1、Excel計(jì)算和作圖；序列數(shù)據(jù)應(yīng)用于試驗(yàn)室技術(shù)改良（8）； 第一章、生物信息數(shù)據(jù)庫(kù)（12） 第二章、數(shù)據(jù)庫(kù)檢索（25） 第三章、序列比對(duì)（30） 一 序列比對(duì)策略（31）；二 算法（34） ；三 序列雙重比對(duì)（42） ；四 多序列比對(duì)（47）。 第四章 在系統(tǒng)發(fā)生分析中的應(yīng)用（51） 第五章、生物信息學(xué)在基因組構(gòu)建中的應(yīng)用；一 基因的識(shí)別和鑒定（62）二 蛋白質(zhì)功能的預(yù)測(cè)（73） ；三 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)（78） ；四 基因組中非編碼區(qū)的研究（96） ；五 人類基因組多樣性計(jì)劃（102） 。 第六章、計(jì)算機(jī)在其他方面的應(yīng)用（107）；藥物開發(fā)（110）。 第七章、生物信息學(xué)在組學(xué)中的應(yīng)用；一 基因

2、組學(xué)研究（119）；二 功能基因組研究（128） ；三 蛋白質(zhì)組研究（137） ；四 蛋白質(zhì)的功能確定（140）；五 代謝組（142）；六 網(wǎng)絡(luò)研究（145）；七 細(xì)胞計(jì)劃（157） 。 第八章、生物醫(yī)學(xué)信息資源（160）,計(jì)算機(jī)在生命科學(xué)和生物技術(shù)中的應(yīng)用,計(jì)算機(jī)是生物研究的工具。為了了解計(jì)算機(jī)工具在生物研究中的應(yīng)用，首先需要了解生物研究的現(xiàn)狀。 基因決定論 由于DNA雙螺旋結(jié)構(gòu)的發(fā)現(xiàn)，基因決定論成為主要觀點(diǎn)。人們嘗試尋找決定生物功能的基因，但是受到挫折。,一是由于美國(guó)能源部用30多年研究“核輻射對(duì)人類基因突變作用”，未取得實(shí)質(zhì)性突破進(jìn)展，受害者已表現(xiàn) 出明顯的突變性狀，但檢測(cè)不出其基因突變

3、與對(duì)照組存在顯著性差異。 二是美國(guó)于1975年巨額投資啟動(dòng)的“腫瘤十年計(jì)劃”基本以失敗告終。 R. Dulbecco 于1986在science上發(fā)表癌癥研究的轉(zhuǎn)折點(diǎn)：測(cè)序人類基因組，認(rèn)為要徹底闡明癌癥的發(fā)生、演進(jìn)、侵襲和轉(zhuǎn)移的機(jī)制，必須對(duì)人體細(xì)胞的基因組進(jìn)行全測(cè)序。美國(guó)政府與1990年正式啟動(dòng)HGP。,基因組學(xué) 由于基因組是物種所有遺傳信息的儲(chǔ)藏庫(kù)，從根本上決定著物種個(gè)體的發(fā)育和生理，因此，在研究遺傳、發(fā)育、進(jìn)化、功能調(diào)控等基本生物學(xué)問(wèn)題方面，基因組學(xué)關(guān)注的是基因組整體的作用，而不是個(gè)別基因。功能基因組學(xué)（后基因組學(xué)）的中心任務(wù)是通過(guò)了解基因組表達(dá)與環(huán)境的關(guān)系，以及其在基本生物學(xué)方面和人類健

4、康和疾病相關(guān)的生物醫(yī)學(xué)問(wèn)題方面的意義。 后基因組學(xué) 轉(zhuǎn)錄組學(xué)：關(guān)注mRNA的組成和細(xì)胞功能的關(guān)系。,蛋白質(zhì)組學(xué)：其中心任務(wù)是通過(guò)比較不同時(shí)間或不同細(xì)胞的蛋白質(zhì)組成，以揭示蛋白質(zhì)變化的生物學(xué)意義。 結(jié)構(gòu)基因組學(xué)：了解蛋白質(zhì)三維結(jié)構(gòu)與蛋白質(zhì)功能的關(guān)系。 蛋白質(zhì)相互作用網(wǎng)絡(luò)：了解蛋白質(zhì)相互作用。 代謝組學(xué)：其中心任務(wù)是通過(guò)比較不同時(shí)間或不同細(xì)胞的小分子組成，揭示生物學(xué)意義。 系統(tǒng)生物學(xué)：以一個(gè)理論模式為基礎(chǔ)，與基因組學(xué)和蛋白質(zhì)組學(xué)的表現(xiàn)進(jìn)行比較，判斷生物在分子水平上復(fù)雜的相互作用。,生物學(xué)發(fā)展的展望W. Gilbert （80年諾貝爾化學(xué)獎(jiǎng)）91年專門在“nature”撰文討論生物學(xué)研究形式的變化：

5、 正在興起的新的范式在于，所有的基因?qū)⒈恢獣裕ㄔ诳捎秒娮臃绞綇臄?shù)據(jù)庫(kù)里讀取的意義上），今后生物學(xué)研究項(xiàng)目的起點(diǎn)將是理論的。一位科學(xué)家將從理論猜測(cè)開始，然后才轉(zhuǎn)向?qū)嶒?yàn)去繼續(xù)或檢驗(yàn)該假設(shè)。 新的范式：從機(jī)理出發(fā)，推論在一定條件下細(xì)胞的表現(xiàn)，再用實(shí)驗(yàn)去驗(yàn)證。 現(xiàn)代，生物學(xué)已分為兩個(gè)部分：,試驗(yàn)生物學(xué)：傳統(tǒng)的、依靠實(shí)踐發(fā)現(xiàn)事物的性質(zhì)和活動(dòng)規(guī)律的學(xué)科。 研究對(duì)象是組成生物體的元件。研究手段是物質(zhì)分離和檢測(cè)技術(shù)。當(dāng)前主要在于建立高通量檢測(cè)技術(shù)。 理論生物學(xué)：根據(jù)事物已知性質(zhì)和活動(dòng)規(guī)律推導(dǎo)其可能性質(zhì)和活動(dòng)規(guī)律的學(xué)科。 研究對(duì)象是生物體整體。研究手段是邏輯分析和推導(dǎo)。 計(jì)算機(jī)作為生物研究的工具，在前期生物學(xué)研

6、究工作中作為計(jì)算和存儲(chǔ)工具起輔助作用。在當(dāng)前生物學(xué)研究工作中作為數(shù)據(jù)處理工具。 數(shù)據(jù)處理是高通量檢測(cè)技術(shù)和理論生物學(xué)研究的主要方法。產(chǎn)生生物信息學(xué)。,一 Excel的功能： 表格處理；圖表功能；數(shù)據(jù)庫(kù)管理功能。 1 圖表制作 建立圖表，激活和修改圖表項(xiàng)。 2 計(jì)算 引用：相對(duì)引用（=(a1-b1)/c1*d1） 絕對(duì)引用（$ a$1-$b$1)/$c$1*$d$1 ） 函數(shù)：chitest（檢驗(yàn)相關(guān)性）；slope（斜率）；intercept（截距）。 二 化學(xué)做圖： ISIS DRAW2的應(yīng)用 下載軟件：www.bio-,計(jì)算機(jī)輔助工具的運(yùn)用,生物信息學(xué),背景： 1 數(shù)據(jù)分析技術(shù)的發(fā)展：19

7、62年Zuckerkandl和Pauling將序列變異分析與其演化關(guān)系聯(lián)系起來(lái)，開辟了分子演化的研究領(lǐng)域；1964年Davies開創(chuàng)了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究；1970年Needoeman和Wunsch發(fā)表了兩序列比較算法；1974年Ratner運(yùn)用理論方法對(duì)分子遺傳調(diào)控系統(tǒng)進(jìn)行分析；1975年P(guān)ipas和McMahon用計(jì)算機(jī)技術(shù)預(yù)測(cè)二級(jí)結(jié)構(gòu)。1976年后生物學(xué)數(shù)據(jù)分析技術(shù)大量涌現(xiàn)。 2 人類基因組計(jì)劃產(chǎn)生了大量基因信息（圖0）,生物信息學(xué)（bioinformatics）：利用計(jì)算機(jī)技術(shù)并參照現(xiàn)代信息技術(shù)，對(duì)生物信息進(jìn)行儲(chǔ)存、檢索和綜合分析。及一是對(duì)海量數(shù)據(jù)的收集、整理與服務(wù)。二是使用數(shù)據(jù)。 生物

8、信息學(xué)是把DNA序列分析作為源頭，找到基因組序列中代表蛋白質(zhì)和mRNA的編碼區(qū)；同時(shí)，闡明基因組中大量存在的非編碼區(qū)的信息實(shí)質(zhì)，破譯隱藏在DNA序列中的遺傳語(yǔ)言規(guī)律；在此基礎(chǔ)上，歸納、整理與基因組遺傳信息釋放及其調(diào)控相關(guān)的轉(zhuǎn)錄譜和蛋白質(zhì)譜的數(shù)據(jù)，從而認(rèn)識(shí)代謝、發(fā)育、分化、進(jìn)化的規(guī)律。,生物信息學(xué)基本方法： 1 數(shù)據(jù)庫(kù)信息檢索； 2 用序列比對(duì)（alignment，對(duì)位排列）方法進(jìn)行數(shù)據(jù)庫(kù)序列檢索； 3 網(wǎng)絡(luò)分析，計(jì)算機(jī)模擬。 問(wèn)題：你對(duì)生物信息學(xué)的認(rèn)識(shí),第一章 生物信息數(shù)據(jù)庫(kù),生物信息數(shù)據(jù)庫(kù)分類保存各種生物信息，為大家提供計(jì)算機(jī)分析的基本材料。例文獻(xiàn)數(shù)據(jù)庫(kù)、序列數(shù)據(jù)庫(kù)。 一 信息中心：維護(hù)和提

9、供數(shù)據(jù)庫(kù)服務(wù)。 主要工作：在分子水平上應(yīng)用數(shù)學(xué)和計(jì)算科學(xué)的方法研究基礎(chǔ)生物、醫(yī)學(xué)問(wèn)題；為科學(xué)和醫(yī)學(xué)界開發(fā)、維護(hù)和分享一系列的生物信息學(xué)數(shù)據(jù)庫(kù)；開發(fā)和促進(jìn)生物信息學(xué)數(shù)據(jù)庫(kù)、數(shù)據(jù)存儲(chǔ)、交換以及生物學(xué)命名規(guī)則的標(biāo)準(zhǔn)化。,重要的生物信息中心： 1 美國(guó)國(guó)家生物技術(shù)信息中心（NCBI） / （管理著包括GenBank在內(nèi)的一批數(shù)據(jù)庫(kù)） 2 歐洲生物信息學(xué)研究所（EBI） www.ebi.ac.uk/ (主網(wǎng)頁(yè)，可鏈接到其他項(xiàng)目) www2.ebi.ac.uk (各種數(shù)據(jù)庫(kù)和分析工具) www3.ebi.ac.uk (公眾服務(wù)網(wǎng)頁(yè)),3 日本核酸數(shù)據(jù)庫(kù)（DDBJ）：

10、www.ddbj.nig.ac.jp/ 4 北京大學(xué)生物信息中心 （CBI或PKUCBI，是EMBnet的中國(guó)節(jié)點(diǎn)，也是APBionet的中國(guó)節(jié)點(diǎn)） ,二 序列數(shù)據(jù)庫(kù),1 一級(jí)數(shù)據(jù)庫(kù)：記錄實(shí)驗(yàn)結(jié)果和初步的解釋 2 二級(jí)數(shù)據(jù)庫(kù)：從一級(jí)數(shù)據(jù)庫(kù)提取的信息構(gòu)建的數(shù)據(jù)庫(kù) 一級(jí)核酸序列數(shù)據(jù)庫(kù)： （A）GenBank： /genband/ （B）EMBL（歐洲分子生物學(xué)實(shí)驗(yàn)室的DNA和RNA數(shù)據(jù)庫(kù)）： www.ebi.ac.uk/,（C）DDBJ(日本核酸數(shù)據(jù)庫(kù))： www.ddbj.nig.ac.jp/ 翻譯編碼的DNA序列（根據(jù)ORF，數(shù)據(jù)庫(kù)中搜索） （D）Gen

11、eBuilder：r.it/webgene/genebuilder.html （E）上海生命科學(xué)中心： 一級(jí)蛋白質(zhì)序列數(shù)據(jù)庫(kù)： （A） PIR-PSD：序列來(lái)自于GenBank/EMBL/ DDBJ的編碼序列的翻譯、文獻(xiàn)中的和用戶,直接提交的序列。目前最大的公共蛋白質(zhì)序列數(shù)據(jù)庫(kù)。衍生出iProClass（描述蛋白質(zhì)家族的關(guān)系及結(jié)構(gòu)/功能特征），還有PIR-NREF ，PIR-ASDB，IESA，PIR-NRL3D，RESID，PIR-ALN等其他輔助數(shù)據(jù)庫(kù)。 /pirwww/ （B）SWISS-PROT/TrEMBL：經(jīng)注釋的蛋白質(zhì)數(shù)據(jù)庫(kù)。每個(gè)條目包括蛋白質(zhì)

12、序列、引用文獻(xiàn)、分類學(xué)信息、注釋等。注釋包括蛋白質(zhì)功能、轉(zhuǎn)錄后修飾位點(diǎn)、特殊位點(diǎn)和區(qū)域、二級(jí)結(jié)構(gòu)、四級(jí)結(jié)構(gòu)、與其他序列的形式性、序列殘缺與疾病的關(guān)系、序列變異體等信息。 /swissprot/,二級(jí)核酸序列數(shù)據(jù)庫(kù) CUTG：密碼子使用頻度表 www.dna.affrc.go.jp/nakamura/CUTG.html EPD：真核生物啟動(dòng)子數(shù)據(jù)庫(kù) www.epd.isb-sib.ch/ OOTFD：轉(zhuǎn)錄因子和基因表達(dá)數(shù)據(jù)庫(kù) / RepBase：真核生物DNA中重復(fù)序列數(shù)據(jù)庫(kù) www.firinst.orf/server/repbase.htm

13、l MPDB：外顯子和內(nèi)含子數(shù)據(jù)庫(kù) www.biotech.ist.unige.it/interlab/mpdb.html,三 專門研究的數(shù)據(jù)庫(kù),HGMD(可用于預(yù)測(cè)基因疾病)： www.uwcm.ac.uk/medical_genetics/research/hgmd/ PDD(人類體液中蛋白質(zhì)與疾病關(guān)系)： /pdd/ HIV(愛滋病分子免疫學(xué))： /immunology/immuno-main.html WIT(重構(gòu)代謝) ：/wit2/ CSNDB(細(xì)胞信號(hào)網(wǎng)絡(luò))：geo.nihs.g

14、o.jp/csndb/,AgDB(農(nóng)業(yè)數(shù)據(jù)庫(kù)和信息資源總清單)：/agdb/ PharmGKB( 藥物遺傳學(xué)和藥物基因組學(xué))：/ GBIF(全球生物多樣性信息機(jī)構(gòu))：/linkfram.htm 四 模式生物數(shù)據(jù)庫(kù) 模式生物：,人（Homo sapiens)； 小鼠（Mus musculus）； 大腸桿菌（Escherichia coli）； 釀酒酵母（Saccharomyces cerevisiae）； 果蠅（Drosophila melanogaster）：遺傳； 秀麗線蟲（Caenorhabitedis el

15、egans）：只有約千個(gè)細(xì)胞的動(dòng)物，研究RNAi的模式生物； 海膽（Strongylocentrotus purpuratus）：研究發(fā)育和基因調(diào)控的模式生物； 擬南芥（Arabidopsis thaliana）：生活周期6周的十字花科植物，研究植物的模式生物。,1 各種生物信息中心 2 大腸桿菌K12完全基因組序列： /pub/ 3 MYGD(酵母基因組蛋白質(zhì)和同源關(guān)系數(shù)據(jù)庫(kù)) www.mips.biochem.mpg.de/proj/yeast/ 4 BDGP(果蠅基因組中心)： /,五 其他數(shù)據(jù)庫(kù),1 PubMed

16、：生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù) 2 OMIM（Online Mendelian inheritance in Man)：保存所有已知的人類生物學(xué)和疾病信息的數(shù)據(jù)庫(kù) 3 GeneCard：/ 保存注釋過(guò)（定性）基因的數(shù)據(jù)庫(kù) 4 LocusLink：同3,六 數(shù)據(jù)庫(kù)目錄,1 核酸研究(每年第一期是數(shù)據(jù)庫(kù)專集) ：/ 2 NAR (核酸研究數(shù)據(jù)庫(kù)總匯) ：www3.oup.co.uk/nar/databse/ 3 DBcat (法國(guó)生物信息中心)：biogen.fr/services/dbcat/ 4 nature(

17、介紹基因組測(cè)序進(jìn)展的新聞)： www.nature/genomics 問(wèn)題：生物信息數(shù)據(jù)庫(kù)的作用,第二章 數(shù)據(jù)庫(kù)檢索,一 序列數(shù)據(jù)庫(kù)檢索 1 序列檢索工具： Entrez：Batch Entrez (批處理) ，NCBI提供的集成檢索工具。可以通過(guò)一次檢索而查詢到多個(gè)子系統(tǒng)中的所有信息。 主頁(yè)面有兩個(gè)窗口 1) 下拉式菜單：選擇14個(gè)數(shù)據(jù)庫(kù) 2) 搜索：關(guān)鍵詞、作者、雜志、名、物種、檢索號(hào)等。 3) 查詢結(jié)果右上角的link表示與其他數(shù)據(jù)庫(kù)的超級(jí)連接。,SRS：Sequence Retrieval System，EBI的檢索工具。 有三種查詢方式： 1）Quick Sequence：快速查詢。

18、選擇數(shù)據(jù)庫(kù)查關(guān)鍵詞。 2） Standard：標(biāo)準(zhǔn)查詢。由用戶限定查詢條件。 3） Extended：擴(kuò)展查詢。可以將輸入關(guān)鍵詞的查尋范圍限定在物種、說(shuō)明、作者、文獻(xiàn)等范圍內(nèi)，也可以先定日期和序列長(zhǎng)度。,二 序列文件的格式,1 GBFF格式（ GenBank flatfile， GenBank平面文件）。 （圖 1，圖2，圖3） BACs（bacterial artificial chromosomes）細(xì)菌人工染色體：攜帶人類基因DNA片段的細(xì)菌載體 YACs（yeast artificial chromosomes）酵母人工染色體：攜帶人類基因DNA片段的酵母載體 STS（sequence

19、 tagged site）序列標(biāo)簽位點(diǎn)：染色體上獨(dú)特的DNA序列短片段 ESTs（expressed sequence tags）表達(dá)序列標(biāo)簽：cDNA 5端的短片段,2 FASTA格式 ： 第一行：打頭的文字說(shuō)明，主要為標(biāo)記序列用。第二行開始是序列，每行不超過(guò)80個(gè)字母（核酸大小寫均可，氨基酸一般大寫）。由于FASTA沒(méi)有特殊的結(jié)束標(biāo)志，建議最后留一空行。 gi | 1293613 | gb | U49845 | SCU49845 Saccharomyces cerevisiae TCP-beta gene, partial cds; and Axl2p (AXL2) and Rev7p (

20、REV7) genes, complete cds gatcct ,3 EPD格式和PDB數(shù)據(jù)格式： （圖4） 問(wèn)題：自己設(shè)計(jì)一個(gè)檢索路徑。,第三章 序列比對(duì),用戶提交一個(gè)核酸或蛋白質(zhì)序列，同指定數(shù)據(jù)庫(kù)的全部序列做比較，尋找一個(gè)得分最高（或代價(jià)最?。┑谋葘?duì)。通過(guò)相似序列的種類和功能，確定其種類和功能。 序列比對(duì)的基本思想基于一條分子生物學(xué)規(guī)則：當(dāng)兩個(gè)分子享有相似的序列時(shí)，由于進(jìn)化關(guān)系和物理化學(xué)限制，它們將很有可能具有相似的三維結(jié)構(gòu)和生物學(xué)功能。,一 序列比對(duì)策略：分兩種（圖5） 1 最簡(jiǎn)單的操作：提交一個(gè)核酸或蛋白質(zhì)序列，同一級(jí)數(shù)據(jù)庫(kù)的序列做比較，人工判斷同源性?；驹瓌t：尋找一個(gè)最佳對(duì)齊方式

21、。 2 基于知識(shí)的預(yù)測(cè)：將已知樣本抽象成代表序列-結(jié)構(gòu)或序列-功能相關(guān)性的經(jīng)驗(yàn)規(guī)則，由其判斷同源性（如motif庫(kù)）。此方法的首要任務(wù)是找出可以擴(kuò)展到結(jié)構(gòu)和功能性質(zhì)的序列特征。,兩條序列相似程度的量化表示：相似度（表示相似程度的函數(shù)）；距離（表示不相似程度的函數(shù)，有海明距離和編輯距離） 代價(jià)（cost）或權(quán)重（weight）： w（a，a）= 0 w（a，b）= 1 （a w（a，-）= w（-，b）= 1 得分（score）：p （a，a）= 1 p （a，b）= 0 （ab） p （a，-）= w（-，b）= -1,例1：兩條字符串AIMS和AMOS的最佳對(duì)齊方式 A I M S A MO

22、S 例2：兩個(gè)氨基酸序列ARRSG和ARKTVG。 ARRS G ARKTVG,二 算法：,1 點(diǎn)陣分析：用兩條序列為X和Y軸構(gòu)建二維矩陣，用點(diǎn)表現(xiàn)兩條序列的相似部分。點(diǎn)所包含的片段長(zhǎng)度叫窗口，匹配長(zhǎng)度叫相似度閾值。 2 動(dòng)態(tài)規(guī)劃算法：最優(yōu)對(duì)位排列方法 對(duì)兩個(gè)序列a=a1a2an和b=b1b2bn，當(dāng)S=S(a1a2ai，b1b2bi)時(shí)有： Sij= maxSi-1, j-1+s(ai , bj), max (Si-x, j+Wx), max(Si, j-y+Wy) Sij：ij位置的分值；s(ai , bj)： Sij的打分分值； Wx ：長(zhǎng)度為x的空位(間隔)罰分。,蛋白質(zhì)打分矩陣： P

23、AM1矩陣：根據(jù)71組相似性在85%以上的蛋白質(zhì)序列中的1572種變化來(lái)估計(jì)氨基酸在蛋白質(zhì)進(jìn)化中被替換的預(yù)期頻率。設(shè)為表現(xiàn)每108年一個(gè)突變的替換頻率（假定每一個(gè)特定位點(diǎn)的每一個(gè)變化都是獨(dú)立的）。 不同的PAM 矩陣可應(yīng)用于不同相似性水平序列比對(duì)。例：PAM 250、PAM120、 PAM80和PAM60分別用于1427%、40%、50%、和60%相似性的序列比對(duì)。 PAM250由PAM1自乘250次產(chǎn)生，代表25億年中250%的預(yù)期變化水平。(PAM250的矩陣，圖7),打分矩陣：,BLOSUM矩陣：在有500個(gè)蛋白質(zhì)家族的數(shù)據(jù)庫(kù)（PROSITE）中針對(duì)2000個(gè)保守氨基酸模式進(jìn)行替換頻率鑒

24、定。 具有60%同一性的模式聚在一起構(gòu)造一個(gè)矩陣就是BLOSUM60，依此類推。 PAM模型可用于尋找蛋白質(zhì)的進(jìn)化起源，BLOSUM模型可用于發(fā)現(xiàn)蛋白質(zhì)的保守域。 核酸打分矩陣： PAM矩陣 單位矩陣：相同堿基為1，不同為0。 轉(zhuǎn)換-顛換矩陣：相同堿基為正1分，轉(zhuǎn)換為-1分，顛換為-5分。,在不知道序列間的相似性大小時(shí)，需用H（相對(duì)平均信息量）判斷選擇合適的矩陣。一般來(lái)說(shuō)，若其他因素相同，H值高的合適。 20 i H=qij*Sij i=1 j=1 q：每個(gè)氨基酸對(duì)出現(xiàn)的頻率，S：每個(gè)氨基酸對(duì)的分值（以log2為單位，稱比特bit）。 空位罰分：wx=g+rx 或 wx=g+r( x 1) 。

25、 g：空位窗，單個(gè)空位的罰分；r：空位擴(kuò)展罰分，多個(gè)空位的追加罰分；x：空位長(zhǎng)度。,A 全局比對(duì)：全局比對(duì)是兩條序列從頭到尾的比對(duì)，有Needleman-Wunsch算法。 第一步：用兩條序列為X和Y軸構(gòu)建二維矩陣，矩陣中只有元素S0,0=0，從S0,0開始，對(duì)每一個(gè)位點(diǎn)賦值。賦值由出發(fā)點(diǎn)的分值+打分（罰分）組成。在所有路徑中選分最高的。 第二步：當(dāng)矩陣中所有位點(diǎn)的賦值完成后，從最高分值位點(diǎn)回溯，找出的分值最高的路徑就是最優(yōu)化的序列對(duì)位排列方式。（圖6）,B 局部比對(duì)：是一條序列的片斷與一條完整序列之間的比對(duì)，有Smith-Waterman算法。 對(duì)于矩陣中所有j，令D0,j=0，對(duì)于矩陣中所

26、有i，令D0,i=0，就可能實(shí)現(xiàn)兩條序列的局部比對(duì)。這對(duì)于在由多個(gè)區(qū)域組成的序列中發(fā)現(xiàn)多個(gè)匹配有用。 C 高分值片段對(duì)（HSP）判斷： P(Sx)=1-exp(-Kmne-x)； X：片段長(zhǎng)度。 P(Sx)是最大片段的分大于X的概率。 顯著性評(píng)價(jià)：E(S)=log(Kmn)/ E：期望分值(序列最長(zhǎng)匹配的期望值)；K：錯(cuò)配數(shù)；m和n：序列長(zhǎng)度； = loge(1/p)。,3 散列算法：不是比較兩個(gè)序列中單個(gè)的殘基，而是搜索匹配序列模式或k-串。 在該方法中，需要為每個(gè)序列建立一個(gè)查詢表來(lái)標(biāo)明每個(gè)長(zhǎng)度為k的單詞(k-串)的位置。 每個(gè)單詞在兩個(gè)序列中的相對(duì)位置可用第二個(gè)序列中的位置減去第一個(gè)得到

27、。k-串長(zhǎng)度由用戶指定。 例：在二個(gè)序列中查找長(zhǎng)度為3的k-串 位置 1 2 3 4 5 6 7 8 9 10 11 序列1 n c s p t a 序列2 a c s p r k,Position in offset 序列1 序列2 序列2-序列1 a 6 6 0 c 2 7 5 k - 11 n 1 - p 4 9 5 r - 10 s 3 8 5 t 5 - 快速發(fā)現(xiàn)一個(gè)可能的對(duì)位排列 序列1 n c s p t a 序列2 a c s p t a,三 序列搜尋工具及其應(yīng)用：,1 BLAST(Basic Local Alignment Search Tool)： 基本局域聯(lián)配搜尋工具，將

28、所查詢的序列打斷成為許多小序列片段（叫做字“W”），然后用小序列片段逐步與數(shù)據(jù)庫(kù)序列進(jìn)行無(wú)空隙比對(duì)。挑出分值大于閾值T的所有相似片段。對(duì)目標(biāo)序列和挑出的數(shù)據(jù)庫(kù)序列進(jìn)行無(wú)空隙局部比對(duì)。從字開始向兩邊延伸。用統(tǒng)計(jì)置信度檢驗(yàn)找到HSP的組合。 E-value(expect value)：E=mn2-S m：目標(biāo)序列的有效長(zhǎng)度 n：數(shù)據(jù)庫(kù)的有效長(zhǎng)度（總堿基數(shù)） S ：標(biāo)準(zhǔn)比值（bit score）。,：前期加工分值,R-mnK S= ln2 和K是正規(guī)化參數(shù) R：前期加工分值（raw score） R=aI+bX+cO+dG a：對(duì)每個(gè)完全匹配的加分，I：完全匹配的個(gè)數(shù) b：對(duì)每個(gè)錯(cuò)配的加分，X：錯(cuò)配

29、的核苷酸數(shù) c：每開發(fā)一個(gè)gap的罰分，O： gap的數(shù)目 d： gap中每個(gè)“-”的罰分，G：總的 “-”的數(shù)目,2 FASTA：對(duì)角線方法，原理基于散列算法 3 比對(duì)步驟： 比對(duì)基因：選擇megaBLAST、數(shù)據(jù)庫(kù)，選擇濾過(guò)程序，如濾過(guò)低復(fù)雜度區(qū)域（low complexity region，LCR）即重復(fù)元件；選擇相似度/字長(zhǎng)(SCORES/ALIGN ) 、空位設(shè)置(GAPOPEN)、空位擴(kuò)展(GAPTEXT)。設(shè)定E的閾值（S，缺省值為10）。 比對(duì)蛋白質(zhì)：選擇BLASTp、數(shù)據(jù)庫(kù)，選擇濾過(guò)程序，設(shè)定E的閾值（缺省值為10）。 通常先用BLAST，結(jié)果不理想時(shí)再用FASTA。 應(yīng)先做

30、蛋白質(zhì)，再做核酸的序列比較。,序列比對(duì)結(jié)果：最佳匹配序列描述所使用程序的描述、版本及相關(guān)信息, 所要檢索的序列長(zhǎng)度, 所要檢索的數(shù)據(jù)庫(kù)信息，包括序列記錄數(shù)和字符數(shù)圖形化的檢索結(jié)果 Score E Sequences producing significant alignments: (bits) Value gi|576838|gb|L37747.1|HUMLAM11 Homo 900 0.0 gi|18854963|AC093532.2| Homo sapiens 862 e-167 Query: 616 gag gaannnnnnngtaata 675 | | | | | | | | |

31、| | | Subjct: 616gag gaat t t t t t t gtaata 675,例：假肥大性肌營(yíng)養(yǎng)不良癥（DMD）基因分析 DMD是一種隱性遺傳疾?。ǜ秷D10.2）。前期實(shí)驗(yàn)工作證明該疾病是X和6號(hào)染色體重組所至。在重組部位找到引起DMD的基因/蛋白質(zhì)dystrophin。 Dystrophin 在連接細(xì)胞骨架與外骨架上起著重要作用。通過(guò)BLAST2搜索，發(fā)現(xiàn)另一種蛋白u(yù)trophin，其與dystrophin有一個(gè)高度保守的序列DVQKKTFTKW，該序列參與形成螺旋。通過(guò)免疫定位，顯示utrophin位于骨骼肌中，并且聚集在神經(jīng)-肌肉接點(diǎn)處。到目前為止，還沒(méi)有發(fā)現(xiàn)任何一種

32、由utrophin引起的疾病，使引入utrophin作為治療DMD的手段被考慮。（付圖10.3-10.8）,多序列比對(duì)的目標(biāo)是發(fā)現(xiàn)多條序列的共性。 應(yīng)用于： （1）基因組測(cè)序; （2）提供相似區(qū)域的信息; （3）揭示結(jié)構(gòu)和功能的關(guān)系; （4）預(yù)測(cè)相同或不同有機(jī)體的相似家族或同一類群的其他成員。,四 多序列比對(duì),1 全局比對(duì) （1）逐對(duì)加和（sum-of-pairs， SP）方法 三條序列A、B、C，分別進(jìn)行A-B、A- C、B-C比對(duì)，產(chǎn)生三個(gè)二維距陣，尋找其中的最優(yōu)排列。計(jì)算SP函數(shù)（一列中所有字符對(duì)得分之和） k-1 k SP-score(c1,c2,ck)=p(ci,cj) i=1 j=

33、i+1 （c是列中的字符；k是序列個(gè)數(shù)；p是相似性打分函數(shù)。） 加和所有列的得分。該方法比對(duì)的序列不能太多。程序：MSA（/）,（2）動(dòng)態(tài)規(guī)劃算法 首先使用動(dòng)態(tài)規(guī)劃法獲得多重排列，從最相關(guān)序列開始，逐步疊加相關(guān)性小的序列。 程序： CLUSTALW（圖） 主要步驟： A 對(duì)所有序列進(jìn)行比對(duì)； B 生成系統(tǒng)發(fā)生樹； C 通過(guò)加權(quán)，依次排列序列。 （3）其他方法： 聚類方法；構(gòu)樹方法。,2 序列中的局部比對(duì)： （1）可以鑒定排列中高度保守的部分并產(chǎn)生一類稱為概型（profile）的記分矩陣。 概型由更像小的多重比對(duì)的列構(gòu)成，包括匹配、錯(cuò)配、插入和缺失?？捎糜趯ふ乙粋€(gè)可能與之匹

34、配的目標(biāo)序列。 程序：GCG軟件包中的PILEUP （2）區(qū)塊分析：區(qū)塊（block）也是在多重比對(duì)中代表一個(gè)保守區(qū)域。與概形不同之處在于序列中缺乏插入和缺失的位置。（BLOCKS） （3）基序搜索： （EMOTIF）,第四章 在系統(tǒng)發(fā)生分析中的應(yīng)用,進(jìn)化樹：有一系列節(jié)點(diǎn)和分支組成。每個(gè)節(jié)點(diǎn)代表一個(gè)分類單元（物種或序列）。一般情況下，外部節(jié)點(diǎn)代表實(shí)際觀察到的分類單元，內(nèi)部節(jié)點(diǎn)為分支點(diǎn)，他代表了進(jìn)化事件發(fā)生的位置，或代表分類單元進(jìn)化歷程中的祖先。 進(jìn)化樹類型：二元樹，無(wú)根樹，有根樹。 直系同源：不同物種之間擁有共同的功能的基因。 旁系同源：在同一生命體中，因復(fù)制過(guò)程中發(fā)生歧異而產(chǎn)生的功能不同的基

35、因。 蛋白質(zhì)超家族：具有某種共同結(jié)構(gòu)域的所有分子組成的分子集合。,分子進(jìn)化論：20世紀(jì)60年代，Zucherkandl等發(fā)現(xiàn)某一在不同物種間的氨基酸取代數(shù)與所研究物種間的分歧時(shí)間接近正線性關(guān)系，進(jìn)而將分子水平的這種恒速變異稱為“分子鐘”。支持分子鐘存在的證據(jù)來(lái)自免疫學(xué)的定量比較。但分子序列證據(jù)與化石證據(jù)在人類起源時(shí)間上存在差異。 分子進(jìn)化原則： 1) 每個(gè)位點(diǎn)進(jìn)化速率恒定； 2) 進(jìn)化速率=突變替換數(shù)/每位點(diǎn)/每年； 3) 破壞小的比破壞大的突變進(jìn)化頻繁； 4) 基因復(fù)制在基因獲得新功能前發(fā)生。,建樹步驟,（1）分子序列或特征數(shù)據(jù)的分析； （2）進(jìn)化樹構(gòu)造； （3）結(jié)果檢驗(yàn)。 建樹算法 應(yīng)用的

36、分子數(shù)據(jù)分兩類： （1）距離數(shù)據(jù)。由相似度打分的比對(duì)，需轉(zhuǎn)化為距離： d(i,j)=1-(S(i,j)-Sr(i,j)/(Smax(i,j)- Sr(i,j),S (i,j)：序列i和j各個(gè)比對(duì)位置得分的加權(quán)和; Sr (i,j)：序列i和j隨機(jī)化后的比對(duì)得分的加權(quán)和; Smax(i,j)：序列i和j所有可能比對(duì)的最大值。 兩個(gè)序列歸一化距離的值處于0和1之間，當(dāng)兩個(gè)序列完全一致時(shí)，距離為0；當(dāng)兩個(gè)序列差異很大時(shí)，距離接近于1。 （2）離散特征數(shù)據(jù)：能夠表現(xiàn)序列特征的數(shù)據(jù)。分為： 二態(tài)特征：即具有和不具有，常用0和1表示； 多態(tài)特征：具有兩種以上可能的狀態(tài)。,1 基于距離的方法：用距離矩陣描述

37、。 常用距離方法： （1）連鎖聚類方法和非加權(quán)分組平均方法（除權(quán)配對(duì)法，UPGMA） ：從最近的兩個(gè)樹葉開始，定義一個(gè)新節(jié)點(diǎn)。不斷重復(fù)，最終產(chǎn)生樹根。前提是替換速度均等且一致。 例：序列A ACGCGTTGGGCGATGGCAAC B ACGCGTTGGGCGACGGTAAT C ACGCATTGAATGATGATAAT E ACACATTGAGTGATAATAAT 找出一個(gè)序列變成另一個(gè)序列所需的步驟數(shù) nAB=3，nAC=7，nAD=8，nBC=6，nBD=7，nCD=3,構(gòu)建距離表 A B C D A - 3 7 8 B - - 6 7 C - - - 3 D - - - - 根據(jù)序列之

38、間的距離構(gòu)建樹 連鎖聚類法：（A）初始化：分別用n個(gè)葉節(jié)點(diǎn)代表每個(gè)類（分類單元的集合）；（B）執(zhí)行下列循環(huán)：尋找具有最小距離dxy的兩個(gè)類x,y；建立一個(gè)新的聚類z，以z為一個(gè)新的內(nèi)部節(jié)點(diǎn)， z到 x和y的分支的長(zhǎng)度為d(x,y )/2；,按 d(z,u)=(d(x,u)+d(y,u)/2 計(jì)算新的分類到其他類的距離；從距離矩陣中刪除與x和y相應(yīng)的行和列，加入與z相應(yīng)的行和列。從頭循環(huán)，直到僅剩一個(gè)類為止。 UPGMA：一個(gè)新類到其他類(u)之間的距離就是簡(jiǎn)單的原距離平均值；計(jì)算： d(x,y),u=(nx/(nx+ny)dx,u+(ny/(nx+ny)dy,u n是每個(gè)類的元素個(gè)數(shù)。 2 1

39、 A 4 C B D 1 2,（2）距離變換法：考慮了不同家族的不同進(jìn)化速率，利用外部參考種幫助確定正確的樹。設(shè)D為外部參考種，其就作為變換其他物種之間距離的參考： dij=(dij-diD-djD)/2+dD (i,j=A,B,C) dij是i和j之間的變換后距離，dD是利用外部參考種與全體內(nèi)部物種之間的平均距離。在此， dD =(dAD-dBD-dCD)/3。 （3）鄰位相連法（NJ）：在進(jìn)行類的合并時(shí)，不僅要求待合并的類是相近的，同時(shí)，還要求待合并的類遠(yuǎn)離其他的類。,（1）簡(jiǎn)約法（MP） 例：根據(jù)4個(gè)已排列序列尋找正確的無(wú)根樹 序列位點(diǎn)和性狀 Taxa 1 2 3 4 5 6 7 8 9

40、 1 A A G A G T G C A 2 A G C C G T G C G 3 A G A T A T C C A 4 A G A G A T C C G 尋找信息位點(diǎn)（每個(gè)特征必須在至少兩個(gè)分類群中相同的位點(diǎn)），為5，7，9。,2 基于特征數(shù)據(jù)的方法,構(gòu)建信息位點(diǎn)可能的樹 位點(diǎn)5的樹1 樹2 樹3 分類群1 分類群3 分類群1 分類群2 分類群1 分類群2 G A G G G G G * A * A A * * A A * G A A A A A 分類群2 分類群4 分類群3 分類群4 分類群4 分類群3 樹1中群1 和群2有共同祖先，群3和群4有共同祖先，變化數(shù)為1；樹2和樹3變化數(shù)

41、為2。 將每個(gè)樹每個(gè)信息位點(diǎn)的變化數(shù)相加，挑出變化數(shù)最小的樹為最優(yōu)樹。,（2）最大似然法（ML）： 對(duì)每個(gè)可能的進(jìn)化位點(diǎn)分配一個(gè)概率，然后找出概率最大的進(jìn)化樹。 建樹策略（圖10）。確定樹根（根據(jù)外組或中點(diǎn)）。 進(jìn)化樹的可靠性檢驗(yàn) （1）使用不同的建樹方法 （2）自舉（自展）檢驗(yàn)：替換或重組序列。 （3）參數(shù)檢驗(yàn)：對(duì)兩棵樹進(jìn)行乘數(shù)比較。,第五章 信息生物學(xué)在基因組構(gòu)建中的應(yīng)用,人類基因組工作已完成序列圖譜測(cè)定，進(jìn)一步需要確定遺傳圖譜和基因圖譜。 遺傳圖譜：表現(xiàn)基因組的遺傳特點(diǎn)。基因組內(nèi)基因及其專一的多態(tài)性DNA標(biāo)記相對(duì)位置的圖譜。第一代標(biāo)記:限制性片段長(zhǎng)度多態(tài)性（RFLP）；第二代標(biāo)記:微衛(wèi)星

42、DNA（MS，同時(shí)也是物理圖譜的標(biāo)志）；第三代標(biāo)記:單核苷酸多態(tài)性（SPN）。 基因圖譜：表現(xiàn)核酸序列中的基因、調(diào)節(jié)元件、重復(fù)序列以及各種重排結(jié)構(gòu)。,1 從基因組序列中尋找編碼蛋白質(zhì)的基因 （1）通過(guò)EST尋找新基因：即通過(guò)合成mRNA 3端片段的cDNA尋找EST，通過(guò)構(gòu)建包含這些EST區(qū)的重疊群，再進(jìn)行ORF的判定以及相關(guān) 蛋白質(zhì)結(jié)構(gòu)域和模體的識(shí)別。另外還可以尋找與這個(gè)EST重疊群對(duì)應(yīng)的基因組DNA(gDNA )序列，從而明確這個(gè)cDNA的基因結(jié)構(gòu)，包括外顯子和內(nèi)含子的電子定位。 （2）相似序列的數(shù)據(jù)庫(kù)搜索：對(duì)于一個(gè)未知功能的序列，一個(gè)匹配的基因可以給出功能的線索；一個(gè)已知功能的序列也可以

43、用于搜索具有同樣功能的基因。,一 人類基因克隆計(jì)劃和基因的識(shí)別和鑒定,原核生物的基因預(yù)測(cè)方法 在一個(gè)片段中尋找一個(gè)基因：尋找較高保守性的序列（代表啟動(dòng)子區(qū)域，在一段未知序列上具有相同的順序和間隔。圖9-2），對(duì)其后序列進(jìn)行ORF分析。 對(duì)一個(gè)片段的全面預(yù)測(cè)：建立一個(gè)大腸桿菌的隱馬爾可夫模型，然后擴(kuò)展到包括多基因以及基因間的序列。這一模型能檢查一個(gè)未知基因組成的序列并尋找基因，即一組標(biāo)明氨基酸的密碼子，兩側(cè)是起始和終止密碼子。模型的可靠性依賴于基因起始和終止信息的準(zhǔn)確性。,真核生物的基因預(yù)測(cè)方法 1）簡(jiǎn)單方法：用所有可能的閱讀框?qū)π蛄羞M(jìn)行翻譯，并應(yīng)用BLASTX或FASTX程序比較翻譯序列與蛋白

44、質(zhì)數(shù)據(jù)庫(kù)。 ORF預(yù)測(cè)的可靠性檢驗(yàn)： （1）密碼子偏好性：同一ORF中同義密碼子的第3個(gè)堿基傾向相同，既同一生物有在同義密碼子中選擇某些密碼子的特性。 ORF的偏好性表(CUSP), bioweb.pasteir.fr/seqanal/interfaces/cusp.html,偏好性分析(SYCO), 圖12-5 bioweb.pasteir.fr/seqanal/ interfaces/syco.html （2）同源比對(duì)：將ORF翻譯成氨基酸序列，然后進(jìn)行數(shù)據(jù)庫(kù)比較，如果發(fā)現(xiàn)一個(gè)或多個(gè)顯著相似的序列， ORF的可信度高。 （3）尋找剪切位點(diǎn)： NetGene2, www.cbs.dtu.dk

45、/services/NetGene2/ SpliceView, r.it/webgene/wwwspliceview.html （4）尋找轉(zhuǎn)錄終止信號(hào)： Hcpolya, r.it/webgene/www.HC_polya.html （5） 確定核小體位點(diǎn),2）其他方法： (1)尋找CpG島：通常出現(xiàn)在持家基因或頻繁表達(dá)的基因啟動(dòng)子周圍。其中80%的人類基因的轉(zhuǎn)錄起始位點(diǎn)前存在CpG島。 工具1：EMBL的CpGPlot/CpGReport/Isochore www.ebi.ac.uk/emboss/cpgplot/ CpGPlot ：以圖示（圖9-3）形式顯示分析結(jié)果；Obs/Exp、GC百

46、分含量、 CpG島位置 CpGReport：以報(bào)表形式顯示分析結(jié)果； 包含CpG島的位置、大小、 C+G總量和CG百分含量（圖9-4） Isochore：以圖形方式標(biāo)出不同的等線體的CG含量,工具2： GpC Island Grapher： tiamat.kaist.ac.kr/util/cgi-web/ (2) 尋找啟動(dòng)子與轉(zhuǎn)錄因子結(jié)合位點(diǎn)：圖12-1 TRES, .sg/tres/ 神經(jīng)網(wǎng)絡(luò)啟動(dòng)子預(yù)測(cè), /seq_tools/promoter.html (3)尋找其他順式元件： Cister,

47、/mfrith/cister.shtml 3）基因組裝：將預(yù)測(cè)出來(lái)的外顯子組裝成為一致的基因模型。 剪切給體（donnor）位點(diǎn)：內(nèi)含子的5端 gt 剪切受體（acceptor）位點(diǎn)：內(nèi)含子的3端 ag,基于動(dòng)態(tài)規(guī)劃的組裝方法 組裝形成的候選基因需滿足下列條件： （1）所有外顯子加起來(lái)的長(zhǎng)度是3的整倍數(shù)； （2）在各個(gè)外顯子內(nèi)部（除最后一個(gè)外顯子的最后一個(gè)密碼）沒(méi)有終止密碼; （3）第一個(gè)內(nèi)含子-外顯子邊界（i0,e1）是翻譯起始密碼，而最后一個(gè)外顯子-內(nèi)含子邊界（en,in）是終止密碼。 包含完整基因的序列滿足條件 (1) (3)，包含不完整基因的序列不滿足條件 (1) 或 (3)。 完整基

48、因的組裝：把標(biāo)明候選外顯子和內(nèi)含子的序列構(gòu)造成位點(diǎn)圖。然后通過(guò)打分處理，尋找最優(yōu)路徑（圖10-3）。,基于剪切比對(duì)的組裝方法 首先通過(guò)分析所有可能的剪切受體位點(diǎn)和供體位點(diǎn)，構(gòu)建一組候選的外顯子；然后，進(jìn)一步分析候選外顯子，探查所有可能的外顯子組合，尋找一個(gè)與已知序列（如mRNA、蛋白質(zhì)）最匹配的組合。圖10-4,2 從一個(gè)提交的未知序列中預(yù)測(cè)基因： 1）判定載體污染 污染：被檢測(cè)序列含有外源序列，主要有載體、接頭和引物、轉(zhuǎn)座子和提取純度。主要方法：在載體數(shù)據(jù)庫(kù)中做相似性搜索，限制性酶切位點(diǎn)搜索。工具： VecScreen， www.ebi.ac.uk/blastall/vectors.html

49、 2）屏蔽重復(fù)序列： 新序列自身的單位距陣比對(duì)，用于找出互補(bǔ)、轉(zhuǎn)座、重復(fù)等結(jié)構(gòu)。,RepeatMasker: /cgi-bin/RepeatMasker XBLAST: bioweb.pasteur.fr/seqanal/interfaces/ xblast.html#_data 3）尋找外顯子或ORF 識(shí)別規(guī)律：核糖體結(jié)合位點(diǎn)可用于確定編碼區(qū)的起始位點(diǎn)（圖9-1，2） 。當(dāng)ORF的長(zhǎng)度達(dá)到一定程度時(shí)，可以認(rèn)定其為編碼序列。 4）將編碼蛋白質(zhì)的DNA翻譯成蛋白質(zhì)，進(jìn)行蛋白質(zhì)數(shù)據(jù)庫(kù)搜索。這是一個(gè)重要原則，因?yàn)榈鞍踪|(zhì)的復(fù)雜性是DNA的5倍。,二 R

50、NA二級(jí)結(jié)構(gòu)判斷 （1）預(yù)測(cè)分子中最可能產(chǎn)生堿基配對(duì)區(qū)域的方法 A 條件：最可能的結(jié)構(gòu)類似能量最穩(wěn)定的結(jié)構(gòu)；雙鏈區(qū)中堿基對(duì)的能量只受前面堿基對(duì)影響，與較遠(yuǎn)和結(jié)構(gòu)中其他堿基對(duì)無(wú)關(guān)；無(wú)結(jié)。 B 最簡(jiǎn)單的方法：利用RNA序列自補(bǔ)區(qū)的點(diǎn)陣比較。將序列列于橫軸，互補(bǔ)鏈列于縱軸，方向5-3。點(diǎn)表示相同核苷酸片斷。 C 最小自由能法：計(jì)算雙鏈區(qū)中每一對(duì)堿基的堆疊能量和不穩(wěn)定區(qū)域的估計(jì)能量之和。 （2）考慮堿基配對(duì)保守模式的方法。協(xié)同變異 （3）二級(jí)結(jié)構(gòu)的模建：隨機(jī)上下文無(wú)關(guān)文法。,1 判斷蛋白質(zhì)的功能和結(jié)構(gòu)域。 （1）模體搜索：基序（motif）是通過(guò)對(duì)一個(gè)蛋白質(zhì)家族進(jìn)行多序列比對(duì)檢測(cè)出來(lái)的一種高度保守元件

51、，通常對(duì)應(yīng)于一些功能域和結(jié)構(gòu)域。模體搜索的對(duì)象是序列中一些關(guān)鍵的保守氨基酸，忽略了其他位置的氨基酸多態(tài)性。 PROSITE：一個(gè)蛋白質(zhì)家族和結(jié)構(gòu)域數(shù)據(jù)庫(kù)。包括重要的位點(diǎn)、序列模式和序列表譜。 www.expasy.ch/prosite/ /tools/scanprosite/,三 蛋白質(zhì)功能的預(yù)測(cè)和鑒定,PRINTS fingerprint Database：指紋圖譜是用來(lái)描述蛋白質(zhì)家族特征的一組保守模體組合。 ioinf.man.ac.uk/dbbrowser/PRINTS/printsman.html/ BLOCKS：通過(guò)一些高度保守的蛋白質(zhì)區(qū)域比對(duì)出來(lái)的無(wú)空位

52、的片斷。 / Pfam： www.sanger.ac.uk/Software/Pfam/index.shtml Prodom：Prodes.toulouse.inra.fr/dom.html SMART： www.ebi.ac.uk/interpro/,（2）通過(guò)蛋白質(zhì)結(jié)構(gòu)性質(zhì)比較，判斷蛋白質(zhì)的功能性質(zhì)(圖11) 2 其他功能序列分析 信號(hào)肽：通過(guò)神經(jīng)網(wǎng)絡(luò)法進(jìn)行預(yù)測(cè)(圖12-2，3) SignalP，www.cbs.dtu.dk/services/SignalP C：原始剪切位點(diǎn)的分值；S：信號(hào)肽分值；Y：綜合的剪切位點(diǎn)分值。

53、 跨膜結(jié)構(gòu)：根據(jù)跨膜蛋白質(zhì)數(shù)據(jù)庫(kù)Tmbase進(jìn)行預(yù)測(cè)（圖12-4），Tmpred，/software/TMPRED-form.html,卷曲螺旋：算出相似性得分，與卷曲螺旋得分分布比較，得出概率。 COILS， /software/COILS-form.html 糖基化位點(diǎn)： （圖12-7）， www.cbs.dtu.dk/services/ ProtParam， www.expasy.ch/tools/protararm.html,氨基酸序列通常被認(rèn)為攜帶有蛋白質(zhì)分子折疊成天然三維結(jié)構(gòu)的所有必需信息， 即蛋白質(zhì)結(jié)構(gòu)的形成是由

54、熱力學(xué)決定的。所以對(duì)給定的氨基酸序列，通過(guò)計(jì)算方法搜索其穩(wěn)定結(jié)構(gòu)從而預(yù)測(cè)其三維結(jié)構(gòu)就成為可能。即根據(jù)熱力學(xué)第一定律，建立從頭預(yù)測(cè)的方法。但是，在生物學(xué)中，鮮有熱力學(xué)第一定律的明確表述，所以基于知識(shí)的預(yù)測(cè)成為大多數(shù)核酸和蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的主要方法。,四 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè),1 基于一級(jí)結(jié)構(gòu)的蛋白質(zhì)性質(zhì)預(yù)測(cè)： （1）預(yù)測(cè)分子量，理論pI，氨基酸組成，原子組成，消光系數(shù)，半衰期，不穩(wěn)定系數(shù)和總平均親水性。 AAComldent： www.expasy.ch/tools/aacomp/ （2）模擬處理提交的蛋白質(zhì)序列，并對(duì)結(jié)果進(jìn)行分析。 PeptideMass： www.expasy.ch/tools/pe

55、ptide-mass.html 提供的主要服務(wù)有：鑒定從2-D凝膠電泳中分離的蛋白質(zhì)以及相關(guān)分析，為層析及沉降等實(shí)驗(yàn)提供參考數(shù)據(jù)。,（3）蛋白質(zhì)疏水性分析：是二級(jí)和三級(jí)結(jié)構(gòu)預(yù)測(cè)的一個(gè)必要的過(guò)程。一方面為二級(jí)結(jié)構(gòu)預(yù)測(cè)提供參考，還可以為結(jié)構(gòu)域及功能域劃分提供依據(jù)。 ProtScale， www.expasy.ch/tools/pscale 2 二級(jí)結(jié)構(gòu)的預(yù)測(cè) 基于統(tǒng)計(jì)的方法：第一代是基于單個(gè)氨基酸殘基統(tǒng)計(jì)分析；第二代是基于氨基酸片段的統(tǒng)計(jì)分析；第三代是 應(yīng)用蛋白質(zhì)序列的長(zhǎng)程信息和蛋白質(zhì)序列的進(jìn)化信息進(jìn)行的分析。,（1）Chou-Fasman法：基于單個(gè)殘基統(tǒng)計(jì) 殘基傾向性因子 Pi=Ai/Ti，(

56、i=, t, c) Ti：所有被統(tǒng)計(jì)殘基處于第i種構(gòu)象態(tài)的分?jǐn)?shù)， Ai ：第A種殘基的對(duì)應(yīng)分?jǐn)?shù)。 Pi1，該殘基傾向于形成第i種構(gòu)象態(tài)； Pi1，則認(rèn)為是螺旋核。從螺旋核向兩端延伸，直至4肽片段P的平均值小于1為止。按此方式找到的片斷長(zhǎng)度大于5，并且P的平均值大于P的平均值時(shí)，此片段為螺旋。,折疊規(guī)則：相鄰的6個(gè)殘基中如果至少有4個(gè)的P 1，則認(rèn)為是折疊核。折疊核向兩端延伸，直至4肽片段P的平均值小于1為止。若延伸后片段的P的平均值大于1.05，并且P的平均值大于P的平均值，則該片段為折疊。 轉(zhuǎn)角規(guī)則：如果f(i)f(i+1)f(i+2)f(i+3)大于7.510-5，四肽片段的平均值大于1，

57、并且Pt的平均值大于P和P的平均值，則該四肽片段為轉(zhuǎn)角。 重疊規(guī)則：假如預(yù)測(cè)出的螺旋區(qū)域和折疊區(qū)域存在重疊，而P的均值大于P的均值，則預(yù)測(cè)為螺旋，反之為折疊。,（2）GOR法：認(rèn)為中心殘基左右各8個(gè)氨基酸的側(cè)鏈都會(huì)影響二級(jí)結(jié)構(gòu)，針對(duì)長(zhǎng)度為17的殘基窗進(jìn)行二級(jí)結(jié)構(gòu)預(yù)測(cè)。該方法的數(shù)學(xué)基礎(chǔ)為條件概率。 （3）最小臨近法：從已知結(jié)構(gòu)但不一定同源的蛋白質(zhì)中，設(shè)定一定長(zhǎng)度的滑動(dòng)窗口搜索一些最相似的片段，用它們預(yù)測(cè)片段中心殘基的二級(jí)結(jié)構(gòu)。 其他還有：基于氨基酸疏水性的預(yù)測(cè)方法；隱馬爾可夫模型；人工神經(jīng)網(wǎng)絡(luò)法。 基于理論的方法：Lim法，Cohen法。,人工神經(jīng)網(wǎng)絡(luò)法 模擬神經(jīng)傳導(dǎo)方式建立的信息科學(xué)理論。 三層式前傳人工神經(jīng)網(wǎng)絡(luò)示意圖 輸入矢量 Inp 偏置點(diǎn) 隱含層 輸出值 Out,（1）前傳計(jì)算：節(jié)點(diǎn)對(duì)輸入值或激活值進(jìn)行處理得到輸出值 根據(jù)輸入值計(jì)算每個(gè)隱節(jié)點(diǎn)的激活值 激活值=(Inpiij)- 0 i:輸入單元；j：隱節(jié)點(diǎn)單元； ij：權(quán)重因子（反映第i個(gè)輸入對(duì)第j