分子进化与系统发育分析课件

Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC生物信息学生物信息学第六章第六章 分子进化与系统发育分析分子进化与系统发育分析生物信息学第六章 分子进化与系统发育分析1Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC生物学家：生物学家：We have a dreamr1.Tree of Life:重建所有生物的进化历史并以系统树的形式加以描述生物学家：We have a dream1.Tree o2Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC梦想走进现实：梦想走进现实：How?r1.最理想的方法：化石！然而零散、不完整r2.比较形态学和比较生理学：确定大致的进化框架。然而，细节存在巨多的争议梦想走进现实：How?1.最理想的方法：化石！然而3Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC第三种方案：分子进化第三种方案：分子进化r1.1964年，Linus Pauling提出分子进化理论；r2.DNA&RNA:4种碱基；蛋白质分子：20种氨基酸；r3.发生在分子层面的进化过程：DNA,RNA和蛋白质分子；r4.基本假设：核苷酸和氨基酸序列中含有生物进化历史的全部信息；第三种方案：分子进化1.1964年，Linus Pauli4Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC分子进化的模式分子进化的模式r1.DNA突变的模式：替代，插入，缺失，倒位；r2.核苷酸替代：转换(Transition)&颠换(Transversion);r3.基因复制：多基因家族的产生以及伪基因的产生；|A.单个基因复制 重组或者逆转录；|B.染色体片断复制；|C.基因组复制；分子进化的模式1.DNA突变的模式：替代，插入，缺失，倒位5Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC(1)DNA突变的模式突变的模式替代替代插入插入缺失缺失倒位倒位(1)DNA突变的模式替代插入缺失倒位6Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC(2)核苷酸替代：转换核苷酸替代：转换&颠换颠换r1.转换：嘌呤被嘌呤替代，或者嘧啶被嘧啶替代；r2.颠换：嘌呤被嘧啶替代，或者嘧啶被嘌呤替代；(2)核苷酸替代：转换&颠换1.转换：嘌呤被嘌呤替代7Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC基因复制：单个基因复制基因复制：单个基因复制重组重组逆转录逆转录基因复制：单个基因复制重组逆转录8Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC基因复制：染色体片段复制基因复制：染色体片段复制基因复制：染色体片段复制9Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC基因复制：基因组复制基因复制：基因组复制S.Cerevisiae(酿酒酵母)K.Waltii(克鲁雄酵母)研究结果：克鲁雄酵母中的同源基因数量与酿酒酵母相比为1：2基因复制：基因组复制S.Cerevisiae(酿酒酵母)10Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC分子进化研究的目的分子进化研究的目的r1.从物种的一些分子特性出发，构建系统发育树，进而了解物种之间的生物系统发生的关系 tree of life;物种分类；r2.大分子功能与结构的分析：同一家族的大分子，具有相似的三级结构及生化功能，通过序列同源性分析，构建系统发育树，进行相关分析；功能预测；r3.进化速率分析：例如，HIV的高突变性；哪些位点易发生突变？分子进化研究的目的1.从物种的一些分子特性出发，构建系统发11Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC(1)Tree of Life:16S rRNA(1)Tree of Life:16S rRNA12Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCOut of Africa5353个人的线粒体基因组个人的线粒体基因组(16,587bp)人类迁移的路线人类迁移的路线Out of Africa53个人的线粒体基因组(16,5813Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC(2)同源性分析同源性分析-功能相似性功能相似性rOrtholog(直系同源物)：两个基因通过物种形成的事件而产生，或，源于不同物种的最近的共同祖先的两个基因，或者两个物种中的同一基因，一般具有相同的功能。rParalog(旁系同源物)：两个基因在同一物种中，通过至少一次基因复制的事件而产生。rXenolog(异同源物)：由某一个水平基因转移事件而得到的同源序列。rConvergent evolution:通过不同的进化途径获得相似的功能，或者，功能替代物。(2)同源性分析-功能相似性Ortholog(直系同源14Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCparalogsorthologsparalogsorthologs15Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC异同源物异同源物16Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC基因的趋同进化通过不同的进化过程获得保守的功能基因的趋同进化17Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC趋同进化：趋同进化：Langur食叶猴RNASE:纤维素分解、消化趋同进化：Langur食叶猴RNASE:纤维素分解、消化18Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC同源关系的分析同源关系的分析r1.直系同源物的确定：Reciprocal Best Hits;r2.旁系同源物的确定：BLAST，序列比对及数据库搜索，至少存在一个共有的功能结构域；r3.整体分析/蛋白质家族分析：系统发育树的构建；同源关系的分析1.直系同源物的确定：Reciprocal B19Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCReciprocal Best Hits?直系同源物：直系同源物：Reciprocal Best HitsReciprocal Best Hits?直系同源物：Rec20Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC(3)HIV protease:高突变性高突变性rKa/Ks 1,强的正选择压力，具有很高的可突变性(3)HIV protease:高突变性Ka/Ks 21Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC本章内容提要本章内容提要r1.密码子偏好及相应分析；r2.氨基酸序列的进化演变；r3.DNA序列的进化演变；r4.同义与非同义的核苷酸替代；r5.系统发育树的构建；r6.分子钟与线性树；r7.MEGA软件的使用；本章内容提要1.密码子偏好及相应分析；22Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC第一节第一节 密码子偏好及相应分析密码子偏好及相应分析r1.密码子(codon):在随机或者无自然选择的情况下，各个密码子出现频率将大致相等。r2.密码子偏好：各个物种中，编码同一氨基酸的不同同义密码子的频率非常不一致；r3.可能的原因：密码子对应的同功tRNA丰度的不同。第一节 密码子偏好及相应分析1.密码子(codon):在23Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC标准密码子标准密码子标准密码子24Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC大肠杆菌大肠杆菌RNA聚合酶聚合酶大肠杆菌RNA聚合酶25Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC大肠杆菌大肠杆菌RNA聚合酶聚合酶(2)r1.密码子偏好非常明显；例如r2.同为编码Phe的同义密码子UUU和UUC，二者出现的次数显著不等，UUU(15次)，UUC(44次)；r3.再如：编码Arg的四个密码子CGU,CGC,CGA,CGG,出现次数分别为：89，46，1，0.r4.提示：对应CGG的同功tRNA可能不存在！大肠杆菌RNA聚合酶(2)1.密码子偏好非常明显；例如26Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCtRNA&Anticodonr1.每一个密码子，对应一个tRNA；r2.tRNA通过Anticodon来识别codon,联系mRNA和氨基酸序列的合成；r3.密码子的使用偏好：由密码子对应的tRNA的进化及丰度来决定。tRNA&Anticodon1.每一个密码子，对应一个27Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC碱基出现的频率碱基出现的频率r1.假如：每个核苷酸位点上的替代是随机发生的，则A,T,C,G出现的频率应该大致相等；r2.实际情况：DNA受到自然选择的压力，各个位点的碱基出现频率并不相等；r3.需要解决的问题：|A.每个位点上受到什么样的选择压力？|B.各个位点的碱基频率反映了什么样的规律？r4.表征/统计的方法：计算G+C的含量，并进行比较；碱基出现的频率1.假如：每个核苷酸位点上的替代是随机发生的28Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC分子进化的理论分子进化的理论r1.阳性选择，适应性进化，达尔文进化：DNA分子显著出现非同义替代，改变编码蛋白质的氨基酸组成，并产生新的功能；r2.阴性选择，净化选择：DNA分子的同义替代显著，较少改变蛋白质的氨基酸组成，其原来的功能高度保守；r3.中性进化：同义替代与非同义替代比例相当，突变不好不坏，不改变或轻微改变蛋白质的功能。分子进化的理论1.阳性选择，适应性进化，达尔文进化：DNA29Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC同义替代同义替代 vs.非同义替代非同义替代GCGGTTTGGGAGGCGGTCTGCGAC64个密码子，编码20个氨基酸GTTGTCGTAGTGCGTCGC脯氨酸P组氨酸H四倍简并二倍简并TGGTGC色氨酸W半胱氨酸C同义替代非同义替代同义替代 vs.非同义替代GCGGTTTGGGAGGCGG30Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC编码区编码区 vs.非编码区非编码区r1.编码区：DNA上编码功能性的基因的部分；r2.非编码区：或称基因组序列，绝大部分无功能；r3.选择压力：|A.编码区：阳性选择 1%；中性进化：80%；阴性进化：19%；|B.非编码区：100%的中性进化；编码区 vs.非编码区1.编码区：DNA上编码功能性的基31Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC编码区：密码子编码区：密码子r1.对于同义的密码子，第一位少部分可以允许不同，例如，编码Ser的六个密码子：TCT,TCC,TCA,TCG,AGT,AGC;r2.第二位必须相同；r3.第三位绝大多数可以不同-近似随机；r4.因此：|A.第一位：阴性进化占大部分，中性进化占小部分；|B.第二位：阴性进化；|C.第三位：阴性进化占小部分，中性进化占大部分；编码区：密码子1.对于同义的密码子，第一位少部分可以允许不32Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC编码区编码区&密码子密码子:推论推论r1.密码子第三位的碱基出现概率接近基因组序列的碱基频率；r2.第二位的碱基出现频率与基因组序列的基建频率相差最大；编码区&密码子:推论1.密码子第三位的碱基出现概率接33Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC11个细菌基因组与密码子三个位置个细菌基因组与密码子三个位置上的上的GC含量的关系含量的关系细菌基因组的GC含量：25%75%11个细菌基因组与密码子三个位置上的GC含量的关系细菌基因组34Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC密码子偏好的应用及计算密码子偏好的应用及计算r1.基本假设：在高表达的基因中，密码子的选择，更倾向于使用“优化”的同义密码子；r2.推论1：给定一个物种的一些高表达的基因，我们可以估算优化的同义密码子的分布；r3.推论2：接着，我们可以对给定的一个未知基因的序列进行密码子分布的分析，预测该基因的表达量！r4.推论3：对于一个表达量很低的基因，我们是否能够通过将少量的密码子改变成优化密码子，从而显著提高基因的表达量？密码子偏好的应用及计算1.基本假设：在高表达的基因中，密码35Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCRSCUr1.相对密码子使用频率(relative synonymous codon usage,RSCU);r2.定义：观测到的某一同一密码子的使用次数，除以“期望”的该密码子出现次数。编码第i个氨基酸的第j个密码子的观测值编码第i氨基酸的同义密码子的数目编码第i个氨基酸的第j个密码子的RSCU值RSCU1.相对密码子使用频率(relative syno36Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC密码子：密码子：the relative adaptationr1.编码第i个氨基酸的第j个同义密码子的“相对适应性”:r2.即，该同义密码子的观察值，除以编码该氨基酸的同义密码子的最大值。密码子：the relative adaptation1.37Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC大肠杆菌大肠杆菌&酵母酵母大肠杆菌&酵母38Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCCAI:codon Adaptation Index其中，另外，L为序列的长度CAI:codon Adaptation Index其中，39Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC例：大肠杆菌的例：大肠杆菌的rpsUrrpsU包含70个codon,部分序列如下：例：大肠杆菌的rpsUrpsU包含70个codon,部分序列40Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC大肠杆菌和酵母：部分基因的大肠杆菌和酵母：部分基因的CAI大肠杆菌和酵母：部分基因的CAI41Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC异源基因：在其他物种中的异源基因：在其他物种中的CAI异源基因：在其他物种中的CAI42Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC第二节第二节 氨基酸序列的进化演变氨基酸序列的进化演变r1.分子进化的分析：基于氨基酸序列的分析早于DNA序列。r2.优势：氨基酸序列更为保守，对年代跨度大的进化分析有帮助；数学模型较DNA远为简单；r3.p距离：p-distance;r4.泊松校正，d距离；r5.距离；第二节 氨基酸序列的进化演变1.分子进化的分析：基于氨基酸43Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCP-distancer1.另两条蛋白质序列之间的氨基酸差异数为nd,所有序列的氨基酸数目相同为n，则P距离不同物种的血红蛋白链中不同氨基酸的数目及比例。长度：140aa所有的插入/缺失都要删除！P-distance1.另两条蛋白质序列之间的氨基酸差异数44Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCPC：泊松校正：泊松校正r1.序列差异的百分比(p)与分歧时间t的关系：t较短的时候，回复突变较少，两者大致成线性关系；当t较大时，回复突变增多，二者成非线性关系；r2.令r为某一位点每年的氨基酸替代率，并假设所有为点的r都相同：基本假设；r3.在时间t年之后，每个位点替代的平均数为：rt;给定一个位点，氨基酸替代数k(k=0,1,2,3,)的可能性遵循泊松分布，即r4.因此，某一位点氨基酸不变的概率为PC：泊松校正1.序列差异的百分比(p)与分歧时间t的关系45Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCPC：泊松校正：泊松校正(2)r1.祖先序列未知：不知道当前的序列从何演化而来。r2.解决方案：对两条已经有t年分化的序列，一条序列无替代的概率为：，两条序列则为：r3.q=1-p;r4.泊松校正距离d=2rtr5.因此，rd=-ln(1-p)，即泊松距离。PC：泊松校正(2)1.祖先序列未知：不知道当前的序列从46Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTCP-距离距离 vs.泊松距离泊松距离P-距离 vs.泊松距离47Bioinformatics,2007-2008,Semester 1,USTCBioinformatics,2007-2008,Semester 1,USTC距离距离r1.p-距离和d-距离：氨基酸替代率在所有位点是相同的；r2.实际情况：功能次要的位点比功能重要的位点替代率更高；r3.实际观测：每个位点氨基酸替代率(k)的分布方差大于泊松方差，且此方差近似遵循负二项分布；r4.理论上，恰好：如果氨基酸替代率r按照分布，则氨基酸替代的观察值将按负二项是分布；距离1.p-距离和d-距离：氨基酸替代率在所有位点是相同48