生物信息学上机实验2013-更.ppt
生物信息学上机练习,生物序列的信息检索多序列比对及进化树的构建（选做）Phylip使用,1，序列的数据库信息检索示例：,待查询序列：CCCCTGCCTGGCAGCCCTTTCTCAAGGACCACCGCATCTCTACATTCAAGAACTGGCCCTTCTTGGAGGGCTGCGCCTGCACCCCGGAGCGGATGGCCGAGGCTGGCTTCATCCACTGCCCCACTGAGAACGAGCCAGACTTGGCCCAGTGTTTCTTCTGCTTCAAGGAGCTGGAAGGCTGGGAGCCAGATGACGACCCCATAGAGGAACATAAAAAGCATTCGTCCGGTTGCGCTTTCCTTTCTGTCAAGAAGCAGTTTGAAGAATTAACCCTTGGTGAATTTTTGAAACTGGACAGAGAAAGAGCCAAGAACAAAATTGCAAAGGAAACCAACAATAAGAAGAAAGAATTTGAGGAAACTGCGGAGAAAGTGCGCCGTGCCATCGAGCAGCTGGCTGCCATGGATTGAGGCCTCTGGC,问题,1，这是什么基因？基因的标识符是什么？在基因组上的定位是怎样的？2，编码的蛋白质多少个氨基酸？序列标识符为？序列是？3，该蛋白没有保守的功能结构域？4，该蛋白亚细胞定位是？它的功能是怎样的？5，该蛋白在真核生物中是否保守？6，该蛋白有没有三级结构信息？,答案1.该基因为人的BIRC5基因；基因标识符：NM_001168.2;染色体定位：17号染色体，76210277.76221716；2.人的BIRC5蛋白质包含142个氨基酸，序列标识符为：NP_001159.2;序列为：MGAPTLPPAWQPFLKDHRISTFKNWPFLEGCACP3.BIRC5具有保守的功能结构域BIR；4.BIRC5的细胞亚定位：胞质，核；其功能有：(1)在瘤形成过程中可能起一定作用；(2)阻碍G2/M期的细胞编程性凋亡；(3)Chromosomal passenger complex(CPC)的成员之一。等等。5.该基因在真核生物中最保守很可能是来自毛猩猩Pongo abelii的BIRC5蛋白：Q5RAH9；6.该蛋白的三级结构已知，在PDB中的标识符为1E31等。,2，多序列比对及进化树构建,构建Cytochrome C1家族进化树在Uniprot数据库中搜索Cytochrome C1在不同物种中的氨基酸序列，下载fasta文件使用MEGA软件对结果进行分析：1）多序列比对（MSA multiple sequence alignment）2）构建进化树,Cytochrome C1家族序列获取,工具网站 advanced searchcustomize,调整结果显示格式,选择想要显示的内容，例如显示列为Entry nameOrganismSequenceProtein names save以蛋白名称：Cytochrome C1为关键词搜索,搜索结果,编辑Fasta序列文件,选择搜索结果中Entry name 以“CY1_”开头的序列(选十几个物种序列，每一个种属只选一个序列，即entry name一样的只选择一个即可）点retrieve,编辑Fasta序列文件,Download FASTA格式的文件直接下载下来的序列名称会很累赘，可以将该文件以文本形式打开，对序列名称进行编辑，让其看起来更加简洁明了,Fasta文件格式,以为开头，后接序列名称，重启一行，输入序列CY1_BOVINMAAAAATLRGAMVGPRGCY1_YEASTMFSNLSKRWAQRTLSKSCY1_HUMANMAAAAASLRGVVLGPRG,Fasta文件要求,序列名称中不含有=字符氨基酸序列可以分成多行，但内部不要有空格每个序列的title仅保留蛋白/基因名称+种属来源，如：CY1_YEAST,MEGA 5软件使用,打开MEGA 5，拉开Align菜单，选择Edit/Build Alignment,MEGA 5软件使用,Creat a new Alignment选择Protein,MEGA 5软件使用,在新弹出的窗口中，选择Data-Open-Retrieve Sequences from File，然后导入刚才保存的fasta文件,多序列比对,Ctrl+A选择全部序列，Aligment-Align by ClustalW,多序列比对,可以修改各补偿值等参数，点OK,多序列比对,多序列比对完成Dateexport alignment,导出MEGE format和Fasta format两份结果，得到一个*.meg文件和一个*.fas文件,进化树构建,关闭Alignment窗口，回到MEGA软件主窗口，File-Open A File/Session，打开之前保存的*.meg文件,进化树构建,选择Phylogeny-Construct/Test Neighbor-Joining Tree点yes,进化树构建&bootstrap 验证,点compute,Bootstrap method 验证进化树，点开选择bootstrap,调整树的形状及树枝长度,去掉不可信的分支,从排列的多序列中随机有放回的抽取某一列，构成相同长度的新的排列序列；重复上面的过程，得到多组新的序列；对这些新的序列进行建树，再观察这些树与原始树是否有差异，以此评价建树的可靠性。一般Bootstrap的值70，则认为构建的进化树较为可靠。,3，（选做）Phylip使用自展法-进化树的可靠性分析Bootstrap Method,随机有放回的抽取原始数据的一列，直到列数和原始数据一样,有放回意味着有些列被采到多次，有的列没有采到,比较一致性，两种做法,Phylib采用,Phylip软件包介绍,由华盛顿大学遗传学系开发，免费的系统发育分析软件包。几乎最广泛使用的系统发生分析程序，主要包括以下几个程序组：分子序列组，距离矩阵组，基因频率组，离散字符组，进化树绘制组。访问及免费下载地址：,Phylip软件包介绍,Phylip包含了35个独立的程序，这些独立的程序都实现特定的功能，这些程序基本上包括了系统发生分析的所有方面。多种不同平台的版本（包括windows，Macintosh，DOS，Linux，Unix和OpenVMX）。Phylip软件包的文档是非常详细的，对于每个独立的程序，都有一个独立的文档，详细的介绍了该程序的使用及其说明。,outfile是一个记录文件，记录了分析的过程和结果，可以直接用文本编辑器（如写字板）打开。outtree是分析结果的树文件，可以用phylip提供的绘树程序打开查看，也可以用其他的程序来打开，如treeview等。,Phylip软件包的应用,由于默认输出的名字是一样的，为了防止被覆盖，要把默认的输出名字改一下,Windows 版本的phylip软件包,现有8段protein序列：P1MPRFAANLSMMFTEVPFIERFAAARKAGFDAVEFLFPYNYSTLQIQKQLEP2MPRFEANLSMMFTEVPFAERFADARKAGFDAVEFLFPYCYSDLQIQCQLEP3WPRFEANLSMMFTEVPFAERFADARKIGFDAEEFLFPYCYSDLQIQCQLEP4MPCFAANLSMMFTEVPFIERFAAARKAGFDAVEFLFPYNYSTLQIQKQLEP5MPRFEANLSMEFTAVPFIERFADARKAGFDAVEFLFPYCYSTLQIQKQLEP6MPRFEANLSMMFTEVPFAERFADARKAGFDAEEFLFPYCYSDLQIQCQLEP7MPRFEANLSMEFTEVPFIERFADARKAGFDAVEFLFPYCYSTLQIQKQLEP8WPRFEANLSMMFTEVPFAERFADARKAGFDAEEFLFPYCYSDLQIQCQLE,示例：Phylip软件包构建进化树,新建文本文件 testSeq.fasta复制以下序列，注意最后是fasta格式,第一步：使用CLUSTALX多序列比对，File/Load Sequenes读入testSeq.fasta，输出格式File/Save Sequenes as 为*.PHY,这步的目的是完成格式转换，准备构建进化树的序列,PHY的格式,输出的*.PHY文件：8和50分别表示8个序列和每个序列有50个氨基酸,第二步：双击打开SEQBOOT,按路径输入刚才生成的*.PHY文件；设定适当参数；输出outfile文件。,注意输入正确的文件地址，可以把文件拷到当前目录,随机数,可以使用默认值，输入Y,这步的目的是用Bootstrap的方法产生多个复本,重命名Outfile文本文件为Outfile1，打开如下：（包括了100个replicates）,第三步：打开PROTPARS（最大简约法），输入Outfile1文件后如下显示：设定适当参数；运行输出outfile和treefile文件。,目的是构建各个副本的进化树,多组数据,重命名Outfile文本文件为Outfile2，重命名OutTree为OutTree2；打Outfile2开如右：（包括了100个replicates的结果）,第四步：打开CONSENSE程序，输入outtree2，运行输出outfile和treefile文件。分别重命名为outfile3和treefile3.tre,该步骤目的是综合100个复本，构建一致的进化树,获得的结果文件中，文本文件outfile3显示如下：,outfile,树文件outtree3.tre用TREEVIEW软件打开显示：,outtree,作业：,自主选择你所感兴趣的问题，利用生物信息学信息检索途径，回答你的问题。格式：已知：待查询问题：解答途径：方法、数据库 结果：鼓励使用新途径解决新问题！本科已修生物信息课的同学可以不用上机，但需要完成此项作业。,作业要求,发信至 sntt邮件名称：学号+姓名答题内容使用文本文件（TXT），如无截图内容不要使用Word文件或其他格式。文件名：学号+姓名.TXT,
