分子進(jìn)化樹構(gòu)建及數(shù)據(jù)分析的簡介
編輯：雁楓 [ 2012-8-21 15:32:14 ] 文章來源：教育裝備在線
其他光學(xué)儀器
1．涉及基本概念。例如，“分子進(jìn)化與生物進(jìn)化是不是一個概念”，“關(guān)于微衛(wèi)星進(jìn)化模型有沒有什么新的進(jìn)展”以及“關(guān)于Kruglyak的模型有沒有改進(jìn)的出現(xiàn)”，等等。
2．關(guān)于構(gòu)建進(jìn)化樹的方法的選擇。例如，“用boostrap NJ得到XX圖，請問該怎樣理解？能否應(yīng)用于文章？用boostrap test中的ME法得到的是XXX樹，請問與上個樹比，哪個更好”，等等。
3．關(guān)于軟件的選擇。例如，“想做一個進(jìn)化樹，不知道什么軟件能更好的使用且可以說明問題，并且有沒有說明如何做”，“拿到了16sr RNA數(shù)據(jù)，打算做一個系統(tǒng)進(jìn)化樹分析，可是原來沒有做過這方面的工作啊，都要什么軟件”，“請問各位高手用clustalx做出來的進(jìn)化樹與phylip做的有什么區(qū)別”，“請問有做過進(jìn)化樹分析的朋友，能不能提供一下，做樹的時候參數(shù)的設(shè)置，以及代表的意思。還有各個分支等數(shù)值的意思，說明的問題等”，等等。
4．蛋白家族的分類問題。例如，“搜集所有的關(guān)于一個特定domain的序列，共141條，做的進(jìn)化樹不知具體怎么分析”，等等。
5．新基因功能的推斷。例如，“根據(jù)一個新基因A氨基酸序列構(gòu)建的系統(tǒng)發(fā)生樹，這個進(jìn)化樹能否說明這個新基因A和B同源，屬于同一基因家族”，等等。
6．計算基因分化的年代。例如，“想在基因組水平比較兩個或三個比較接近物種之間的進(jìn)化年代的遠(yuǎn)近，具體推算出他們之間的分歧時間”，“如何估計病毒進(jìn)化中變異所需時間”，等等。
7．進(jìn)化樹的編輯。例如生成的進(jìn)化樹圖片，如何進(jìn)行后續(xù)的編輯，比如希望在圖片上標(biāo)注某些特定的內(nèi)容，等等。
由于相關(guān)的帖子太多，作者在這里對無法閱讀全部的相關(guān)內(nèi)容而致以歉意。同時，作者歸納的這七個問題也并不完全代表所有的提問。對于問題1所涉及到的基本的概念，作者推薦讀者可參考由Masatoshi Nei與Sudhir Kumar所撰寫的《分子進(jìn)化與系統(tǒng)發(fā)育》（Molecular Evolution and Phylogenetics）一書，以及相關(guān)的分子進(jìn)化方面的最新文獻(xiàn)。對于問題7，作者之一lylover一般使用Powerpoint進(jìn)行編輯，而Photoshop、Illustrator及Windows自帶的畫圖工具等都可以使用。
這里，作者在這里對問題2-6進(jìn)行簡要地解釋和討論，并希望能夠初步地解答初學(xué)者的一些疑問。
二、方法的選擇
首先是方法的選擇�；诰嚯x的方法有UPGMA、ME（Minimum Evolution，最小進(jìn)化法）和NJ（Neighbor-Joining，鄰接法）等。其他的幾種方法包括MP（Maximum parsimony，最大簡約法）、ML（Maximum likelihood，最大似然法）以及貝葉斯（Bayesian）推斷等方法。其中UPGMA法已經(jīng)較少使用。
一般來講，如果模型合適，ML的效果較好。對近緣序列，有人喜歡MP，因為用的假設(shè)最少。MP一般不用在遠(yuǎn)緣序列上，這時一般用NJ或ML。對相似度很低的序列，NJ往往出現(xiàn)Long-branch attraction（LBA，長枝吸引現(xiàn)象），有時嚴(yán)重干擾進(jìn)化樹的構(gòu)建。貝葉斯的方法則太慢。對于各種方法構(gòu)建分子進(jìn)化樹的準(zhǔn)確性，一篇綜述（Hall BG. Mol Biol Evol 2005, 22(3):792-802）認(rèn)為貝葉斯的方法最好，其次是ML，然后是MP。其實(shí)如果序列的相似性較高，各種方法都會得到不錯的結(jié)果，模型間的差別也不大。
對于NJ和ML，是需要選擇模型的。對于各種模型之間的理論上的區(qū)別，這里不作深入的探討，可以參看Nei的書。對于蛋白質(zhì)序列以及DNA序列，兩者模型的選擇是不同的。以作者的經(jīng)驗來說，對于蛋白質(zhì)的序列，一般選擇Poisson Correction（泊松修正）這一模型。而對于核酸序列，一般選擇Kimura 2-parameter（Kimura-2參數(shù)）模型。如果對各種模型的理解并不深入，作者并不推薦初學(xué)者使用其他復(fù)雜的模型。
Bootstrap幾乎是一個必須的選項。一般Bootstrap的值>70，則認(rèn)為構(gòu)建的進(jìn)化樹較為可靠。如果Bootstrap的值太低，則有可能進(jìn)化樹的拓?fù)浣Y(jié)構(gòu)有錯誤，進(jìn)化樹是不可靠的。
對于進(jìn)化樹的構(gòu)建，如果對理論的了解并不深入，作者推薦使用缺省的參數(shù)。需要選擇模型的時候（例如用NJ或者M(jìn)L建樹），對于蛋白序列使用Poisson Correction模型，對于核酸序列使用Kimura-2參數(shù)模型。另外需要做Bootstrap檢驗，當(dāng)Bootstrap值過低時，所構(gòu)建的進(jìn)化樹其拓?fù)浣Y(jié)構(gòu)可能存在問題。并且，一般推薦用兩種不同的方法構(gòu)建進(jìn)化樹，如果所得到的進(jìn)化樹類似，則結(jié)果較為可靠。
三、軟件的選擇
表1中列出了一些與構(gòu)建分子進(jìn)化樹相關(guān)的軟件。
構(gòu)建NJ樹，可以用PHYLIP（寫得有點(diǎn)問題，例如比較慢，并且Bootstrap檢驗不方便）或者M(jìn)EGA。MEGA是Nei開發(fā)的方法并設(shè)計的圖形化的軟件，使用非常方便。作者推薦MEGA軟件為初學(xué)者的首選。雖然多雪列比對工具ClustalW/X自帶了一個NJ的建樹程序，但是該程序只有p-distance模型，而且構(gòu)建的樹不夠準(zhǔn)確，一般不用來構(gòu)建進(jìn)化樹。
構(gòu)建MP樹，最好的工具是PAUP，但該程序?qū)儆谏虡I(yè)軟件，并不對學(xué)術(shù)免費(fèi)。因此，作者并不建議使用PAUP。而MEGA和PHYLIP也可以用來構(gòu)建進(jìn)化樹。這里，作者推薦使用MEGA來構(gòu)建MP樹。理由是，MEGA是圖形化的軟件，使用方便，而PHYLIP則是命令行格式的軟件，使用較為繁瑣。對于近緣序列的進(jìn)化樹構(gòu)建，MP方法幾乎是最好的。
構(gòu)建ML樹可以使用PHYML，速度最快�；蛘呤褂肨ree-puzzle，速度也較快，并且該程序做蛋白質(zhì)序列的進(jìn)化樹效果比較好。而PAML則并不適合構(gòu)建進(jìn)化樹。ML的模型選擇是看構(gòu)出的樹的likelihood值，從參數(shù)少，簡單的模型試起，到likelihood值最大為止。ML也可以使用PAUP或者PHYLIP來構(gòu)建。這里作者推薦的工具是BioEdit。BioEdit集成了一些PHYLIP的程序，用來構(gòu)建進(jìn)化樹。Tree-puzzle是另外一個不錯的選擇，不過該程序是命令行格式的，需要學(xué)習(xí)DOS命令。PHYML的不足之處是沒有win32的版本，只有適用于64位的版本，因此不推薦使用。值得注意的是，構(gòu)建ML樹，不需要事先的多序列比對，而直接使用FASTA格式的序列即可。
貝葉斯的算法以MrBayes為代表，不過速度較慢。一般的進(jìn)化樹分析中較少應(yīng)用。由于該方法需要很多背景的知識，這里不作介紹。
四、數(shù)據(jù)分析及結(jié)果推斷
一般碰到的幾類問題是，（1）推斷基因/蛋白的功能；（2）基因/蛋白家族分類；（3）計算基因分化的年代。關(guān)于這方面的文獻(xiàn)非常多，這里作者僅做簡要的介紹。
推斷基因/蛋白的功能，一般先用BLAST工具搜索同一物種中與不同物種的同源序列，這包括直向同源物（ortholog）和旁系同源物（paralog）。如何界定這兩種同源物，網(wǎng)上有很多詳細(xì)的介紹，這里不作討論。然后得到這些同源物的序列，做成FASTA格式的文件。一般通過NJ構(gòu)建進(jìn)化樹，并且進(jìn)行Bootstrap分析所得到的結(jié)果已足夠。如果序列近緣，可以再使用MP構(gòu)建進(jìn)化樹，進(jìn)行比較。如果序列較遠(yuǎn)源，則可以做ML樹比較。使用兩種方法得到的樹，如果差別不大，并且Bootstrap總體較高，則得到的進(jìn)化樹較為可靠。
基因/蛋白家族分類。這方面可以細(xì)分為兩個問題。一是對一個大的家族進(jìn)行分類，另一個就是將特定的一個或多個基因/蛋白定位到已知的大的家族上，看看屬于哪個亞家族。例如，對驅(qū)動蛋白（kinesin）超家族進(jìn)行分類，屬于第一個問題。而假如得到一個新的驅(qū)動蛋白的序列，想分析該序列究竟屬于驅(qū)動蛋白超家族的14個亞家族中的哪一個，則屬于后一個問題。這里，一般不推薦使用MP的方法。大多數(shù)的基因/蛋白家族起源較早，序列分化程度較大，相互之間較為遠(yuǎn)源。這里一般使用NJ、ME或者M(jìn)L的方法。
計算基因分化的年代。這個一般需要知道物種的核苷酸替代率。常見物種的核苷酸替代率需要查找相關(guān)的文獻(xiàn)。這里不作過多的介紹。一般對于這樣的問題，序列多數(shù)是近緣的，選擇NJ或者M(jìn)P即可。
如果使用MEGA進(jìn)行分析，選項中有一項是“Gaps/Missing Data”，一般選擇“Pairwise Deletion”。其他多數(shù)的選項保持缺省的參數(shù)。
五、總結(jié)
在實(shí)用中，只要方法、模型合理，建出的樹都有意義，可以任意選擇自己認(rèn)為好一個。最重要的問題是：你需要解決什么樣的問題？如果分析的結(jié)果能夠解決你現(xiàn)有的問題，那么，這樣的分析足夠了。因此，在做進(jìn)化分析前，可能需要很好的考慮一下自己的問題所在，這樣所作的分析才有針對性。
文章來源：教育裝備在線 ©版權(quán)所有。未經(jīng)許可，不得轉(zhuǎn)載。
有意與本網(wǎng)合作者請與我們聯(lián)系。未經(jīng)《教育裝備在線》書面授權(quán)，請勿轉(zhuǎn)載或建立鏡像，否則即為侵權(quán)。
其他光學(xué)儀器
![[舒華跑步機(jī)]跑步機(jī)品牌高層指導(dǎo)工作](../../2012/image/8/W444.jpg)
