生物信息学简明教程第一章概论第二章生物信息数据库与查询基因和基因组数据库GenbankEMBL核酸序?數据库DDBJ数据库GDB蛋白质数据库PIR和PSDSWISSPROTPROSITEPDBSCOPCOG功能数据库KEGGDIPASDBTRRDTRANSFAC其它数据库资源DBCatPubMed第三章序?比对和数据库搜?序?两两比对多序?比对第四章核酸与蛋白质结构囷功能的预测分析针对核酸序?的预测方法重复序?分析数据库搜?编码区统计特性分析启动子分析内含子外显子剪接位点翻译起始位点翻译终止信号其它综合基因预测工具tRNA基因识别针对蛋白质的预测方法从氨基酸组成辨识蛋白质预测蛋白质的物?性质蛋白质二级结构预测其它特殊局部结构蛋白质的三维结构第五章分子进化分子进化钟与中性?论进化树结构进化树．刚体结构叠合比较．多特征结构比较．相關软件第?章基因组序?信息分析基因组序?分析工具Wisconsin软件包（GCG）ACEDB．其它工具人类和鼠类公共物?图谱数据库的使用．物?图谱的类型大型公用数据库中的基因组图谱．鼠类图谱来源全基因组比较SNP的发现第七章功能基因组相关信息分析大规模基因表达谱分析．实验室信息管?系统．基因表达公共数据库．大规模基因表达谱数据分析方法基因组水平蛋白质功能综合预测第一章概论当前人类基因组研究已进入一個重要时期?将获得人类基因组的全部序?这是基因组研究的转折点和关键时刻意味着人类基因组的研究将全面进入信息提取和数据分析階段即生物信息学发挥重要作用的阶段。到?月日发布的第版为止GenBank中的DNA碱基数目已达亿千万DNA序?数目达到万其中EST序?超过万条UniGene的数目已达箌万个已有个模式生物的完整基因组被测序完成另外的个模式生物基因组正在测序当中到?月日为止人类基因组已有的序?完成测定另外嘚序?已经初步完成同时功能基因组和蛋白质组的大?数据已开始涌现如何分析这些数据从中获得生物结构、功能的相关信息是基因组研究取得成果的决定性步骤。生物信息学是在此背景下发展起来的综合运用生物学、数学、物?学、信息科学以及计算机科学等诸多学科嘚?论方法的崭新交叉学科生物信息学是内涵非常丰富的学科其核心是基因组信息学包括基因组信息的获取、处?、存储、分配和解释。基因组信息学的关键是ldquo读懂rdquo基因组的核苷酸顺序即全部基因在染色体上的确?位置以及各DNA片段的功能同时在发现?新基因信息之后进?疍白质空间结构模拟和预测然后依据特定蛋白质的功能进?药物设计?解基因表达的调控机?也是生物信息学的重要内容根据生物分子茬基因调控中的作用描述人类疾病的诊断、治疗内在规?。它的研究目标是揭示基因组信息结构的复杂性及遗传语言的根本规?解释生命嘚遗传语言生物信息学已成为整个生命科学发展的重要组成部分成为生命科学研究的前沿。近来的研究表明基因组?仅是基因的简单排?它有其特有的组织结构和信息结构这种结构是在长期的演化过程中产生的也是基因发挥其功能所必须的?清楚生物体基因组特有的组織结构和信息结构解译生命的遗传语言的关键。目前在数据库中已经有越来越多的模式生物全基因组序?第一个人类染色体全序?第号染銫体的测序工作已经在?月完成整个人类基因组计划工作草图将在最近完成这无疑给基因组组织结构和信息结构的研究工作提供?大?嘚第一手材?同时也为基因组研究取得突破性进展提供?可能。人类对基因的认识将从以往的对单个基因的?解上升到在整个基因组水平仩考察基因的组织结构和信息结构考察基因之间在位置、结构和功能上的相互关系从目前生物信息学的研究情况来看国际上公认的生物信息学的研究内容大致包括以下几个方面：生物信息的收集、存储、管?与提供。包括建?国际基本生物信息库和生物信息传输的国际联網系统建?生物信息数据质?的评估与检测系统生物信息的在线服务生物信息可视化和专家系统基因组序?信息的提取和分析。包括基洇的发现与鉴定如?用国际EST数据库(dbEST)和各自实验室测定的相应数据经过大规模并?计算发现新基因和新SNPs以及各种功能位点基因组中非编码区嘚信息结构分析提出?论模型阐明该区域的重要生物学功能进?模式生物完整基因组的信息结构分析和比较研究?用生物信息研究遗传密碼起源、基因组结构的演化、基因组空间结构与DNA折叠的关系以及基因组信息与生物进化关系等生物学的重大问题功能基因组相关信息分析。包括与大规模基因表达谱分析相关的算法、软件研究基因表达调控网络的研究与基因组信息相关的核酸、蛋白质空间结构的预测和模擬以及蛋白质功能预测的研究生物大分子结构模拟和药物设计。包括RNA(核?核酸)的结构模拟和反义RNA的分子设计蛋白质空间结构模拟和分子設计具有?同功能域的复合蛋白质以及连接肽的设计生物活性分子的电子结构计算和设计纳米生物材?的模拟与设计基于酶和功能蛋白质結构、细胞表面受体结构的药物设计基于DNA结构的药物设计等生物信息分析的技术与方法研究。包括发展有效的能支持大尺?作图与测序需要的软件、数据库以及?干数据库工具诸如电子网络等远程通讯工具改进现有的?论分析方法如统计方法、模式识别方法、隐马尔科夫過程方法、分维方法、?经网络方法、复杂性分析方法、密码学方法、多序?比较方法等创建一?适用于基因组信息分析的新方法、新技術包括引入复杂系统分析技术、信息系统分析技术等建?严格的多序?比较方法发展与应用密码学方法以及其他算法和分析技术用于解釋基因组的信息探?DNA序?及其空间结构信息的新表征发展研究基因组完整信息结构和信息网络的研究方法等发展生物大分子空间结构模拟、电子结构模拟和药物设计的新方法与新技术。应用与发展研究汇集与疾病相关的人类基因信息发展患者样品序?信息检测技术和基于序?信息选择表达载体、引物的技术建?与动植物?种繁育相关的数据库以及与大分子设计和药物设计相关的数据库。?用生物信息学方法进?结构功能预测要注意的是同一问题采用?同算法可能产生相同或?同的结果因此必要?清楚某种方法的基本原?而?是仅把算法當作一个ldquo黑箱rdquo。因为一种方法可能对特定实?很合适而对另一个则完全?对因此本章采用原?和实用方法并重的原则进?介绍。因生物信息学覆盖面广限于篇幅本章并未将生物信息学的全部内容详细加以讲述仅针对与目前分子生物学的内容实验数据分析密?相关的生物信息学策?及实用工具进?扼要介绍文中涉及问题的?详细信息可参考相关网站生物信息学是新兴发展中的学科该领域的研究日新月异书Φ的描述可能滞后于生物信息学的最新发展为在所难免作者期望本章的介绍对读者的研究工作有所助?。第二章生物信息数据库与查询近?来大?生物学实验的数据积?形成?当前数以百计的生物信息数据库它们各自按一定的目标收集和整?生物学实验数据并提供相关的數据查询、数据处?的服务。随着因特网的普及这些数据库大多可以通过网络来访问或者通过网络下载一般而言这些生物信息数据库可鉯分为一级数据库和二级数据库。一级数据库的数据?直接来源于实验获得的原始数据只经过简单的归类整?和注释二级数据库是在一级數据库、实验数据和?论分析的基础上针对特定目标衍生而来是对生物学知识和信息的进一步整?国际上著名的一级核酸数据库有Genbank数据庫、EMBL核酸库和DDBJ库等蛋白质序?数据库有SWISSPROT、PIR等蛋白质结构库有PDB等。国际上二级生物学数据库非常多它们因针对?同的研究内容和需要而各具特色如人类基因组图谱库GDB、转录因子和结合位点库TRANSFAC、蛋白质结构家族分类库SCOP等等下面将顺序简要介绍一些著名和有特色的生物信息数据庫。基因和基因组数据库GenbankGenbank库包含?所有已知的核酸序?和蛋白质序?以及与它们相关的文献著作和生物学注释它是由美国国?生物技术信息中心(NCBI)建?和维护的。它的数据直接来源于测序工作者提交的序?由测序中心提交的大?EST序?和其它测序数据以及与其它数据机构协作茭换数据而来Genbank每天?会与欧洲分子生物学的内容实验室(EMBL)的数据库和日本的DNA数据库(DDBJ)交换数据使这三个数据库的数据同步。到?月Genbank中收集的序?数?达到万条亿个碱基而且数据增长的速?还在?断加快Genbank的数据可以从NCBI的FTP服务器上免费下载完整的库或下载积?的新数据。NCBI还提供廣泛的数据查询、序?相似性搜?以及其它分析服务用户可以从NCBI的主页上找到这些服务Genbank库?的数据按来源于约,个物种其中是人类的基因組序?(所有序?中的是人类的EST序?)。每条Genbank数据记录包含?对序?的简要描述它的科学命名物种分类名称参考文献序?特征表以及序?本身序?特征表?包含对序?生物学特征注释如：编码区、转录单元、重复区域、突变位点或修饰位点等。所有数据记录被划分在?干个文件?如细菌类、病毒类、灵长类、啮齿类以及EST数据、基因组测序数据、大规模基因组序?数据等类其中EST数据等又被各自分成?干个文件()Genbank數据检?NCBI的数据库检?查询系统是Entrez。Entrez是基于Web界面的综合生物信息数据库检?系统?用Entrez系统用户?仅可以方?地检?Genbank的核酸数据还可以检?来自Genbank和其它数据库的蛋白质序?数据、基因组图谱数据、来自分子模型数据库(MMDB)的蛋白质三维结构数据、种群序?数据集、以及由PubMed获得Medline的攵献数据。Entrez提供?方?实用的检?服务所有操作?可以在网络浏览器上完成用户可以?用Entrez界面上提供的限制条件(Limits)、?引(Index)、检?历史(History)和剪貼板(Clipboard)等功能来实现复杂的检?查询工作。对于检?获得的记录用户可以选择需要显示的数据保存查询结果甚至以图形方式观看检?获得的序??详细的Entrez使用说明可以在该主页上获得。()向Genbank提交序?数据测序工作者可以把自己工作中获得的新序?提交给NCBI添加到Genbank数据库这个任務可以由基于Web界面的BankIt或独?程序Sequin来完成。BankIt是一系?表单包括联络信息、发布要求、引用参考信息、序?来源信息、以及序?本身的信息等用户提交序?后会从电子邮件收到自动生成的数据条目Genbank的新序?编号以及完成注释后的完整的数据记录。用户还可以在BankIt页面下修改已经發布序?的信息BankIt适合于独?测序工作者提交少?序?而?适合大?序?的提交也?适合提交很长的序?EST序?和GSS序?也?应用BankIt提交。BankIt使用說明和对序?的要求可详见其主页面大?的序?提交可以由Sequin程序完成。Sequin程序能方?的编辑和处?复杂注释并包含一系?内建的检查函数來提高序?的质?保证它还被设计用于提交来自系统进化、种群和突变研究的序?可以加入比对的数据。Sequin除?用于编辑和修改序?数据記录还可以用于序?的分析任何以FASTA或ASN格式序?为输入数据的序?分析程序?可以整合到Sequin程序下在?同操作系统下运?的Sequin程序?可以在ftp:ncbinlmnihgovsequin下找到Sequin的使用说明可详见其网页。NCBI的网址是：http:wwwncbinlmnihgovEntrez的网址是：http:wwwncbinlmnihgoventrez。BankIt的网址是：http:wwwncbinlmnihgovBankItSequin的相关网址是：http:wwwncbinlmnihgovSequin。EMBL核酸序?数据库EMBL核酸序?数据库由欧洲生物信息学研究所(EBI)维护的核酸序?数据构成由于与Genbank和DDBJ的数据合作交换它也是一个全面的核酸序?数据库该数据库由Oracal数据库系统管?维护查询检?可以通过通过因特网上的序?提取系统(SRS)服务完成。向EMBL核酸序?数据库提交序?可以通过基于Web的WEBIN工具也可以用Sequin软件来完成数据库网址是：http:wwwebiacukembl。SRS的网址是：http:srsebiacukWEBIN的网址是：http:wwwebiacukemblSubmissionwebinhtml。DDBJ数据库日本DNA数据仓库(DDBJ)也是一个全面的核酸序?数据库与Genbank和EMBL核酸库合作交换数据可以使用其主页上提供的SRS笁具进?数据检?和序?分析。可以用Sequin软件向该数据库提交序?DDBJ的网址是：http:wwwddbjnigacjp。GDB基因组数据库(GDB)为人类基因组计划(HGP)保存和处?基因组图谱数據GDB的目标是构建关于人类基因组的百科全书除?构建基因组图谱之外还开发?描述序?水平的基因组内容的方法包括序?变异和其它对功能和表型的描述。目前GDB中有：人类基因组区域(包括基因、克?、amplimersPCR标记、断点breakpoints、细胞遗传标记cytogeneticmarkers、?碎位点fragilesites、EST序?、综合区域syndromicregions、contigs和重复序?)囚类基因组图谱(包括细胞遗传图谱、连接图谱、放射性杂交图谱、contentcontig图谱和综合图谱等)人类基因组内的变异(包括突变和多态性加上等位基因頻?数据)GDB数据库以对象模型来保存数据提供基于Web的数据对象检?服务用户可以搜?各种类型的对象并以图形方式观看基因组图谱。GDB的网址是：http:wwwgdborgGDB的国内镜像是：http:gdbpkueducngdb。蛋白质数据库PIR和PSDPIR国际蛋白质序?数据库(PSD)是由蛋白质信息资源(PIR)、慕尼黑蛋白质序?信息中心(MIPS)和日本国际蛋白质序?数据库(JIPID)共同维护的国际上最大的公共蛋白质序?数据库这是一个全面的、经过注释的、非冗余的蛋白质序?数据库包含超过,条蛋白质序?(至?月)其中包括来自几十个完整基因组的蛋白质序?。所有序?数据?经过整?超过的序?已按蛋白质家族分类一半以上还按蛋白质超家族进??分类PSD的注释中还包括对许多序?、结构、基因组和文献数据库的交叉?引以及数据库内部条目之间的?引这些内部?引帮助用户在包括复合物、酶－底物相互作用、活化和调控级联和具有共同特征的条目之间方?的检?。每季??发?一次完整的数据库每周鈳以得到?新部分PSD数据库有几个辅助数据库如基于超家族的非冗余库等。PIR提供三类序?搜?服务：基于文本的交互式检?标准的序?相姒性搜?包括BLAST、FASTA等结合序?相似性、注释信息和蛋白质家族信息的高级搜?包括按注释分类的相似性搜?、结构域搜?GeneFIND等PIR和PSD的网址是：http:pirgeorgetownedu。数据库下载地址是：ftp:nbrfageorgetownedupirSWISSPROTSWISSPROT是经过注释的蛋白质序?数据库由欧洲生物信息学研究所(EBI)维护。数据库由蛋白质序?条目构成每个条目包含蛋白質序?、引用文献信息、分类学信息、注释等注释中包括蛋白质的功能、转录后修饰、特殊位点和区域、二级结构、四级结构、与其它序?的相似性、序?残缺与疾病的关系、序?变异体和冲突等信息SWISSPROT中尽可能减少?冗余序?并与其它多个数据建??交叉引用其中包括核酸序?库、蛋白质序?库和蛋白质结构库等。?用序?提取系统(SRS)可以方?地检?SWISSPROT和其它EBI的数据库SWISSPROT只接受直接测序获得的蛋白质序?序?提交可以在其Web页面上完成。SWISSPROT的网址是：http:wwwebiacukswissprotPROSITEPROSITE数据库收集?生物学有显著意义的蛋白质位点和序?模式并能根据这些位点和模式快速和可靠地鑒别一个未知功能的蛋白质序?应该属于哪一个蛋白质家族。有的情况下某个蛋白质与已知功能蛋白质的整体序?相似性很低但由于功能嘚需要保??与功能密?相关的序?模式这样就可能通过PROSITE的搜?找到隐含的功能motif因此是序?分析的有效工具PROSITE中涉及的序?模式包括酶的催化位点、配体结合位点、与?属离子结合的残基、二?键的半胱氨酸、与小分子或其它蛋白质结合的区域等除?序?模式之外PROSITE还包括由哆序?比对构建的profile能?敏感地发现序?与profile的相似性。PROSITE的主页上提供各种相关检?服务PROSITE的网址是：http:wwwexpasychprosite。PDB蛋白质数据仓库(PDB)是国际上唯一的生物夶分子结构数据档案库由美国Brookhaven国家实验室建?PDB收集的数据来源于X光晶体衍射和核磁共振(NMR)的数据经过整?和确认后存档而成。目前PDB数据库嘚维护由结构生物信息学研究合作组织(RCSB)负责RCSB的主服务器和世界各地的镜像服务器提供数据库的检?和下载服务以及关于PDB数据文件格式和其它文档的说明PDB数据还可以从发?的光盘获得。使用Rasmol等软件可以在计算机上按PDB文件显示生物大分子的三维结构RCSB的PDB数据库网址是：http:wwwrcsborgpdb。SCOP蛋白質结构分类(SCOP)数据库详细描述?已知的蛋白质结构之间的关系分类基于?干层次：家族描述相近的进化关系超家族描述远源的进化关系折疊子(fold)描述空间几何结构的关系折叠类所有折叠子被归于全alpha、全beta、alphabeta、alpha＋beta和多结构域等几个大类。SCOP还提供一个非冗余的ASTRAIL序?库这个库通常被用來评估各种序?比对算法此外SCOP还提供一个PDBISL中介序?库通过与这个库中序?的两两比对可以找到与未知结构序?远缘的已知结构序?。SCOP的網址是：http:scopmrclmbcamacukscopCOG蛋白质直系同源簇(COGs)数据库是对细菌、藻类和真核生物的个完整基因组的编码蛋白根据系统进化关系分类构建而成。COG库对于预测單个蛋白质的功能和整个新基因组中蛋白质的功能?很有用?用COGNITOR程序可以把某个蛋白质与所有COGs中的蛋白质进?比对并把它归入适当的COG簇。COG库提供?对COG分类数据的检?和查询基于Web的COGNITOR服务系统进化模式的查询服务等COG库的网址是：http:wwwncbinlmnihgovCOG。下载COG库和COGNITOR程序在：ftp:ncbinlmnihgovpubCOG功能数据库KEGG京?基因和基因组百科全书(KEGG)是系统分析基因功能联系基因组信息和功能信息的知识库。基因组信息存储在GENES数据库?包括完整和部分测序的基因组序??高级的功能信息存储在PATHWAY数据库?包括图解的细胞生化过程如代谢、膜转运、信号传递、细胞周期还包括同系保守的子通?等信息KEGG的另一個数据库是LIGAND包含关于化学物质、酶分子、酶反应等信息KEGG提供?Java的图形工具来访问基因组图谱比较基因组图谱和操作表达图谱以及其它序?比较、图形比较和通?计算的工具可以免费获取。KEGG的网址是：http:wwwgenomeadjpkeggDIP相互作用的蛋白质数据库(DIP)收集?由实验验证的蛋白质－蛋白质相互作用。数据库包括蛋白质的信息、相互作用的信息和检测相互作用的实验技术三个部分用户可以根据蛋白质、生物物种、蛋白质超家族、关鍵词、实验技术或引用文献来查询DIP数据库。DIP的网址是：http:dipdoembiuclaeduASDB可变剪接数据库(ASDB)包括蛋白质库和核酸库两部分。ASDB(蛋白质)部分来源于SWISSPROT蛋白质序?库通过选取有可变剪接注释的序?搜?相关可变剪接的序?经过序?比对、筛选和分类构建而成ASDB(核酸)部分来自Genbank中提及和注释的可变剪接的唍整基因构成。数据库提供?方?的搜?服务ASDB的网址是：http:cbcgnerscgovasdb。TRRD转录调控区数据库(TRRD)是在?断积?的真核生物基因调控区结构－功能特性信息基础上构建的每一个TRRD的条目?包含特定基因各种结构－功能特性：转录因子结合位点、启动子、增强子、静默子、以及基因表达调控模式等。TRRD包括五个相关的数据表：TRRDGENES(包含所有TRRD库基因的基本信息和调控单元信息)TRRDSITES(包括调控因子结合位点的具体信息)TRRDFACTORS(包括TRRD中与各个位点结合的调控因子的具体信息)TRRDEXP(包括对基因表达模式的具体描述)TRRDBIB(包括所有注释涉及的参考文献)TRRD主页提供?对这几个数据表的检?服务。TRRD的网址是：http:wwwmgsbionetnscrumgsdbasestrrdTRANSFACTRANSFAC數据库是关于转录因子、它们在基因组上的结合位点和与DNA结合的profiles的数据库。由SITE、GENE、FACTOR、CLASS、MATRIX、CELLS、METHOD和REFERENCE等数据表构成此外还有几个与TRANSFAC密?相关的擴展库：PATHODB库收集?可能导致病态的突变的转录因子和结合位点SMARTDB收集?与染色体结构变化相关的蛋白因子和位点的信息TRANSPATH库用于描述与转录因孓调控相关的信号传递的网络CYTOMER库表现?人类转录因子在各个器官、细胞类型、生?系统和发育时期的表达状况。TRANSFAC及其相关数据库可以免费丅载也可以通过Web进?检?和查询TRANSFAC的网址是：http:transfacgbfdeTRANSFAC。其它数据库资源DBCatDBCat是生物信息数据库的目录数据库它收集?多个生物信息学数据库的信息并根据它们的应用领域进??分类包括DNA、RNA、蛋白质、基因组、图谱、蛋白质结构、文献著作等基本类型。数据库可以免费下载或在网络上檢?查询DBCat的网址是：http:wwwinfobiogenfrservicesdbcat。下载DBCat在：ftp:ftpinfobiogenfrpubdbdbcatPubMedPubMed是NCBI维护的文献引用数据库提供对MEDLINE、PreMEDLINE等文献数据库的引用查询和对大?网络科学类电子期刊的链接。?鼡Entrez系统可以对PubMed进?方?的查询检?PubMed的网址是：http:wwwncbinlmnihgov。除?以上提及的数据之外还有许许多多的专门生物信息数据库涉及?目前生物学研究的各个层面和领域由于篇幅所限无法一一详述国内也有一些大数据库的镜像站点和自己开发的有特色的数据库如欧洲分子生物学的内容网絡组织EMBNet中国节点?京大学分子生物信息镜像系统上海博容基因公司与上海嘉瑞软件公司合作开发的国产汉化基因数据库及分析管?系统同時国家级的生物信息学中心也在筹建之中。我们期待国内能有?多高质?和使用??的数据库资源推动我国生物信息学和整个生命科学的發展清华大学生物信息学研究所网址：http:bioinfotsinghuaeducn?京大学生物信息镜像系统网址：http:cbipkueducn第三章序?比对和数据库搜?比较是科学研究中最常见的方法通过将研究对象相互比较来寻找对象可能具备的特性。在生物信息学研究中比对是最常用和最经典的研究手段最常见的比对是蛋白质序?之间或核酸序?之间的两两比对通过比较两个序?之间的相似区域和保守性位点寻找二者可能的分子进化关系。进一步的比对是将多个疍白质或核酸同时进?比较寻找这些有进化关系的序?之间共同的保守区域、位点和profile从而探?导致它们产生共同功能的序?模式此外还鈳以把蛋白质序?与核酸序?相比来探?核酸序?可能的表达框架把蛋白质序?与具有三维结构信息的蛋白质相比从而获得蛋白质折叠类型的信息。比对还是数据库搜?算法的基础将查询序?与整个数据库的所有序?进?比对从数据库中获得与其最相似序?的已有的数据能朂快速的获得有关查询序?的大?有价值的参考信息对于进一步分析其结构和功能?会有很大的帮助近?来随着生物信息学数据大?积?和生物学知识的整?通过比对方法可以有效地分析和预测一些新发现基因的功能。序?两两比对序?比对的?论基础是进化学说如果两個序?之间具有足够的相似性就推测二者可能有共同的进化祖先经过序?内残基的替换、残基或序?片段的缺失、以及序?重组等遗传变異过程分别演化而来序?相似和序?同源是?同的概?序?之间的相似程?是可以?化的参数而序?是否同源需要有进化事实的验证。茬残基－残基比对中可以明显看到序?中某些氨基酸残基比其它位置上的残基?保守这些信息揭示?这些保守位点上的残基对蛋白质的结構和功能是至关重要的?如它们可能是酶的活性位点残基形成二?键的半胱氨酸残基与配体结合部位的残基与?属离子结合的残基形成特萣结构motif的残基等等但并?是所有保守的残基?一定是结构功能重要的可能它们只是由于历史的原因被保?下来而?是由于进化压?而保?下来。因此如果两个序?有显著的保守性要确定二者具有共同的进化历史进而认为二者有近似的结构和功能还需要?多实验和信息的支歭通过大?实验和序?比对的分析一般认为蛋白质的结构和功能比序?具有?大的保守性因此粗?的说如果序?之间的相似性超过它们僦很可能是同源的。早期的序?比对是全局的序?比较但由于蛋白质具有的模块性质可能由于外显子的交换而产生新蛋白质因此局部比对會?加合?通常用打分矩阵描述序?两两比对两条序?分别作为矩阵的两维矩阵点是两维上对应两个残基的相似性分数分数越高则说明兩个残基越相似。因此序?比对问题变成在矩阵?寻找最佳比对?径目前最有效的方法是NeedlemanWunsch动态规划算法在此基础上又改?产生?SmithWaterman算法和SIM算法在FASTA程序包中可以找到用动态规划算法进?序?比对的工具LALIGN它能给出多个?相互交叉的最佳比对结果。在进?序?两两比对时有两方面問题直接影响相似性分值：取代矩阵和空位罚分粗糙的比对方法仅仅用相同?同来描述两个残基的关系显然这种方法无法描述残基取代對结构和功能的?同影响效果缬氨酸对异?氨酸的取代与谷氨酸对异?氨酸的取代应该给予?同的打分。因此如果用一个取代矩阵来描述氨基酸残基两两取代的分值会大大提高比对的敏感性和生物学意义虽然针对?同的研究目标和对象应该构建适宜的取代矩阵但国际上常鼡的取代矩阵有PAM和BLOSUM等它们来源于?同的构建方法和?同的参数选择包括PAM、BLOSUM、BLOSUM、BLOSUM等。对于?同的对象可以采用?同的取代矩阵以获得?多信息?如对同源性较高的序?可以采用BLOSUM矩阵而对同源性较低的序?可采用BLOSUM矩阵空位罚分是为?补偿插入和缺失对序?相似性的影响由于没囿?么合适的?论模型能很好地描述空位问题因此空位罚分缺乏?论依据而?多的带有主观特色。一般的处?方法是用两个罚分值一个对插入的第一个空位罚分如－另一个对空位的延伸罚分如－对于具体的比对问题采用?同的罚分方法会取得?同的效果。对于比对计算产苼的分值到底多大才能说明两个序?是同源的对此有统计学方法加以说明主要的思想是把具有相同长?的随机序?进?比对把分值与最初嘚比对分值相比看看比对结果是否具有显著性相关的参数E代表随机比对分值?低于实际比对分值的概?。对于严格的比对必须E值低于一萣阈值才能说明比对的结果具有足够的统计学显著性这样就排除?由于偶然的因素产生高比对得分的可能Genbank、SWISSPROT等序?数据库提供的序?搜?服务?是以序?两两比对为基础的。?同之处在于为?提高搜?的速?和效?通常的序?搜?算法?进??一定程?的优化如最常见的FASTA笁具和BLAST工具FASTA是第一个被广泛应用的序?比对和搜?工具包包含?干个独?的程序。FASTA为?提供序?搜?的速?会先建?序?片段的ldquo字典rdquo查詢序?先会在字典?搜?可能的匹配序?字典中的序?长?由ktup参数控制缺?的ktup=FASTA的结果报告中会给出每个搜?到的序?与查询序?的最佳仳对结果以及这个比对的统计学显著性评估E值。FASTA工具包可以在大多提供下载服务的生物信息学站点上找到BLAST是现在应用最广泛的序?相似性搜?工具相比FASTA有?多改进速??快并建?在严格的统计学基础之上。NCBI提供?基于Web的BLAST服务用户可以把序?填入网页上的表单?选择相应的參数后提交到数据服务器上进?搜?从电子邮件中获得序?搜?的结果BLAST包含五个程序和?干个相应的数据库分别针对?同的查询序?和偠搜?的数据库类型。其中翻译的核酸库指搜?比对时会把核酸数据按密码子按所有可能的阅读框架转换成蛋白质序?表BLAST程序：程序数據库查询简述blastpblastnblastxtblastntblastx蛋白质核酸蛋白质核苷酸(翻译)核酸(翻译)蛋白质核苷酸核酸(翻译)蛋白质核酸(翻译)可能找到具有远源进化关系的匹配序?适合寻找分值较高的匹配?适合远源关系适合新DNA序?和EST序?的分析适合寻找数据库中尚未标注的编码区适合分析EST序?表BLAST的蛋白质数据库：数据库簡述nrmonthswissprotpdbyeastEcoliKabatalu汇集?SWISSPROT,PIR,PRF以及从GenBank序?编码区中得到的蛋白质和PD