多重序列比對及系統發生樹的構建實驗（二）

2.  文件outfile改為infile。點擊DNADIST程序。選項M是輸入剛才設置的republicate的數目，輸入D選擇data sets，輸入200。


設置好條件后，輸入Y確認參數。程序開始運行，并在EXE文件夾中產生outfile，部分內容如下：


將outfile文件名改為infile，為避免與原先infile文件重復，將原先文件名改為infile1。
 
3.  EXE文件夾中選擇通過距離矩陣推測進化樹的算法，點擊NEIGHBOR程序。輸入M更改參數，輸入D選擇data sets。輸入200。輸入奇數種子3。


輸Y確認參數。程序開始運行，并在EXE文件夾中產生outfile和outtree兩個結果輸出。outtree文件是一個樹文件，可以用treeview等軟件打開。outfile是一個分析結果的輸出報告，包括了樹和其他一些分析報告，可以用記事本直接打開。部分內容如下：



4.  將EXE文件夾中的outfile文件名改為outfile1，以避免被新生成的outfile 文件覆蓋。點擊CONSENSE程序。輸入Y確認設置。EXE文件夾中新生成outfile和outtree。Outfile文件用記事本打開，內容如下：



5.  將EXE文件夾中的intree文件名改為intree1，將outtree改intree。點擊DRAWTREE程序，輸入font1文件名，作為參數。輸Y確認參數。程序開始運行，并出現Tree Preview圖。


6.  點擊DRAWGRAM程序，輸入font1文件名，作為參數。輸Y確認參數。程序開始運行，并出現Tree Preview圖。

一、對于一個完整的進化樹分析需要以下幾個步驟

（1）要對所分析的多序列目標進行比對（alignment）。

（2）要構建一個進化樹（phyligenetic tree）。

構建進化樹的算法主要分為兩類：獨立元素法（discrete character methods）和距離依靠法（distance methods）。

獨立元素法是指進化樹的拓撲形狀是由序列上的每個堿基/氨基酸的狀態決定的（例如：一個序列上可能包含很多的酶切位點，而每個酶切位點的存在與否是由幾個堿基的狀態決定的，也就是說一個序列堿基的狀態決定著它的酶切位點狀態，當多個序列進行進化樹分析時，進化樹的拓撲形狀也就由這些堿基的狀態決定了）。

距離依靠法是指進化樹的拓撲形狀由兩兩序列的進化距離決定的。進化樹枝條的長度代表著進化距離。

獨立元素法包括最大簡約性法（Maximum Parsimony methods）和最大可能性法（Maximum Likelihood methods）；距離依靠法包括除權配對法（UPGMAM）和鄰位相連法（Neighbor-joining）。

（3）對進化樹進行評估，主要采用Bootstraping法。

進化樹的構建是一個統計學問題，我們所構建出來的進化樹只是對真實的進化關系的評估或者模擬。如果我們采用了一個適當的方法，那么所構建的進化樹就會接近真實的“進化樹”。

模擬的進化樹需要一種數學方法來對其進行評估。不同的算法有不同的適用目標。

一般來說，最大簡約性法適用于符合以下條件的多序列：i所要比較的序列的堿基差別小，ii對于序列上的每一個堿基有近似相等的變異率，iii沒有過多的顛換/轉換的傾向，iv所檢驗的序列的堿基數目較多（大于幾千個堿基）；用最大可能性法分析序列則不需以上的諸多條件，但是此種方法計算極其耗時。如果分析的序列較多，有可能要花上幾天的時間才能計算完畢。

UPGMAM（Unweighted pair group method with arithmetic mean）假設在進化過程中所有核苷酸/氨基酸都有相同的變異率，也就是存在著一個分子鐘。這種算法得到的進化樹相對來說不是很準確，現在已經很少使用。鄰位相連法是一個經常被使用的算法，它構建的進化樹相對準確，而且計算快捷。其缺點是序列上的所有位點都被同等對待，而且，所分析的序列的進化距離不能太大。另外，需要特別指出的是對于一些特定多序列對象來說可能沒有任何一個現存算法非常適合它。


CLUSTALX和PHYLIP軟件能夠實現上述的建樹步驟。CLUSTALX是Windows界面下的多重序列比對軟件。

PHYLIP是多個軟件的壓縮包，功能極其強大，主要包括五個方面的功能軟件：i，DNA和蛋白質序列數據的分析軟件。ii，序列數據轉變成距離數據后，對距離數據分析的軟件。iii，對基因頻率和連續的元素分析的軟件。iv，把序列的每個堿基/氨基酸獨立看待（堿基/氨基酸只有0和1的狀態）時，對序列進行分析的軟件。v，按照DOLLO簡約性算法對序列進行分析的軟件。vi，繪制和修改進化樹的軟件。

二、作業

1.  采用以上例子給出的DNA序列進行系統發育樹的構建結果。（包括序列比對結果及最終生成的樹）
 
2.  以下給出的是蛋白質序列，使用以上方法構建系統發育樹。（包括序列比對結果及最終生成的樹）
 
>RAT
MEPKRIREGYLVKKGSVFNTWKPMWVVLLEDGIEFYKKKSDNNPKGMIPLKGSTLTSPCQDFGKRMFVLK
ITTTKQQDHFFQAAYLEERDAWVRDIKKAIKCIEGGQKFARKSTRRSIRLPETIDLGALYLSMKDPEKGI
>HUMAN
MEPKRIREGYLVKKGSVFNTWKPMWVVLLEDGIEFYKKKSDNSPKGMIPLKGSTLTSPCQDFGKRMFVFK
ITTTKQQDHFFQAAFLEERDAWVRDIKKAIKCIEGGQKFARKSTRRSIRLPETIDLGALYLSMKDTEKGI
>CANFA
MEPKRIREGYLVKRGSVFNTWKPMWVVLLEDGIEFYKKKSDNSPKGMIPLKGSTLTSPCQDFGKRMFVFK
ITTTKQQDHFFQAAFLEERDSWVRDTKKAIKCIEGGQKFARKSTRRSIRLPETVDLGALYLSMKDIEKGI
>MOUSE
MEPKRIREGYLVKKGSVFNTWKPMWVVLLEDGIEFYKKKSDNSPKGMIPLKGSTLTSPCQDFGKRMFVLK
ITTTKQQDHFFQAAFLEERDAWVRDIKKAIKCIEGGQKFARKSTRRSIRLPETIDLGALYLSMKDPEKGI
>Canis
MEPKRIREGYLVKRGSVFNTWKPMWVVLLEDGIEFYKKKSDNSPKGMIPLKGSTLTSPCQDFGKRMFVFK
ITTTKQQDHFFQAAFLEERDSWVRDTKKAIKCIEGGQKFARKSTRRSIRLPETVDLGALYLSMKDIEKGI
>Gallus gallus
MEREPMRIREGYLVKKGSMFNTWKPMWVVLLEDGIEFYKRKSDNSPKGMIPLKGSTINSPCQDFGKRMFV
FKLTAAKQQDHFFQASYLEERDAWVRDIKKAIQCIDGGQRFARKSTRKSIRLPETINLSALYLSMKDPEK
>Danio rerio
MEPTTIREGYLVKKGTVLNSWKAVWVVLKDDAIEFFKKKTDRNAKGMIPLKGATLTSPCQDFSKRALVFK
VSTAKNQDHYFQATHLEEREHWVKDIRRAITCLQGGKKFARKSTRRSIRLPESVNLSELYVCMKDPDRGV
>chimpanzee
MEPKRIREGYLVKRGSVFNTWKPMWVVLLEDGIEFYKKKSDNSPKGMIPLKGSTLTSPCQDFGKRMFVFK
ITTTKQQDHFFQAAFLEERDAWVRDMKKAIKCIEGGQKFARKSTRRSIRLPETIDLGALYLSMKDTEKGI
 
3.  以上構建系統進化樹的方法為N-J法，請總結采用蛋白質序列構建系統進化樹與采用DNA序列構建系統進化樹所選用的程序的區別。