多序列比对与Clustal的使用 ，以及各类常见的序列分析 工具介绍中山大学生科院2004年10月内容提要第一部分：多序列比对 意义、方法、算法 Clustal的使用1.Clustalx2.Clustalw第二部分：常见的序列分析软 件分类简介第一部分： 多序列比对及Clustal的使用序列相似性比较和序列 同源性分析序列相似性比较：就是将待研究序列与DNA或蛋白质序列库进行比较 ，用于确定该序列的生物属性，也就是找出与此序列 相似的已知序列是什么。完成这一工作只需要使用两 两序列比较算法。常用的程序包有BLAST、FASTA 等； 序列同源性分析：是将待研究序列加入到一组与之同源，但来自不同物 种的序列中进行多序列同时比较，以确定该序列与其 它序列间的同源性大小。这是理论分析方法中最关键 的一步。完成这一工作必须使用多序列比较算法。常 用的程序包有CLUSTAL等；多序列比对的意义 用于描述一组序列之间的相似性关系， 以便了解一个基因家族的基本特征，寻 找motif，保守区域等。 用于描述一个同源基因之间的亲缘关系 的远近，应用到分子进化分析中。 其他应用，如构建profile，打分矩阵 等。 同源性分析中常常要通过多序列比对 来找出序列之间的相互关系，和blast 的局部匹配搜索不同，多序列比对大 多都是采用全局比对的算法。这样对 于采用计算机程序的自动多序列比对 是一个非常复杂且耗时的过程，特别 是序列数目多，且序列长的情况下。多序列比对的方法多序列比对的方法基本上多序列比对可以分为1.手工比对（辅助编辑软件如bioedit ，seaview，Genedoc等）通过辅助软件的不同颜色显示不同残基，靠 分析者的观察来改变比对的状态。2.计算机程序自动比对通过特定的算法（如同步法，渐进法等）， 由计算机程序自动搜索最佳的多序列比对状 态。自动多序列比对的算法1.同步法将序列两两比对时的二维动态规划矩 阵扩展到三维矩阵。即用矩阵的维数 来反映比对的序列数目。这种方法的 计算量很大，对于计算机系统的资源 要求比较高，一般只有在进行少数的 较短的序列的比对的时候才会用到这 个方法。自动多序列比对的算法2.步进法最常见的就是clustal所采用的方法。其基本思想就是基于相似序列通常具 有进化相关性的这一假设。Clustal的渐进比对过程在比对过程中，先对所有的序列进 行两两比对并计算它们相似性分值， 然后根据相似性分值将它们分成若干 组，并在每组之间进行比对，计算相 似性分值。根据相似性分值继续分组 比对，直到得到最终比对结果。在比 对过程中，相似性程度较高的序列先 进行比对而距离较远的序列添加在后 面。多序列比对工具 clustalClustal是一个单机版的基于渐进比对的 多序列比对工具，由Higgins D.G. 等开发 。有应用于多种操作系统平台的版本，包 括linux版，DOS版的clustlw，clustalx等。Clustal简介 CLUSTAL是一种渐进的比对方法，先 将多个序列两两比对构建距离矩阵， 反应序列之间两两关系；然后根据距 离矩阵计算产生系统进化指导树，对 关系密切的序列进行加权；然后从最 紧密的两条序列开始，逐步引入临近 的序列并不断重新构建比对，直到所 有序列都被加入为止。Clustalx的工作界面 （多序列比对模式）Clustalx的工作界面 （剖面(profile)比对模式）Clustal的工作原理Clustal输入多个序列快速的序列两两比对，计算序列间的 距离，获得一个距离矩阵。邻接法(NJ)构建一个树（引导树）根据引导树，渐进比对多个序列。Clustal的应用1.输入输出格式。输入序列的格式比较灵活，可以是前面介绍过 的FASTA格式，还可以是PIR、SWISS- PROT、GDE、Clustal、GCG/MSF、RSF等 格式。输出格式也可以选择，有ALN、GCG、 PHYLIP和NEXUS等，用户可以根据自己的 需要选择合适的输出格式。2.两种工作模式。a.多序列比对模式。b.剖面(profile)比对模式。3.一个实际的例子。Clustal的应用多序列比对实例输入文件的格式(fasta)：KCC2_YEASTNYIFGRTLGAGSFGVVRQARKLSTN DMK_HUMANDFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK. KPRO_MAIZETRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN DAF1_CAEEL QIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD 1CSNHYKVGRRIGEGSFGVIFEGTNLLNN第一步：输入序列文件。第二步：设定比对的一些参数。参数设定窗口。第三步：开始序列比对。第四步：比对完成，选择保存结果文件的格式Clustalw的使用(一)Clustalw还提供了命令调用形式的使用 方式，方便于批处理过程，下面是一 个典型的执行多序列比对的clustalw命 令：$ ./clustalw infile=dna.fa type=dna gapopen=10 gapext=2 output=gcg outfile=align.gcg -alignClustalw的使用(二)在线的clustalw分析EBI提供的在线clustalw服务http:/www.ebi.ac.uk/clustalw/EBI提供的在线Clustalw服务更为详细的教程可以在这里得到更多关于clustal的帮助 ： http:/www-igbmc.u- strasbg.fr/BioInfo/ClustalX/Top.html 实际操作(练习) 使用clustalx程序，对给定的多序列， 选择合适的参数，进行多序列比对， 输出结果文件维phylip格式。 相同的文件，使用ebi和我们提供的在 线服务，进行多序列比对。 对上述计算机程序比对的结果进行手 工改动（bioedit，seaview），使得多 序列比对结果跟符合要求。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练习序列第二部分： 常见的序列分析软件分类简介 GCG EMBO