多序列比对

文章转载于 Original 2017-07-11 liuhui  生信百科

多序列比对（或多序列联配，multiple sequence alignment，MSA），是指把多条（3 条或以上）有系统进化关系的蛋白质或核酸序列进行比对，尽可能地把相同的碱基或氨基酸残基排在同一列上。这样做的意义是，对齐的碱基或氨基酸残基在进化上是同源的，即来自共同祖先（common ancestor）。下图是一个 MSA 的例子。

MSA 有许多用途，如构建系统发育树，选择压分析，基因家族的保守结构域分析，motif 分析等。

MSA 分析的软件有很多，如 mafft（http://mafft.cbrc.jp/alignment/software/），muscle（http://www.drive5.com/muscle/downloads.htm），probcons（http://probcons.stanford.edu/），T-coffee（http://tcoffee.crg.cat/），clustalw（http://clustalw.ddbj.nig.ac.jp/）等。

从软件的速度和准确性出发，mafft 和 muscle 是不错的选择。这里介绍 mafft 的使用方法。

mafft 安装（非 root）

• 下载

• wget http://mafft.cbrc.jp/alignment/software/mafft-7.310-with-extensions-src.tgz
• 解压
• tar -zxvf mafft-7.310-with-extensions-src.tgz
• 编辑 Makefile 文件的第一行

• cd mafft-7.310-with-extensions/core/

  vim Makefile (或用 nano 等进行编辑)

  编辑：

  PREFIX = /usr/local

  为:

  PREFIX = /home/your_home/somewhere

  （如：PREFIX = /home/liuhui/bin/mafft-7.310

• 编译和安

• make

  make install

• 安装最后安装在 /home/liuhui/bin/mafft-7.310/bin 下，将这个路径放到 .bashrc 中即可

• mafft 使用方法

  mafft 的一般用法为：

• mafft [arguments] input > output

• input 可以是 fasta 格式的蛋白质或核苷酸序列。

  对于 200 条序列以内且序列长度小于 2,000 bp 或 aa 的文件，可以使用 mafft-linsi

• mafft-linsi input > output
• 文件较小时，也可以使用在线版：http://mafft.cbrc.jp/alignment/server/