基礎(chǔ)生物信息學(xué)及應(yīng)用李裕強2009.09基礎(chǔ)生物信息學(xué)及應(yīng)用李裕強1第Ⅲ部分

生物分子信息的分析第八章分子進化分析——系統(tǒng)發(fā)生樹構(gòu)建第Ⅲ部分

生物分子信息的分析第八章分子進化分析——系2本章內(nèi)容：分子進化分析介紹系統(tǒng)發(fā)生樹構(gòu)建方法系統(tǒng)發(fā)生樹構(gòu)建實例本章內(nèi)容：3第一節(jié)分子進化分析介紹基本概念：系統(tǒng)發(fā)生（phylogeny）——是指生物形成或進化的歷史系統(tǒng)發(fā)生學(xué)(phylogenetics)——研究物種之間的進化關(guān)系系統(tǒng)發(fā)生樹（phylogenetictree）——表示形式，描述物種之間進化關(guān)系第一節(jié)分子進化分析介紹基本概念：4分子進化研究的目的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而了解基因的進化以及生物系統(tǒng)發(fā)生的內(nèi)在規(guī)律分子進化分析介紹分子進化研究的目的分子進化分析介紹5分子進化分析介紹分子進化研究的基礎(chǔ)基本理論：在各種不同的發(fā)育譜系及足夠大的進化時間尺度中，許多序列的進化速率幾乎是恒定不變的。（分子鐘理論，Molecularclock1965）分子進化分析介紹分子進化研究的基礎(chǔ)6分子進化分析介紹主要假定條件：Tousemoleculardatatoreconstructevolutionaryhistoryrequiresmakinganumberofreasonableassumptions：Thefirstisthatthemolecularsequencesusedinphylogeneticconstructionarehomologous,meaningthattheyshareacommonoriginandsubsequentlydivergedthroughtime.Phylogeneticdivergenceisassumedtobebifurcating,meaningthataparentbranchsplitsintotwodaughterbranchesatanygivenpoint.Anotherassumptioninphylogeneticsisthateachpositioninasequenceevolvedindependently.Thevariabilityamongsequencesissufficientlyinformativeforconstructingunambiguousphylogenetictrees.分子進化分析介紹主要假定條件：Tousemolecula7分子進化分析介紹實際情況：雖然很多時候仍然存在爭議，但是分子進化確實能闡述一些生物系統(tǒng)發(fā)生的內(nèi)在規(guī)律分子進化分析介紹實際情況：雖然很多時候仍然存在爭議，但是分子8分子進化分析介紹直系同源與旁系同源Orthologs(直系同源):Homologoussequencesindifferentspeciesthatarosefromacommonancestralgeneduringspeciation;mayormaynotberesponsibleforasimilarfunction.Paralogs(旁系同源):Homologoussequenceswithinasinglespeciesthatarosebygeneduplication.。以上兩個概念代表了兩個不同的進化事件。用于分子進化分析中的序列必須是直系同源的，才能真實反映進化過程。分子進化分析介紹直系同源與旁系同源9分子進化分析介紹分子進化分析介紹10分子進化分析介紹系統(tǒng)發(fā)生樹（phylogenetictree）:又名進化樹（evolutionarytree）已發(fā)展成為多學(xué)科交叉形成的一個邊緣領(lǐng)域。包括生命科學(xué)中的進化論、遺傳學(xué)、分類學(xué)、分子生物學(xué)、生物化學(xué)、生物物理學(xué)和生態(tài)學(xué)，又包括數(shù)學(xué)中的概率統(tǒng)計、圖論、計算機科學(xué)和群論。聞名國際生物學(xué)界的美國冷泉港定量生物學(xué)會議于1987年特辟出"進化樹"專欄進行學(xué)術(shù)討論，標志著該領(lǐng)域已成為現(xiàn)代生物學(xué)的前沿之一，迄今仍很活躍。分子進化分析介紹系統(tǒng)發(fā)生樹（phylogenetictre11分子進化分析介紹分子進化分析介紹12分子進化分析介紹系統(tǒng)發(fā)生樹結(jié)構(gòu)Thelinesinthetreearecalledbranches(分支).Atthetipsofthebranchesarepresent-dayspeciesorsequencesknownastaxa

(分類，thesingularformistaxon)oroperationaltaxonomicunits（運籌分類單位）.Theconnectingpointwheretwoadjacentbranchesjoiniscalledanode（節(jié)點）,whichrepresentsaninferredancestorofextanttaxa.Thebifurcatingpointattheverybottomofthetreeistherootnode（根節(jié)）,whichrepresentsthecommonancestorofallmembersofthetree.Agroupoftaxadescendedfromasinglecommonancestorisdefinedasacladeormonophyleticgroup

(單源群).Thebranchingpatterninatreeiscalledtreetopology（拓撲結(jié)構(gòu)）.分子進化分析介紹系統(tǒng)發(fā)生樹結(jié)構(gòu)13分子進化分析介紹有根樹與無根樹樹根代表一組分類的共同祖先分子進化分析介紹有根樹與無根樹14分子進化分析介紹如何確定樹根根據(jù)外圍群：Oneistouseanoutgroup（外圍群）,whichisasequencethatishomologoustothesequencesunderconsideration,butseparatedfromthosesequencesatanearlyevolutionarytime.根據(jù)中點：Intheabsenceofagoodoutgroup,atreecanberootedusingthemidpointrootingapproach,inwhichthemidpointofthetwomostdivergentgroupsjudgedbyoverallbranchlengthsisassignedastheroot.分子進化分析介紹如何確定樹根15RootedbyoutgroupbacteriaoutgrouprooteukaryoteeukaryoteeukaryoteeukaryotearchaeaarchaeaarchaeaMonophyleticgroup(單源群)Monophyleticgroup外圍群分子進化分析介紹Rootedbyoutgroupbacteriaout16分子進化分析介紹樹形系統(tǒng)發(fā)生圖（Phylograms）：有分支和支長信息分支圖（Cladograms）只有分支信息，無支長信息分子進化分析介紹樹形17第二節(jié)系統(tǒng)發(fā)生樹構(gòu)建方法Molecularphylogenetictreeconstructioncanbedividedintofivesteps:(1)choosingmolecularmarkers;(2)performingmultiplesequencealignment;(3)choosingamodelofevolution;(4)determiningatreebuildingmethod;(5)assessingtreereliability.第二節(jié)系統(tǒng)發(fā)生樹構(gòu)建方法Molecularphyloge18系統(tǒng)發(fā)生樹構(gòu)建方法(1)Choosingmolecularmarkers

Forstudyingverycloselyrelatedorganisms,nucleotidesequences,whichevolvemorerapidlythanproteins,canbeused.Forstudyingtheevolutionofmorewidelydivergentgroupsoforganisms,onemaychooseeitherslowlyevolvingnucleotidesequences,suchasribosomalRNAorproteinsequences.系統(tǒng)發(fā)生樹構(gòu)建方法(1)Choosingmolecula19(2)Performingmultiplesequencealignment：Probablythemostcriticalstepintheprocedure.Onlythecorrectalignmentproducescorrectphylogeneticinference.Multiplestate-of-the-artalignmentprograms(suchasT-Coffee)shouldbeused.Manualeditingisoftencriticalinensuringalignmentquality.Itisalsooftennecessarytodecidewhethertousethefullalignmentortoextractpartsofit.Trulyambiguouslyalignedregionshavetoberemovedfromconsiderationpriortophylogeneticanalysis.系統(tǒng)發(fā)生樹構(gòu)建方法(2)Performingmultiplesequen20(2)Performingmultiplesequencealignment：Usingautomaticapproachtoimprovingalignmentquality.Rascal(ftp://ftp-igbmc.u-strasbg.fr/pub/RASCAL)andNorMD(ftp://ftp-igbmc.u-strasbg.fr/pub/NORMD)canhelptoimprovealignmentbycorrectingalignmenterrorsandremovingpotentiallyunrelatedorhighlydivergentsequences.theprogramGblocks(http://woody.embl-heidelberg.de/phylo/)canhelptodetectandeliminatethepoorlyalignedpositionsanddivergentregionssotomakethealignmentmoresuitableforphylogeneticanalysis.系統(tǒng)發(fā)生樹構(gòu)建方法(2)Performingmultiplesequen21(3)Choosingamodelofevolution：何為進化模型Thestatisticalmodelsusedtocorrecthomoplasy（非同源相似,平行演化）arecalledsubstitutionmodelsorevolutionarymodels.系統(tǒng)發(fā)生樹構(gòu)建方法(3)Choosingamodelofevolut22(3)Choosingamodelofevolution：為何要考慮進化模型：Theobservednumberofsubstitutionsmaynotrepresentthetrueevolutionaryeventsthatactuallyoccurred.Forinstance，Observed：AreplacedbyC，actually：A→T→G→CBackmutation（回復(fù)突變）couldhaveoccurred：G→C→GParallelmutations（平行突變）：bothsequencesmutateintoT,.Suchmultiplesubstitutionsandconvergenceatindividualpositionsobscuretheestimationofthetrueevolutionarydistancesbetweensequences.Thiseffectisknownashomoplasy,which,ifnotcorrected,canleadtothegenerationofincorrecttrees.Tocorrecthomoplasy,statisticalmodelsareneededtoinferthetrueevolutionarydistancesbetweensequences.系統(tǒng)發(fā)生樹構(gòu)建方法(3)Choosingamodelofevolut23(3)Choosingamodelofevolution：Forproteinsequences,theevolutionarydistancesfromanalignmentcanbecorrectedusingaPAMorJTTaminoacidsubstitutionmatrixwhoseconstructionalreadytakesintoaccountthemultiplesubstitutions.ForconstructingDNAphylogenies,thereareanumberofnucleotidesubstitutionmodelsavailable.Jukes–CantorModelKimuraModel系統(tǒng)發(fā)生樹構(gòu)建方法(3)Choosingamodelofevolut24(3)Choosingamodelofevolution：Jukes–CantorModel距離函數(shù)：dAB=?(3/4)ln[1?(4/3)pAB]如，兩20核苷酸序列A、B，有6個不同，則距離為dAB=?3/4ln[1?(4/3×0.3)]=0.38TheJukes–Cantormodelcanonlyhandlereasonablycloselyrelatedsequences.系統(tǒng)發(fā)生樹構(gòu)建方法(3)Choosingamodelofevolut25(3)Choosingamodelofevolution：KimuraModel增加計算轉(zhuǎn)換(transitions)和顛換(transversion)的不同影響(next)距離函數(shù)：dAB=?(1/2)ln(1?2pti?ptv)?(1/4)ln(1?2ptv)如兩序列A、B有30％差異，其中轉(zhuǎn)換20％、顛換10％，則距離為dAB=?1/2ln(1?2×0.2?0.1)?1/4ln(1?2×0.1)=0.40系統(tǒng)發(fā)生樹構(gòu)建方法(3)Choosingamodelofevolut26系統(tǒng)發(fā)生樹構(gòu)建方法系統(tǒng)發(fā)生樹構(gòu)建方法27(3)Choosingamodelofevolution：Jukes–CantorModel和KimuraModel都假定每一位點的進化速率相等，但實際上密碼子不同位點的變異頻率不同（如第三堿基往往替換發(fā)生更高）。因此，在進化樹構(gòu)建程序中，均對這種所謂Among-SiteVariations進行修正，如計入γ修正因子（γcorrectionfactor）。系統(tǒng)發(fā)生樹構(gòu)建方法(3)Choosingamodelofevolut28(4)Determiningatreebuildingmethod：構(gòu)建系統(tǒng)發(fā)生樹的算法：分子數(shù)據(jù)可大致分為以下兩大類:1）離散特征數(shù)據(jù)(discretecharacterdata)2）相似性和距離數(shù)據(jù)(similarityanddistancedata)從數(shù)據(jù)處理的角度講，建樹方法分為基于距離的方法（distancemethod）基于離散特征數(shù)據(jù)的方法（discretecharactermethod）系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin29(4)Determiningatreebuildingmethod：距離法又稱距離矩陣法首先通過各個物種之間的比較，根據(jù)一定的假設(shè)（進化距離模型）推導(dǎo)得出分類群之間的進化距離，構(gòu)建一個進化距離矩陣(next)。進化樹的構(gòu)建則是基于這個矩陣中的進化距離關(guān)系。樹的拓撲結(jié)構(gòu)由兩兩序列的進化距離決定。樹枝長度代表進化距離。包括：聚類法（clusteringbasedmethods）除權(quán)配對分組平均算法（unweightedpairgroupmethodusingarithmeticmean，UPGMA）鄰位歸并算法（neighborjoining，NJ）優(yōu)化法（Optimality-BasedMethods）：采用一定算法，對距離數(shù)據(jù)進行優(yōu)化處理最短演化長度算法（minimalevolution，ME）系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin30一種簡單的距離矩陣一種簡單的距離矩陣31(4)Determiningatreebuildingmethod：基于離散特征數(shù)據(jù)法,直接根據(jù)序列各位點特征的變化來構(gòu)建進化樹。包括最大簡約法（maximumparimony，MP）最大似然法（maximumlikelihood，ML）系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin32d=e=10/2=5(4)Determiningatreebuildingmethod：除權(quán)配對分組平均法（UPGMA，Unweightedpairgroupmethodusingarithmeticmean）系統(tǒng)發(fā)生樹構(gòu)建方法d=e=10/2=5(4)Determiningatr33c=19/2=9.5g=c-d=9.5-5=4.5c=19/2=9.534a=b=22/2=11AB(CDE)A-2239.5B--41.5(CDE)---a=b=22/2=11AB(CDE)A-2239.5B--435(AB)(CDE)(AB)-40.5(CDE)--f1+a=f2+c=40.5/2=20.25f1=9.25,f2=11.75(AB)(CDE)(AB)-40.5(CDE)--f1+a=36(4)Determiningatreebuildingmethod：

鄰位歸并法（NJ，Neighborjoining）計算任意兩個節(jié)點選為相鄰序列的得分得分最小者確定為相鄰序列依次加入各枝任意兩個節(jié)點選為相鄰序列的計算公式：系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin37系統(tǒng)發(fā)生樹構(gòu)建ppt課件38把A、B看成一個新的復(fù)合序列，構(gòu)建一個新的距離表，重復(fù)以上過程。把A、B看成一個新的復(fù)合序列，構(gòu)建一個新的距離表，重復(fù)以上過39(4)Determiningatreebuildingmethod：最短演化長度算法（minimalevolution，ME）采用一定的算法比較所有可能的拓撲結(jié)構(gòu)，選擇具有最短樹枝長度的拓撲結(jié)構(gòu)為ME樹。系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin40(4)Determiningatreebuildingmethod：GeneralizedNJmethod：MultipleNJtreeswithdifferentinitialtaxongroupingsaregenerated.AbesttreeisthenselectedfromapoolofregularNJtreesthatbestfittheactualevolutionarydistances.系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin41(4)Determiningatreebuildingmethod：距離法的評價Alldistance-basedmethodsAdvantage：abilitytomakeuseofalargenumberofsubstitutionmodelstocorrectdistances.Drawback:theactualsequenceinformationislostwhenallthesequencevariationisreducedtoasinglevalue.Hence,ancestralsequencesatinternalnodescannotbeinferred.Clusteringbasedmethod(NJandUPGMA):Advantage:computationallyfast,thereforecapableofhandlingdatasetsthataredeemedtobetoolargeforanyotherphylogeneticmethod.Disadvantage：notguaranteedtofindthebesttree.系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin42(4)Determiningatreebuildingmethod：距離法的評價Optimality-basedmethod(ME):Advantage:havebetteraccuraciesDrawback:computationallyprohibitivetousewhenthenumberoftaxaislarge(e.g.,>12)AcompromisebetweenthetwotypesofalgorithmisahybridapproachsuchasthegeneralizedNJ,withaperformancesimilartothatofMEbutcomputationallymuchfaster.系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin43(4)Determiningatreebuildingmethod：最大簡約法(maximumparsimony,MP)最大簡約法的理論基礎(chǔ)是奧卡姆（WilliamOckham，13thcentury）哲學(xué)原則:解釋一個過程的最好理論是所需假設(shè)數(shù)目最少的那一個。最大簡約法對所有可能的拓撲結(jié)構(gòu)進行計算，并計算出所需替換數(shù)最?。ㄖ﹂L最短）的那個拓撲結(jié)構(gòu)，作為最優(yōu)樹。系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin44(4)Determiningatreebuildingmethod：最大簡約法工作方法：1、可能樹的搜索方法問題：可能的進化樹的數(shù)量是分類樹的指數(shù)（next）解決：邊界約束法（branch-and-boundmethod）先構(gòu)建距離樹（如NJ法），然后計算最小替換數(shù)（最短枝長），確定一個序列變異的上限（upperlimitorupperbound）來限制樹的增長（growth）Therationaleisthatamaximallyparsimonioustreemustbeequaltoorshorterthanthedistance-basedtree.系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin45系統(tǒng)發(fā)生樹構(gòu)建ppt課件46(4)Determiningatreebuildingmethod：最大簡約法工作方法：2、簡約樹的確定選擇最大進化信息位點（informativesites）來計算替換數(shù)，減少計算量Informativesites：thosesitesthathaveatleasttwodifferentkindsofcharacters,eachoccurringatleasttwice（next）對于給定樹，計算每一信息位點的最小替換數(shù)，然后相加，得出該拓撲結(jié)構(gòu)的最小替換數(shù)具有最少改變數(shù)的拓撲結(jié)構(gòu)即為最大簡約樹系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin47系統(tǒng)發(fā)生樹構(gòu)建ppt課件48(4)Determiningatreebuildingmethod：最大簡約法工作方法：2、簡約樹的確定最小替換數(shù)的計算方法：firstgoingfromtheleavestointernalnodesandtothecommonroottodetermineallpossibleancestralcharacterstatesthengoingbackfromthecommonroottotheleavestoassignancestralsequencesthatrequiretheminimumnumberofsubstitutions.（next）

系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin49系統(tǒng)發(fā)生樹構(gòu)建ppt課件50(4)Determiningatreebuildingmethod：最大簡約法評價：如果所分析的序列位點上沒有回復(fù)突變或平行突變，且被檢驗的序列位點數(shù)很大的時候，最大簡約法能夠推導(dǎo)獲得一個很好的進化樹。然而，如果在所分析序列上存在較多的回復(fù)突變或平行突變，而且被檢驗的序列位點數(shù)又比較少的時候，最大簡約法可能會給出一個不合理的或者錯誤的進化樹推導(dǎo)結(jié)果。系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin51(4)Determiningatreebuildingmethod：最大簡約法優(yōu)化：WeightedParsimonyTherefore,aweightingschemethattakesintoaccountthedifferentkindsofmutationshelpstoselecttreetopologiesmoreaccurately.TheMPmethodthatincorporatesaweightingschemeiscalledweightedparsimony.系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin52(4)Determiningatreebuildingmethod：最大似然法（MaximumLikelihoodMethod，ML）對給定的一組序列數(shù)據(jù)，選取一個特定的替代模型來計算每一個可能的拓撲結(jié)構(gòu)的發(fā)生概率（似然率），（seenext）然后再挑出其中似然率最大的拓撲結(jié)構(gòu)作為最優(yōu)樹。采用窮舉法搜索每一個可能的拓撲結(jié)構(gòu)每個位點的似然率都被計算（而不只是信息位點）系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin53系統(tǒng)發(fā)生樹構(gòu)建ppt課件54(4)Determiningatreebuildingmethod：最大似然法如何工作：1、利用替換模型計算每一個分枝的發(fā)生似然率，其中計入每一個內(nèi)部分枝的似然率如對DNA序列，選擇Jukes–Cantormodel，經(jīng)時間t后，某一核苷酸不變的概率為：P(t)=1/4+3/4e?αt（α為Jukes–Cantormodel的替換率）核苷酸從X變?yōu)閅的概率為P(t)=1/4?1/4e?αt實際似然率轉(zhuǎn)換成自然對數(shù)，取整數(shù)其它替換模型的計算公式更復(fù)雜系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin55堿基變化的通用模型系統(tǒng)發(fā)生樹構(gòu)建方法堿基變化的通用模型系統(tǒng)發(fā)生樹構(gòu)建方法56(4)Determiningatreebuildingmethod：最大似然法如何工作：2、一個拓撲結(jié)構(gòu)的似然率是每一枝似然率的和3、具有最高似然率得分的拓撲結(jié)構(gòu)即為最大似然樹系統(tǒng)發(fā)生樹構(gòu)建方法(4)Determiningatreebuildin57位置1位置2位置3…SUM拓撲樹AL（A1）L（A2）L（A3）…Asum拓撲樹BL（B1）L（B2）L（B3）…Bsum拓撲樹CL（C2）L（C3）L（C3）…Csum………………似然值最大，即SUM最大的拓撲樹則為最優(yōu)樹系統(tǒng)發(fā)生樹構(gòu)建方法位置1位置2位置3…SUM拓撲樹AL（A1）L（A2）L（A58(4)Determiningatreebuildingmethod：最大似然法評價：最大似然法的建樹過程是個很費時的過程