【学习笔记】山东大学生物信息学-03 分子进化与系统发生

课程地址：山东大学生物信息学

---

三、分子进化与系统发生

3.1 基本概念

分子进化

• 分子进化：利用利用软件，从分子水平上 (DNA\、RNA、蛋白质序列） 构建各种生物间的系统发生树。准确度依赖软件的优劣及参数的设置。
• 美国人 Linus Dauling 于 1964 年提出了分子进化的理论。在分子水平上 (DNA、RNA 或蛋白质序列）而不是基于物种的外在特征，来研究进化过程。
• 基于某一个特定的分子在不同物种中的序列差异来构建系统发生树。
• 基本假设：
  (1) DNA、RNA 或蛋白质序列包含了物种的所有进化史信息；
  (2) 分子钟理论: 一个特定蛋白质的进化变异的速度在不同物种中是基本恒定的。即两个蛋白质的序列越相近，他们距离共同祖先就越近。

同源

• 同源 Homologs：来源于共同祖先的相似的序列为同源序列。
• 相似序列并不一定是同源序列。

1. 直系同源 Orthologs：来自于不同物种的，由垂直家系（物种形成）进化而来的基因。并且典型的保留了与原始基因相同的功能。
2. 旁系同源 Paralogs：在同一物种中的来源于基因复制的基因，可能会进化出新的与原来有关的功能。
3. 异同源 Xenologs：通过水平基因转移， 来源于共生或病毒侵染所产生的相似基因。
   

• 相似度与同源性
  ◆ 相似度 → 可量化
  序列 A 与序列 B 的相似度是 80% ✔
  序列 A 与序列 B 是相似的 ✔
  ◆ 同源性 → 不可量化
  序列 A 与序列 B 的同源性是 80% ✖
  序列 A 与序列 B 是同源序列 ✔

3.2 系统发生树

系统发生树

• 构建系统发生树的意义
  1. 对于一个未知的基因或蛋白质序列，确定其亲缘关系最近的物种。
  2. 预测一个新发现的基因或蛋白质的功能。
  3. 有助于预测一个分子功能的走势。
  4. 追溯一个基因的起源。
• 系统发生树的结构：
  
• 各种形状的系统发生树
  
• 系统发生树可以随意旋转：从任何一个点发出的枝子围着这个点旋转都不改变树的生物学意义。
  

有根树和无根树

• 有根树和无根树：两者可以互换，根的位置通过外类群（outgroup）确定。
• 无根树只反映分类单元之间的距离，而不涉及谁是谁的祖先问题。
• 有根树反映了树上基因或蛋白质进化的时间顺序, 通过分析有根树的树枝的长度，可以了解不同的基因或蛋白质以什么方式和速率进化。做有根树需要指定外类群。
• 外类群 outgroup：你所研究的内容之外的一个 group。保证它在你要研究的内容之外，但又不能太远。可以不只是一个物种，而是多个（2-3 个即可）。
• 例如，想要分析一个基因在不同人种之间的进化关系，可选择黑猩猩加入作为外类群一同参与建树。保证所选外类群在你的研究范围之外，但又不能太远。
• 外类群分支处的节点就是根。
  

物种树和分子树

• 物种树是基于每个物种整体的进化关系（基于整个基因组) 构建的。
• 分子树是基于不同物种里某个基因或蛋白质序列之间的关系构建的。
  

3.3 系统发生树的构建

• 构建方法

  1. 基于距离的方法 UPGMA neighbor-joining (NJ) （计算速度最快，结果最粗糙）
  2. 最大简约法 maximum parsimony (MP) （高不成低不就，很少有人用）
  3. 最大似然法 maximum likelihood (ML) （建议用，计算速度和准确度都适中）
  4. 贝叶斯推断法 Bayesian inference （最慢，结果最准确）
     

• 目前流行的建树软件：

  软件	说明	地址
  PHYLIP	免费的、集成的进化分析工具	http://evolution.genetics.washington.edu/phylip.html
  MEGA	图形化、集成的进化分析工具	http://www.megasoftware.net/
  PAUP	商业软件，集成的进化分析工具。收费	http://paup.csit.fsu.edu/
  PHYML	最快的 ML 建树工具	http://www.atgc-montpellier.fr/phyml/
  MrBayes	基于贝叶斯方法的建树工具	http://mrbayes.csit.fsu.edu/

基于距离的 UPGMA 法

• 非加权分组平均法 (UPGMA) 构建实例
• Unweighted Pair Group Method with Arithmetic mean
• 详见视频：系统发生树的构建 P67
• UPGMA 法是通过计算所有序列两两间的距离，再根据距离远近构建系统发生树。
• 序列两两间的距离可以用双序列比对得出的一致度/相似度代表，或用其他简化值代替。
• 用序列间不同的碱基数目作为序列间遗传距离的度量。
  

1. 用表格记录距离；
2. 距离最小 (1) 的 AB 合并聚集（分支点为 d(AB)/2=0.5）看成一个整体，计算 AB 与 C、D 的距离；
   
3. 找出新的最小距离 CD(2)，再将 CD 合并聚集（分支点为 d(CD)/2=1）
4. 将 CD 看成一个整体，计算 CD 与 AB 的距离 (3)。
5. 将 AB 和 CD 合并归为一类，分支点为 d(CDAB)/2=1.5。
   

• 树上枝条的长短反映其与共同祖先的距离。

• 用什么序列建树？DNA 还是蛋白质？
  ◆ 如果 DNA 序列两两间的一致度大于 70%，就选用 DNA 序列。
  ◆ 如果 DNA 序列两两间的致度小于 70%的话，DNA 序列和蛋白质序列都可以用（经验：蛋白质序列更好）。

3.4 MEGA7 构建 NJ 树

• MEGA7：免费，操作简单（自动效果好），业界普遍认可（可用于文章发表），支持多操作系统。
• 详见视频：MEGA7 构建 NJ 树 P68

---