序列比對

在研究 DNA 或蛋白質(zhì)序列時(shí)，主要關(guān)注的是它包含的遺傳信息； 在研究兩個(gè)或多個(gè) DNA 或蛋白質(zhì)序列時(shí)，主要關(guān)注的是不同序列之間的差異和聯(lián)系。 在生物信息學(xué)中，生物大分子的序列比對是一項(xiàng)非?；A(chǔ)的工作。

目前關(guān)于進(jìn)化的基本思想是生物結(jié)構(gòu)由簡單到復(fù)雜，物種由少到多。 在生命進(jìn)化過程中，DNA可能會發(fā)生突變（核苷酸替換）、插入、缺失等變化，導(dǎo)致不同物種的DNA序列出現(xiàn)異同。 ()的主要思想是使用特定的算法找出兩個(gè)或多個(gè)序列之間形成最大相似度得分的空間插入和序列比對方案。 主要要解決的問題是DNA序列中的插入和缺失。 種類。 根據(jù)比對的序列數(shù)，可分為雙序列比對（ ）和多序列比對（ ）。 序列比對大多基于動(dòng)態(tài)規(guī)劃算法()，明確序列中的保守和非保守區(qū)域，分析序列的進(jìn)化趨勢。

描述序列之間關(guān)系的概念有同源性（）、相似性（）、距離（）。 同源性是一個(gè)定性的概念，意味著不同的序列有一個(gè)共同的進(jìn)化祖先； 相似度和距離都是數(shù)量概念，表示兩個(gè)序列之間的相似程度和差異程度。 如果兩個(gè)序列是同源的，那么它們就具有較高的相似性，而由于趨同進(jìn)化的存在（），較高的相似性不一定是同源的。

同源性可分為垂直同源性（ ）和水平同源性（ ）dnastar序列比對，垂直同源性是指共同祖先的不同進(jìn)化分支，而水平同源性主要是基因組復(fù)制形成的，比如植物α球蛋白和β球蛋白的同源關(guān)系看起來像這樣：

旁系同源物一般具有相同或相似的功能，但直系同源物則不一定：由于缺乏自然選擇的原始力量，復(fù)制的基因拷貝可以越來越自由地發(fā)生變異dnastar序列比對，從而獲得新的功能。

相似度得分和距離是一對相反的變量，定量描述序列相似度和距離。 相似度分?jǐn)?shù)是在一定的評分規(guī)則下，兩個(gè)序列的對應(yīng)字符的函數(shù)。 通常，相同的字符（即核苷酸或多肽）越多，得分越高，如下圖：

但是在進(jìn)化的過程中，不僅有核苷酸的替換，還有插入、刪除、重復(fù)等，所以相似度描述序列的主要思想是通過在序列：

其中，s1'、s2'...sk'為插入空格得到的序列s1、s2...sk。

編輯距離的大小取決于兩個(gè)序列對應(yīng)位置不同字符的個(gè)數(shù)。 不同的字符越多，值越大。 例如，漢明距離()估計(jì)如下：

距離描述序列的主要思想是通過字符替換將一個(gè)序列轉(zhuǎn)換成另一個(gè)序列。 每次更換都記錄為成本（cost）。 考慮到插入間隙的存在，這些操作也可以擴(kuò)展為字符替換和空格插入。 ，刪除空格，所以描述多個(gè)序列之間的距離是將這個(gè)序列轉(zhuǎn)化為一個(gè)公共序列所需的最小代價(jià)：

如果不計(jì)算插入和刪除的空格，只估算相應(yīng)字符的替換成本，就是編輯距離（edit）。

結(jié)尾

如有侵權(quán)請聯(lián)系刪除！