生信慕课-序列比较笔记

来自：中国大学mooc-山东大学 生物信息学 课程

1.什么是序列？

序列就是字符串。

s就是一个序列。（原来序列是这么简单的，听着太高大上了）

蛋白质序列：由20个不同的字母（氨基酸）排列组合而成。

核酸序列：由4个不同的字母（碱基，ATCGU）排列组合而成，包括DNA序列和RNA序列。

FASTA格式：第一行＞表示注释；第二行及以后：每行60个字母或80，不一定。

图1.数据格式

2.序列相似性

图2.相似比较

图中显示了序列的相似性比较，对于序列长度是非常非常长的，肉眼根本无法识别，所以就需要技术来进行识别。

 那么有序列一致度identity与相似度similarity两个概念：

图3.一致度和相似度定义

图4.例子

 那么这两个序列的一致度就是50%，很好计算。

但是相似度是怎么计算的呢？哪个残基和哪个残基算作相似？

答：残基两两相似关系被  替换积分矩阵 所定义。

图5.蛋白质替换积分矩阵长这个样子

 3.替换记分矩阵

 描述了残基两两相似性的量化关系。

图6.DNA

 3种常见的替分矩阵：

生信慕课-序列比较笔记

原文：https://www.cnblogs.com/BlueBlueSea/p/9746254.html