第五章進化與系統(tǒng)發(fā)生分析

生物信息學(xué)Bioinformatics編號名稱第一章生物信息學(xué)引論第二章生物信息學(xué)的生物學(xué)基礎(chǔ)第三章生物信息學(xué)數(shù)據(jù)庫資源第四章DNA和蛋白質(zhì)序列分析第五章系統(tǒng)發(fā)生分析第六章基因表達數(shù)據(jù)分析第七章其他常用生物信息學(xué)工具第八章電子克隆的原理和應(yīng)用第九章基本生物信息學(xué)工具的開發(fā)與應(yīng)用第五章系統(tǒng)發(fā)生分析第一節(jié)基本概念第二節(jié)系統(tǒng)發(fā)生分析步驟第一節(jié)基本概念

基本概念：系統(tǒng)發(fā)生（phylogeny）——是指生物形成或進化的歷史;系統(tǒng)發(fā)生學(xué)(phylogenetics)——研究物種間進化關(guān)系的學(xué)科;系統(tǒng)發(fā)生樹（phylogenetictree）——描述物種間進化關(guān)系的一種表示形式。

經(jīng)典系統(tǒng)發(fā)生學(xué) 主要是物理或表型特征 如生物體的大小、顏色、觸角個數(shù)即通過表型比較來研究物種之間的進化關(guān)系。有時候親緣關(guān)系遠的物種也能進化出相似的表型，所謂的趨同進化(convergentevolution)。如是否有眼睛?現(xiàn)代系統(tǒng)發(fā)生學(xué)利用從遺傳物質(zhì)中提取的信息作為物種特征，具體地說就是核酸序列或蛋白質(zhì)分子如:關(guān)于現(xiàn)代人起源的研究:線粒體DNA

——所有現(xiàn)代人都是一個非洲女性的后代系統(tǒng)發(fā)生樹是一般是二叉樹(每個節(jié)點最多有兩個子節(jié)點)，由一系列的節(jié)點(nodes)和分支(branches)組成。Bacterium1Bacterium3Bacterium2Eukaryote1Eukaryote4Eukaryote3Eukaryote2Bacterium1Bacterium3Bacterium2Eukaryote1Eukaryote4Eukaryote3Eukaryote2Phylograms

showbranchorderandbranchlengths進化樹，有分支和支長信息。.進化分支圖Cladograms

showbranchingorder-branchlengthsaremeaningless進化分支圖，只用分支信息，無支長信息。進化樹系統(tǒng)樹可以是有根的(rooted)也可以是無根的(unrooted)：有根樹中存在一個被稱為根特殊節(jié)點，是所有正被研究的共同祖先。無根樹是一種只將各間的關(guān)系具體化而未定義進化途徑的樹圖。Rootedbyoutgrouparchaeaarchaeaarchaeaeukaryoteeukaryoteeukaryoteeukaryotebacteriaoutgrouprooteukaryoteeukaryoteeukaryoteeukaryote無根樹archaeaarchaeaarchaea有根樹，無根樹有根樹外圍群直系同源(orthologs):同源的基因是由于共同的祖先基因進化而產(chǎn)生的.旁系同源(paralogs):同源的基因是由于基因復(fù)制產(chǎn)生的.直系同源與旁系同源必須了解的概念:paralogsorthologs思考:用于分子進化的序列必須是直系or旁系同源才能真實反映進化過程?

第二節(jié)系統(tǒng)發(fā)生分析步驟（1）序列比對（2）確定替換模型（3）構(gòu)建系統(tǒng)發(fā)生樹（4）評價所建立的樹兩類數(shù)據(jù)：距離離散特征

系統(tǒng)發(fā)生樹的構(gòu)建方法分為兩大類：基于距離的構(gòu)建方法： 非加權(quán)組平均法 鄰近歸并法

Fitch-Margoliash法 最小進化方法基于離散特征的構(gòu)建方法：最大簡約法最大似然法進化簡約法相容性方法基本思路是：

給定一種序列之間距離的測度，在該距離測度下構(gòu)建一棵系統(tǒng)發(fā)生樹，使得該樹能夠最好地反映已知序列之間的距離。一.距離法10條核酸序列的距離矩陣

例，如果有三個物種，其兩兩距離如下：

dab=0.5dac

=0.9

dbc=0.9通過求解方程，得到如圖所示的一棵樹。

uvabc0.20.250.250.45一種簡單的距離矩陣1.1非加權(quán)分組平均法

（UnweightedPairGroupMethodwithArithmeticmean,UPGMA）

在非加權(quán)分組平均法中，在計算新分類到其它分類之間的平均距離時按照各分類中分類單元的數(shù)目進行加權(quán)處理。

例，如果有三個物種，其兩兩距離如下：

dab=0.5dac

=0.9

dbc=0.9通過求解方程，得到如圖所示的一棵樹。

uvabc0.20.250.250.45UPGMA法d=e=10/2=5c=19/2=9.5g=c-d=9.5-5=4.5d(DE)A=(AE+AD)/2=(41+39)/2=40a=b=22/2=11AB(CDE)A-2239.5B--41.5(CDE)---d(CDE)A=(AE+AD+AC)/3=(41+39+39)/3=39.5(AB)(CDE)(AB)-40.5(CDE)--f1+a=f2+c=40.5/2=20.25f1=9.25,f2=11.751.2鄰近歸并法(neighbor-joiningmethod)基本思想：在進行類的合并時，不僅要求待合并的類是相近的，同時還要求待合并的類遠離其它的類。選擇外類群

（Outgroup）選擇一個或多個已知與分析序列關(guān)系較遠的序列作為外類群外類群可以輔助定位樹根bacteriaoutgroupeukaryoteeukaryoteeukaryoteeukaryotearchaeaarchaeaarchaea外圍群系統(tǒng)發(fā)生樹的構(gòu)建方法分為兩大類：基于距離的構(gòu)建方法 非加權(quán)組平均法 鄰近歸并法

Fitch-Margoliash法 最小進化方法基于離散特征的構(gòu)建方法最大簡約法最大似然法進化簡約法相容性方法離散特征數(shù)據(jù)可分為：二態(tài)特征——例如：DNA序列上的某個位置如果是剪切位點；多態(tài)特征——例如：某一位置可能的堿基有Ａ、Ｔ、Ｇ或Ｃ。

二.距離法2.1

最大簡約法（MP）

最大簡約法(maximumparsimony,MP)認為：解釋一個過程的最好理論是所需假設(shè)數(shù)目最少的那一個。對所有可能的拓撲結(jié)構(gòu)進行計算，并計算出所需替代數(shù)最小的那個拓撲結(jié)構(gòu)，作為最優(yōu)樹。

最大簡約法利用存在序列之間的差異的位點,即信息位點:由位點產(chǎn)生的突變數(shù)目把一棵樹與另一棵樹區(qū)分開來的位點.對于一個信息位點要求至少有兩種不同的序列,而且每個序列至少出現(xiàn)2次.最大簡約法就是尋找長度最小,代價最小(替換的次數(shù)最少)的樹.我們只考慮信息位點.(以5為例)try…2.2最大似然法（ML） 最大似然法(maximumlikelihood,ML)選取一個特定的替代模型來分析給定的一組序列數(shù)據(jù)獲得多個拓撲結(jié)構(gòu)，然后再挑出其中似然率最大的拓撲結(jié)構(gòu)作為最優(yōu)樹。第二節(jié)系統(tǒng)發(fā)生分析步驟（1）序列比對（2）確定替換模型（3）構(gòu)建系統(tǒng)發(fā)生樹（4）評價所建立的樹進化樹的可靠性分析自展法（BootstrapMethod）將最終系統(tǒng)樹與各個自展樹進行比較,其中在各個自展樹中都出現(xiàn)或大量出現(xiàn)的那些部分將具有高的置信度.比較耗時.課堂練習(xí):下列哪些位點是信息位點?位點123456序列1CAGGTA序列2CAGACA序列3CGGCTA序列4TGGTCG課堂練習(xí):2)下列系統(tǒng)發(fā)生樹建立的方法中,基于序列特征分析的是?基于距離的是?A.neighbor-joiningmethodB.UPGMAC.Maximum

parismonyD.Maximumlikelihood課堂練習(xí):3)給定一個距離距陣,請用UPGMA法構(gòu)建系統(tǒng)發(fā)生樹.ABCDEA-8468B--884C---68D----8

或者:

假設(shè)序列A-E如下:

A:aagcttactgaatgggc

B:aagcatactgaatcggc

C:aatcatactgaatgccg

D:aatcatactgtttgccg

E:tttcatagtcaatgcca

假設(shè)序列之間的距離為序列轉(zhuǎn)換需要的堿基替換次數(shù).常用系統(tǒng)發(fā)生樹軟件:

ClustalW/X,Philip,MEGA,DNAstar查看軟件:Treeview,MEGA流程:1)ClustalX多序列比較;2)用MEGA程序轉(zhuǎn)換格式;

3)選擇構(gòu)建方法;4)MEGA查看.Forexample…Forsequences:>OsSRZ1MNRKPGDWDCRACQHLNFSRRDLCQRCGGPRGAADRGSGGGGDYANFGGRGGSSFGGGFGTGSDVRPGDWYCNCGAHNFASRSSCFKCAAFKDDAAVNSGGAGAFDGGDMSRSRGYGFGSGAVRASRPGWKSGDWICTRSGCNEHNFASRMECFRCNAPRDSGTEV>OsSRZ2MNIQRKPGDWNCKSCQHLNFSRRDYCQRCHTPRQDLPLGDGYVPGGVLSSLDIRPGDWYCNCGYHNFASRASCFKCGAIVKDLPAGQGGGVANGDFARALDSSAVRAGWKAGDWICTRPGCNVHNFASRIECYRCNAPREAGNVK>OsSRZ3METKAAAMAMRKPGDWSCRSCQYVNFCKREACQRCGEAKLGVERTDYAAMGGGWEVKPGDWCCRCCAVNNYASRGSCFKCGAAKNDSAAAVAQGWGFSVASQAGWKNGDWICPRMECNVQNYANRTECFRCNFPRYYVD>AtSRZ1MSRPGDWNCRSCSHLNFQRRDSCQRCGDSRSGPGGVGGLDFGNFGGRAMSVFGFTTGSDVRPGDWYCTVGNCGTHNFASRSTCFKCGTFKDETGAGGGGGGIGGPAMFDADIMRSRVPGNGGRSSWKSGDWICTRIGCNEHNFASRMECFRCNAPRDFSNRTSF>AtSRZ2MNRPGDWNCRLCSHLNFQRRDSCQRCREPRPGGISTDLLSGFGGRPVSSSFGFNTGPDVRPGDWYCNLGDCGTHNFANRSSCFKCGAAKDEFSCSSAAATTGFMDMNVGPRRGLFGFGGSSSGGGGTGRSPWKSGDWICPRSGCNEHNFASRSECFRCNAPKELATEPPY>AtSRZ3MSWTGGDWLCGACQHANFKKRESCQKCGYPKFGGVDVSTYLYNRTEVMAGDWYCGALNCGSHN