Bài giảng Tin sinh học đại cương - Chương 3: Bắt cặp trình tự (Sequence Alignment)

Trong lĩnh vực Công Nghệ Thông Tin nói riêng, yêu cầu quan trọng nhất của người học đó chính là thực hành. Có thực hành thì người học mới có thể tự mình lĩnh hội và hiểu biết sâu sắc với lý thuyết. Với ngành mạng máy tính, nhu cầu thực hành được đặt lên hàng đầu. Tuy nhiên, trong điều kiện còn thiếu thốn về trang bị như hiện nay, người học đặc biệt là sinh viên ít có điều kiện thực hành. Đặc biệt là với các thiết bị đắt tiền như Router, Switch chuyên dụng

Trang 1

TIN SINH HỌC ĐẠI CƯƠNG

(Introduction to Bioinformatics)

PGS.TS Trần Văn Lăng Email: langtv@vast.vn

PGS.TS Trần Văn Lăng, VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM

BẮT CẶP TRÌNH TỰ (SEQUENCE ALIGNMENT)

MỘT SỐ KHÁI NIỆM CHUNG

Trang 2

Nhắc lại

•  Sinh vật được tạo thành từ tế bào

•  Bên trong mỗi tế bào - ngoại trừ hồng huyết cầu

trưởng thành - có nhân (nucleus) chứa tất cả các

chỉ thị di truyền (genetic instruction)

•  Những chỉ thị này là chức năng của tế bào

•  Các tế bào, với các ngăn khác nhau của nó gọi

là bào quan, phải đối mặt với một vấn đề là:

–  Tế bào sản xuất các phân tử như kích thích tố, dẫn truyền thần kinh, các cytokine và enzyme

–  Chúng phải được gửi đến nơi khác bên trong tế bào, hoặc xuất ra khỏi tế bào

–  Việc sản xuất và vận chuyển này phải được thực hiện đúng nơi và đúng lúc

•  Chẳng hạn, mỗi tế bào người có 46 nhiễm sắc

thể, được tổ chức thành 23 cặp

•  Mỗi nhiễm sắc thể được cấu thành bởi một trình

tự DNA

•  DNA chứa các gen mã hóa RNA mà nó sẽ sinh

ra các protein, để từ đó điều chỉnh tất cả các quá

trình phát triển của một sinh vật

•  Một gene là một đoạn của DNA với trình tự base đặc trưng – cụ thể, gọi là mã di truyền (genetic code), hay chỉ thị di truyền để xác định chức năng của tế bào

Trang 3

•  Việc bắt cặp được thực hiện bằng cách thêm các

“gap” vào các vị trí có thể sao cho các cột giống

nhau hoặc tương tự nhau

•  Việc thêm các gap biểu thị sự đột biến mất nucliotide đã xãy ra tại vị trì này trên trình tự

•   Trong tin học , việc thêm ký tự gap là khoảng trống (“-”) giúp cho việc tạo ra 2 chuỗi ký tự gần giống nhau nhất

Tiến hóa và đột biến

•  Trong sự tiến hóa , các gốc giống nhau đó chính

là một phần của trình tự sinh học tổ tiên

•  Còn các gốc bắt cặp không giống nhau chính là

sự đột biến của một trong hai trình tự

–  Tuy nhiên, không thể xác định trình tự nào bị đột biến

so với trình tự nào

•  Dưới góc độ sinh học , đột biến xãy ra trên cả một trình tự DNA của bộ gene

•  Vì vậy có thể xãy ra tại:

–   các gene mã hóa protein

–   các gene mã hóa phân tử RNA chức năng

–   trình tự điều hòa tham gia bật tắc gene khác

–   vùng trình tự nối các gene

Trang 4

•  Từ đó, đột biến có thể ảnh hưởng hay không ảnh

hưởng đến kiểu hình của sinh vật

•  Khi phân loại, có 2 loại đột biến

–   đột biến điểm : chỉ xãy ra ở một nucleotide, sẽ rất

quan trọng nếu tại vùng mã hóa protein, hay vùng tín

hiệu

–   đột biến đoạn : do mất hay thêm một đoạn trình tự Kết

quả của việc đột biến đoạn là sự nhân đôi gene hay

nhân đôi một vùng nhiễm sắc thể

•  Qua thời gian, những đột biến có lợi hoặc không

có hại sẽ được giữ lại trong quần thể, kích thích

sự hình thành và phát triển loài mới

•  Đó chính là sự tiến hóa (evaluation), trong đó đột biến là nguyên liệu quan trọng

•  Kết quả – ACGCTG- –  | | | – -C-ATGT

•  Tương tự, với 2 trình tự dài hơn – tcctctgcctctgccatcat -caaccc – |||| ||| ||||| ||||| ||||||

– tcctgtgcatctgcaatcatgggcaaccc

Trang 5

Ký tự “gap”

•  Ký tự “gap” là chỗ trống, khe hở, chỗ gián đoạn,

chỗ thiếu sót

•  Trong sinh học gap có ý nghĩa: sự đột biến, hoặc

mất đi do quá trình tiến hóa

deletion

•  Mục đích

–  Bắt cặp trình tự nhằm nghiên cứu sự tiến hóa

–  Hoặc để tìm kiếm, so sánh mức độ tương đồng giữa

các trình tự

Về bắt cặp trình tự protein

•  Sự bắt cặp trình tự không chỉ dừng lại ở trình tự DNA mà cả trình tự protein

•  Trong đó, việc chỉ có 4 ký tự được thay bởi 20 ký

Trang 6

•  Vì vậy, trong qua trình tiến hóa có khuynh hướng

chỉ thay thế các amino acid có cấu trúc tương tự,

ít làm thay đổi đến cấu trúc và chức năng protein

•  Những trình tự protein trong cùng một họ tiến

hóa chung thường có sự thay thế giữa các amino

acid có cùng đặc tính hóa lý

Đánh giá sự bắt cặp

•  Thế nào là sự bắt cặp tốt, tiêu chuẩn nào

•  Có thể cho điểm tốt đối với giá trị Match, điểm xấu với các trường hợp ngược lại

•  Tuy nhiên, với trình tự protein việc thay thế một amino acid khác vẫn bảo toàn cấu trúc và chức năng cũng không thể là điểm xấu

Đánh giá

•  Chính vì vậy, với việc bắt cặp trình tự protein có

các ma trận điểm thay thế để xem xét khả năng

thay thế amino acid mà không ảnh hưởng này

•  Có 2 loại ma trận điểm thay thế:

–  Ma trận PAM (Percentage Accepted Mutation)

–  Ma trận BLOSUM (BLOck SUbstitution Matrix)

•  Sự tương tự giữa PAM và BLOSUM:

–  PAM100 ~ BLOSUM90 –  PAM160 ~ BLOSUM62 –  PAM250 ~ BLOSUM45

•  PAM được tạo ra từ khoảng cách tiến hóa trong các trình tự liên quan

–  Chẳng hạn, PAM100 có khoảng cách tiến hóa 100 lần đột biến trên 100 gốc amino acid

Trang 7

•  BLOSUM được tính toán thông qua tần suất thay

thế của các cặp amino acid trong việc bắt cặp

•  Chẳng hạn, nếu –  Match (Giống nhau ở cùng vi trí): giá trị là +2 –  Mismatch (Không giống nhau): giá trị là -1 –  Gap (Thêm vào hoặc bị loại bỏ): giá trị là -2

•  Hàm đánh giá có giá trị càng cao thì sự giống nhau càng nhiều

•  Định nghĩa: Mức độ tương đồng (điểm đánh giá)

của 2 trình tự bắt cặp S 1 ’ và S 2 ’ là đại lượng:

n a x match + n i x mismatch + n g x gap

•  Trong đó, –  n a , n i , n g : tương ứng là số phần tử giống nhau (match), không giống nhau (mitmatch) và số gap

–  match, mismatch, gap: tương ứng là giá trị tính toán

để đánh giá

–  Thông thường, điểm dương cho match, điểm âm cho

sự đột biến (mismatch và gap)

Trang 9

Phân loại

•  Có 2 loại:

–  Bắt cặp toàn cục (Global alignment): được áp dụng

trên toàn bộ trình tự để tìm sự tương đồng giữa các

trình tự

–  Thường được sử dụng khi 2 trình tự có độ tương đồng

cao, chiều dài xấp xỉ nhau

Thuật toán sử dụng: Needleman - Wunsch

–  Bắt cặp cục bộ (Local alignment): chỉ thực hiện trên một vùng trình tự con tương đồng nằm ở các vị trí khác nhau trên hai trình tự

–  Mục đích tìm ra vùng trình tự tương đồng nhất

–  Sử dụng khi so sánh 2 trình tự có chiều dài khác nhau, mức độ tương đồng trên toàn bộ là thấp

Thuật toán: Smith - Waterman

Bắt cặp hai trình tự

•  Bài toán (Pairwise Sequence Alignment - PSA):

cho 2 trình tự sinh học S 1 , S 2 Hãy tìm 2 trình tự

S 1 ’, S 2 ’ bằng cách thêm các ký tự ‘-’ sao cho:

–  Điểm đánh giá Score(S1’, S2’) là lớn nhất với giá trị

match, mismatch và gap cho trước

–  Chiều dài S 1 ’, S 2 ’ là bằnh nhau (|S 1 ’| = |S 2 ’|)

–  Nếu loại bỏ ký tự gap từ S 1 ’, S 2 ’ sẽ nhận được S 1 , S 2

Trang 10

Bắt cặp đa trình tự

•  Bài toán (Multiple Sequence Alignment - MSA):

Cho k trình tự sinh học S 1 , S 2 , …, S k Hãy tìm k

•  Trong quá trình tiến hóa, một đoạn gen có thể:

–  đột biến

–  mất đi

–  di truyền lại (giữ lại)

Trang 11

•  Như vậy, với 2 trình tự:

•  Khi đó, ký tự “gap” vừa:

–  deletion gap: mất đi –  insertion gap: thêm vào

PHẦN MỀM CLUSTALX

Sử dụng

PGS.TS Trần Văn Lăng, VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM PGS.TS Trần Văn Lăng, VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM

•  Có thể tìm tại http://www.clustal.org/clustal2/

Trang 12

•  Có hai dạng Clustal trên 3 hệ điều hành khác

nhau: Linux, Mac OS X, Windows:

–  ClustalW: thực thi ở chế độ dòng lệnh

–  ClustalX: dùng ở chế độ khung của sổ (window)

Ví dụ

•  Để bắt cặp 2 trình tự, –  tạo file dạng FASTA –  chọn File/Load Sequences

là file mới tạo –  chọn Alignment/Do Complete Sequences

>Seq1 ACTCCGATT

>Seq2 AGCTAATC

Hoặc có thể viết một application

NEEDLEMAN - WUNSCH

Thuật toán

Trang 13

•  Do Saul Needleman và Christian Wunsch đưa ra

vào năm 1970

•  Áp dụng trên toàn bộ trình tự để tìm sự tương

đồng giữa toàn bộ 2 trình tự (bắt cặp toàn cục –

Gobal Alignment)

•  Cho 2 trình tự lần lượt có chiều dài là n và m

•  Thuật toán gồm các bước sau:

–  Bước 1: Khởi tạo giá trị ban đầu cho ma trận tính toán

Trang 14

Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 53

Trang 15

Trang 16

Trang 17

Trang 18

Trang 19

Trang 20

Trang 21

− Mi−1, j−1= Mij− σij, theo duong chéo, (i,j) → (i-1,j-1)

− Mi−1, j= Mij− d , dich chuyen lên trên, (i,j) → (i-1,j)

− Mi, j−1= Mij− d , dich chuyen lui, (i,j) → (i,j-1)

Trang 22

•  Gồm các amino acid: Alanin (A), Cystein (C), Glycine (G), Aspartic acid (D)

Trang 23

•  Có thể biểu diễn

–  U = “ACGCDG”

–  V = “CADGD”

•  Tạo ma trận đánh giá theo quy tắc:

–  M 00 = 0 –  M i0 = M i-1,0 + d –  M 0j = M 0,j-1 + d –  M ij = Max {M i-1,j-1 + σ ij , M i,j-1 + d, M i-1,j + d}

–  d = -1

•  Trong đó –  σ ij = +2 nếu U i và V j giống nhau –  σ ij = -1 nếu U i và V j khác nhau

Trang 24

•  Trong trường hợp này, có nhiều vết được tạo ra

(màu red, blue, green)

•  Sử dụng kỹ thuật lưu vết theo quy tắc:

–  (i,j) →(i-1,j-1): U i và V j được ghi vào

–  (i,j) →(i-1,j): “-” và V j được ghi và

–  (i,j) →(i,j-1): U i và “-” được ghi vào

•  Vết Red: 3(2) + 1(-1) + 3(-1) = 2 CADG-D-

-ACGCDG

•  Vết Blue: 3(2) + 1(-1) + 3(-1) = 2 -CA-DGD

ACGCDG-•  Vết Green: 3(2) + 1(-1) + 3(-1) = 2 -C-ADGC

ACGCDG-PGS.TS Trần Văn Lăng, VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM

Trang 25

•  Rút ra nhận xét

Trang 26

TG Needleman – Wunsch nguyên thủy

for i=0 to length(U)

Score ← M(i,j) ScoreDiag ← M(i - 1, j - 1) ScoreUp ← M(i, j - 1) ScoreLeft ← M(i - 1, j)

if (Score == ScoreDiag + σ(i,j)){

AlignmentU ← Ui + AlignmentU AlignmentV ← Vj + AlignmentV

i ← i - 1

j ← j - 1 }

else if (Score == ScoreLeft + d){

i ← i - 1 }

while (j > 0){

AlignmentU ← "-" + AlignmentU AlignmentV ← Vj + AlignmentV

j ← j - 1 }

Coi thêm NeedWun.java

Trang 27

SMITH - WATERMAN

Thuật toán

•  Do Temple F Smith và Michael S Waterman đưa ra vào 1981

•  Khác biệt so với thuật toán Needleman – Wunsch là chỉ sử dụng để bắt cặp 2 trình tự trong một đoạn của trình tự (bắt cặp cục bộ - Local Alignment)

•  Các bước tính toán hoàn toàn tương tự, chỉ khác

một số bước như sau:

Trang 28

Ví dụ

•  Với U = “ACA”, V = “AGCA”, với d = -1 ta có các

phần tử của ma trận H như sau:

Trang 29

•  Xuất phát từ H nmax,mmax , nếu:

–  H ij = H i-1,j-1 + σ ij thì vết (i,j) → (i-1,j-1) theo đường chéo –  H ij = H i,j-1 + d thì vết (i,j) → (i,j-1) đi lui

–  H ij = H i-1,j + d thì vết (i,j) → (i-1,j) đi lên

Ui và Vj được ghi vào –  (i,j) →(i-1,j): đi lên

“-” và Vj được ghi vào –  (i,j) →(i,j-1): đi lui

Ui và “-” được ghi vào

Trang 30

Với kỹ thuật lưu vết như trên

Trang 31

•  Cũng bằng cách ghi kết quả theo vết, 2 trình tự

•  Với 2 trình tự như hình, có thể tính được

•  Kết quả trên ứng với match = 2, mismatch = -3

Trang 32

CLUSTAL

Thuật toán

Thuật toán ClustalW

•  Dùng cho việc bắt cặp nhiều trình tự (giải bài toán MSA)

•  Lấy ý tưởng từ thuật toán lũy tiến (Progessive Algorithm)

•  Thuật toán lũy tiến như sau:

–  Bước 1: giải bài toán PSA trên 2 trình tự bất kỳ được

chọn

–  Bước 2: chọn một trình tự khác rồi sắp hàng với nhóm

đã thực hiện

–  Bước 3: lặp lại Bước 2 cho trình tự khác

Thuật toán Clustal W

•  Bước 1:

–  Dùng PSA cho tất cả các trình tự –  Xác định mức độ tương đồng mỗi cặp –  Xây dựng ma trận khoảng cách tương đồng giữa các trình tự

Tiêu đề	Bắt Cặp Trình Tự (Sequence Alignment)
Tác giả	Trần Văn Lăng
Trường học	Viện Hàn Lâm Khoa Học Và Công Nghệ Việt Nam
Chuyên ngành	Tin sinh học đại cương
Thể loại	Bài giảng

Định dạng
Số trang	37
Dung lượng	4,45 MB