生物信息學(xué)概論第三章替換模式第一頁，共三十八頁，2022年，8月28日分析已經(jīng)發(fā)生的替換數(shù)目和性質(zhì)，對于分子進(jìn)化的研究有很重要的意義.這種分析也為生物信息學(xué)的研究人員致力于識別和刻畫具有重要功能的基因部分提供了強(qiáng)有力的線索。第二頁，共三十八頁，2022年，8月28日本章內(nèi)容基因內(nèi)的替換模式估算替換數(shù)目基因間進(jìn)化率的變化分子時鐘細(xì)胞器的進(jìn)化第三頁，共三十八頁，2022年，8月28日3.1基因內(nèi)的替換模式基因突變：一種核苷酸替換成另一種，以及插入/刪除事件有利的中性的不利的有利的變化實(shí)際上只占少數(shù)核苷酸序列的某些變化對一個生物體的影響比其他因素更大第四頁，共三十八頁，2022年，8月28日3.1.1突變率r=K/(2T)r：替換速率（突變率）K:來源于同一祖先的兩個序列之間的替換數(shù)量T：分叉時間如果不同物種間的進(jìn)化率是相似的，在沒有其他證據(jù)的情況下，通過替換速率（突變率），可以推測進(jìn)化事件發(fā)生的時間。比較基因內(nèi)和基因間的替換速率（突變率）常用來確定不同基因組區(qū)域的作用第五頁，共三十八頁，2022年，8月28日3.1.2功能約束自然選擇能夠杜絕導(dǎo)致生物體生存和繁衍能力下降的基因變化那些能夠引起蛋白質(zhì)催化性能及結(jié)構(gòu)特征變化的基因變化，會更加受制于自然選擇。十分重要的基因部分被認(rèn)為受功能約束控制，它們在進(jìn)化過程中趨向于非常緩慢的變化另外一些不會對氨基酸序列或表達(dá)方式造成影響的基因變化，很少受到自然選擇的糾正，因此這種類型的變化速度相對較快第六頁，共三十八頁，2022年，8月28日大量分析證實(shí)，基因不同部分的變化速度確實(shí)千差萬別，而這些速度正反映了不同部分受功能約束的程度基因區(qū)域類別人類/基因區(qū)域長度替換的平均數(shù)量標(biāo)準(zhǔn)方差替換速率（個替換/位點(diǎn)/10億年）所有非編碼序列91367.914.13.33所有編碼序列44169.216.71.585’端側(cè)翼序列30096.019.63.395’UT509.03.01.86內(nèi)含子13141.88.13.483’UT13233.011.53.003’端側(cè)翼序列30076.314.33.60人、鼠、兔、牛的類β球蛋白基因各部分的差異第七頁，共三十八頁，2022年，8月28日由上表中，可以揭示的一個普遍規(guī)律：

內(nèi)含子和兩端側(cè)翼序列的替換積累速度最快其次是能轉(zhuǎn)錄而不能翻譯的序列最慢的是編碼序列

來源與β球蛋白基因的數(shù)據(jù)，一個核苷酸序列每一百萬年只發(fā)生0.35%的改變，對于人類來說這種改變是非常緩慢的，但是比之分子的進(jìn)化又是相當(dāng)迅速的第八頁，共三十八頁，2022年，8月28日3.1.3同義和異義替換

同義替換：改變核苷酸編碼序列，但不影響蛋白質(zhì)的氨基酸序列的替換甘氨酸（GGG，GGA，GGU，GGC）

異義替換：改變核苷酸編碼序列，同時影響蛋白質(zhì)的氨基酸序列的替換甘氨酸（GGG）->丙氨酸（GCG）經(jīng)過詳細(xì)分析可以發(fā)現(xiàn)，基因的編碼序列發(fā)生同義替換的概率幾乎是異義替換的3倍第九頁，共三十八頁，2022年，8月28日并非三聯(lián)密碼子上的所有位置都會發(fā)生異義替換。事實(shí)上，三聯(lián)密碼子中的核苷酸可分為3類：

非簡并位點(diǎn)：該位點(diǎn)的變異都是導(dǎo)致替換

雙重簡并位點(diǎn)：該位點(diǎn)有兩種不同的核苷酸翻譯成同一種氨基酸，另外兩種不同的核苷酸則翻譯成不同的氨基酸

四重簡并位點(diǎn)：這一位點(diǎn)上無論是什么，都不會影響該密碼子的翻譯例：分類例子非簡并位點(diǎn)苯丙氨酸（UUU）

亮氨酸（CUU）

異亮氨酸（AUU）

纈氨酸（GUU）雙重簡并位點(diǎn)天冬氨酸（GAU，GAC）

谷氨酸（GAA，GAG）四重簡并位點(diǎn)甘氨酸（GGG，GGA，GGU，GGC）第十頁，共三十八頁，2022年，8月28日如果自然選擇在出現(xiàn)改變蛋白質(zhì)功能的變異的時候就起作用，那么很顯然，處于四重簡并位點(diǎn)的核苷酸替換的積累最為迅速，而處于非簡并位點(diǎn)的替換積累最為緩慢位點(diǎn)類型位點(diǎn)數(shù)目/bp替換數(shù)目替換速率（個替換/位點(diǎn)/10億年）非簡并位點(diǎn)302170.56二重簡并位點(diǎn)60101.67四重簡并位點(diǎn)85202.35人、兔類β球蛋白基因編碼序列里各種位點(diǎn)的替換率第十一頁，共三十八頁，2022年，8月28日3.1.4插入刪除情況和偽基因

在有轉(zhuǎn)錄活性的基因中，插入刪除很難發(fā)生。原因在于插入刪除會改變閱讀框。DNA和修復(fù)酶經(jīng)過億萬年的進(jìn)化，已形成合理的機(jī)制，一般會使插入刪除比簡單的堿基替換發(fā)生的概率小10倍復(fù)制一條完整的基因可能形成很多復(fù)制品，其中一個提供原基因的必要功能，而其他的復(fù)制則積累了不受自然選擇的替換

某個不斷變化的復(fù)制品會出現(xiàn)一些新的重要功能，于是這個基因就變得對生物體的適應(yīng)性非常重要

更多時候復(fù)制出來的基因會成為偽基因，因?yàn)樽儺愂沟眠@樣的基因喪失了功能，失去了轉(zhuǎn)錄的活性。這些基因序列的替換積累速率相當(dāng)高，略高于同一物種的基因的3’端側(cè)翼序列第十二頁，共三十八頁，2022年，8月28日3.1.5替換和突變雖然一個基因核苷酸序列的每一位都可能發(fā)生變化，然而人們沒有觀察到所有可能的變異，但這個問題卻使人們發(fā)現(xiàn)了分子進(jìn)化研究中突變和替換這兩個詞在使用上有趣的數(shù)字差異。

突變：是指DNA的復(fù)制和修復(fù)過程中出現(xiàn)錯誤而導(dǎo)致的核苷酸序列的改變

替換：是指了某個層次上經(jīng)過自然選擇過濾后的突變同義（和偽基因）的替換速率Ks，通常被認(rèn)為能較好反映出基因突變時實(shí)際速率；而異義替換速率Ka則不然，因?yàn)樗麄兲用摬涣俗匀贿x擇第十三頁，共三十八頁，2022年，8月28日3.1.6等位基因與固定絕大多數(shù)自然界現(xiàn)存的生物種群包含著大量的基因變異,從而形成等位基因。一個物種某個基因的不同版本被稱之為等位基因。

-舉個例子，人平均每200個堿基對中就有一個不同于其他人。等位基因的差異變化很廣，從不會產(chǎn)生影響到產(chǎn)生嚴(yán)重后果。各種等位基因相對頻率的改變就是進(jìn)化的基礎(chǔ)新的等位基因以非常低的頻率出現(xiàn)：q=1/2N

N是這個種群中具有繁殖活性的二倍體的數(shù)量

危及生物體生存和繁殖的突變，會在自然選擇中，從基因庫里掃地出門，這種突變頻率最終降為0如果等位基因優(yōu)勢突出，其頻率就漸漸接近于1，即該等位基因被固定第十四頁，共三十八頁，2022年，8月28日

個體之間發(fā)現(xiàn)的許多變異的優(yōu)勢或劣勢都不明顯，在本質(zhì)上是選擇中性的。

基因任何中性變異被固定的概率是q

這里q為該等位基因的相對頻率基因任何中性變異最終從種群中消失的可能性為1-q，盡管基因新變異的固定概率可能很小，中性突變卻能在種群中維持很長的時間，固定新的中性突變的平均時間實(shí)際上相當(dāng)于繁衍4N代所經(jīng)歷的時間第十五頁，共三十八頁，2022年，8月28日3.2估算替換數(shù)目一般來講，從兩個序列的比對中獲得的替換數(shù)目（K）是任何分子進(jìn)化分析中最重要的一個變量(信息）。如果一種最優(yōu)的比對表明兩個序列之間只有相對較少的替換，那么只有簡單地數(shù)一下替換個數(shù)就可以確定K值。然而，在核苷酸序列被用來做分析研究之前，T.Jukes和C.Cantor就認(rèn)識到如果序列之間的差異很大，那么用序列比對，就可能會嚴(yán)重地低估序列在最近的共同祖先之后發(fā)生的替換數(shù)目第十六頁，共三十八頁，2022年，8月28日第十七頁，共三十八頁，2022年，8月28日3.2.1Jukes-Cantor模型在替換經(jīng)常出現(xiàn)的地方，某些位點(diǎn)就可能會發(fā)生多次替換Juke-Cantor假設(shè)每個核苷酸都有可能轉(zhuǎn)變成其他任何一個核苷酸，基于這一假設(shè)，他們建立了一個數(shù)學(xué)模型假設(shè)每個核苷酸都有可能轉(zhuǎn)變成其他任何一個核苷酸，概率為α。如果基因中某個位點(diǎn)在時刻t0為C，那么在時刻t1仍然是C的概率就是PC(1)=1-3α第十八頁，共三十八頁，2022年，8月28日在t2時刻是C的概率為：PC(2)=(1-3α)

PC(1)+α[1-PC(1)]。在tk時刻是C的概率為：PC(k)=(1-3α)

PC(k-1)+α[1-PC(k-1)] =α+（1-4α）PC(k-1)?！我鈺r間t時刻，位點(diǎn)為C的概率為（即非替換位點(diǎn)概率）PC(t)=1/4+(3/4e-4αt)估計(jì)替換數(shù)目的公式為:K=-3/4ln[1-(4/3(p))]第十九頁，共三十八頁，2022年，8月28日這里p就是數(shù)出來的兩個序列間的不同核苷酸的分?jǐn)?shù)（錯配位點(diǎn)與所有位點(diǎn)之間的比值，p<1）。該方程完全符合以下觀點(diǎn)：

當(dāng)兩序列間只有少數(shù)錯配時，p就會很小，且任意一位點(diǎn)上發(fā)生多重替換的概率也很小

當(dāng)兩序列間錯配數(shù)目很大時，實(shí)際替換數(shù)目將大于直接計(jì)數(shù)得到的結(jié)果pKK=pK=-3/4ln[1-(4/3(p))]第二十頁，共三十八頁，2022年，8月28日3.2.2轉(zhuǎn)換和顛換ATCG胞嘧啶腺嘌呤胸腺嘧啶鳥嘌呤轉(zhuǎn)換（transition）嘌呤嘌呤嘧啶嘧啶顛換（transvertion）嘌呤嘧啶嘧啶嘌呤在大多數(shù)DNA片段中，轉(zhuǎn)換出現(xiàn)的概率高于顛換出現(xiàn)的概率嘌呤：含氮堿基有兩個環(huán)狀結(jié)構(gòu)嘧啶：含氮堿基有一個環(huán)狀結(jié)構(gòu)第二十一頁，共三十八頁，2022年，8月28日3.2.3Kimura的雙參數(shù)模型該模型考慮了轉(zhuǎn)換和顛換的不同速率。假定轉(zhuǎn)換一律以α速率進(jìn)行，顛換一律以β速率進(jìn)行。如果基因中某個位點(diǎn)在時刻t0為C，那么在時刻t1該位點(diǎn)保持C的概率是PCC(1)=1-α-2β第二十二頁，共三十八頁，2022年，8月28日類似Jukes-Cantor模型，將上式展開后，得到，PCC(1)=1/4+(1/4)e-4β

+

(1/2)e-2(α+β)Jukes-Cantor模型和Kimura的雙參數(shù)模型的對稱性說明四個核苷酸在t0和任何時刻都以一樣的概率存在（PGG(t)

=PAA(t)

=PTT(t)

=PCC(t)

）就像Jukes-Cantor單參數(shù)模型，展開后的方程以及換成另外3個核苷酸得到的方程，是當(dāng)兩個序列間的不同核苷酸個數(shù)已知的時候估算替換的真實(shí)數(shù)目的一個很有用的公式，如下所示：K=1/2ln[1/(1-2P-Q)]+1/4ln[1/(1-2Q)]P是序列中轉(zhuǎn)換的核苷酸的分?jǐn)?shù)，Q是顛換的核苷酸的分?jǐn)?shù)。如果不區(qū)分轉(zhuǎn)換和顛換（也就是說p=P+Q），這個方程就簡化成了Jukes-Cantor公式第二十三頁，共三十八頁，2022年，8月28日3.2.4多參數(shù)模型20世紀(jì)80年代以來，已經(jīng)產(chǎn)生出大量的序列數(shù)據(jù)，對這些數(shù)據(jù)的分析結(jié)果表明：Kimua關(guān)于核苷酸以兩種速度變異的假設(shè)，與Jukes-Cantor關(guān)于所有的核苷酸轉(zhuǎn)變?yōu)槠渌?種的概率都是相同的假設(shè)一樣，都過于簡單既然存在4種核苷酸，每一個都可以轉(zhuǎn)變?yōu)榱硗?個之一，因此就應(yīng)該有12種可能的替換每種突變類型的概率如下表所示，有了這些參數(shù)，就可以建立更復(fù)雜的12參數(shù)模型由于GC含量會引起替換速率的差異，于是引進(jìn)第13個參數(shù)來彌補(bǔ)這個偏差第二十四頁，共三十八頁，2022年，8月28日人類基因組的Alu-Y（Sb）序列的核苷酸替換的相對頻率替換前替換后ATCG各行總計(jì)A-4.04.69.818.4-(1.5)(1.7)(3.6)(6.7)T3.3-10.42.716.4(1.2)-(3.8)(1.0)(6.0)C7.217.0-6.231.1(5.0)(33.2)-(4.5)(42.6)G23.64.66.0-34.2(37.7)(3.2)(3.7)-(44.7)各列總計(jì)34.126.321.09.0

(44.0)(37.8)(9.2)(18.7)

第二十五頁，共三十八頁，2022年，8月28日3.2.5蛋白質(zhì)序列間的替換兩個蛋白質(zhì)序列間的不同氨基酸的比例（p）可根據(jù)下式簡單推算：p=n/L

n代表各種氨基酸在兩個序列間相差的數(shù)量，L是在序列比對中能夠觀測到位點(diǎn)的個數(shù)要精確的計(jì)算兩個或更多的蛋白質(zhì)氨基酸序列間發(fā)生替換的數(shù)目，一般來講比估算非編碼DNA序列的替換數(shù)目要困難。與DNA序列一樣，回復(fù)突變會導(dǎo)致嚴(yán)重地低估替換數(shù)目一個氨基酸轉(zhuǎn)變?yōu)榱硪粋€氨基酸的替換路徑的長度也不總是一致的，比如CCU->CUC只要經(jīng)歷一個突變過程，而CCU->AUC要經(jīng)歷兩個氨基酸替換對蛋白質(zhì)功能的作用各有不同，而且會隨著周圍氨基酸的不同而變化，這會令問題更加復(fù)雜解決這個問題的一個方法就是利用經(jīng)驗(yàn)數(shù)據(jù)來衡量每一種氨基酸的替換模式第二十六頁，共三十八頁，2022年，8月28日3.3基因間進(jìn)化率的變化基因內(nèi)不同部分的進(jìn)化率有著很明顯的差異，同樣，我們發(fā)現(xiàn)基因間的進(jìn)化率也是各不相同的。如果排除統(tǒng)計(jì)因素，進(jìn)化率的差別應(yīng)歸咎于兩個因素突變頻率的差異自然選擇對位置的影響程度同義替換率的差異遠(yuǎn)遠(yuǎn)不及異義替換率的差異盡管基因內(nèi)某些部位比其他區(qū)域更容易發(fā)生偶然的突變，但同義替換率的差別很少超過兩倍，而異義替換率卻有將近200倍的差異。和基因內(nèi)替換率的差別類似，基因間替換率的差別也主要由自然選擇在不同的位置的差異產(chǎn)生第二十七頁，共三十八頁，2022年，8月28日例：組蛋白與阿樸蛋白替換率差異組蛋白帶正電，是所有真核細(xì)胞中都存在的DNA結(jié)合蛋白組蛋白上幾乎所有氨基酸都與特定的帶負(fù)電的DNA殘基直接發(fā)生相互作用因此，組蛋白氨基酸序列發(fā)生任何變化，都會影響它和DNA的反應(yīng)能力組蛋白是進(jìn)化最慢的已知蛋白種類的一種阿樸蛋白負(fù)責(zé)運(yùn)載脊椎動物血液里的脂質(zhì)，并與之發(fā)生非特異性作用它們的脂結(jié)合域主要由疏水氨基酸組成，任何疏水氨基酸在阿樸蛋白中的功能都是差不多的，它們在脂結(jié)合域中的互換不會產(chǎn)生太大的影響因此阿樸蛋白能快速積累異義替換第二十八頁，共三十八頁，2022年，8月28日盡管許多基因內(nèi)氨基酸的替換基本上是有害的，我們也必須指出有些基因群內(nèi)的變化是適應(yīng)自然選擇且必要的比如，人體的白細(xì)胞抗原基因（HLA）就在進(jìn)化的壓力下改變著。因此HLA位點(diǎn)內(nèi)的異義替換率就遠(yuǎn)高于它的同義替換率HLA位點(diǎn)包含一個龐大的多基因家族，其蛋白質(zhì)產(chǎn)物和識別外來抗原的免疫功能相關(guān)，大約90%的人從其父母繼承不同形式的HLA基因。200個人中大約會有15～30個不同的等位基因如此高程度的多樣性之所以受到自然選擇的青睞，是因?yàn)樵诓煌拿庖呦到y(tǒng)下，易被單個病毒感染的個體數(shù)量可能會大大減少。宿主們迫于壓力必須維持免疫系統(tǒng)的多樣性，同時病毒也需要迅速進(jìn)化。第二十九頁，共三十八頁，2022年，8月28日3.4分子時鐘在長期的進(jìn)化過程中，有著相似的功能約束的位點(diǎn)的分子進(jìn)化速率幾乎完全一致。20世紀(jì)60年代最早由EmileZuckerkandl和LinusPauling所做的蛋白質(zhì)序列比較研究表明，蛋白質(zhì)同系物的替換率就算過了千百萬年也能保持恒定，因此他們將氨基酸的變異積累比作分子鐘的滴答聲分子時鐘在不同的蛋白質(zhì)中運(yùn)行的速率是不同的，但是兩個蛋白質(zhì)同系物的差異始終和它們獨(dú)立分化的時間成正比兩序列穩(wěn)定的變異速率，不僅有助于確定物種間系統(tǒng)發(fā)生關(guān)系，而且能夠像利用放射性衰變考察地質(zhì)年代那樣，準(zhǔn)確測定序列分化發(fā)展的時間存在爭議：經(jīng)典進(jìn)化學(xué)家們認(rèn)為形態(tài)的進(jìn)化不夠穩(wěn)定，這與分子以穩(wěn)定的速度變異不一致；關(guān)于分化時間的確定也有不同意見，這些意見對這個假說的核心（即進(jìn)化率是穩(wěn)定的）表示質(zhì)疑第三十頁，共三十八頁，2022年，8月28日3.4.1相對速率檢測分子進(jìn)化研究中運(yùn)用的大多數(shù)分化時間是根據(jù)對極不完整的化石記錄的解釋而得來的，因此它們的準(zhǔn)確性值得懷疑。為避免使用這些不準(zhǔn)確的時間以防止出現(xiàn)問題，Sarich和Wilson發(fā)明了一個簡單的測定不同家系中總替換率的方法，此方法可以不依賴分化的具體時間為了測定物種1和物種2的相對（變異）速率，我們假定以另一個不太相關(guān)的物種3作為外群或外部參考物種123人猩猩狒狒A第三十一頁，共三十八頁，2022年，8月28日假設(shè)兩物種的替換數(shù)目為沿著系統(tǒng)發(fā)生樹各分支的替換數(shù)目的總和，如下式所示：d13=dA1

+dA3d23=dA2+dA3d12

=dA1

+dA2經(jīng)過簡單代數(shù)變換，可得到物種1和物種2獨(dú)立分化后的差異dA1=(d12

+d13-d23)/2dA2=(d12+d23–d13)/2根據(jù)定義，物種1和物種2的分化起始時間是相同的，所以分子時鐘假設(shè)預(yù)測dA1和dA2

的值也應(yīng)該是相等的第三十二頁，共三十八頁，2022年，8月28日任意基因的進(jìn)化速率在家系進(jìn)化的整個過程中保持穩(wěn)定是分子時鐘假說的前提條件。研究發(fā)現(xiàn)，分子時鐘隨種群的不同而變化?，F(xiàn)在發(fā)現(xiàn)鼠和兔的替換率大體上是相同的；但是人和猿的分子進(jìn)化率只有古歐洲猴子的一半事實(shí)上，人和鼠同源基因相對進(jìn)化率的檢測表明：嚙齒動物基因替換率是靈長目的兩倍由于分子時鐘的這種不穩(wěn)定現(xiàn)象，用分子分化的時間來推測共同祖先最后出現(xiàn)的時間就可能出現(xiàn)問題。因此，在做這種推測之前，必須保證所研究的物種應(yīng)該有相同的時鐘，就像嚙齒動物一樣3.4.2家系中變異率的變化第三十三頁，共三十八頁，2022年，8月28日有幾種可能的說法對相對進(jìn)化率檢測中發(fā)現(xiàn)的進(jìn)化率的差異進(jìn)行了解釋，比如猴子的繁殖時間比人類短，嚙齒類就更短了生殖細(xì)胞DNA復(fù)制的數(shù)量與替換率的關(guān)系比與分化時間的關(guān)系更為密切產(chǎn)生差異的部分原因也可能是自分化以來兩家系間的其他差異，如平均修復(fù)效率、新陳代謝率和適應(yīng)新生態(tài)環(huán)境的必要條件這些因素都很難用常規(guī)方法量化我們知道在分化之前有相似屬性，我們也知道它們的差異程度，但是對于在整個進(jìn)化過程中其他時間二者的差異我們了解的卻很少第三十四頁，共三十八頁，2022年，8月28日3.5不同細(xì)胞器內(nèi)基因的進(jìn)化研究對象哺乳動物線粒體DNA（mtDNA）：平均長度16000bp植物葉綠體DNA（cpDNA）：平均長度120000～220000bp形態(tài)較小和異常的遺傳模式（哺乳動物中，線粒體是由母親提供）令人們對它如何積累替換這一問題產(chǎn)生了興趣線粒體生物的新陳代謝使得線粒體中出現(xiàn)的高濃度誘變劑（尤其是