第五章多序列比对 51引言 双序列比对是序列分析的基础。然而,对于构成基因家族的成组的序列来说,我们要 建立多个序列之间的关系,这样才能揭示整个基因家族的特征。由于可以提高序列比对的信 噪比,多序列比对在阐明一组相关序列的重要生物学模式方面起着相当重要的作用。本章中 我们将介绍一系列多序列比对的方法,从完全手动的方式到广泛应用的计算机程序,即所谓 自动比对的方法 52多序列比对的意义 多序列比对有时用来区分一组序列之间的差异,但其主要用于描述一组序列之间的相 似性关系,以便对一个基因家族的特征有一个简明扼要的了解。与双序列比对一样,多序列 比对的方法建立在某个数学或生物学模型之上。因此,正如我们不能对双序列比对的结果得 出“正确或错误”的简单结论一样,多序列比对的结果也没有绝对正确和绝对错误之分,而 只能认为所使用的模型在多大程度上反映了序列之间的相似性关系以及它们的生物学特征 显然,多序列比对需要使用许多专门的分析工具。除了一些已经广泛使用并仍在不但 改进的多序列计算机程序外,还需要有一个开发方便实用的多序列比对手工编辑工具。 可以从多个不同角度出发构建多序列比对模型。这里,主要指建立比对模型的生物学 基础,而不仅是具体的比对方法,如自动比对或手动比对等。目前,构建多序列比对模型的 方法大体可以分为两大类。第一类是基于氨基酸残基的相似性,如物化性质、残基之间的可 突变性等。另一类方法则主要利用蛋白质分子的二级结构和三级结构信息,也就是说根据序 列的高级结构特征确定比对结果。显然,这两种方法所得结果可能有很大差别。一般说来, 很难断定哪种方法所得结果一定正确,应该说,它们从不同角度反映蛋白质序列中所包含的 生物学信息 基于序列信息和基于结构信息的比对都是非常重要的比对模型,但它们都有不可避免 的局限性,因为这两种方法都不能完全反映蛋白质分子所携带的全部信息。我们知道,蛋白 质序列是经过DNA序列转录翻译得到的。从信息论的角度看,它应该与DNA分子所携带 的信息更为“接近”。而蛋白质结构除了序列本身带来的信息外,还包括经过翻译后加工修 饰所增加的结构信息,包括残基的修饰,分子间的相互作用等,最终形成稳定的天然蛋白质 结构。因此,这也是对完全基于序列数据比对方法批评的主要原因。显然,如果能够利用结 构数据,对于序列比对无疑有很大帮助。不幸的是,与大量的序列数据相比,实验测得的蛋 白质三维结构数据实在少得可怜。在大多数情况下,并没有结构数据可以利用,我们只能依 靠序列的相似性和一些生物化学特性建立一个比较满意的多序列比对模型。 53多序列比对的定义 为了便于描述,我们对多序列比对过程给出下面的定义。把多序列比对看作一张 二维表,表中每一行代表一个序列,每一列代表一个残基的位置。将序列依照下列规 则填入表中:(a)一个序列所有残基的相对位置保持不变;(b)将不同序列间相同或 相似的残基放入同一列,即尽可能将序列间相同或相似残基上下对齐。我们称比对前 序列中残基的位置为绝对位置。如序列I的第3位的残基是甘氨酸G,则绝对位置I 3就是甘氨酸,而不能变成任何其它氨基酸。相应地,我们称比对后序列中残基的位 置为相对位置。显然,同一列中所有残基的相对位置相同,而每个残基的绝对位置不 同,因为它们来自不同的序列。需要说明的是,绝对位置是序列本身固有的属性,或 者说是比对前的位置,而相对位置则是经过比对后的位置,也就比对过程赋予它的属第五章 多序列比对 5.1 引言 双序列比对是序列分析的基础。然而，对于构成基因家族的成组的序列来说，我们要 建立多个序列之间的关系，这样才能揭示整个基因家族的特征。由于可以提高序列比对的信 噪比，多序列比对在阐明一组相关序列的重要生物学模式方面起着相当重要的作用。本章中， 我们将介绍一系列多序列比对的方法，从完全手动的方式到广泛应用的计算机程序，即所谓 自动比对的方法。 5.2 多序列比对的意义 多序列比对有时用来区分一组序列之间的差异，但其主要用于描述一组序列之间的相 似性关系，以便对一个基因家族的特征有一个简明扼要的了解。与双序列比对一样，多序列 比对的方法建立在某个数学或生物学模型之上。因此，正如我们不能对双序列比对的结果得 出“正确或错误”的简单结论一样，多序列比对的结果也没有绝对正确和绝对错误之分，而 只能认为所使用的模型在多大程度上反映了序列之间的相似性关系以及它们的生物学特征。 显然，多序列比对需要使用许多专门的分析工具。除了一些已经广泛使用并仍在不但 改进的多序列计算机程序外，还需要有一个开发方便实用的多序列比对手工编辑工具。 可以从多个不同角度出发构建多序列比对模型。这里，主要指建立比对模型的生物学 基础，而不仅是具体的比对方法，如自动比对或手动比对等。目前，构建多序列比对模型的 方法大体可以分为两大类。第一类是基于氨基酸残基的相似性，如物化性质、残基之间的可 突变性等。另一类方法则主要利用蛋白质分子的二级结构和三级结构信息，也就是说根据序 列的高级结构特征确定比对结果。显然，这两种方法所得结果可能有很大差别。一般说来， 很难断定哪种方法所得结果一定正确，应该说，它们从不同角度反映蛋白质序列中所包含的 生物学信息。 基于序列信息和基于结构信息的比对都是非常重要的比对模型，但它们都有不可避免 的局限性，因为这两种方法都不能完全反映蛋白质分子所携带的全部信息。我们知道，蛋白 质序列是经过 DNA 序列转录翻译得到的。从信息论的角度看，它应该与 DNA 分子所携带 的信息更为“接近”。而蛋白质结构除了序列本身带来的信息外，还包括经过翻译后加工修 饰所增加的结构信息，包括残基的修饰，分子间的相互作用等，最终形成稳定的天然蛋白质 结构。因此，这也是对完全基于序列数据比对方法批评的主要原因。显然，如果能够利用结 构数据，对于序列比对无疑有很大帮助。不幸的是，与大量的序列数据相比，实验测得的蛋 白质三维结构数据实在少得可怜。在大多数情况下，并没有结构数据可以利用，我们只能依 靠序列的相似性和一些生物化学特性建立一个比较满意的多序列比对模型。 5.3 多序列比对的定义 为了便于描述，我们对多序列比对过程给出下面的定义。把多序列比对看作一张 二维表，表中每一行代表一个序列，每一列代表一个残基的位置。将序列依照下列规 则填入表中：（a）一个序列所有残基的相对位置保持不变；（b）将不同序列间相同或 相似的残基放入同一列，即尽可能将序列间相同或相似残基上下对齐。我们称比对前 序列中残基的位置为绝对位置。如序列Ⅰ的第 3 位的残基是甘氨酸 G，则绝对位置Ⅰ 3 就是甘氨酸，而不能变成任何其它氨基酸。相应地，我们称比对后序列中残基的位 置为相对位置。显然，同一列中所有残基的相对位置相同，而每个残基的绝对位置不 同，因为它们来自不同的序列。需要说明的是，绝对位置是序列本身固有的属性，或 者说是比对前的位置，而相对位置则是经过比对后的位置，也就比对过程赋予它的属 性