多序列對(duì)位排列和進(jìn)化分析

多序列對(duì)位排列和進(jìn)化分析第1頁(yè)，共66頁(yè)，2023年，2月20日，星期一chickenPLVSS---PLRGEAGVLPFQQEEYEKVKRGIVEQCCHNTCSLYQLENYCNxenopusALVSG---PQDNELDGMQLQPQEYQKMKRGIVEQCCHSTCSLFQLESYCNhumanLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCNmonkeyPQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCNdogLQVRDVELAGAPGEGGLQPLALEGALQKRGIVEQCCTSICSLYQLENYCNhamsterPQVAQLELGGGPGADDLQTLALEVAQQKRGIVDQCCTSICSLYQLENYCNbovinePQVGALELAGGPGAGG-----LEGPPQKRGIVEQCCASVCSLYQLENYCNguineapigPQVEQTELGMGLGAGGLQPLALEMALQKRGIVDQCCTGTCTRHQLQSYCNBringthegreatestnumberofsimilarcharactersintothesamecolumnofthealignmentMultipleSequenceAlignment(MSA)多序列對(duì)位排列第2頁(yè)，共66頁(yè)，2023年，2月20日，星期一HumanHoxgenes為什么要做MSA？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。用于預(yù)測(cè)新序列的二級(jí)和三級(jí)結(jié)構(gòu)，進(jìn)而推測(cè)其生物學(xué)功能。第3頁(yè)，共66頁(yè)，2023年，2月20日，星期一不同種的酵母Gal1和Gal10啟動(dòng)子區(qū)MSA為什么要做MSA？Nature

423,241-254第4頁(yè)，共66頁(yè)，2023年，2月20日，星期一用于描述同源序列之間的親緣關(guān)系的遠(yuǎn)近，應(yīng)用到分子進(jìn)化分析中。是構(gòu)建分子進(jìn)化樹(shù)的基礎(chǔ)。為什么要做MSA？abcGenetreeABCSpeciestreeWeoftenassumethatgenetreesgiveusspeciestrees注意概念：Paralogy（旁系同源/并系同源）&Orthology（直系同源）第5頁(yè)，共66頁(yè)，2023年，2月20日，星期一Paralogy（旁系同源/并系同源）&Orthology（直系同源）Orthologs：物種形成過(guò)程中源自同一祖先，通常功能保守Paralogs：基因組內(nèi)基因復(fù)制產(chǎn)生，較易發(fā)生功能分化第6頁(yè)，共66頁(yè)，2023年，2月20日，星期一為什么要做MSA？不同物種基因組范圍的MSA能分析基因組結(jié)構(gòu)變異和共線性Nature

423,241-254第7頁(yè)，共66頁(yè)，2023年，2月20日，星期一為什么要做MSA？Contigassembly第8頁(yè)，共66頁(yè)，2023年，2月20日，星期一怎么做MSA？動(dòng)態(tài)規(guī)劃算法（dynamicprogramming）：MSA改進(jìn)算法（啟發(fā)式算法）：

1.漸進(jìn)法（progressivemethods）：Clustal,T-Coffee,MUSCLE2.迭代法（iterativemethods）：PRRP,DIALIGN3.其它算法：PartialOrderAlgorithm、profileHMM、

meta-methods(MAFFT)…/wiki/List_of_sequence_alignment_softwareCurrentOpinioninStructuralBiology2006,16:368–373第9頁(yè)，共66頁(yè)，2023年，2月20日，星期一兩條及三條序列的動(dòng)態(tài)規(guī)劃算法

VSNSSNAASStartVSN—SS—NA—AS———五條長(zhǎng)度為200-250aa的蛋白質(zhì)序列使用動(dòng)態(tài)規(guī)劃比對(duì)需要運(yùn)算超過(guò)12小時(shí)第10頁(yè)，共66頁(yè)，2023年，2月20日，星期一Clustal：目前被最廣泛應(yīng)用的MSA方法可在線分析可在本地計(jì)算機(jī)運(yùn)行Clustal使用方法序列輸入、輸出格式FASTANBRF/PIREMBL/SWISSPROTALN

GCG/MSF

GCG9/RSF

GDEALN

NBRF/PIR

GCG/MSF

PHYLIP

NEXUS

GDE/FASTAInputOutput>sequence1

ATTGCAGTTCGCA……>sequence2

ATAGCACATCGCA……>sequence3

ATGCCACTCCGCC……第11頁(yè)，共66頁(yè)，2023年，2月20日，星期一兩兩比對(duì)

構(gòu)建距離矩陣構(gòu)建指導(dǎo)樹(shù)（guidetree）將距離最近的兩條序列用動(dòng)態(tài)規(guī)劃的算法進(jìn)行比對(duì)；“漸進(jìn)”的加上其他的序列ClustalW/X算法基礎(chǔ)第12頁(yè)，共66頁(yè)，2023年，2月20日，星期一“漸進(jìn)”比對(duì)（Progressivealignment）第13頁(yè)，共66頁(yè)，2023年，2月20日，星期一Clustal在線分析方法（ClustalW）EBI的ClustalW分析網(wǎng)頁(yè)http://www.ebi.ac.uk/Tools/msa/clustalw2/粘貼或上載序列調(diào)整參數(shù)http://www.ebi.ac.uk/Tools/msa/clustalw2/help/

幫助文檔第14頁(yè)，共66頁(yè)，2023年，2月20日，星期一Clustal在線分析方法（ClustalW）第15頁(yè)，共66頁(yè)，2023年，2月20日，星期一自帶Help文件UsingClustalXformultiplesequencealignment

byJarnoTuimala

兩種工作模式:MultipleAlignmentProfileAlignmentClustal離線分析方法（ClustalX）下載安裝第16頁(yè)，共66頁(yè)，2023年，2月20日，星期一第一步：輸入序列FileLoadsequences注意：該軟件不能識(shí)別中文。因此序列不能位于XP系統(tǒng)的桌面，應(yīng)放于C:\或D:\等純英文路徑下。第17頁(yè)，共66頁(yè)，2023年，2月20日，星期一第二步：設(shè)定比對(duì)參數(shù)第18頁(yè)，共66頁(yè)，2023年，2月20日，星期一第三步：進(jìn)行序列比對(duì)第19頁(yè)，共66頁(yè)，2023年，2月20日，星期一第四步：比對(duì)完成，選擇結(jié)果文件的保存格式conservedresiduesconservationprofile第20頁(yè)，共66頁(yè)，2023年，2月20日，星期一可進(jìn)一步對(duì)排列好的序列進(jìn)行修飾（1）Boxshade

突出相同或相似位點(diǎn)（/software/BOX_form.html）在EBIClustalW結(jié)果網(wǎng)頁(yè)復(fù)制序列比對(duì)結(jié)果在“Boxshade”網(wǎng)頁(yè)粘貼序列，在“Inputsequenceformat”欄目選擇“ALN”，在“Outputformat”欄目選擇“RTF_new”修飾過(guò)的排列結(jié)果在結(jié)果網(wǎng)頁(yè)點(diǎn)擊“hereisyouroutputnumber1”第21頁(yè)，共66頁(yè)，2023年，2月20日，星期一可進(jìn)一步對(duì)排列好的序列進(jìn)行修飾（2）ESPript

多種修飾功能，突出相同或相似位點(diǎn)在ESPript分析網(wǎng)頁(yè)“AlignedSequences”欄上載ALN文件在“Outputlayout”和“Outputfileordevice”欄選擇修飾后的比對(duì)結(jié)果http://espript.ibcp.fr/ESPript/cgi-bin/ESPript.cgi

在EBIClustalW結(jié)果網(wǎng)頁(yè)下載“Alignmentfile”(ALN文件)第22頁(yè)，共66頁(yè)，2023年，2月20日，星期一GeneDoc/gfx/genedoc

File–Import修飾排列結(jié)果選擇輸入文件的格式（如ALN）可進(jìn)一步對(duì)排列好的序列進(jìn)行修飾（3）第23頁(yè)，共66頁(yè)，2023年，2月20日，星期一2.系統(tǒng)發(fā)生分析（Phylogeneticanalysis)分析基因或蛋白質(zhì)的進(jìn)化關(guān)系系統(tǒng)發(fā)生（進(jìn)化）樹(shù)（phylogenetictree）Atreeshowingtheevolutionaryrelationshipsamongvariousbiologicalspeciesorotherentitiesthatarebelievedtohaveacommonancestor.第24頁(yè)，共66頁(yè)，2023年，2月20日，星期一經(jīng)典進(jìn)化生物學(xué)：比較：形態(tài)、生理結(jié)構(gòu)、化石分子進(jìn)化生物學(xué)：比較DNA和蛋白質(zhì)序列研究系統(tǒng)發(fā)生的方法第25頁(yè)，共66頁(yè)，2023年，2月20日，星期一Residuesthatarelinedupindifferentsequencesareconsideredtoshareacommonancestry(i.e.,theyarederivedfromacommonancestralresidue).AnAlignmentisanhypothesisofpositionalhomologybetweenbases/AminoAcidsEasyonlywithsubstitutionsDifficultalsowithindels第26頁(yè)，共66頁(yè)，2023年，2月20日，星期一=((A,(B,C)),(D,E))Newickformat節(jié)點(diǎn)Node分支BranchABCDE末端節(jié)點(diǎn)

可以是物種，群體，或者蛋白質(zhì)、DNA、RNA分子等OTU祖先節(jié)點(diǎn)/樹(shù)根Root系統(tǒng)發(fā)生樹(shù)術(shù)語(yǔ)內(nèi)部節(jié)點(diǎn)/分歧點(diǎn)該分支可能的祖先HTU第27頁(yè)，共66頁(yè)，2023年，2月20日，星期一Aclade（進(jìn)化支）

isagroupoforganismsthatincludesanancestorandalldescendentsofthatancestor.geneticchangenomeaningPhylogram CladogramtimeTaxonATaxonBTaxonCTaxonD111635TaxonATaxonBTaxonCTaxonDTaxonATaxonBTaxonCTaxonDUltrametrictree

時(shí)間度量樹(shù)進(jìn)化樹(shù)分支樹(shù)系統(tǒng)發(fā)生樹(shù)術(shù)語(yǔ)第28頁(yè)，共66頁(yè)，2023年，2月20日，星期一Scaledbranches:thelengthofthebranchisproportionaltothenumberofchanges.Thedistancebetween2speciesisthesumofthelengthofallbranchesconnectingthem.進(jìn)化樹(shù)分支的長(zhǎng)度系統(tǒng)發(fā)生樹(shù)術(shù)語(yǔ)第29頁(yè)，共66頁(yè)，2023年，2月20日，星期一Rootedtreevs.Unrootedtreetwomajorwaystoroottrees:ABCD102352d(A,D)=10+3+5=18Midpoint=18/2=9Bymidpointordistance有根樹(shù)ACBD無(wú)根樹(shù)系統(tǒng)發(fā)生樹(shù)術(shù)語(yǔ)outgroup外群、外圍支第30頁(yè)，共66頁(yè)，2023年，2月20日，星期一系統(tǒng)發(fā)育樹(shù)構(gòu)建步驟多序列比對(duì)（自動(dòng)比對(duì)、手工校正）選擇建樹(shù)方法（替代模型）建立進(jìn)化樹(shù)進(jìn)化樹(shù)評(píng)估最大簡(jiǎn)約法(maximumparsimony,MP)距離法(distance)最大似然法(maximumlikelihood,ML)貝葉斯法(Bayesianinference)統(tǒng)計(jì)分析BootstrapLikelihoodRatioTest……UPGMA鄰近法(Neighbor-joining,NJ)最小進(jìn)化法(minimumevolution)第31頁(yè)，共66頁(yè)，2023年，2月20日，星期一距離法

距離法又稱距離矩陣法，首先通過(guò)各個(gè)序列之間的比較，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(shù)的構(gòu)建則是基于這個(gè)矩陣中的進(jìn)化距離關(guān)系。CatDogRatDog3Rat45Cow676CatDogRat11224Cow計(jì)算序列的距離，建立距離矩陣通過(guò)距離矩陣建進(jìn)化樹(shù)第32頁(yè)，共66頁(yè)，2023年，2月20日，星期一Step1.計(jì)算序列的距離，建立距離矩陣Uncorrected“p”distance(=observedpercentsequencedifference)Kimura2-parameterdistance(estimateofthetruenumberofsubstitutionsbetweentaxa)對(duì)位排列，去除空格（選擇替代模型）第33頁(yè)，共66頁(yè)，2023年，2月20日，星期一由進(jìn)化距離構(gòu)建進(jìn)化樹(shù)的方法有很多，常見(jiàn)有：1.UnweightedPairGroupMethodwithArithmeticmean

(UPGMA)

2.Neighbor-JoiningMethod(NJ法/鄰位連接法)

3.MinimumEvolution(MP法/最小進(jìn)化法)Step2.通過(guò)矩陣建樹(shù)第34頁(yè)，共66頁(yè)，2023年，2月20日，星期一

最大簡(jiǎn)約法（MP）最早源于形態(tài)性狀研究，現(xiàn)在已經(jīng)推廣到分子序列的進(jìn)化分析中。最大簡(jiǎn)約法的理論基礎(chǔ)是奧卡姆（Ockham）哲學(xué)原則，對(duì)所有可能的拓?fù)浣Y(jié)構(gòu)進(jìn)行計(jì)算，找出所需替代數(shù)最小的那個(gè)拓?fù)浣Y(jié)構(gòu)，作為最優(yōu)樹(shù)。

最大簡(jiǎn)約法(MaximumParsimony)Findthetreethatexplainstheobservedsequenceswithaminimalnumberofsubstitutions第35頁(yè)，共66頁(yè)，2023年，2月20日，星期一Sequence1TGCSequence2TACSequence3AGGSequence4AAG1

2

3PositionMP法建樹(shù)流程If1and2aregroupedatotaloffourchangesareneeded.

If1and3aregroupedatotaloffivechangesareneeded.

If1and4aregroupedatotalofsixchangesareneeded.Position1

(1,2):1change;

(1,3)or(1,4):2changesPosition2

(1,3):1change;

(1,2)or(1,4):2changesPosition3

(1,2):1change;

(1,3)or(1,4):2changes第36頁(yè)，共66頁(yè)，2023年，2月20日，星期一456BESTMP法建樹(shù)步驟第37頁(yè)，共66頁(yè)，2023年，2月20日，星期一最大似然法(MaximumLikelihood)最大似然法(ML)最早應(yīng)用于對(duì)基因頻率數(shù)據(jù)的分析上。其原理為選取一個(gè)特定的替代模型來(lái)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(shù)。第38頁(yè)，共66頁(yè)，2023年，2月20日，星期一ML法建樹(shù)流程CAGATGCCATGC第39頁(yè)，共66頁(yè)，2023年，2月20日，星期一PickanEvolutionaryModelForeachposition,GenerateallpossibletreestructuresBasedontheEvolutionaryModel,calculateLikelihoodoftheseTreesandSumthemtogettheColumnLikelihoodforeachOTUcluster.CalculateTreeLikelihoodbymultiplyingthelikelihoodforeachpositionChooseTreewithGreatestLikelihoodInferringthemaximumlikelihoodtree第40頁(yè)，共66頁(yè)，2023年，2月20日，星期一Holder&Lewis(2003)NatureReviewsGenetics4,275-284Bayesianinference:Whatistheprobabilitythatthemodel/theoryiscorrectgiventheobserveddata?Pr(T|D)MaximumLikelihood:

Whatistheprobabilityofseeingtheobserveddata(D)givenamodel/theory(T)?Pr(D|T)SpeedNoneedforbootstrapping構(gòu)建進(jìn)化樹(shù)的新方法——貝葉斯推斷

(Bayesianinference)與ML相比，BI的優(yōu)勢(shì)：第41頁(yè)，共66頁(yè)，2023年，2月20日，星期一ComparisonofMethodsDistanceMaximumparsimonyMaximumlikelihoodUsesonlypairwisedistancesUsesonlysharedderivedcharactersUsesalldataMinimizesdistancebetweennearestneighborsMinimizestotaldistanceMaximizestreelikelihoodgivenspecificparametervaluesVeryfastSlowVeryslowEasilytrappedinlocaloptimaAssumptionsfailwhenevolutionisrapidHighlydependentonassumedevolutionmodelGoodforgeneratingtentativetree,orchoosingamongmultipletreesBestoptionwhentractable(<30taxa,homoplasyrare)Goodforverysmalldatasetsandfortestingtreesbuiltusingothermethods第42頁(yè)，共66頁(yè)，2023年，2月20日，星期一Bioinformatics:SequenceandGenomeAnalysis,2ndedition,byDavidW.Mount.p254ChoosingaMethodforPhylogeneticPrediction/cgi/content/full/2008/5/pdb.ip49MolecularBiologyandEvolution200522(3):792-802第43頁(yè)，共66頁(yè)，2023年，2月20日，星期一Astatisticaltechniquethatusesintensiverandomresamplingofdatatoestimateastatisticwhoseunderlyingdistributionisunknown.評(píng)估進(jìn)化樹(shù)的可靠性——自展法（bootstrappingmethod）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(zhǎng)度的新的排列序列重復(fù)上面的過(guò)程，得到多組新的序列對(duì)這些新的序列進(jìn)行建樹(shù)，再觀察這些樹(shù)與原始樹(shù)是否有差異，以此評(píng)價(jià)建樹(shù)的可靠性第44頁(yè)，共66頁(yè)，2023年，2月20日，星期一TheBootstrapComputationalmethodtoestimatetheconfidencelevelofacertainphylogenetictree.rat GAGGCTTATChuman GTGGCTTATCturtle GTGCCCTATGfruitfly CTCGCCTTTGoak ATCGCTCTTGduckweed ATCCCTCCGG 0123456789SamplerathumanturtlefruitflyoakduckweedInferredtreeMorereplicates(between100-1000)rat GGAAGGGGCThuman GGTTGGGGCTturtle GGTTGGGCCCfruitfly CCTTCCCGCCoak AATTCCCGCTduckweed AATTCCCCCT

0011222345Pseudosample1rat CCTTTTAAAThuman CCTTTTAAATturtle CCCCCTAAAT fruitfly CCCCCTTTTToak CCTTTCTTTTduckweed CCTTTCCCCG

4455567778Pseudosample2第45頁(yè)，共66頁(yè)，2023年，2月20日，星期一自展法檢驗(yàn)流程Bootstrappingdoesn’treallyassesstheaccuracyofatree,onlyindicatestheconsistencyofthedata對(duì)ML法而言，自展法太耗時(shí)，可用aLRT法檢驗(yàn)進(jìn)化樹(shù)的可靠性Anisimova&Gascuel(2006)Syst.Biol.55(4):539-552第46頁(yè)，共66頁(yè)，2023年，2月20日，星期一看圖工具下載“Phyliptreefile”（ph文件）TreeView

進(jìn)化樹(shù)編輯打印軟件（在http://taxonomy.zoology.gla.ac.uk/rod/treeview.html）輸入比對(duì)后的序列（或上載ALN文件）用TreeView軟件打開(kāi)上述文件可以不同格式展示進(jìn)化樹(shù)（1、2、3）EBI的ClustalW2-phylogeny分析網(wǎng)頁(yè)第47頁(yè)，共66頁(yè)，2023年，2月20日，星期一PHYLIP/phylip.html免費(fèi)的集成進(jìn)化分析工具PAUP/商業(yè)軟件，集成的進(jìn)化分析工具M(jìn)EGA/免費(fèi)的圖形化集成進(jìn)化分析工具，最新版包括了MLPHYMLhttp://atgc.lirmm.fr/phyml/最快的ML建樹(shù)工具PAMLhttp://abacus.gene.ucl.ac.uk/software/paml.htmlML建樹(shù)工具Tree-puzzle

http://www.tree-puzzle.de/較快的ML建樹(shù)工具M(jìn)rBayes/基于貝葉斯方法的建樹(shù)工具分子進(jìn)化分析軟件更多工具/phylip/software.html第48頁(yè)，共66頁(yè)，2023年，2月20日，星期一/提供最大似然法（ML）、最大簡(jiǎn)約法（MP）和距離法三種建樹(shù)方法。其中距離法包括鄰接法（NJ）、最小進(jìn)化法（ME）和UPGMA三種算法。分子進(jìn)化樹(shù)構(gòu)建方法優(yōu)點(diǎn)：圖形界面，集序列查詢、比對(duì)、進(jìn)化樹(shù)構(gòu)建為一體，幫助文件詳盡，免費(fèi)缺點(diǎn)：ML法較慢（如序列較多可考慮用PHYML）最新版本（MEGA6）第49頁(yè)，共66頁(yè)，2023年，2月20日，星期一

OsDR10

OsDR10-O.rufipogonA

OsDR10-9311A

OsDR10-NipponbareA

OsDR10-O.rufipogonB

OsDR10-NackdongOsDR10-9311B

OsDR10-NipponbareB

OsDR10-O.punctataOsDR10-O.latifolia

OsDR10-O.australiensis

OsDR10-L.tisserantii

OsDR10-L.JX9589879152950.005PhylogeneticanalysisofthecodingregionsofOsDR10anditshomologsfromdifferentspecies.Thetreewasconstructedbyneighbour-joiningmethod.Thenumbersforinteriorbranchesindicatethebootstrapvalues(%)for1,000replications.Thescaleatthebottomisinunitsofnumberofnucleotidesubstitutionspersite.Xiaoetal.PLoSONE4:e4603(2009)分析舉例第50頁(yè)，共66頁(yè)，2023年，2月20日，星期一MSA程序可對(duì)任何序列進(jìn)行比對(duì)，選擇什么樣的序列進(jìn)行比對(duì)非常重要！！用于構(gòu)建進(jìn)化樹(shù)的序列必須是同源序列MSA是構(gòu)建分子進(jìn)化樹(shù)的關(guān)鍵步驟第51頁(yè)，共66頁(yè)，2023年，2月20日，星期一3.上機(jī)操作1.在基因重組人胰島素面市之前，糖尿病患者所需胰島素主要來(lái)自屠宰場(chǎng)的動(dòng)物胰臟。請(qǐng)分析來(lái)源自豬、牛和羊的胰島素哪一種最適于人使用，說(shuō)明理由。四種蛋白的注冊(cè)號(hào)分別是AAA59172（人）,AAQ00954（豬），AAA30722（牛）和P01318（羊）。2.Keratin是一種微管蛋白，有typeI和typeII兩種類型，在染色體上成簇分布，對(duì)上皮細(xì)胞的正常結(jié)構(gòu)十分重要。請(qǐng)根據(jù)人類typeIIkeratin2p（CAD91891）對(duì)NCBIProteinReferenceSequences序列數(shù)據(jù)庫(kù)的BLASTP檢