序列比对与系统发生分析第四章

序列比对与系统发生分析第四章第1页，共193页。内容回顾：常见的生物信息学数据库；

数据库搜索；一级数据库（三大主要的核酸数据库？蛋白质数据库？；二级数据库；以关键词和词组为基础的数据库搜索；核酸和蛋白质序列为基础的数据库搜索；第2页，共193页。建立分子生物信息数据库的流程图第3页，共193页。关键词或词组为基础的数据库检索

关键词

名词、描述性词、词组序列注册号(Accessionnumber)

检索体系

EntrezSequenceRetrievalSystem(SRS)Integrateddatabaseretrievalsystem(DBGET)内容回顾：第4页，共193页。检索须知（1）

连接词AND,OR,NOT riceANDenzyme riceANDenzymeNOTkinase retrotransposonORretroelement

用引号将两个单词组成一个词组“diseaseresistance”diseaseresistance=diseaseANDresistance

第5页，共193页。检索须知（2）

wildcard“*”放在单词后使检索范围扩大，但专一性降低Wan*=所有以Wan开头的单词enzyme*=enzyme+enzymes

第6页，共193页。8大类44个与Entreze体系相连的数据库

第7页，共193页。Entrez主页/Entrez/Entrez系统中部分数据库之间的连接

检索方法（1）：数据库之间检索

Entrez主页，输入关键词各个数据库中检索到的信息数量

点击相应数据库查看信息目录，每一条信息与其它数据库的相关信息链接第8页，共193页。检索方法（2）：选择数据库检索

NCBI主页（）选择数据库，输入关键词检索到的信息目录，每一条信息与其它数据库的相关信息链接查看信息内容

第9页，共193页。选择数据库后，可选择在这一数据库中的检索内容、时间范围、分子类型、基因位点等

检索到的信息目录

点击“Limits”修改检索时间范围点击“Go”检索选择时间范围内的数据第10页，共193页。范围检索

检索分子量在2002－2009之间的蛋白质，输入“2002:2009[MolecularWeight]”，结果的详细内容

检索核苷酸长短在3000－4000之间的DNA，输入“3000:4000[SLEN]”，结果目录

检索注册号在AF123456－AF123478之间的核苷酸数据，输入AF123456:AF123478[Accessionnumber]，结果目录

第11页，共193页。16大类274个数据库与SRS体系相连Literature,BibliographyandReferencedatabases(9)GeneDictionariesandOntologies(7)Nucleotidesequencedatabase(32)Nucleotiderelateddatabases(8)UniprotUniversalProteinResource(7)Otherproteinsequencedatabases(14)Proteinfunctiondatabases(14)Proteinstructuredatabases(6)Proteininteractiondatabase(3)第12页，共193页。Enzymes,reactionsandmetabolicpathwaydatabases(7)MutationandSNPdatabases(1)Otherdatabases(7)Userowneddatabases(2)Applicationresultdatabases(18)EMBOSSresultdatabases(135)EMBLGDSGroupedBy(4)

16大类274个数据库与SRS体系相连（续）第13页，共193页。SRS基本检索规则与常用检索规则不同的检索规则用“|”代表“OR”，用“&”代表“AND”，用“!”代表“NOT”数字和日期检索片段长度检索时用“:”代表

或

，用“!”代表≠；如“12:”表示

12，“:12”表示

12，“!12:”表示>12，“:!12”表示<12，12:15表示

12而

15可以识别两种日期格式：YYYYMMDD或DD-MMM-YYYY；如20020619或19-Jun-2002第14页，共193页。索引检索（indexsearch）（不是所有SRS检索系统都可以进行索引检索）由数据库名、域名和检索词三部分组成，数据库和域名之间用“-”连接，域名与检索词之间用“:”（字符串检索）或“#”（范围检索）分开，如：[pir-des:elastase]表示在蛋白质数据库PIR的des（description）域搜索关键词“elastase”[swissprot-date#20010415:200220414]表示在蛋白质数据库SWISS-PROT中检索从2001年4月15日到2002年4月14日的所有记录[{swissprotswissnewsptrembl}-des:kinase]表示在SWISS-PROT、SWISSNEW和SPtrEMBL三个数据库中的des域搜索关键词“kinase”第15页，共193页。检索方法（1）：快速检索

操作简单，检索数据库有限适用于目标明确的检索在SRS主页选择数据库种类，输入关键词检索到的信息目录，每一条信息与其它数据库的相关信息链接查看信息内容

第16页，共193页。检索方法（2）：深入检索

操作稍微复杂，可以检索所有数据库适用于范围广泛的检索在SRS主页点击“LibraryPage”在“LibraryPage”网页选择数据库，然后点击“QueryForm”在“QueryForm”网页输入关键词检索检索到的信息目录，每一条信息与其它数据库的相关信息链接第17页，共193页。序列比对与分子系统发育分析第18页，共193页。教学目标：掌握序列比对的概念，序列比对的意义。了解双序列比对、多序列比对的软件操作方法及结果的评估；学习数据库检索相似序列及序列提交的一般方法；学习并掌握系统发生的概念、构建系统进化树的方法以及能灵活运用相关的软件。第19页，共193页。教学内容：用序列搜索数据库(BLAST、FASTA使用）；两两序列之间的比对；多序列比对；分子系统发育分析；第20页，共193页。核苷酸和蛋白质序列为基础的数据库搜索PART1第21页，共193页。核苷酸和蛋白质序列为基础的数据库检索(Sequence-baseddatabasesearching)

序列对位排列（sequencealignment）将两条或多条序列对位排列，突出相似的结构区域序列1序列2第22页，共193页。两条DNA序列对位排列分析

第23页，共193页。两条蛋白质序列对位排列分析

第24页，共193页。分析基因或蛋白质的功能分析物种进化检测突变、插入或缺失序列延长序列定位基因表达谱分析用途第25页，共193页。序列对位排列分析的种类序列对库对位排列分析从数据库中寻找同源序列主要涉及核苷酸数据库和蛋白质数据库两序列对位排列分析多序列对位排列分析第26页，共193页。（一）序列对位排列分析的基本原理1、记分矩阵（scoringmatrix）

记分矩阵中含有两条序列对位排列时具体使用的分值分数越高，两条序列匹配越好DNA序列对位记分矩阵序列1ACGTTAGC序列2ACTTTGGC记分0.90.9-0.10.90.9-0.10.90.9＝5.2第27页，共193页。蛋白质序列对位排列分析记分复杂一致氨基酸的记分不同稀有氨基酸（C、Y），分值高普通氨基酸（S），分值低相似氨基酸也记分，如D-E序列1：TTYGAPPWCS序列2：TGYAPPPWS*****序列1：TTYGAPPWCS序列2：TGYAPPPWS*****序列的排列方式影响总分值第28页，共193页。多种记分矩阵80年代建立的PAM矩阵（如PAM30、PAM70）以后建立的BLOSUM矩阵（如BLOSUM62、BLOSUM80、BLOSUM45）基于更敏感的对位排列分析蛋白质序列对位记分序列1VDSCY序列2VESCY记分42497第29页，共193页。2、空位（间隔）罚分（gappenalty）

基因进化过程中产生突变序列对位排列分析时允许插入空位插入缺失空位开放（gapopening）空位延伸（gapextension）蛋白质序列对位记分序列1VDS-CY序列2VESLCY记分424-1197acgtatgcatgtacgagctacacgtatgcagtacgagctac空位罚分涉及两个参数acgtatgcatgtacgagctacacgtatgca-gtacgagctac第30页，共193页。BLASTFASTABlitz（二）序列对库对位排列分析主要检索体系用待分析序列对数据库进行相似性分析重复许多次的两两序列对位排列分析从数据库中找出所有同源序列第31页，共193页。1、基本概念

（1）Sequenceidentity和sequencesimilarityIdentity:

两条序列在同一位点上的核苷酸或氨基酸残基完全相同Similarity(positive):

两条序列在同一位点上的氨基酸残基的化学性质相似Query:1IGQAQCSTFRGRIYNETNIDSAFATQRQANCP32IGQAQCTF+RIYNET+AFAT+ANCPSbjet:2IGQAQCGTFKDRIYNETTAFATSLRANCP29

第32页，共193页。序列比对中的相似性与同源性 —同源序列一般是相似的 —相似序列不一定是同源的 —进化趋同（同功能）第33页，共193页。（2）Globalalignment和localalignmentQuery

Subject

Query

Subject

Query

Subject

Globalalignment:两条完整的序列相比较Localalignment:两条序列中相似程度最高的部分相比较第34页，共193页。（3）Gappedalignment和ungappedalignmentQuery

Subject

Query

Subject

Query

Subject

Query

Subject

Gappedalignment:

为达到最佳alignment，序列中加入空位

Ungappedalignment：相比较序列的核苷酸或氨基酸序列连续

第35页，共193页。（4）Alignmentscore和E(expect)value

衡量两条相比较序列相似程度的标准rawscore:原始分，分值越大，两个比较序列相似程度越大bitscore:采用统计学方法以原始分为基础计算的Evalue:期望得到的、完全由机会（错误）造成的、相当于或大于目前分值的alignment次数E=10,5e-46=5

10-46，E值越小越好

取决于alignment分值、相比较序列的长短和数据库中数据的数量

第36页，共193页。（5）Low-complexityregion(LCR)核苷酸和蛋白质序列中短的重复序列或由少数几种核苷酸或氨基酸残基组成的序列（如Poly-A）

数据库中半数以上的序列至少带有一个LCRSequencealignment时应避免LCR相互配对得分BLAST用“Filter”功能避免比较LCR

用小写字母代表LCR中的每个氨基酸残基或核苷酸

第37页，共193页。BLAST(BasicLocalAlignmentSearchTool)检索

/BLAST

BLAST分析工具

NucleotideBLAST(blastn等)ProteinBLAST(blastp,PSI-BLAST,PHI-BLAST)TranslatedBLASTSearches(blastx,tblastn,tblastx等)SpecializedBLAST(BLAST2Sequences(bl2seq),conserveddomain,

VecScreen等)经常问的问题（FAQs）第38页，共193页。BLASTprogram第39页，共193页。GFCN*FFT*LN?WLLQLILNLA*CMASATNSSLSLM?5’ATGGCTTCTGCAACTAATTCTTCACTTAGCTTAATGC3’

3’TACCGAAGACGTTGATTAAGAAGTGAATGCAATTACG5’

?PLQW*NLV*TLAHSRCSIR*LR*H?AEAVLEESVNI

Blastx的

6种阅读框架

第40页，共193页。BLASTdatabase

nr(nucleotideBLAST)GenBank(无EST,STS,GSS,HTGS)nr(proteinBLAST) GenBankCDStranslation+PDB+SwissProt+PIR+PRFGenomicsequence 基因组序列Swissprot 蛋白质数据库est EST数据库dbsts STS数据库pdb 蛋白质三维结构数据库pat 专利的数据库第41页，共193页。BLASTdatabase（继续）

第42页，共193页。（1）BLASTN

将要查询的序列直接粘贴到序列框中或输入登陆号（GI号）选择database可进行其它项目的选择用于分析

选择待分析序列的范围（Querysubrange）进一步选择检索范围：Entrezquery(如proteaseNOThivI)选择分析方法（ProgramSelection）选择是否用新窗口展示分析结果（Showresultsinanewwindow）第43页，共193页。转变展示分析结果的格式默认分析结果格式点击“Formattingoptions”，在新网页选择变换格式，如：“Pairwisewithdotsforidentities”格式“Query-ancheredwithdotsforidentities”格式可在“Algorithmparameters”栏目中修改参数不熟悉各种参数时，使用默认的参数点击“Distancetreeofresults”显示检索到的序列之间的同源关系

在“Alignments”中选择检索到的序列，点击“Getselectedsequences”获得序列

第44页，共193页。（2）BLASTP

基本操作同Blastn检索结果：包括Query序列的保守结构域点击“Multiplealignment”将检索到的序列进行多序列排列对比

第45页，共193页。（3）PSI-BLAST(PositionSpecificIteratedBLAST)search氨基酸序列检索

重复检索数据库

被查询序列（query） BLASTP标准检索 alignmentsequences(subject)

第一步

检索数据库 新的alignmentsequences第二步

可继续检索循环

第46页，共193页。（4）PHI-BLAST(PatternHitInitiatedBLAST)search

蛋白质序列，并带有特殊结构（pattern）

带有同样的特殊结构（用“*”标注）这一邻近的序列与被查询序列相似

与PSI－BLAST相连，重复检索

检索数据库中相似的蛋白质

使用的是PROSITE数据库的结构句法（patternsyntax）

可查询检测到的特殊结构

如：[IVMF]-G-E-x-[GAS]-[LIVM]-x(5,11)-R-[STAQ]第47页，共193页。（5）TranslatedBLAST

blastx,tblastn,tblastx

基本操作同Blastn

第48页，共193页。(6)ConservedDomain

检索conserveddomaindatabase只适用于蛋白质序列的检索分析检测被检索的序列中是否含有保守结构域

点击“Searchforsimilardomianarchitectures”查看相关结构域

点击结构域图标查看多序列对位排列

第49页，共193页。3、FASTA检索

http://www.ebi.ac.uk/fasta33/index.html

点击“VisualFasta”看详细结果

Programs

fasta3：用DNA序列检索核苷酸数据库用氨基酸序列检索蛋白质数据库

fastx3/fasty3：将DNA序列及其互补序列通过不同阅读框翻译成不同氨基酸序列检索蛋白质数据库

结果汇总表

第50页，共193页。4、Blitz检索http://www.ebi.ac.uk/searches/blitz.html

BLAST和FASTA检索体系有时不能检测出某些远缘序列的相关性Blitz检索体系在发现家族成员方面比其它两种检索体系更可靠速度慢，最好使用email服务第51页，共193页。检索方法：通过email服务在分析主页的“RESULTS”栏目选择“email”、输入email地址、粘贴待分析的序列email服务被接收

在Blitz主页选择“MPsrch4”或“ScanPS”第52页，共193页。（三）两序列对位排列分析两序列全局对位排列分析对位排列贯穿整条序列长度两序列局部对位排列分析两序列相似性最大区段的对位排列分析第53页，共193页。（1）BLAST2sequences(bl2seq)

NCBI的分析工具对任意两条序列进行对位排列分析允许空位在BLAST主页的“SpecializedBLAST”栏目中点击“Align”进入Bl2seq的分析网页第54页，共193页。

序列来源

输入Accessionnumber直接粘贴序列

适用于blastn,blastp,blastx,tblastn,tblastx

blastn:两条核苷酸序列相比较blastp:两条蛋白质序列相比较tblastn:比较蛋白质序列（翻译成核苷酸序列）（sequence1）和核苷酸序列（sequence2）blastx:比较核苷酸序列（翻译成蛋白质序列）（sequence1）和蛋白质序列（sequence2）tblastx:两条核苷酸序列（翻译成蛋白质序列）比较第55页，共193页。

结果格式

两种图形两序列对位排列

21第56页，共193页。（2）Globalalignmentprogram(GAP)

/

或

http://www.ebi.ac.uk/Tools/emboss/align

对两条或多条DNA序列或氨基酸序列进行对位排列分析允许空位可选择不同的记分矩阵可进行全长序列（global）或序列片段（local）的对位排列分析第57页，共193页。有的分析软件对提交的序列有格式要求，如FASTA格式>sequence1ATTGCAGTTCGCA……>sequence2ATAGCACATCGCA……

结果网页

第58页，共193页。（四）利用BLAST方法分析miRNA

利用miRBase数据库（http://microrna.sanger.ac.uk/sequences/index.shtml）在数据库主页点击“searching”在miRBase::Sequences网页的“Bysequence”栏目粘贴序列（小于1000bp），在“Searchsequences”栏目中选择检索“MaturemiRNAs”或“Stem-loopsequences”，点击“SearchmiRNAs”检索结果

第59页，共193页。

分析RNA或DNA的二级结构

（http://rna.tbi.univie.ac.at/cgi-bin/RNAfold.cgi

）在“RNAfoldWebServer”网站粘贴序列

判断是否可能是hairpinprecursormiRNA

分析结果

不同图示展示结果第60页，共193页。序列比对PART2第61页，共193页。为什么要序列比对？基于同源物鉴定的功能预测基本假设：序列的保守性功能的保守性注意：1.蛋白质一般在三级结构的层面上执行功能；2.蛋白质序列的保守性决定于其编码DNA的保守性；第62页，共193页。序列同源性模型中的进化假设1.所有的生物都起源于同一个祖先；2.序列不是随机产生，而是在进化上，不断发生着演变；3.基本假设：序列保守性结构保守性注意：反之可以不为真。

结构保守性序列保守性第63页，共193页。同源物的定义Ortholog(直系同源物)：两个基因通过物种形成的事件而产生，或源于不同物种的最近的共同祖先的两个基因，或者两个物种中的同一基因，一般具有相同的功能。Paralog(旁系同源物)：两个基因在同一物种中，通过至少一次基因复制的事件而产生。Xenolog(异同源物)：由某一个水平基因转移事件而得到的同源序列。第64页，共193页。直系同源物：物种形成第65页，共193页。旁系同源物：基因复制第66页，共193页。第67页，共193页。序列联配（比对）序列比对又称为序列联配，是指用某种特定的数学模型与算法，找出两个或多个序列之间的最大匹配碱基与残基，尽可能客观的反映它们之间的相似与相异，从而进一步判断它们之间是否同源。序列比对的定义第68页，共193页。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。序列比对的作用第69页，共193页。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。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。多序列比对的方法第70页，共193页。几种序列比对的方式两条序列比对多重序列比对（同时比对多条序列）

简单比对（考虑匹配与失配的打分，不考虑空分）全局比对（考虑空位，考虑匹配与失配的打分与空位罚分）局部比对（重点考虑局部相似性）第71页，共193页。两条序列的比对—简单比对第72页，共193页。两条序列的比对—打分矩阵种情况第73页，共193页。两条序列的比对—全局比对第74页，共193页。全局比对初始化第75页，共193页。全局比对--初始化条件第76页，共193页。全局比对示例—计分矩阵元素值的计算第77页，共193页。全局比对示例--初始化得分表第78页，共193页。全局比对示例—反推（回溯）最优路径第79页，共193页。全局比对示例—最优路径的意义第80页，共193页。有多种最优方案的全局比对–计算例2：序列1=CAGTT,序列2=ACGCTG；打分函数：匹配2、失配-1、空位-1第81页，共193页。有多种最优方案的全局比对–回溯第82页，共193页。序列CATGT与序列ACGCTG的3种最优全局比对结果第83页，共193页。序列局部比对

只考虑序列部分区域的相似性就是局部比对（localalignment);有些同源序列虽然全序列的相似性很小，但是存在高度相似的局部区域；这些局部序列相似性比对往往比全序列比对具有更高的灵敏度，通过局部的相似性的比对，则可能会发现重要的比对信息，其结果更具生物学意义。第84页，共193页。局部序列的动态规划算法第85页，共193页。局部序列比对的集中算法第86页，共193页。BLAST算法的运算过程算法的运算过程简单描述为：1）从两个序列中找出一些长度相等且可以形成无空位完全匹配的序列片段对；2）找出两个序列之间所有匹配程度超过一定阈值的序列片段对；3）将得到的序列片段对根据给定的相似性阈值延伸，得到一定长度的高分值片段对。第87页，共193页。多重序列比对第88页，共193页。多重序列比对采用的算法第89页，共193页。Pairwisesequencealignmentprograms第90页，共193页。Howtogetmultiplesequences?SequenceBLASTProgram多序列比对的软件第91页，共193页。GenedocClustalXClustalWAlignX多序列比对的软件第92页，共193页。序列的输入序列alignment格式调节输出到绘图内编辑Genedoc第93页，共193页。第94页，共193页。第95页，共193页。第96页，共193页。第97页，共193页。AlignmentofA.ferrooxidansSODproteinanditsorthologs.

Atf27230:A.ferrooxidansATCC27230,

De195:Dehalococcoidesethenogenes195Gspca:GeobactersulfurreducensPCA,Tad1728:ThermoplasmaacidophilumDSM1728.Identicalresidueshavebeenboxedandareshadedindark.

第98页，共193页。SequencealignmentofHomosapiensSgt1.2withitsfivehomologousproteins.Numbersontherightrefertothelastaminoacidineachcorrespondingline.Residuesindicatedwithdarkshadingareidenticalaminoacids.Greyshadingrepresents80-90%similarityandlightgreymeans60-70%similarity.第99页，共193页。

SequencealignmentofS_TKcdomainofPXK_v1withconsensusS_TKcdomain.Identicalresiduesarerepresentedinblackandsimilarresiduesingray.ThesubdomainsoftheS_TKcdomainareindicatedwithRomannumerals.Asterisksdenotetheindispensableresiduesoflysine,glutamineandasparticacidinconsensusS_TKcdomain.第100页，共193页。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。Clustal简介第101页，共193页。序列的输入序列alignmentClustal第102页，共193页。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的工作原理第103页，共193页。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Clustal的应用第104页，共193页。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的应用第105页，共193页。Clustalx的工作界面

（剖面(profile)比对模式）第106页，共193页。多序列比对实例输入文件的格式(fasta)：>KCC2_YEASTNYIFGRTLGAGSFGVVRQARKLSTN……>DMK_HUMANDFEILKVIGRGAFSEVAVVKMKQTGQVYAMKIMNK…….>KPRO_MAIZETRKFKVELGRGESGTVYKGVLEDDRHVAVKKLEN……>DAF1_CAEELQIRLTGRVGSGRFGNVSRGDYRGEAVAVKVFNALD……>1CSNHYKVGRRIGEGSFGVIFEGTNLLNN……第107页，共193页。第一步：输入序列文件。第108页，共193页。第二步：设定比对的一些参数。第109页，共193页。参数设定窗口第110页，共193页。第三步：开始序列比对。第111页，共193页。第112页，共193页。第四步：比对完成，选择保存结果文件的格式第113页，共193页。第114页，共193页。第115页，共193页。ClustalX生成.dnd和.aln两个文件，可用文本编辑器打开来看，这时.aln文件，这个文件可以用Mega做进一步的bootstrap进化树分析第116页，共193页。第117页，共193页。Clustalx生成的树用treeview(专门看树的软件)就可以打开这个dnd文件.第118页，共193页。第119页，共193页。序列的输入序列alignmentClustalW第120页，共193页。Http://www.ebi.ac.uk/clustalv第121页，共193页。第122页，共193页。序列的输入序列alignment结果的编辑（Metafile;text）AlignX第123页，共193页。第124页，共193页。Multiplesequencealignmentprograms新基因的鉴定蛋白序列特殊氨基酸残基分析第125页，共193页。系统发育分析PART3第126页，共193页。

CharlesDarwin(1809-1882)第127页，共193页。达尔文与贝格尔号旅行第128页，共193页。第129页，共193页。《物种起源》第130页，共193页。第131页，共193页。因为达尔文的缘故，后世很多科幻小说把接触地外生命的任务交给一艘叫做贝克尔号的飞船。欧航局的火星着落器叫做贝克尔2号.可惜坠落在火星表面第132页，共193页。中喙地雀，加拉帕戈斯群岛上的一种达尔文雀。第133页，共193页。基本概念：系统发生（phylogeny）——是指生物形成或进化的历史；系统发生学(phylogenetics)——研究物种之间的进化关系；系统发生树（phylogenetictree）——表示形式，描述物种之间进化关系；系统发生与系统发生树第134页，共193页。WilliHennig(1913-1976)系统发生学（分支学）创始人第135页，共193页。基本概念：分子系统学——是比较3个或者更多个基因组之间的序列，揭示它们的进化关系的学科；分类学有2个学派：表征学、分子系统学

它们都主张分类应包括众多的特征，并采用严格的数学方法进行计分分类；表征学：采用的资料来自于所比较物种的不同特征，最初采用的是形态学特征；表征学将生物归入一系列不同等级的分类目录：界、门、纲、目、科、属、种这一等级制度，被称之为“生命之树”；第136页，共193页。经典系统发生学 主要是物理或表型特征 如生物体的大小、颜色、触角个数

现代系统发生学 利用从遗传物质中提取的信息作为物种特征 具体地说就是核酸序列或蛋白质分子关于现代人起源的研究: 线粒体DNA ——所有现代人都是一个非洲女性的后代第137页，共193页。现代系统发生学采用DNA或者蛋白质作为分类特征，有许多优点：许多分子特征可以同时标记，例如某些遗传标记、分子标记等分子特征的状态清晰；分子资料便于转化为数字形式，可进行修正和统计分析；方法：免疫学资料；蛋白质电泳；DNA-DNA杂交数据；DNA序列和RFLP、SSLP、SNP等DNA标记；第138页，共193页。系统发生学的主要目标：找出一颗能够正确反映物种或基因（蛋白质）进化以及基因和蛋白质序列关系的系统发生树；推断不同生物体或基因（蛋白质）从它们上一级基因祖先开始分化的具体时间；第139页，共193页。表型分枝图(phenogram)进化分枝图(cladogram)有根树无根树系统发生树第140页，共193页。表型分枝图(phenogram)第141页，共193页。第142页，共193页。第143页，共193页。进化分枝图(cladogram)第144页，共193页。第145页，共193页。第146页，共193页。第147页，共193页。分类单元（物种或序列）物种之间的进化关系

第148页，共193页。如果是一棵有根树，则树根代表在进化历史上是最早的、并且与其它所有分类单元都有联系的分类单元；如果找不到可以作为树根的单元，则系统发生树是无根树；从根节点出发到任何一个节点的路径指明进化时间或者进化距离。系统发生树的性质第149页，共193页。进化树的构建是一个统计学问题。我们所构建出来的进化树只是对真实的进化关系的评估或者模拟。如果我们采用了一个适当的方法，那么所构建的进化树就会接近真实的“进化树”。模拟的进化树需要一种数学方法来对其进行评估。不同的算法有不同的适用目标。系统发生树的构建第150页，共193页。对于给定的分类单元数，有很多棵可能的系统发生树，但是只有一棵树是正确的。

系统发生分析的目标 ——寻找这棵正确的树第151页，共193页。（1）选择可供分析的序列；（2）同源蛋白质或者核苷酸序列的多重序列比对；（3）构建系统发生树；（4）评价所建立的树；系统发生分析步骤第152页，共193页。离散特征数据：它提供了基因、个体、群体或物种的信息；相似性和距离数据：它涉及的则是成对基因、个体、群体或物种的信息系统发生树的类型第153页，共193页。选择可供分析的序列（DNAVS氨基酸？）不同的观点：支持DNA序列的观点：支持氨基酸序列的观点：研究DNA比研究氨基酸获得更加丰富的信息量；5UTR等非编码区域可能被用于分子系统发生分析；编码氨基酸的那部分DNA可以发生同义或者非同义的替换事件；碱基转换或颠换的速率能够被估算；氨基酸比核苷酸具有更多的特征数据（20:4）；许多氨基酸有相似的物理化学性质（如赖氨酸和精氨酸都属于碱性氨基酸）在比对时可以用打分系统来描述这些相关（但不匹配）的氨基酸之间的重要相关性；更低的氨基酸替换率使其更加应用于广泛分化的物种；第154页，共193页。首先我们选择可供分析的序列：在NCBI数据库中利用BLAST程序，搜索与目标序列同源的序列；选择并下载可供分析的序列，并将序列改成fasta格式，保存为.txt文件；（选择mRNA或者cDNA序列，而不选择基因组序列；选择e值较低的序列（e小于10-5）；利用NCBI或其他预测软件找到序列对应的编码区，或者称之为寻找ATG,然后去掉每条序列ATG前的序列；翻译为氨基酸；整理到一个文件中并保存；利用CLUSTALX/CLUSTALW进行多序列比较、去除雷同的序列；第155页，共193页。多序列比对的方法：手工比对（辅助编辑软件包括：BioEdit和Seqalign)通过辅助软件的不同颜色显示不同残基，依靠分析者的观察来改变比对的状态；计算机程序自动比对（软件包括CLUSTALX和CLUSTALW）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；第156页，共193页。用来构建系统发生树的数据：距离数据(distancedata)或相似性数据(similaritydata)，常用距离矩阵来描述，表示两个数据集之间的所有的两两差异；特征数据(characterdata)，data)，它提供了基因、个体、群体或物种的信息；二态特征：只有两种可能的状况，即具有或者不有某种特征，通常用“0”或者“1”表示；多态特征：具有两种以上可能的状况，如核酸的序列信息，对序列中某一位置来说，其可能的碱基有A、G、C、T第157页，共193页。系统发生树的构建方法：基于距离的主要构建方法：邻近归并法（neighbor-joiningmethod，邻接法）、最小进化法、非加权组平均法（UPGMA法）；基于特征的主要构建方法：最大简约法（MP法）、进化简约法、最大似然