生物序列的相似性搜索(參考版)
2024-10-11 15:47本頁面
【正文】 fasta搜索一序列的同源性，看看和 blast的結(jié)果有什么不同。 63 U93237， blastn搜索人類的 est庫，看看那些位置是外顯子區(qū)域。 2. 獲取 M25113序列， blastp搜索 SwissProt 庫中的相似序列。 它對(duì)數(shù)據(jù)庫的每一次搜索都只有一個(gè)最佳的比對(duì) ， 一些有意義的比對(duì)可能被錯(cuò)過 。 FASTA對(duì)每一個(gè)檢索到的比對(duì)都提供一個(gè)統(tǒng)計(jì)學(xué)顯著性的評(píng)估 ，以判斷該比對(duì)的意義 。 FASTA算法（三） 58 4. 對(duì)最有可能的匹配序列進(jìn)一步評(píng)分：以增強(qiáng)段 init1所在的對(duì)角線為中心 ， 劃分出一個(gè)較狹窄的對(duì)角線帶 ， 利用 SW算法 ， 來獲得分值最高的局部比對(duì) ， 記作opt。 把那些沒有重疊 (nonoverlap)的增強(qiáng)段拼接起來 (增強(qiáng)段的分值之和減去空位處罰 )。 一個(gè)增強(qiáng)段對(duì)應(yīng)于一段相匹配的子序列 ， 分值最高的段被標(biāo)記為init1。 FASTA算法（一） 56 2. 在同一條對(duì)角線中臨近的增強(qiáng)點(diǎn)成為一個(gè)增強(qiáng)段 。 FASTA算法基礎(chǔ) 55 1. 確定參數(shù) ktup， 在兩個(gè)序列中查找長度為 ktup的 、 相匹配的片段 (增強(qiáng)點(diǎn) )。 以下鏈接是 EBI提供的 fasta服務(wù)。 Blast的改進(jìn)（三） 52 其他的序列相似性搜索工具 － fasta FastA算法是由 Lipman和 Pearson于 1985年發(fā)表的（ Lipman和 Pearson， 1985）。 這一過程是反復(fù)進(jìn)行的 ， 直到再?zèng)]有發(fā)現(xiàn)新的有意義的匹配為止 。 ?執(zhí)行通常的 BLAST算法 ， 使用一種不同的記分方式 ， 根據(jù)高度顯著比對(duì) (HSPs)的最高分值建立一個(gè)最初的 profile。 ?允許位于不同的對(duì)角線的兩個(gè)片段拼接在一起 。 49 ?在 1997年提出了對(duì) BLAST程序的改進(jìn)算法，提高了搜索速度、敏感度和實(shí)用性。 48 Blast的算法（三） 3. 一個(gè)字串選中后，程序會(huì)進(jìn)行沒有空位的局部尋優(yōu)，比對(duì)的最低分值是 S，當(dāng)比對(duì)延伸時(shí)會(huì)遇到一些負(fù)的分值，使得比對(duì)的分值下降，當(dāng)下降的分值小于 S時(shí)，命中的延伸就會(huì)終止。為了提高速度，允許較長的字串長度 W。使要比對(duì)的序列中包含一個(gè)分值不小于 S的 HSP。 45 Blast的算法流程 46 1. 首先確定一個(gè)終止值 S、 步長參數(shù) w和一個(gè)閾值 t。 它集中于發(fā)現(xiàn)具有較高的相似性的局部比對(duì) ， 且局部比對(duì)中不能含有空位（ gap的算法 ） 。 44 Blast的算法基礎(chǔ) ?基本思想是：通過產(chǎn)生數(shù)量更少的但質(zhì)量更好的增強(qiáng)點(diǎn)來提高速度 。 最終高度保守的區(qū)域就會(huì)得到比較高的分值，而不保守的區(qū)域則分?jǐn)?shù)降低，趨近 0。 43 PSIblast Position specific iterative BLAST (PSIBLAST) 位點(diǎn)特異的迭代 blast搜索，主要針對(duì)蛋白序列。主要針對(duì)核酸序列。這比起全序列比對(duì)要快很多。 單機(jī)版的 Blast使用（六） 39 p 程序名應(yīng)該是 blastn， blastp， blastx， tblastn，tblastx中的一個(gè) d 數(shù)據(jù)庫名稱，默認(rèn) nr i 查詢序列文件，默認(rèn) stdin e E值限制，默認(rèn) 10 o 結(jié)果輸出文件，默認(rèn) stdout F 過濾選項(xiàng)，默認(rèn) T 單機(jī)版的 Blast使用（七） 40 進(jìn)一步深入 Blast (rpsblas
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1