序列比对

序列比对（Sequence Alignment） 是生物信息学的核心工具，用于推断两条或多条生物序列（DNA、RNA、蛋白质）之间的相似性、同源性及进化关系。其本质是通过插入空位（Gap）优化序列间的匹配位置，揭示功能、结构或进化上的关联。以下是系统解析：

1. 成对比对（Pairwise Alignment）

目的：比较两条序列的相似性。

• 全局比对（Global Alignment）
• 适用场景：长度相近的全长序列比对（如直系同源基因）。
• 算法：Needleman-Wunsch（动态规划，最大化整体相似性）。
• 输出示例：

  Seq1: ATG-CGTAG 
  ADFASDFAF23RQ23R 
   
  Seq2: ATCGCCGAG 
  
  ADSFAEQWER353423413434
   

• 局部比对（Local Alignment）
• 适用场景：寻找高度相似的子区域（如结构域、模体）。
• 算法：Smith-Waterman（动态规划，定位最优匹配片段）。
• 输出示例：

  Seq1: ...TACGTCGAT... 
  
  ADSFAEQWER353423413434
   
  Seq2: ...GATATCGGA... 
  ADFASDFAF23RQ23R 
   

2. 多序列比对（Multiple Sequence Alignment, MSA）

目的：同时比对 ≥3 条序列，识别保守位点与进化模式。

ADFASDFAF23RQ23R

• 算法：
• 渐进式比对（如 Clustal Omega）：基于距离矩阵逐层合并序列（指导树）。
• 迭代优化（如 MAFFT, MUSCLE）：反复调整比对以提高一致性。
• 关键输出：
• 保守位点（*）：所有序列完全相同的列（如催化残基）。
• 高相似位点（:）：保守替换（如疏水氨基酸聚集区）。
• 低相似位点（.）：非保守区域（如环状结构域）。

Human    : LVL*S*GAL 

ADSFAEQWER353423413434
 
Chimpanzee: LVL*S*GAL
Mouse    : MVI*A*GTL
Frog     : LIV*T*A-- 

ADSFAEQWER353423413434
 

1. 替换矩阵（Substitution Matrix）

• DNA序列：简单矩阵（匹配+1，错配-1）；过渡/颠换权重差异（如转换突变概率 > 颠换）。
• 蛋白质序列：PAM矩阵基于近距离进化突变（如PAM250适用于远缘比对）；BLOSUM矩阵基于保守区块相似性（如BLOSUM62用于通用比对）。矩阵值：正数（高频替换，如亮氨酸→异亮氨酸），负数（罕见替换，如半胱氨酸→脯氨酸）。

2. 空位罚分（Gap Penalty）

• 线性罚分：每个空位固定扣分（如 -10）。
• 仿射罚分：区分空位开启（-10）与延伸（-0.5/空位），更符合生物学实际（插入/缺失常连续出现）。

1. 基因功能注释：将未知基因与 NCBI NR 数据库 比对，匹配到已知功能基因（如 BLASTp 结果 E-value < 1e-5 视为同源）。
2. 突变分析：比对患者与健康人基因组，定位致病突变（如肺癌EGFR基因第19外显子缺失）。
3. 分子进化研究：多序列比对 → 构建系统发育树（如新冠病毒刺突蛋白变异株演化分析）。
4. 结构预测：通过同源建模（如SWISS-MODEL），利用已知结构的同源蛋白（序列相似性 >30%）预测目标蛋白3D结构。

1. 计算复杂度：精确算法（动态规划）耗时剧增（序列长度²），需启发式方法（BLAST）加速。
2. 空位优化：罚分设置依赖经验，影响比对准确性。
3. 远缘序列：低相似度时（<20%），同源性判断困难（需结构或功能验证）。
4. 重复序列：基因组中的重复区域导致比对偏移（需特殊算法如LASTZ）。

序列比对是解码生命信息的“密码本”，通过量化序列相似性：短期应用：注释基因、诊断突变、追踪病原进化；长期价值：揭示分子进化规律、预测蛋白质结构与药物靶点。其精度提升依赖于算法优化和生物学知识的整合。 ADFASDFAF23RQ23R

• Needleman S.B., Wunsch C.D. (1970). A general method applicable to the search for similarities in the amino acid sequence of two proteins. Journal of Molecular Biology, 48(3): 443-453.
• Smith T.F., Waterman M.S. (1981). Identification of common molecular subsequences. Journal of Molecular Biology, 147(1): 195-197.
• Henikoff S., Henikoff J.G. (1992). Amino acid substitution matrices from protein blocks. Proceedings of the National Academy of Sciences, 89(22): 10915-10919.
• Sievers F., Wilm A., Dineen D., et al. (2011). Fast, scalable generation of high-quality protein multiple sequence alignments using Clustal Omega. Molecular Systems Biology, 7: 539.
• Altschul S.F., Gish W., Miller W., et al. (1990). Basic local alignment search tool. Journal of Molecular Biology, 215(3): 403-410.
• Edgar R.C. (2004). MUSCLE: multiple sequence alignment with high accuracy and high throughput. Nucleic Acids Research, 32(5): 1792-1797.
• Katoh K., Standley D.M. (2013). MAFFT multiple sequence alignment software version 7: improvements in performance and usability. Molecular Biology and Evolution, 30(4): 772-780.
• 张成岗, 贺福初. (2001). 生物信息学方法与实践. 科学出版社. (ISBN: 9787030092104)