生物序列的相似性搜索blast簡介及其應用,2,生物序列的相似性,相似性(similarity)：是指一種很直接的數量關系，比如部分相同或相似的百分比或其它一些合適的度量。比如說，A序列和B序列的相似性是80，或者4/5。這是個量化的關系。當然可進行自身局部比較。,3,同源性(homology)：指從一些數據中推斷出的兩個基因或蛋白質序列具而共同祖先的結論，屬于質的判斷。就是說A和B的關系上，只有是同源序列，或者非同源序列兩種關系。而說A和B的同源性為80都是不科學的。,生物序列的同源性,4,相似性和同源性關系,序列的相似性和序列的同源性有一定的關系，一般來說序列間的相似性越高的話，它們是同源序列的可能性就更高，所以經?？梢酝ㄟ^序列的相似性來推測序列是否同源。正因為存在這樣的關系，很多時候對序列的相似性和同源性就沒有做很明顯的區分，造成經常等價混用兩個名詞。所以有出現A序列和B序列的同源性為80一說。,5,數據庫搜索目的,確定特定的蛋白質或核酸序列有哪些已知的直系同源或旁系同源序列。確定哪些蛋白質和基因在特定的物種中出現。確定一個DNA或蛋白質序列身份。發現新基因。尋找對于一個蛋白質的功能或結構起關鍵作用的氨基酸殘基。,6,Blast簡介（一）,BLAST是由美國國立生物技術信息中心（NCBI）開發的一個基于序列相似性的數據庫搜索程序。BLAST是“局部相似性基本查詢工具”(BasicLocalAlignmentSearchTool)的縮寫。,7,Blast是一個序列相似性搜索的程序包，其中包含了很多個獨立的程序，這些程序是根據查詢的對象和數據庫的不同來定義的。比如說查詢的序列為核酸，查詢數據庫亦為核酸序列數據庫，那么就應該選擇blastn程序。下表列出了主要的blast程序。,Blast簡介（二）,8,9,ProgramInputDatabase,10,11,Blast程序評價序列相似性的兩個數據,Score：使用打分矩陣對匹配的片段進行打分，這是對各對氨基酸殘基（或堿基）打分求和的結果，一般來說，匹配片段越長、相似性越高則Score值越大。Evalue:在相同長度的情況下，兩個氨基酸殘基（或堿基）隨機排列的序列進行打分，得到上述Score值的概率的大小。E值越小表示隨機情況下得到該Score值的可能性越低。,12,NCBI提供的Blast服務,登陸ncbi的blast主頁,核酸序列,蛋白序列,翻譯序列,底下有其他一些針對特殊數據庫的和查看以往的比對結果等,13,Blast任務提交表單（一）,1.序列信息部分,填入查詢（query）的序列,序列范圍（默認全部）,選擇搜索數據庫,如果接受其他參數默認設置，點擊開始搜索,14,Blast任務提交表單（二）,設置搜索的范圍，entrez關鍵詞，或者選擇特定物種,2.設置各種參數部分,一些過濾選項，包括簡單重復序列，人類基因組中的重復序列等,E值上限,窗口大小,如果你對blast的命令行選項熟悉的話，可以在這里加入更多的參數,15,Blast任務提交表單（三）,3.設置結果輸出顯示格式,選擇需要顯示的選項以及顯示的文件格式,顯示數目,Alignment的顯示方式,篩選結果,E值范圍,其他一些顯示格式參數,點擊開始搜索,16,提交任務,返回查詢號（requestid）,可以修改顯示結果格式,修改完顯示格式后點擊進入結果界面,17,結果頁面（一）,圖形示意結果,18,結果頁面（二）,目標序列描述部分,帶有genbank的鏈接，點擊可以進入相應的genbank序列,匹配情況，分值，e值,19,結果頁面（三）,詳細的比對上的序列的排列情況,查詢序列和目標序列之間的字母表示兩個氨基酸相同，加號+表示兩個氨基酸相似。空白表示既不相同也不相似。,20,一個具體的例子（blastp）,假設以下為一未知蛋白序列query_seqMSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMASGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADSTQA我們通過blast搜索來獲取一些這個序列的信息。,21,具體步驟,1.登陸blast主頁/BLAST/2.根據數據類型，選擇合適的程序3.填寫表單信息4.提交任務5.查看和分析結果,22,分析過程（一）,1.登陸ncbi的blast主頁,2.選擇程序，因為查詢序列是蛋白序列可以選擇blastp，點擊進入,也可以選擇tblastn,作為演示，我們這里選blastp,23,分析過程（二）,3.填入序列（copypaste）Fasta格式，或者純序列,4.選擇搜索區域，這里我們要搜索整個序列，不填,5.選擇搜索數據庫，這里我們選nr(非冗余的蛋白序列庫)。,是否搜索保守區域數據庫（cdd），蛋白序列搜索才有。我們選上,24,分析過程（三）,6.限制條件，我們限制在病毒里面找。,7.其他選項保持默認值,打分矩陣,25,分析過程（四）,8.輸出格式選項保持默認值,9.點擊開始搜索,26,分析過程（五）,10.查詢序列的一些相關信息,在cdd庫里面找到兩個保守區域，點擊可以進入,27,分析過程（六）,圖形結果,28,分析過程（七）,匹配序列列表,29,序列同源性的判斷方法:,搜索結果是否顯著查看E值列表,是否顯著.如果是核酸序列,E10-6為顯著;如果是蛋白質序列,E10-3為顯著查看同一性分值如果是核酸序列,Identity70%為顯著;如果是蛋白質序列,Identity25%為顯著兩個蛋白是否具有近似的大小,30,兩個蛋白是否有共同的模體或信號序列.兩個蛋白質是不是一個合理的多序列比對的一部分兩個蛋白質是否共有一個相似的生物學功能.兩個蛋白質是否具有相似的三維結構.PSI-BLAST搜索,31,BLAST搜索策略調整,搜索結果過多情況加Entrez限制條件利用序列的一部分進行搜索調整記分矩陣調整期望值搜索結果過少情況去掉Entrez限制提高期望值使用更高PAM值或更低BLOSUM值的記分矩陣高級BLAST搜索,32,進一步深入Blast,1.blast22.Megablast3.Psi-blast4.PHI-blast5.其他(rpsblast,blastclust等),33,Blast2,兩個序列的blast比對，給定兩個序列，相互進行blast比對。能快速檢查兩個序列是否存在相似性片斷或者是否一致。這比起全序列比對要快很多。,34,Megablast,megablast采用了貪婪算法(greedyalgorithm),它連接了多個查詢序列進行一次搜索比對，這樣節省了很多搜索數據庫的時間。主要針對核酸序列。是blast經過優化后，適用于由于測序或者其他原因形成的輕微的差別的序列之間的比較，比一般的相似性搜索程序要快10倍，可以很快的完成兩組大數據的比對。,35,PSI-blast,PositionspecificiterativeBLAST(PSI-BLAST)位點特異的迭代blast搜索，主要針對蛋白序列。第一次blast搜索后，結果中最相似的序列重新構建PSSM(位點特異性打分矩陣)，然后再使用該矩陣進行第二輪blast搜索，再調整矩陣，搜索，如此迭代。最終高度保守的區域就會得到比較高的分值，而不保守的區域則分數降低，趨近0。這樣可以提高blast搜索的靈敏度，有助于尋找遠源相關的蛋白。,36,PHI-BLAST,模式識別BLAST（PatternhitintiatedBLAST）PHI-BLAST能找到與查詢序列相似的符合某種模式（pattern）的蛋白質序列,37,Blast的算法基礎,基本思想是：通過產生