLscore中有KHtest和SHtest分析 （樹評估六）106KHtest和SHtest分析 （樹評估六）106如：Pscores all/khtest=normal;Lscores all/khtest= normal shtest=rell; 測試得出的結(jié)果是返回一個(gè)顯著性差異系數(shù)（P值）。分析 （樹評估七）107如：分析 （樹評估七）107其他測試隨機(jī)測試：permute不一致的長度差異測試： hompart分析 （樹評估八）108其他測試分析 （樹評估八）108分析結(jié)束之前1.保存分析結(jié)果Savetrees 根據(jù)要求將內(nèi)存中的樹保存到文件如：

53、savetrees file=tree.tre brlens=yes savebootp=both from=1 to=2;2.停止記錄文件Log stop;109分析結(jié)束之前1.保存分析結(jié)果109退出3.如果要進(jìn)行下一項(xiàng)分析，想讓原來改過的參數(shù)全部變回默認(rèn)設(shè)置 命令：factory 所有參數(shù)恢復(fù)默認(rèn)設(shè)置4.確定要退出后 命令 ：quit110退出3.如果要進(jìn)行下一項(xiàng)分析，想讓原來改過的參數(shù)全部變回默認(rèn)一些有用的命令1.Treeinfo 查看內(nèi)存中樹的情況（多少個(gè)？有根還是無根？）。2.clear 清除內(nèi)存中所有的樹。3.showtree 查看內(nèi)存中的樹（默認(rèn)顯示第一個(gè)樹，可以加入?yún)?shù)） 如：

54、showtree all；showtree 2，3；4.gettrees 從樹文件中讀取樹到內(nèi)存中111一些有用的命令1.Treeinfo 1115.dscores，pscores，lscores 計(jì)算樹的距離，簡約性，相似性分值。6.ingroup/outgroup 取消和設(shè)定外圍群7.Contree 根據(jù)一定的規(guī)則求解一致樹8.Deroottrees 將有根樹轉(zhuǎn)換為無根樹9.Roottrees 根據(jù)當(dāng)前設(shè)定的outgroup將無根樹轉(zhuǎn)換為有根樹1125.dscores，pscores，lscores11210.Filter根據(jù)設(shè)定的規(guī)則篩選樹。11.詳細(xì)的命令請參考paup*軟件的comm

55、and reference。11310.Filter113Paup塊的一個(gè)例子begin paup;Log star file=log.txt; set criterion=likelihood autoclose=yes maxtrees=10000 increase=no;lset nst=6 rmatrix=estimate basefreq=estimate pinv=estimate rates=gamma shape=estimate; hsearch addseq=random nreps=100; bootstrap nreps=1000 search=heuristic br

56、lens=yes; savetrees file=tree.tre savebootp=both from=1 to=1; log stop; quit;end;114Paup塊的一個(gè)例子begin paup;114構(gòu)建進(jìn)化樹 實(shí)例 MEGA3.1軟件安裝啟動(dòng)程序Alignment轉(zhuǎn)入fasta格式文件比對保存比對后文件為擴(kuò)展名meg的格式關(guān)閉軟件窗口按鈕點(diǎn)phylogeny菜單選構(gòu)建樹的方式完成構(gòu)建115構(gòu)建進(jìn)化樹 實(shí)例 MEGA3.1軟件安裝啟動(dòng)程序Al116116117117118118119119120120121121122122123123生物信息學(xué)第六章 分子進(jìn)化與系統(tǒng)發(fā)育分析1

57、24生物信息學(xué)第六章 分子進(jìn)化與系統(tǒng)發(fā)育分析124生物學(xué)家：We have a dream1. Tree of Life: 重建所有生物的進(jìn)化歷史并以系統(tǒng)樹的形式加以描述125生物學(xué)家：We have a dream1. Tree o夢想走進(jìn)現(xiàn)實(shí)：How?1. 最理想的方法：化石！ 然而零散、不完整2. 比較形態(tài)學(xué)和比較生理學(xué)：確定大致的進(jìn)化框架。 然而，細(xì)節(jié)存在巨多的爭議126夢想走進(jìn)現(xiàn)實(shí)：How?1. 最理想的方法：化石！ 然而第三種方案：分子進(jìn)化1. 1964年，Linus Pauling提出分子進(jìn)化理論；2. DNA & RNA: 4種堿基；蛋白質(zhì)分子：20種氨基酸；3. 發(fā)生在分子層

58、面的進(jìn)化過程：DNA, RNA和蛋白質(zhì)分子；4. 基本假設(shè)：核苷酸和氨基酸序列中含有生物進(jìn)化歷史的全部信息；127第三種方案：分子進(jìn)化1. 1964年，Linus Pauli分子進(jìn)化的模式1. DNA突變的模式：替代，插入，缺失，倒位；2. 核苷酸替代：轉(zhuǎn)換 (Transition) & 顛換 (Transversion);3. 基因復(fù)制：多基因家族的產(chǎn)生以及偽基因的產(chǎn)生；A. 單個(gè)基因復(fù)制 重組或者逆轉(zhuǎn)錄；B. 染色體片斷復(fù)制；C. 基因組復(fù)制；128分子進(jìn)化的模式1. DNA突變的模式：替代，插入，缺失，倒位 (1) DNA突變的模式替代插入缺失倒位129 (1) DNA突變的模式替代插入

59、缺失倒位129(2) 核苷酸替代：轉(zhuǎn)換 & 顛換1. 轉(zhuǎn)換：嘌呤被嘌呤替代，或者嘧啶被嘧啶替代；2. 顛換：嘌呤被嘧啶替代，或者嘧啶被嘌呤替代；130(2) 核苷酸替代：轉(zhuǎn)換 & 顛換1. 轉(zhuǎn)換：嘌呤被嘌呤替代基因復(fù)制：單個(gè)基因復(fù)制重組逆轉(zhuǎn)錄131基因復(fù)制：單個(gè)基因復(fù)制重組逆轉(zhuǎn)錄131基因復(fù)制：染色體片段復(fù)制132基因復(fù)制：染色體片段復(fù)制132基因復(fù)制：基因組復(fù)制S. Cerevisiae (釀酒酵母)K. Waltii (克魯雄酵母)研究結(jié)果：克魯雄酵母中的同源基因數(shù)量與釀酒酵母相比為1：2133基因復(fù)制：基因組復(fù)制S. Cerevisiae (釀酒酵母)分子進(jìn)化研究的目的1. 從物種的一些

60、分子特性出發(fā)，構(gòu)建系統(tǒng)發(fā)育樹，進(jìn)而了解物種之間的生物系統(tǒng)發(fā)生的關(guān)系 tree of life; 物種分類；2. 大分子功能與結(jié)構(gòu)的分析：同一家族的大分子，具有相似的三級結(jié)構(gòu)及生化功能，通過序列同源性分析，構(gòu)建系統(tǒng)發(fā)育樹，進(jìn)行相關(guān)分析；功能預(yù)測；3. 進(jìn)化速率分析：例如，HIV的高突變性；哪些位點(diǎn)易發(fā)生突變？134分子進(jìn)化研究的目的1. 從物種的一些分子特性出發(fā)，構(gòu)建系統(tǒng)發(fā)(1) Tree of Life: 16S rRNA135(1) Tree of Life: 16S rRNA135Out of Africa53個(gè)人的線粒體基因組(16,587bp)人類遷移的路線136Out of Afri