英文名
Glycine Alanine
缩写 简称
Gly Ala G A
中文名
苏氨酸 半胱氨酸
英文名
Threonine Cystine
缩写 简称
Thr Cys T C
缬氨酸
亮氨酸 异亮氨酸 脯氨酸 苯丙氨酸 酪氨酸 色氨酸
Valine
Leucine Isoleucine Proline Phenylalanine Tyrosine Tryptophan

并系同源(paralogy)基因是指同一基因组(或同系物种的 基因组)中，由于始祖基因的加倍而横向(horizontal)产生 的几个同源基因

直系与并系的共性是同源，都源于各自的始祖基因。区别在 于：

在进化起源上，直系同源是强调在不同基因组中的垂直传递，并系 同源则是在同一基因组中的横向加倍；

PAM矩阵的制作步骤：


构建序列相似（99％）的比对 计算氨基酸 j 的相对突变率mj（j被其它氨基酸替换的 次数） 针对每个氨基酸对 i 和 j , 计算 j 被 i 替换次数 替换次数除以相对突变率（mj） 利用每个氨基酸出现的频度对j 进行标准化 取常用对数，得到PAM-1(i, j) 将PAM-1自乘N次，可以得到PAM-N
3 0 1 0 0 0 0 -1 -1 -1 0 -1 0 -2 0 -3 -3 -5 T
6 1 -1 -1 -1 -1 0 0 0 -1 -2 -2 -3 -1 -5 -5 -6 P 2 1 0 0 0 0 -1 -2 -1 -1 -1 -2 0 -4 -3 -6 A 5 0 1 0 -1 -2 -3 -2 -3 -3 -4 -1 -5 -7 -7 G 2 2 1 1 2 0 1 -2 -2 -3 -2 -2 -2 -4 N


一个嘌呤基与一个嘧啶基通过 氢键联结成一个碱基对 DNA分子的方向性

5'→3'

DNA的双螺旋结构
碱基对之间的互补能力

DNA的复制

在DNA解旋酶的作用下两条 链分离开，分别作为一个模板， 在聚合酶的作用下合成一条新 链
突变（mutation）


进化过程中由于不正确的复制，使DNA内容 发生局部的改变。 突变的种类主要有以下三种：
相似性本身的含义，并不要求与进化起源是否同一，与亲缘关系 的远近、甚至与结构与功能有什么联系

同源性(homology)：如果两序列有一个共同的进化祖先， 那么称其为同源的。当两序列同源时，它们的氨基酸/核 苷酸序列通常有显著的一致性（identity）。
Biblioteka 当相似程度高于50%时，易推测检测序列和目标序列可能是同源 序列；而当相似性程度低于20%时，就难以确定二者是否具有同 源性 两序列或者同源，或者不同源，所谓“具有50%同源性”，或 “这些序列高度同源”等说法，都是不确切的
PAM 250 对数概率矩阵
C S T P A G N D E Q H R K M I L V F Y W
12 0 -2 -3 -2 -3 -4 -5 -5 -5 -3 -4 -5 -5 -2 -6 -2 -4 0 -8 C
2 1 1 1 1 1 0 0 -1 -1 0 0 -2 -1 -3 -1 -3 -3 -2 S


差异生物个体可以是同种但含有不同的遗传信息的生物个体，也可以是远缘 的，甚至没有亲缘关系的生物个体。单个细胞内部细胞器主要指的是叶绿体、 线粒体及细胞核

水平基因转移是相对于垂直基因转移（亲代传递给子代）而提出的，它打破 了亲缘关系的界限，使基因流动变得更为复杂
人类基因组测序工作的完成证实了水平基因转移的普遍性和远缘性。在人类 基因组上已发现了223个来源于细菌的基因，这些基因无疑是通过水平基因 转移机制获得的
基酸突变情况而构建 最有名的氨基酸替换矩阵是PAM，于1979年完成


PAM矩阵（Point Accepted Mutation）



是第一个被广泛使用的得分矩阵，建立在进化的可接受 点突变基础上，通过统计相似序列比对中各种氨基酸替 换发生率得到 先收集序列一致性(sequence identity)达到 99%的序列 来计算矩阵，所得的矩阵称为PAM 1 矩阵（即1% 发生 了突变），再由该矩阵推到其它 PAM 矩阵 PAM-1自乘n次，得PAM-n 该矩阵缺点：一旦 PAM 1 矩阵有小的误差，那么自乘 250 次后所得的 PAM 250 矩阵误差将会变得非常大
Val
Leu Ile Pro Phe Tyr Trp
V
L I P F Y W
蛋氨酸
天冬酰胺 谷氨酰胺 天冬氨酸 谷氨酸 赖氨酸 精氨酸
Methionine
Asparagine Glutarnine Asparticacid Glutamicacid Lysine Arginine
Met
Asn Gln Asp Glu Lys Arg

用来评估比对的计分系统 用来找到最佳比对的运算法则 不同的比对方式
生物序列之间的关系

序列的相似性度量

编辑距离（distance）



两个序列间的距离：从一个序列变化到另一个序列 所需的变化的量 变化包括：插入（insert）、删除（delete）、替 换（substitution） 序列间的距离越大，差异就越大 如：“AATTGGCG”与“AATCGGC”可以看作替换 第四个字母，删除最后一个字母，故两序列距离为 2

体内20种氨基酸按理化性质可分为




非极性、疏水性氨基酸：甘氨酸、丙氨酸、缬氨 酸、亮氨酸、异亮氨酸、苯丙氨酸和脯氨酸 极性、中性氨基酸：色氨酸、丝氨酸、酪氨酸、 半胱氨酸、蛋氨酸、天冬酰胺、谷氨酰胺和苏氨 酸 酸性氨基酸：天冬氨酸和谷氨酸 碱性氨基酸：赖氨酸、精氨酸和组氨酸
中文名
甘氨酸 丙氨酸
在功能上，直系同源要求功能高度相似，而并系同源在定义上对功 能上没有严格要求，可能相似，但也可能并不相似(尽管结构上具一 定程度的相似)，甚至于没有功能(如基因家族中的假基因)； 并系同源中，由于复制所得的基因经历了各自的进化途径,从而使新 物种通过变异而产生，进化上可能获得另一功能。



异同源(xenolog)；指由一个水平基因转移事件而得到的同源 序列 水平基因转移(horizontal gene transfer, HGT) ，指在差异生 物个体间，或单个细胞内部细胞器间所进行的遗传物质交流
M
N Q D E K R
丝氨酸
Serine
Ser
S
组氨酸
Histidine
His
H

蛋白质计分矩阵种类

等价矩阵

最简单的计分矩阵，所有匹配和错匹均得相同的分 该矩阵未考虑蛋白质结构和进化，实际中很少使用 也称最少突变矩阵，通过计算氨基酸密码子间进行 突变所需的碱基变化数目得到，矩阵中对角线值均 为0，最大值为3

大规模DNA测序中序列片段的组装与拼接


序列搜索


保守序列搜索


序列比对种类

局部比对（Local Alignment）：寻找序列中相似度最高的子序列 区域 全局比对（Global Alignment）：将两条完整序列从头到尾进行比 较，试图使尽可能多的字符出现在同一列


序列比对中涉及的关键问题
4 3 2 1 -1 0 -3 -2 -4 -2 -6 -4 -7 D


如果两个序列之间相似性较高，则可以推测二
者在进化上可能具有相同的祖先，即二者可能
同源

序列比对可以发现隐含在生物序列中的功能、
结构以及进化方面的信息

相似性与同源性

相似性(Similarity)：指序列比对中用来描述检测序列和目 标序列间具有相同DNA碱基/氨基酸残基顺序所占比例的 高低


同源有两种不同的情况即垂直方向(orthology)与水 平方向(paralogy)

直系同源(orthology)：是比较基因组学中最重要的定义


在进化上起源于一个始祖基因并垂直传递(verticaldescent)的同 源基因； 分布于两种或两种以上物种的基因组； 功能高度保守乃至于近乎相同，甚至在近缘物种可以相互替换； 结构相似； 组织特异性与亚细胞分布相似

遗传密码矩阵


疏水矩阵



依据氨基酸疏水特性构造 疏水性”是每种氨基酸所固有的特性，即氨基酸远离 周围水分子，将自己包埋进蛋白质核心的相对趋势 蛋白质结构的特征是疏水/亲水间的平衡，其结构的 稳定在很大程度上有赖于分子内的疏水作用 疏水矩阵中，得分越高的替换越保守

氨基酸替换矩阵

根据各种氨基酸替换的先验概率以及在进化过程中氨
第三章 序列比对
回顾 ：DNA

DNA的分子组成

核甘(nucleotides)


磷酸根(phosphate) 糖(sugar) 四种碱基


腺嘌呤(Adenine) 鸟嘌呤(Guanine) 胞嘧啶(Cytosine) 胸腺嘧啶(Thymine)

碱基的配对原则

A(腺嘌呤)—T(胸腺嘧啶) G(鸟嘌呤)—C (胞嘧啶)

序列比对：是在两条或多条序列中寻找按照相 同次序排布的一连串的单个字符或字符模块的 过程 序列比对是生物信息学中最基本、最重要的操 作，通过序列比对可发现生物序列中的功能、 结构和进化方面的信息 序列比对的特点