分子進(jìn)化分析

1、第五章第五章 分子進(jìn)化分析分子進(jìn)化分析MOLECULAR EVOLUTION ANALYSIS第一節(jié) 引言 分子進(jìn)化開始于20世紀(jì)60年代，近20年來由于分子遺傳學(xué)資料的迅速積累，成為計(jì)算生物學(xué)和和生物信息學(xué)等新興學(xué)科的重要組成部分。 尤其人類基因組測(cè)序后，推動(dòng)了分子進(jìn)化的進(jìn)一步發(fā)展，序列保守性，基因表達(dá)和網(wǎng)絡(luò)的進(jìn)化等研究?jī)?nèi)容不斷的出現(xiàn)在最新的研究中，充實(shí)了生物信息學(xué)的研究范圍。第二節(jié) 系統(tǒng)發(fā)生分析與重建 一、核苷酸置換模型及氨基酸置換模型 （一）DNA序列進(jìn)化分析 DNA序列的進(jìn)化演變比蛋白質(zhì)序列 的演變更復(fù)雜，因?yàn)橛卸喾N多樣的DNA區(qū)域，如蛋白質(zhì)編碼區(qū)、非編碼區(qū)、外顯子、內(nèi)含子、側(cè)翼區(qū)、重

2、復(fù)DNA序列和插入序列等。因此，弄清所研究的DNA類型和功能是十分重要的。即便我們單獨(dú)考慮蛋白質(zhì)編碼區(qū)，密碼子第一、二和三位的核苷酸替代式樣也不盡相同。何況，某些區(qū)比其他區(qū)更易受到自然選擇的影響，使得DNA的不同區(qū)域呈現(xiàn)不同的進(jìn)化模式。1.兩個(gè)序列間的核苷酸差異 對(duì)于一種同源的核酸分子來說，它在親緣關(guān)系越近的生物之間差異就越小，相反差異 就越大，即兩同源分子分歧的時(shí)間與它們之間的序列差異成正比。 同一條祖先序列傳衍的兩條后裔序列，它們的核苷酸差異隨時(shí)間而增加。一個(gè)簡(jiǎn)便的描述序列分歧大小的測(cè)度是兩條后裔序列中不同核苷酸位點(diǎn)的比例。 以下，我們稱此估計(jì)為核苷酸間的p距離 盡管總核苷酸替代能用公式計(jì)

3、算，但我們常常也需要知道兩個(gè)序列間（即序列和）不同核苷酸對(duì)的頻率。在每一序列中，有4種不同核苷酸（A,T,C,G），故兩條序列相應(yīng)位點(diǎn)配對(duì)時(shí)可有16種不同類型的核苷酸對(duì) 如果4種核苷酸間的替代是隨機(jī)發(fā)生的，當(dāng)P很小時(shí)，Q約為P的2倍。實(shí)際上，通常轉(zhuǎn)換比顛換出現(xiàn)更頻繁。因此，P將大于Q/2。當(dāng)序列間的分歧度低時(shí)，轉(zhuǎn)換對(duì)顛換的比值（R），常稱為轉(zhuǎn)換/顛換比，能用下式估計(jì)： 核苷酸替代數(shù)的估計(jì)常常建立在以下假設(shè)基礎(chǔ)上，即每個(gè)序列的核苷酸頻率處于平衡態(tài)，且此頻率不隨時(shí)間而變化。當(dāng)每個(gè)序列的核苷酸頻率處于平衡時(shí)，我們期望表5-1中的、 以及 。因此，可用零假設(shè)去檢驗(yàn)核苷酸頻率是否處于平衡態(tài)。2. 核苷酸

4、替代數(shù)的估計(jì) 欲估計(jì)核苷酸替代數(shù)，必須應(yīng)用核苷酸替代的數(shù)學(xué)模型。為此，許多學(xué)者提出了不同的替代模型，其中一些模型以替代率矩陣的形式列在表5-2中。例5.1 人與獼猴的細(xì)胞色素b基因間的核苷酸替代數(shù) 動(dòng)物線粒體DNA中的細(xì)胞色素b基因是高度保守的，因此常被用于研究親緣關(guān)系較遠(yuǎn)的動(dòng)物的進(jìn)化關(guān)系。表5-3示出了人與獼猴的細(xì)胞色素b基因的10種不同類型核苷酸對(duì)的數(shù)目，并分別以密碼子第1、2和3位點(diǎn)列出。（二）氨基酸序列進(jìn)化分析 1.氨基酸差異和不同氨基酸的比例 蛋白質(zhì)或肽鏈的進(jìn)化演變研究開始于兩個(gè)或多個(gè)氨基酸序列的比較。圖5-1顯示了人、馬、牛、袋鼠、蠑螈和鯉魚的血紅蛋白鏈的氨基酸序列。圖中，不同的氨

5、基酸分別用不同的單字母代表。 在圖5-1所給出的例子中，刪除所有間隔后可比較的總氨基酸位點(diǎn)數(shù)為140。因此，仕此例中。值出現(xiàn)在表5-5對(duì)角線上部，可以很容易地計(jì)算出，列于對(duì)角線下部。 當(dāng)所比較的物種親緣關(guān)系很遠(yuǎn)時(shí)（如人和鯉魚），值較大，而當(dāng)親緣關(guān)系較近的物種比較時(shí)（如人和馬），值較小。這說明隨著兩個(gè)物種的分歧時(shí)間增大，氨基酸的替代數(shù)也將增大，但并不嚴(yán)格與分歧時(shí)間（）成比例（圖5-2）。2. 泊松校正（PC）和 距離 p與t的變化呈現(xiàn)非線性關(guān)系的原因之一是當(dāng)多個(gè)氨基酸替代出現(xiàn)在同一位點(diǎn)時(shí)，nd偏離實(shí)際氨基酸的替代數(shù)將會(huì)逐漸增加。更精確估計(jì)替代數(shù)的方法之一是運(yùn)用泊松分布的概念。令r為一個(gè)特定位點(diǎn)每

6、年的氨基酸替換率，并且為簡(jiǎn)便起見假設(shè)所有位點(diǎn)的r都相同，在時(shí)間t年后，每個(gè)位點(diǎn)氨基酸替代的平均數(shù)是rt。在一個(gè)給定位點(diǎn)氨基酸替代數(shù)k（k=0, 1, 2, 3, ）的發(fā)生頻率遵循泊松分布，即， 若已知每個(gè)位點(diǎn)的氨基酸替代率（）按分布的話，每個(gè)位點(diǎn)氨基酸替代的觀察值將按負(fù)二項(xiàng)式分布。因此，Uzzell和Corbin研究建議，不同位點(diǎn)的替代率都按分布估計(jì)，即 f(r)的分布形狀由a決定，a常稱為形狀參數(shù)或參數(shù)，而b則稱為尺度因子。分布是非常柔性的，有多種多樣形狀，由形狀參數(shù)a決定（圖5-3）。 1( )/ ( )abraf rba er 當(dāng)r遵循分布時(shí)，就有可能估計(jì)出平均每個(gè)位點(diǎn)的氨基酸替代數(shù)。為

7、此，讓我們考慮在時(shí)間t時(shí)兩個(gè)序列間某一位點(diǎn)上的氨基酸相同的概率，按公式（5.4）計(jì)算。然后，對(duì)所有位點(diǎn)的q求均值，為1/(1)1aGdap例5.2 血紅蛋白鏈的進(jìn)化距離和氨基酸替代率的估計(jì) 表5-5示出了6種脊椎動(dòng)物血紅蛋白鏈成對(duì)比較的有差異氨基酸的數(shù)目的比例（ ）。我們用這些值來估計(jì)PC距離（d）和 距離（ ）。 pGd2. 自展法的方差和協(xié)方差 可以有若干種方法來估計(jì)兩個(gè)序列間氨基酸替代數(shù)。實(shí)際上，每個(gè)模型都是對(duì)真實(shí)情況的近似，僅僅提供了氨基酸的近似替代數(shù)。因此，前述的估計(jì)距離方差的分析公式也是近似的。 解決這一問題的一個(gè)簡(jiǎn)便途徑是應(yīng)用自展法（bootstrap）計(jì)算多種距離測(cè)度的方差和協(xié)

8、方差。 自展法的一個(gè)優(yōu)點(diǎn)是，即使沒有現(xiàn)成的數(shù)學(xué)公式可用時(shí)，也能算出方差和協(xié)方差，而且能比近似的數(shù)學(xué)公式提供更好的方差和協(xié)方差的估計(jì)。 111213141512122232425231323334353,nnnxxxxxxxxxxxxxxxxxx例5.3 由解析法和自展法獲得的PC距離的標(biāo)準(zhǔn)誤自展法重復(fù)了1000次 二、分子時(shí)鐘假說（一）概述 分子鐘（molecular clock）假說認(rèn)為DNA或蛋白質(zhì)序列的進(jìn)化速率隨時(shí)間或進(jìn)化譜系保持恒定。 化石數(shù)據(jù)是被用來校定分子鐘的，即將序列間的距離轉(zhuǎn)換成絕對(duì)地質(zhì)時(shí)間和置換率 （二）相對(duì)速率檢驗(yàn) 最簡(jiǎn)單的分子鐘假設(shè)檢驗(yàn)是采用第三個(gè)物種C（外類群）來檢驗(yàn)兩

9、個(gè)物種A和B是否以相同的速率進(jìn)化。這一檢驗(yàn)稱為相對(duì)速率檢驗(yàn)（relative-rate test），其實(shí)幾乎所有的分子鐘檢驗(yàn)比較的都是相對(duì)速率而不是絕對(duì)速率。 確定靈長(zhǎng)類分歧時(shí)間 （三）內(nèi)部分枝檢驗(yàn) 1. 正態(tài)偏離（Z）檢驗(yàn)2. 分析方法3. 自展內(nèi)部分支檢驗(yàn)4. 似然比檢驗(yàn)三、系統(tǒng)發(fā)生樹的基本概念及搜索方法 在研究從病毒到人類的各種生物的進(jìn)化歷史中，DNA或蛋白質(zhì)序列的系統(tǒng)發(fā)育分析已經(jīng)成為一個(gè)重要的工具。 由于不同的基因或DNA片段的進(jìn)化速率存在較大的差異，我們可以通過這些基因或DNA片段來估計(jì)幾乎所有水平上的有機(jī)體間的進(jìn)化關(guān)系（例如，界、門、科、屬、種以及種內(nèi)群體）。 （一）系統(tǒng)發(fā)育樹的種

10、類1.有根樹和無根樹 基因或生物體的系統(tǒng)發(fā)育關(guān)系常常用有根或無根的樹形結(jié)構(gòu)來表示，即有根樹和無根樹。2. 基因樹和物種樹 當(dāng)一個(gè)系統(tǒng)發(fā)育樹由來自各個(gè)物種的一個(gè)同源基因構(gòu)建時(shí)，得到的的樹將不完全等同于物種樹。根據(jù)基因構(gòu)建的樹的分支結(jié)構(gòu)也可能不同于物種樹，我們稱這種樹為基因樹。 3. 期望樹與現(xiàn)實(shí)樹 一個(gè)用無限長(zhǎng)的序列或每一分支的替代數(shù)的期望值構(gòu)建的樹稱為期望樹，建立在實(shí)際替代數(shù)基礎(chǔ)上的樹稱為現(xiàn)實(shí)樹，由所觀察到的序列數(shù)據(jù)構(gòu)建的樹稱為重建樹。 4. 拓?fù)渚嚯x 兩個(gè)不同的樹之間的拓?fù)渚嚯x通?？梢杂眯蛄蟹指畹姆椒▉頊y(cè)量。 （二）基于距離法構(gòu)建系統(tǒng)發(fā)生樹 通常使用的方法分為3大類：（1）距離法，（2）簡(jiǎn)約

11、法，（3）似然法； 1.距離方法 距離方法涉及兩個(gè)步驟：計(jì)算物種對(duì)之間的遺傳距離以及從距離矩陣重建一課體統(tǒng)發(fā)育樹。 最小二乘法 最小二乘法（LS）將成對(duì)距離矩陣作為給定數(shù)據(jù)，通過匹配那些盡可能近的距離來估計(jì)一棵樹上的枝長(zhǎng) 設(shè)物種i和j之間的距離為dij，樹上物種i到j(luò)間通路的枝長(zhǎng)和為dij。LS方法對(duì)所有獨(dú)立的i和j對(duì)求距離差的平方（dijdij）的最小值，使得這棵樹與距離之間的擬合盡可能地近。 2222212121313141423232224243434()()()()()()()ijijijSdddddddddddddd（三）基于字母特征構(gòu)建進(jìn)化樹1.最大簡(jiǎn)約法 達(dá)到變化最小數(shù)目的重建稱

12、為最簡(jiǎn)約重建 （most parsimonious reconstruction） （四）用于系統(tǒng)發(fā)育重建的距離測(cè)度 1當(dāng)每個(gè)位點(diǎn)的核苷酸替代數(shù)目得Jukes-Cantor估計(jì)值小于0.05，應(yīng)當(dāng)使用p距離或Jukes-Cantor距離而不管是否存在轉(zhuǎn)換/顛換 。2當(dāng)0.05d5）。 3建議盡量避免使用d1的數(shù)據(jù)。4當(dāng)距離很大而n很小時(shí)，用來估計(jì)每個(gè)核苷酸位點(diǎn)替代數(shù)據(jù)的很多距離方法不能使用 。5當(dāng)一個(gè)系統(tǒng)樹是通過一個(gè)基因的編碼區(qū)構(gòu)建時(shí)，同義與非同義替換之間的差別很重要，可以用dS來構(gòu)樹。6如果兩種距離測(cè)度對(duì)于同一數(shù)據(jù)獲得相同的距離值（或極為相近）時(shí)，應(yīng)該使用簡(jiǎn)單的一種測(cè)度 。第三節(jié) 核苷酸和蛋

13、白質(zhì)的適應(yīng)性進(jìn)化 一、中性理論和中性檢驗(yàn) 按照中性理論，我們今天觀察到的遺傳變異無論是種內(nèi)多態(tài)性還是中間分歧，均不取決于自然選擇所驅(qū)動(dòng)的有利突變的固定，而是取決于那些事實(shí)上沒有適合效應(yīng)（即中性的）突變的隨機(jī)固定。 二、基因的適應(yīng)性進(jìn)化 （一）基因適應(yīng)性進(jìn)化的檢驗(yàn)方法1.Tajima的D檢驗(yàn) Tajima的D檢驗(yàn)的統(tǒng)計(jì)顯著性可能與幾種不同的解釋相容，而且難于區(qū)分它們。正如前面所討論的，一個(gè)負(fù)D值表明存在凈化選擇或群體中分離的輕微有害突變。然而，負(fù)D值也可能是由群體擴(kuò)張?jiān)斐傻摹?2. Fu和Li的D檢驗(yàn)與Fay和Wu的H檢驗(yàn) Fu和Li區(qū)分了內(nèi)部突變和外部突變，即分別在系譜樹內(nèi)枝或外枝上發(fā)生的突變

14、。 Fay和Wu提出了一種類似的主意并構(gòu)建了的估計(jì)值3. McDonald-Kreitman檢驗(yàn)和選擇強(qiáng)度估計(jì) McDonald和Kreitman檢驗(yàn)所依思想采用了所謂的泊松隨機(jī)場(chǎng)（Poisson random field）理論，已被擴(kuò)展到估計(jì)度量自然選擇強(qiáng)度的參數(shù)中。 4. Hudson-Kreitman-Aquade檢驗(yàn) Hudson-Kreitman-Aquade檢驗(yàn)（即HKA檢驗(yàn)），對(duì)種內(nèi)多態(tài)性和種間分歧是同一過程的兩個(gè)階段這一中性預(yù)測(cè)進(jìn)行了檢驗(yàn)。 LiiiiLiBiBiBiLiAiAiAiDVDEDSVSESSVSES1212122/ （二）適應(yīng)性進(jìn)化的基因 大多數(shù)正選擇基因可分為以

15、下3類。第一類包括針對(duì)病毒、細(xì)菌、真菌和寄生蟲攻擊的防御機(jī)制或免疫作用中的宿主基因，以及與破壞宿主防御機(jī)制有關(guān)的病毒或病原基因。 第二類主要包括與生殖有關(guān)的蛋白質(zhì)或信息素。 第三類正選擇基因與上述兩類有所重疊，包括基因重復(fù)后獲得新功能的基因。 第四節(jié) 分子進(jìn)化與比較基因組學(xué) 一、基因組進(jìn)化概述 基因組學(xué)（Genomics）是一門只有10多年歷史的新興學(xué)科，發(fā)展極為迅速，并產(chǎn)生了許多分支學(xué)科。 利用基因組學(xué)研究的方法和成果來研究生物進(jìn)化，也就是進(jìn)化基因組學(xué)（Evolutionary Genomics）所要研究的問題，并且越來越受到進(jìn)化生物學(xué)研究者的關(guān)注。（一）基因組測(cè)序計(jì)劃 （二）進(jìn)化基因組學(xué)

16、對(duì)不同生物基因組結(jié)構(gòu)的異同及其特點(diǎn)進(jìn)行比較，除了在功能基因組學(xué)的研究上很有意義外，還有可能在一定程度上了解基因組的進(jìn)化，特別基因組的結(jié)構(gòu)特征與生物復(fù)雜性的關(guān)系。 為了了解基因組及其發(fā)展變化的本質(zhì)，當(dāng)然還要研究與生命起源有關(guān)的最原始的基因和基因組的起源，以及其后的進(jìn)化模式與過程。這樣，我們就有可能在分子水平上認(rèn)識(shí)生物進(jìn)化的分段是途徑。 二、病毒基因組分析 （一）病毒基因組分析 病毒受自身突變和自然選擇的影響，但病毒基因組的進(jìn)化速度遠(yuǎn)遠(yuǎn)超過其他細(xì)胞的基因組。 （二）運(yùn)用生物信息學(xué)方法研究SARS 由一個(gè)典型的冠狀病毒結(jié)構(gòu)，按照一定的順序排列5個(gè)或者6個(gè)基因。 SARS流行發(fā)生重構(gòu)三、原核生物基因組

17、比較 （一）基于與人類疾病相關(guān)的細(xì)菌分類 （二）原核基因組分析 1.核苷酸組成 2.尋找基因 3.水平基因轉(zhuǎn)移（三）原核生物基因組比較數(shù)據(jù)庫圖5-8 Taxplot界面示意圖圖5-9 MUMmer輸出結(jié)果 四、真核生物基因組進(jìn)化分析 （一）真核生物與原核生物差異（二）真核生物基因組個(gè)例虐疾致病體-虐原蟲（三）人類基因組分析第五節(jié) 生物信息學(xué)與分子進(jìn)化 一、蛋白質(zhì)互作網(wǎng)絡(luò)進(jìn)化 （一）網(wǎng)絡(luò)中的蛋白質(zhì)個(gè)體進(jìn)化 蛋白質(zhì)互作網(wǎng)絡(luò)對(duì)蛋白質(zhì)個(gè)體進(jìn)化性質(zhì)的影響，即蛋白質(zhì)互作是否會(huì)減慢蛋白質(zhì)進(jìn)化速率，是在蛋白質(zhì)個(gè)體層面上研究網(wǎng)絡(luò)進(jìn)化的主要問題。 蛋白連接度同其進(jìn)化速率之間可能存在較弱的負(fù)相關(guān)關(guān)系 （二）網(wǎng)絡(luò)中的

18、蛋白互作對(duì)進(jìn)化 互作的兩個(gè)蛋白質(zhì)在進(jìn)化上是否趨向具有相似的性質(zhì)？在分子水平上是否趨向共進(jìn)化？這是網(wǎng)絡(luò)中蛋白互作對(duì)進(jìn)化研究要回答的問題。 互作的蛋白質(zhì)傾向于具有更相似的進(jìn)化速率，且網(wǎng)絡(luò)中的蛋白互作對(duì)在表達(dá)水平等層次上也可能存在微弱的共進(jìn)化現(xiàn)象。 （三）網(wǎng)絡(luò)中的模體進(jìn)化 對(duì)于網(wǎng)絡(luò)模體進(jìn)化的研究主要集中在探討模體是否對(duì)其成員蛋白進(jìn)化具有約束作用。模體成員蛋白要比非模體成員蛋白在進(jìn)化上更具有保守性 （四）網(wǎng)絡(luò)中的模塊進(jìn)化 蛋白質(zhì)互作網(wǎng)絡(luò)具有層次模塊化特性。功能模塊的最顯著的特點(diǎn)是其往往表現(xiàn)出內(nèi)部更可能在功能和拓?fù)渖匣ハ嗦?lián)系，在蛋白互作網(wǎng)絡(luò)中主要以蛋白質(zhì)復(fù)合物的形式存在。 網(wǎng)絡(luò)的模塊化對(duì)蛋白質(zhì)進(jìn)化可能有

19、約束作用，成員蛋白之間在進(jìn)化速率，表達(dá)水平等方面表現(xiàn)出共進(jìn)化特性 。（五）網(wǎng)絡(luò)的整體進(jìn)化 研究蛋白質(zhì)互作網(wǎng)絡(luò)整體進(jìn)化的最主要問題是蛋白質(zhì)互作網(wǎng)絡(luò)的起源。 無尺度和小世界網(wǎng)絡(luò)的進(jìn)化模型。目前應(yīng)用最為廣泛的是優(yōu)先連接模型和復(fù)制-分歧模型。 優(yōu)先連接模型描述網(wǎng)絡(luò)的生長(zhǎng)是通過不斷向網(wǎng)絡(luò)中添加新的節(jié)點(diǎn)來實(shí)現(xiàn)的，而新添加的節(jié)點(diǎn)傾向于優(yōu)先與原有網(wǎng)絡(luò)中度高的節(jié)點(diǎn)連接。在復(fù)制-分歧模型中，網(wǎng)絡(luò)中的初始蛋白質(zhì)被隨機(jī)選擇并復(fù)制，且伴隨該蛋白質(zhì)參與的所有互作。二、轉(zhuǎn)錄因子和miRNA的進(jìn)化 （一） 發(fā)育過程中的轉(zhuǎn)錄因子和miRNA 不考慮轉(zhuǎn)錄因子自身的發(fā)育作用就不能談基因調(diào)控的進(jìn)化，因?yàn)檫@些作用能夠?qū)φ{(diào)控關(guān)系的進(jìn)化起

20、作用。 （二） Trans因子的進(jìn)化 轉(zhuǎn)錄因子和miRNAs在植物和動(dòng)物界中的獨(dú)立進(jìn)化 因?yàn)樵谥参锖蛣?dòng)物中沒有同源的miRNA，而且，miRNA的生物合成和miRNA調(diào)節(jié)基因表達(dá)在植物和動(dòng)物中也是顯著不同。 miRNA和轉(zhuǎn)錄因子的深度保守 最有名的例子要數(shù)let-7了，它幾乎在所有bilaterians中都是保守的 （三） Cis元件的進(jìn)化 在植物中，大量的miRNA的靶向關(guān)系是保守的 總的來說，高度保守的trans調(diào)控因子和整體上相對(duì)比較低的cis調(diào)控位點(diǎn)在調(diào)控機(jī)制中是很常見的。 高轉(zhuǎn)換率的結(jié)合位點(diǎn)可能經(jīng)歷了較短的進(jìn)化 （四）進(jìn)化率的問題 一般我們認(rèn)為抑制子要比激活子進(jìn)化的更快，這是因?yàn)橐种埔粋€(gè)基因的方式有很多，但激活的方式卻很少。 轉(zhuǎn)錄因子是可以作為抑制子或增強(qiáng)子的，但miRNA卻只可以作為抑制子，因此可以推斷miRNA的結(jié)合位點(diǎn)應(yīng)該比轉(zhuǎn)錄因子的結(jié)合位點(diǎn)進(jìn)化的更快。 植物和動(dòng)物的miRNA結(jié)合位點(diǎn)可能是按照相同的速率進(jìn)化的。 三 代謝網(wǎng)絡(luò)進(jìn)化分析 （一）代謝網(wǎng)絡(luò)模塊性的進(jìn)化分析 1.模塊傾向于正選擇，