第四节 展  望

更新于 2026年11月17日 版权声明
第四节 展 望

病毒进化研究越来越成为微生物学研究的热点。尤其是RNA病毒具有较小的基因组、进化速率快、易于操作、核苷酸突变与表型差异可以检测,因此,成为有利的研究工具。对于病毒性传染病而言,病毒的溯源工作非常重要,因此更加推动了病毒进化的研究。

对于人类而言,最关注的还是能够引起人类疾病的病毒。而病毒一直都存在于世界,病毒与人类是一个平衡体,轻易不会打破这样的平衡。但历史上,人类在消灭天花的过程中,采用人为的措施,消灭了天花病毒。伴随着人类科技的进步,会有越来越多的技术手段保护人类免于致病性病毒的感染,保护人类群体的安全;同样,病毒为了生存,也在不断地进行变异,继续感染人类或其他宿主,扩大其生存范围,扩大种群范围。病毒的进化和生物信息学研究,就是在技术上优先发现病毒下一步的动作,通过对来源于不同时间、不同地域、不同宿主的病毒株基因组系统进化分析,确定病毒的来源及传播路径,为人类更好地开展相关传染病的防控提供重要的技术支撑。

参考文献

[1]Kappelman J,Ketcham R A,Pearce S,et al.Perimortem fractures in Lucy suggest mortality from fall out of tall tree[J].Nature,2016,537 (7621) :503-507.

[2]侯云德.分子病毒学[M].北京:学苑出版社,1990.

[3]Weaver S C,Scott T W,Rico-Hesse R.Molecular evolution of eastern equine encephalomyelitis virus in North America[J].Virology,1991,182 (2) :774-784.

[4]La Scola B,Desnues C,Pagnier I,et al.The virophage as a unique parasite of the giant mimivirus[J].Nature,2008,455 (7209) :100-104.

[5]Fischer M G,Allen M J,Wilson W H,et al.Giant virus with a remarkable complement of genes infects marine zooplankton[J].Proc Natl Acad Sci U S A,2010,107 (45) :19508-19513.

[6]Yau S,Lauro F M,Demaere M Z,et al.Virophage control of antarctic algal host-virus dynamics[J].Proc Natl Acad Sci U S A,2011,108 (15) :6163-6168.

[7]Shi M,Lin X D,Tian J H,et al.Redefining the invertebrate RNA virosphere[J].Nature,2016,540 (7634) :539-543.

[8]Shi M,Lin X D,Chen X,et al.The evolutionary history of vertebrate RNA viruses[J].Nature,2018,556 (7700) :197-202.

[9]白登云等.虫媒病毒与虫媒病毒病[M].昆明:云南科技出版社,1995.

[10]Brinton M A.The molecular biology of West Nile Virus:a new invader of the western hemisphere[J].Annu Rev Microbiol,2002,56:371-402.

[11]Brault A C,Huang C Y,Langevin S A,et al.A single positively selected West Nile viral mutation confers increased virogenesis in American crows[J].Nat Genet,2007,39 (9) :1162-1166.

[12]Davis C T,Ebel G D,Lanciotti R S,et al.Phylogenetic analysis of North American West Nile virus isolates,2001-2004:evidence for the emergence of a dominant genotype[J].Virology,2005,342 (2) :252-265.

[13]Moudy R M,Meola M A,Morin L L,et al.A newly emergent genotype of West Nile virus is transmitted earlier and more efficiently by Culex mosquitoes[J].Am J Trop Med Hyg,2007,77 (2) :365-370.

[14]Vanlandingham D L,Mcgee C E,Klingler K A,et al.Short report:comparison of oral infectious dose of West Nile virus isolates representing three distinct genotypes in Culex quinquefasciatus[J].Am J Trop Med Hyg,2008,79 (6) :951-954.

[15]陶三菊,蔡增林,杨冬荣.从中国东北地区蚊标本首次分离到新亚型Colti病毒[J].中华实验和临床病毒学杂志,1999,13 (3) :228.

[16]Reuter G,Boros A,Delwart E,et al.Novel seadornavirus (family Reoviridae) related to Banna virus in Europe[J].Arch Virol,2013,158 (10) :2163-2167.

[17]Wang J,Li H,He Y,et al.Isolation and genetic characterization of mangshi virus:a Newly discovered seadornavirus of the reoviridae family found in Yunnan Province,China[J].PLoS One,2015,10 (12) :e143601.

[18]Attoui H,Mohd J F,Belhouchet M,et al.Liao ning virus,a new Chinese seadornavirus that replicates in transformed and embryonic mammalian cells[J].J Gen Virol,2006,87 (Pt 1) :199-208.

[19]Zhang J,Liu H,Wang J,et al.Origin and evolution of emerging Liao ning Virus (genus Seadornavirus,family Reoviridae) [J].Virol J,2020,17 (1) :105.

附录1-5-1:MEGA6软件介绍

MEGA(molecular evolutionary genetics analysis)软件是Kumar等编写的进行分子进化遗传分析的免费软件包,能对DNA、mRNA、氨基酸序列传距离进行系统发生分析。在建树方法上,提供了目前最常用的 UPGMA、ML、NJ及MP法,对所获得树也可进自举值检验及标准误估计可靠性检验。优点为:简单易用,并可完全胜任一般性进化分析需要。

版本直接从网络免费下载,地址为:www.megasoftware.Net。

操作流程

序列数据对比

点击“开始-所用程序-MEGA6”,进入MEGA6主界面。主界面菜单栏、工具条和数据描述窗口三部分组成。菜单栏包括:文件(File)、比对(Alignment)、窗口和帮助(Help)(附图1-5-1)。

图示

附图1-5-1 MEGA6软件主界面

序列对比:使用MEGA软件,首先要将感兴趣的序列数据进行对比[2]。具体操作步骤为:点击Align-Edit/Build Alignment,进入Alignment Explorer界面(附图1-5-2),点击Edit-inset sequence from file导入序列数据。

图示

附图1-5-2 Alignment Explorer主界面

Alignment Explorer界面选择Align by ClustalW(附图1-5-3),进行序列对比。将每一条序列人为地剪成长短一致,多于碱基序列通过Edit下方的Delete进行删除,并将结果保存。

图示

附图1-5-3 Alignment Explorer--Align by ClustalW 界面

遗传距离估计

返回MEGA6主窗口界面,点击“Distance Compute Pairwise(附图1-5-4)对两两序列比对参数进行设置。

图示

附图1-5-4 应用MEGA6软件进行序列间距离的统计

其中“Modle/Method”选项可以设置距离统计方法,其中最常用的为差异位点数(No.of Differences)和差异位点百分数意指差异位点占所有位点的百分数。本文选择“Pdistance”模型,再点击“compute”开始运算(附图1-5-5)。

图示

附图1-5-5 距离统计参数的设置

系统进化树的构建

进化树构建方法的选择

如附图1-5-6所示MEGA6软件提供了5种常用的系统进化树构建方法:最大似然法(Maximum Likelihood method)、邻接法(Neighbor-Joining method,NJ)、最小进化方法(Minimum-Evolution,ME)、非加权分组平均法(unweighted pair group method with arithmetic means,PGMA)和最大简约法(Maximum Parsimony,MP)。

图示

附图1-5-6 系统进化树方法的选择

构建进化树是对序列进化关系的拓扑结构评估和模拟的过程,这里以 Neighbor-joining法构建系统进化树为例做介绍。

点击“Phylogeny-neighbor-joining”,对参数选项设置,其中重复抽样次数(replication)至少大于100,以确保所构建进化树分支的稳定性,其余选项一般取默认值,然后点击“Compute”计算。

系统进化树结果的表示方法

进化树由结点(node)和进化分支(branch)组成,每个结点表示一个分类学单位(属、种群、个体),化分支定义了分类单位(祖先和后代)之间的关系,一个分支只能连接两个相邻的结点,进化树分支的图像称为进化拓扑结构,其中分支长度表示该支进化过程中变化的程度,标有分支长度的进化分支叫做标度枝(scaled branch)。校正后的标度树(scaled tree)常常用年代表示,这样的树通常根据某一或部分基因的理论分析而得出。进化分支可以没有分支长度的标注(unscaled),没有标注的分支长度不表示进化的程度,虽然分支有些地方用数点做了注释。进化树可以是有根的(rooted)也可以是无根的(unrooted)。在有根树中,有个叫根的结点,以表示共同的进化祖先,由该点通过其他路径产生其他结点。无根树只是指明了种属的相互关系没有确定共同祖先或者是进化途径。

图示

附图1-5-7 系统发育进化树示例

如附图1-5-7所示,各个点的概念如下:

结点(mode):表示一个分类单元(taxonomic unit)。

进化分支(branch):系统进化树中某种进化关系的图形表示。

进化拓扑结构(topology):进化树中不同枝的拓扑图形。

进化分支长度(branch length):进化枝的变化程度。

根(root):所有分类的共同祖先。

距离标尺(distance scale):生物体或序列之间不同程度的数字尺度。

进化树的树形选择可以进行如下操作:点击“View-Tree/ Branch Style”,可以对系统进化树树形进行选择。常见的树形有传统型[Traditional,包括:长方形(Rectangular)、直线形(Straight.)、曲线形(Curved)3种],辐射形(Radiation)和环形(Circle)。(图1-5-8)

图示

附图1-5-8 系统进化树的树形选择

进化树拓扑结构的调整

MEGA6软件Tree Explore菜单“subtree”下设3个常用选项,根(Root)、翻转(Flip)和交换(Swap),以便对系统进化树的拓扑结构进行调整。点击“Subtree-Flip”后,再点击某枝干,则能使该枝干下所有物种名称和相应树枝180°旋转。点击“Subtree-swap”后,再点击某枝干,也可使该枝干下两个子树枝180°旋转使树枝顺序发生转化。

进化树形态的优化

点击优化图标,出现树枝形态优化对话框,内含5个选项:分别是进化树(Tree),分支(Branch)、标签(Lables)、标尺(Scale)和界值(Cutoff)。如欲对树枝上的信息进行修改,Branch栏可调整线条粗细,显示界值,对树枝内位置、离节点距离及长度等内容进行设定。

MEGA6软件构树方法的评价

MEGA6软件可以对DNA、mRNA及氨基酸序列构建系统进化发生树。构树的主要算法主要分为两类:独立元素法和距离依靠法。独立元素法枝进化树拓扑结构是由序列每个核苷酸和氨基酸的状态来决定的。构树是着重分析分类单位或序列间的每个特征的进化关系等。属于这一类的构树方法有最大简约法(maximum likelihood method,MP)、最大似然法(maximum likelihood method,ML)、进化简约法(evolutionary parsimony method,EP)。距离依靠法构树的基本思想为列出所有物种或分类单位间的进化距离,依据一定的原则及算法构建系统发育树。基本思想是:列出所有可能的序列对,利用遗传距离预测进化关系。这类方法包括:非加权分组平均法(unweighted pair group method with arithmetic means,UPGMA)、邻接法(neighbor-joining method,NJ)、Fithch-Margoliash法(FM)、最小进化方法(Minimum evolution,ME)等。下面具体介绍一下构建系统进化树常用的几种算法。

非加权分组平均法(unweighted-pair-group method with arithmetic means,UPGMA)

最简单的距离算法。这一类方法最初在数值分类学中用于反映类群的表征相似程度。当用来构建分子系统发育树是偶,其假设的前提条件是:在进化过程中,每一世系发生趋异的次数相同,即核苷酸替换速率是均等且恒定的。通过 UPGMA法所产生的系统发育树是物种树的简单体现,每一次趋异发生后,从共祖节点到2个操作分类单位(OUT)间支的长度一样。

聚类时,首先将距离最小的两个OUT聚在一起,并形成一个新的OUT,其分支位点位于两个OUT间距离的1/2处,然后计算新的OUT与其他OUT间的平均距离,再找出其中最小的两个OUT进行聚类。如此反复,直到所有的OUT都聚集在一起,最终得到一个完整的系统发育树。

邻接法( neighbor-joining method,NJ)

一种基于距离的算法。为 Saitou和Nei于1987年首次提出。该方法基于最小进化原理,被认为是最小进化法的简化版。在构建进化树时,取消了UPGMA法所作的假定。认为在进化分支上发生趋异的次数可以不同。最近的计算机模拟已表明它是最有效的基于距离数据重建系统发育树的方法之一。与UPGMA法相比,NJ法在算法上相对比较复杂,它跟踪的是树上的结点(node)而不是OUT。在聚类过程中,根据原始距离矩阵,基于替他所有结点间的平均趋异程度对每对节点间的距离作了调整,将每个OUT趋异程度标准化,从而形成一个新的矩阵。重建时将距离最小的两个终节点连接起来,在树中增加一个共祖节点,同时去除原初的2个终节点及其分支,对整个树进行了修剪。随后,新增加的共祖节点被视为终节点,重复上一次循环。在每一次循环过程中,都有2个终节点被一个新的共祖节点所取代。如此循环直到只有2个终节点为止。从所得的系统发育树来看,2个聚一起的OUT,其所在的终节点到共祖节点的距离不一定相同。

最大简约法(maximum likelihood method,MP)

最早源于形态性状研究,现在已在分子进化分析中得到广泛的应用。其理论基础是奥卡姆(Ockham)哲学原则,其认为解释一个过程的最好理论是所需假设数目最少的那一个。MP法对所有可能的拓扑结构进行计算,并计算出所需替代数最小的那个拓扑结构,作为最优树。

最大似然法( maximum likelihood method,ML)

最早应用于基因频率分析,后来引入到了分子序列的分析中。ML.法分析中,选取一个特定的替代模型来分析给定的一组序列数据,使获得的每一个拓扑结构的似然率都为最大值,然后再跳出其中似然率最大的拓扑结构作为最优树。在最大似然法分析中,所考虑的参数并不是拓扑结构而是每个拓扑结构的枝长,并对似然率求最大值来估计枝长。利用最大似然法来推断一组序列的系统发育树,需首先确定序列进化的模型,目前使用较多的是一些相对简单的模型,如:Jukes- cantor模型、Kimura二参数模型及一般二参数模型。这些模型都是建立在一定假设基础上;然后基于一定模型考虑2个OTU序列间的关系,找到枝的长度。这个过程需要寻找在某一个进化距离上由第一种序列真正转化成第二种序列的可能性,并确定在最大可能下的进化距离;接着将多个OTU所构成的所有可能树作为最佳树,对重建每棵树的统计量进行似然估计;最后通过对树长度的优化。从而获得最佳树参数的最大似然估计。

建树算法比较

UPGMA法

假设在进化过程中所用核苷酸、氨基酸都有相同的变异率,即:存在一个分子种。然而这种算法得到的进化树相对来说不是很准确,故现在已很少使用。UPGMA法步骤:①两两比对,并计算出遗传距离;②合并,并重新计算遗传距离;③画进化树。

NJ法

最常使用的算法,它构建的进化树相对准确,最大的优点为快捷。然而其存在一定的局限性,序列上所有的位点都被同等对待,并且所分析序列进化距离不能太大。在处理相似度较高,亲缘距离较近的序列时,NJ算法是最可靠的。

ML法

该法在MP法的基础上计算每个位点转移概率的大小,同时通过调节各个分支的长度和位点来描述可能谱系关系。在树的拓扑结构方面,ML法可能是做得最好的方法。但是ML算法大大增加了计算量,所以在处理大量序列的时候,此种方法计算极其耗时。ML法步骤:①序列比对;②写出所有可能的树;③分析信息位点;④将每棵树的信息位点上的字符替换数相加,寻找最小替换总数的树。

对于不同的算法得到的不同结果或者同一算法不同参数所造成的结果差异,在进化分析中极其常见,选择时往往还必须根据其他的因素综合考虑,有时会人为设置或者受人为选择所期望的特定结果。不过,根据一些公认的进化关系作为“内参”来比照修正自己的结果应该是值得考虑的。

优点和不足

MEGA作为分子进化遗传分析的免费使用软件,在国际和国内的病毒学、疾病预防控制相关专业期刊中广泛使用,得到世界上病毒学主流科学家的广泛认可。该软件操作简便、人性化设计、便于非计算机和(或)数学专业的病毒学学者使用。采用的算法包括了目前世界上主要采用的方法。但是MEGA主要针对于病原体基因序列自身的进化分析,没有将病原体自身分离时间的概念加入。

参考文献

[1]Kumar S,Stecher G,Tamura K.MEGA7:Molecular Evolutionary Genetics Analysis Version 7.0 for Bigger Datasets[J].Mol Biol Evol,2016,33 (7) :1870-1874.

[2]Kumar S,Tamura K,Nei M.MEGA3:Integrated software for Molecular Evolutionary Genetics Analysis and sequence alignment[J].Brief Bioinform,2004,5 (2) :150-163.

[3]潘晓玲.乙型脑炎病毒全基因组分子进化及基因重组研究[D].北京:中国疾病预防控制中心,2009.

[4]Hall B G.Building phylogenetic trees from molecular data with MEGA[J].Mol Biol Evol,2013,30 (5) :1229-1235.

[5]李德新等.病毒学方法[M].北京:科学出版社,2012.

[6]Tamura K,Peterson D,Peterson N,et al.MEGA5:Molecular Evolutionary Genetics analysis using maximum likelihood,evolutionary distance,and maximum parsimony methods[J].Mol Biol Evol,2011,28 (10) :2731-2739.

[7]Kumar S,Tamura K,Nei M.MEGA:Molecular Evolutionary Genetics Analysis software for microcomputers[J].Comput Appl Biosci,1994,10 (2) :189-191.

[8]Erensoy A,Kuk S,Ozden M.Genetic identification of Fasciola hepatica by ITS-2 sequence of nuclear ribosomal DNA in Turkey[J].Parasitol Res,2009,105 (2) :407-412.

[9]Tamura K,Dudley J,Nei M,et al.MEGA4:Molecular Evolutionary Genetics Analysis(MEGA) software version 4.0[J].Mol Biol Evol,2007,24 (8) :1596-1599.

[10]Tamura K,Stecher G,Peterson D,et al.MEGA6:Molecular Evolutionary Genetics Analysis version 6.0[J].Mol Biol Evol,2013,30 (12) :2725-2729.

附录1-5-2:BEAST 软件使用手册

基于采样的马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法是可用于解决贝叶斯推理的主要方法。Beast是用来进行MCMC分析的一套系列软件,其主要组成程序有BEAUti、BEAST、Tracer、TreeAnnotator、FigTree,常用来构建最大可信进化分枝树(Maximum Clade Credibility,TreeMCC树)。BEAST系列软件自发布以来就拥有以建立TreeMCC树为核心的诸多功能,如:分析微观和宏观进化问题,估算变异率和迁移以及流行病的传播速度等[1]。此外,还有诸如LogCombiner、TreeStat之类的分析软件。

BEAST系列软件的主要功能为:参数设置(BEAUti)、数据运行(BEAST)、收敛诊断(Tracer)、树的获取(TreeAnnotator)、树的展示和美化(FigTree)。

各版本之间操作有所差别,本文以BEAST v1.6.1举例说明,具体操作请以实际版本为主。

目录

1.BEAUti ...............................................................................................................................65

1.1序列准备 ................................................................................................................65

1.2导入 ........................................................................................................................66

1.3 Taxon Sets选项......................................................................................................66

1.4 Tip Dates 选项 .......................................................................................................66

1.5 Site Models选项 ....................................................................................................67

1.6 Clock Models选项 .................................................................................................69

1.7 Trees选项 ..............................................................................................................70

1.8 Priors选项 .............................................................................................................71

1.9 Operators选项 .......................................................................................................72

1.10 MCMC 选项 .........................................................................................................72

1.11 生成XML文件 ...................................................................................................73

2.BEAST .................................................................................................................................74

3.Tracer ..................................................................................................................................75

4.TreeAnnotator获取树 ........................................................................................................75

5.FigTree ...............................................................................................................................76

1.BEAUti

BEAUti是参数设置软件,其主要功能是对待分析的序列数据进行相关参数的设置,并导出符合后续BEAST运行要求的XML格式文件。

图示

1.1 序列准备

BEAUti运行文件格式须为“.nex”,格式转化可以使用软件EasyCodeML中的“Tools”选项。

1.2 导入

打开BEAUti后,点击“File”,选择“Import Data”导入待分析的序列数据。

图示

图示

1.3 Taxon Sets选项

用来估计设置的分类子集大多数最近共同祖先分化时间(time to most recent common ancestor,tMRCA),并且还可以在相应的分化时间上设置先验分布。这些分类子集可以代表多物种分析中的不同物种或者同一物种内在地理上孤立的种群。

“+”按钮添加分类子群,“Included Taxa”里的序列将用于估算tMRCA的日期,而“Excluded Taxa”里的序列不一定在同一进化分支里。

图示

1.4 Tip Dates 选项

该选项用来导入序列的采集时间,后期分子钟可以将序列采样时间校准。点击“Tip Dates”选项,勾选“use tip dates”。

图示

1)“Date”:可对每个序列编辑时间或采集时间。如果序列名称里包含时间信息则可以自动获取。

2)“Height”:每个序列相对于最年轻序列的年龄高度。原始序列中若含有时间数据,软件会自动将最近采集的序列的height(age)作为0值,需剔除没有日期的序列;若原始序列不含时间数据,则所有序列的Height均为零。原始序列最好不含有中文路径,否则在识别导入时有可能会发生错误。1.5 Site Models选项

1)分区数据的模型设置:由于不同分区可能设置不同的模型参数,故在设置模型前,点击“Partitions”,选中两个分区,再点击“Unlink susets.Models”,即分区数据不关联模型。非分区数据的模型设置则跳过该步骤。

2)“Substitution Model”下拉菜单选择模型:最适进化模型一般依据其核苷酸序列或氨基酸序列经相关软件测出。核苷酸序列模型软包括:jmodeltest、ModelGenerator或Modelfind,氨基酸序列模型软件包括:Prottest、ModelGenerator或Modelfind。

图示

3)Base frequencies:一般选择Estimated。

图示

4)Site Heterogeneity Model:变异速率模型。

图示

5)Partition into codon positions

图示

该选项表示针对编码区密码子的分区方式,一共分为3种。“off”:密码子分区关闭(默认)“(1+2),3”:分成两个区,所有序列密码子的第1和第2个碱基在同一区,第3个碱基单独一区。“1,2,3”:分成3个区,密码子的每个碱基分别在不同区。密码子的第1、2个碱基比第3个碱基进化速率小。

6)SRD06 Model

若勾选该模型会自动设置相关参数,适合编码区序列。

图示

1.6 Clock Models选项(https://www.daowen.com)

即分子钟模型设置,可为树上不同分支之间的变异速率选择适当的模型,所选模型将用于估算每个节点的替换速率、taxon分类群的tMRCA、treeModel.rootHeight。点击菜单栏“Clock”,共有4种分子钟模型可供选择。

图示

1)严格分子钟(Strict Clock)

严格分子钟假定树的谱系之间没有差异,不同枝有着相同的进化速率。严格分子钟有两种校准方式:

(i)指定变异速率:选择“Strict Clock”后,“Priors”选项下的“clock.rate”,可以调节这个参数。

(ii)指定先验:选择“Priors”选项下的“tmrac”,或者设置“treeModel.root Height”值。

2)宽松分子钟(Uncorrelated Relaxed Clock)

分为 Lognormal(对数正态)和 Exponential(指数)。

宽松分子钟假定不同枝有着各自的进化速率,且宽松分子钟在各谱系和祖先之间的速率没有先验(priori)。

3)随机局部分子钟(Random localClock)

1.7 Trees选项

Tree priors:该选项用于设置种群的增长方式,增长方式的选择取决于分析时做的假设。

图示

1)种群规模随时间有四种常用增长方式:“constant size”“exponential growth”、“logistic growth ”“expansion growth”。

2)“Bayesian skyline plot”,BSP的变异模型有两种,即constant模型与linear模型。

1.8 Priors选项

图示

仅介绍“Priors”设置里部分参数的含义:

1)clock.rate:该参数是严格分子钟的速率参数,仅仅在严格分子钟模型下使用。

2)constant.popSize:“Trees”选项里选择“constant size” 时才会出现。

3)covariance:用来计算宽松分子钟下的进化树里亲代分枝和子代分枝进化速率的协方差。

(i)值为正数:表示系统发育树中进化速率快的分枝旁边的分枝进化树速率快。

(ii)值接近0:表示系统发育树中进化速率快的分枝旁边的分枝进化树速率慢,即该系统发育史进化速率自我校准能力不强。

4)exponential.growthRate:指数生长速率。“Trees”选项里选择“Exponential Growth”时才会出现。

5)exponential.popSize:当前指数增长下的种群规模。

6)gtr.{ac,ag,at,cg,gt}:“Sites”选项里选择“GTR”时才出现。即图示图示

7)hky.kappa:“Sites”选项里选择“HKY85”时才出现。

8)meanRate:仅仅在严格分子钟模型下使用。

Mean Rate=用于估计的整棵树的长度/整棵树上估计的每个位点的替换数目。仅用于宽松分子钟。

9)siteModel.alpha:GAMMA替换速率的alpha值。“Site Heterogeneity Model” 选项里选择“Gamma”时才出现。

10)siteModel.pInv:即不变位点比例,含义是序列中的某些位点从未有过任何进化上的改变,进化速率相同。

11)treeModel.rootHeight:树总的高度。

12)ucld.mean:该参数是对数正态(lognormal)宽松分子钟下的平均分枝速率。

13)ucld.stdev:该参数是对数正态(lognormal)宽松分子钟下的标准差参数。若该参数为0,即表示所有分枝的进化速率无差异,证明数据适合严格的分子钟。软件“Tracer”可以用来判断该参数设置是否合理,查看该选项的频率直方图,如不和0接近且分枝间的进化速率存在差异,则表明数据适合宽松的分子钟。

14)yule.birthRate:该参数是Yule模型里的谱系出生率(the rate of lineage birth)。

15)tmrca(taxon group):若“Taxa”选项里已定义分类子集,则在“Prior”选项设置“tmrca”参数或设置“treeModel.rootHeight”会起到同样的效果。

16)yule.birthRate:若对物种水平(species-level)进行系统发育分析,应使用Yule tree prior,Yule Model假定每个系谱都有各自常量速率,“yule.birthRate”参数来指定。

图示

图示

不同的分子钟模型,此处设置的参数不同,请结合实际情况进行设置。

1.9 Operators选项

图示

1)Tuning:表示移动的大小,该参数值的变化会改变MCMC算法接受该更改的频率。

2)weight:权重列。指定使用每个操作符在MCMC中提出新状态的频率。

3)Auto-optimize:该选项将在MCMC算法运行时自动调整至相对最优参数,一般默认选择。

1.10 MCMC 选项

图示

1)Length of chain:MCMC分析运行的总代数。若想提高ESS(Effective Sample Size)值使参数收敛,可通过增加该值实现。增加采样频率也可以提高ESS值,需注意的是,采样频率过于频繁也不会提高ESS值。总代数设置有一粗略的计算公式:总代数=3 000 x 序列条数。

2)Echo state to screen:状态摘要输出到BEAST控制台窗口的频率。

3)Log parameters every:表示采样频率,即多少代生成一个样本。该值的设置受上述Length of chain影响,计算公式为:样本数量=Length of chain(总代数)/Log parameters every(采样频率),所设置的采样频率须保证样本量至少为10 000个。

BEAUti软件可以通过设置参数来实现复杂的进化模型,若使用默认参数进行分析,结果可信度不高。使用者应根据经验或已有研究进行相关参数设置。

1.11 生成XML文件

所有参数设置完毕后,点击界面右下角“Generate BEAST File”,生成用于后续BEAST运行的XML文件。

图示

2.BEAST

数据运行软件。

BEAST v1.6.1

图示

2.1 “Choose File”导入XML文件,取消勾选“Use BEAGLE library if available”。BEAGLE是一个用于似然计算的高性能库,即进化分析通用似然评估器,可以显著减少进行系统基因组和系统动力学分析的时间。有些分析必须使用“BEAGLE”,在安装EAGLE library的同时还需同时安装一系列运行环境。

2.2 若BEAUti的MCMC选项里选择“The subst tree”,当BEAST运行结束后,至少会生成4个文件:

1)“xxx.(subst).trees”:带有枝长的一系列子树。

2)“xxx.(time).trees.txt”:不带枝长的一系列子树。

3)“xxx.log.txt”:日志文件。

4)“xxx.ops.txt”:相关的参数设置记录。

图示

3.Tracer

是判断参数收敛的软件。

参数收敛的标准是各参数的ESS值大于200。将上述第3)个日志文件(xxx.log.txt)导入到软件Tracer中。增加代数、增加抽样频率或合并多个独立运行链可提高参数的ESS值。

图示

4.TreeAnnotator获取树

图示

1)Burnin(as states):舍弃的状态数。

2)Burnin(as trees):舍弃的样本数,计算公式为Burnin(as trees)=总代数 ÷ 采样频率 ×舍弃样本比例。

3)Posterior probability limit:后验概率低于设置数值时不在树枝上显示,默认设置为0.5。

4)Target tree type:树的类型,默认MCC树(最大可信进化分枝树)。

5)Node heights:节点高度的类型,可选择中位数或者平均值。由于均值容易受到极值的影响,一般使用默认的中位数。

5.FigTree

树的查看及美化。

将上述TreeAnnotato软件运行生成的树文件用FigTree软件打开。

图示

1)分支按进化速率标色:Appearance→Colour by→rate

导入速率比色卡:Legend→Attribute→rate

修改字体大小:Tip Labels→Font Size

图示

2)以95%HPD作为节点标尺:Node Bars→Display→height 95% HPD。

3)以采集时间为标尺。

勾选Scale Axis,再勾选Reverse Axis。

将Time Scale里的Offset by填入原始序列的最近日期。

图示

4)将后验概率显示在支上:勾选Branch Labels,再将Display选为posterior。

5)显示节点年龄:Node Labels→Display→Node ages。

图示

参考文献

[1]Bouckaert R,Heled J,Kuhnert D,et al.BEAST 2:a software platform for Bayesian evolutionary analysis[J].PLoS Comput Biol,2014,10 (4) :e1003537.

[2]Li W L,Drummond A J.Model averaging and Bayes factor calculation of relaxed molecular clocks in Bayesian phylogenetics[J].Mol Biol Evol,2012,29 (2) :751-761.

[3]Drummond A J,Suchard M A,Xie D,et al.Bayesian phylogenetics with BEAUti and the BEAST 1.7[J].Mol Biol Evol,2012,29 (8) :1969-1973.

[4]Nascimento F F,Reis M D,Yang Z.A biologist′s guide to Bayesian phylogenetic analysis[J].Nat Ecol Evol,2017,1 (10) :1446-1454.

[5]Baele G,Ayres D L,Rambaut A,et al.High-performance computing in bayesian phylogenetics and phylodynamics using BEAGLE[J].Methods Mol Biol,2019,1910:691-722.

[6]Suchard M A,Lemey P,Baele G,et al.Bayesian phylogenetic and phylodynamic data integration using BEAST 1.10[J].Virus Evol,2018,4 (1) :y16.

附录1-5-3:宏基因组学在病原微生物检测中的应用

20世纪末至今,生物学各领域纷纷取得了长足进步,一个重要的原因是从序列到基因型再到表型的生物学数据生成的效率以及整个流程自动化程度的提高,并且进一步推动了基因组学、蛋白质组学和其他高通量生物学方法的日益普及。在信息化的浪潮里,宏基因组学(metagenomics)应用在生物、医学研究中逐渐成为了重点。根据全球规模最大的核酸序列库,美国国家生物技术信息中心(National Center for Biotechnology Information,NCBI)数据显示,20世纪80年代至世纪末,基于一代测序技术的发展,GenBank的基因序列数量呈现指数式增长;千禧年之后,随着下一代测序技术(next generation sequencing,NGS)的推广和成熟,全基因组序列(whole genome sequence,WGS)信息在GenBank占据的比例快速增长趋势(附图1-5-9,附图1-5-10)。

图示

附图1-5-9 1982—2000年GenBank中基因序列增长图

图示

附图1-5-10 2000—2020年GenBank中基因序列和全基因组序列增长图

与此同时,宏基因组学在传染性疾病的检测中也逐渐成为中坚力量。随着2020年新型冠状病毒(Severe Acute Respiratory Syndrome Coronavirus type 2,SARS-CoV-2)在全球的疫情蔓延、暴发,序列数据对于设计和评估诊断测试,跟踪和追踪持续爆发以及确定潜在的干预方案至关重要。以下一代测序技术(Next Generation Sequencing,NGS)和生物信息学(bioinformatics)为核心的宏基因组学在全球医疗卫生机构、科研院校得到广泛应用,世界各地的实验室正在以前所未有的速度生成病毒基因组序列数据,从而为疾病的诊断以及病毒的全基因组序列测定、基因分型、突变分析、溯源进化、疫苗研究等提供了强有力的科学支持。2008年建立的全球流感序列数据库(Global Initiative on Sharing All Influenza Data,GISAID)是目前全球最大的流感及新型冠状病毒数据平台,根据其收集提交的数据显示,新型冠状病毒(Severe Acute Respiratory Syndrome Coronavirus 2,SARS-CoV-2)在短短10个月时间呈现出爆炸性增长趋势(附图1-5-11)。

图示

附图1-5-11 新型冠状病毒全基因组序列增长图

宏基因组学涉及多项研究技术,多个研究领域。宏基因组学可以定义为来自群落的微生物基因组分析,既可以用于分析经过分离培养获得的微生物,还可以对难以培养或者无法培养,甚至是以前未知的微生物进行种群分析。这点对于传染病检测很重要,因为绝大多数病原微生物在生物学实验室中无法培养。总而言之,宏基因组学具有可以快速、高效、广谱识别微生物的能力,为微生物生态学、病毒学、微生物学、环境科学、生物医学和临床诊断等研究打开了新的大门,成为检测、研究的强大工具。

如上文所述,宏基因组学是以下一代测序技术和生物信息学为核心的一门学科。生物信息科学包括生物数据存储,检索和对大规模实验结果进行计算机分析。由于该领域学习曲线陡峭,生物信息学研究人员需要接受生物学、数学和计算机科学等多学科领域的培训,对生物学知识库有透彻的理解,掌握大数据挖掘算法。本章节将针对广大生物学、医学工作者的学术背景和工作需求,就通过下一代测序技术获得病原基因序列的生物信息学分析流程进行简要的思路介绍,有助于读者掌握和理解。

与末端合成终止法的Sanger测序不同,下一代测序的技术特点是大规模并行的边合成边测序,单次运行可以获得数百万条以上的序列信息。如何快速、高效的针对大规模的测序数据进行全面分析,获取有效数据,为下一步研究、诊断的准确推导提供信息,成为每个相关科研人员都亟需解决的问题。就病原微生物检测而言,对大规模测序数据进行病原相关序列的筛查和病原全基因组序列的组装是生物信息分析的重点。常规的分析流程主要包括:①对测序仪下机的原始测序数据进行质控(quality control)和过滤(filtration);②采用拼接(mapping)和组装(de novo assembly)等算法策略从测序数据中去除无关序列,获得更长的全基因组或部分基因组有效序列信息;③通过BLAST等在线或者本地检索工具,结合病原微生物相关的核酸、蛋白数据库对获得的序列信息进行病原微生物的筛查、复核(附图1-5-12)。

图示

附图1-5-12 病原微生物深度测序数据分析示意图

一、测序数据的质量控制

在生产和研究中,质量保证以及对生物技术和生物工程中样品真实性的关注一直是严肃的话题。下一代测序技术极大地增强了对DNA样品的深入分析,与此同时,受限于测序技术、测序仪、试剂、样品以及操作人员等多因素共同影响,深度测序在产生大量序列数据的同时也会引入了一定概率的错误。测序数据质量的好坏直接影响下游的数据分析,对测序数据进行质控统计意义重大。如果测序数据中存在的低质量测序数据不经过过滤去除,将影响到后续生物信息学分析结论的准确性。

在深度测序数据分析中,主要使用碱基质量值(quality score)对测序数据质量进行评估,它是碱基识别(base calling)出错的概率的整数映射。通常使用的Phred碱基质量值公式为:Q=-10×Log10P(P为碱基识别出错的概率base calling error probabilities)。

附表1-5-1给出了碱基质量值与碱基识别出错的概率的对应关系。对于二代测序,一般要求达到Q20的碱基比例 >95%(最差 ≥90%),Q30的碱基比例 >85%(最差≥80%)。

附表1-5-1 碱基质量值与碱基识别出错的概率的对应关系表

图示

根据测序数据的Q值,测序读长分布,G-C含量分布以及含糊碱基的比例和分布,往往需要对原始测序数据(Raw Data/Reads)进行过滤,主要去除以下序列数据:低质量序列,测序接头(adaptor)序列,含糊碱基比例较高的序列,读长范围不妥的序列,等等。经过处理后的测序数据称为Clean Data/Reads,可以用于下一步生物信息学分析。

二、测序数据的拼接和组装策略

深度测序数据拼接是生物信息学一项重要任务。一个完整的基因组序列,对目标物种的遗传研究至关重要,特别是对该物种遗传育种、进化、基因功能等研究具有重要支撑作用。目前的深度测序技术(包括第二和第三代测序技术)测序通量大,可以通过一轮测序反应获得目标物种基因组数十倍乃至上万倍的基因组覆盖深度。但由于深度测序生成的序列长度一般在50~150 bp,远远小于数kb至数Mb大小的病原微生物基因组。如何有效地利用这些短读长的深度测序数据准确地拼接出相应的基因组序列,这是生物信息学应用于病原微生物鉴定的一个研究分析重点。

拼接(mapping)和组装(de novo Assembly)是从深度测序数据生成完整或部分基因组全序列的两种主要策略。两者的区别在于前者是有参考序列(reference sequence,RefSeq)作为拼接参考,其策略类似于地图拼图游戏(附图1-5-13),研究人员以参考序列作为蓝本,将测序获得的read粘贴到参考基因组上相应的匹配位置,从而拼接得到DNA序列(附图1-5-14)。这种策略的实施前提是待分析的测序数据是已知物种或者是与已知物种在基因组序列上存在高度同源性,同时,参考序列库中含有对应的匹配参考序列信息。由于依据已知序列作为拼接蓝本,当测序数据中存在未知物种序列,或者是已知物种的变异型别的时候,这部分信息在拼接过程中存在丢失的概率。

图示

附图1-5-13 拼图游戏

图示

附图1-5-14 测序数据拼接(Mapping)示意图

与拼接(mapping)策略不同,从头组装(de novo Assembly)是指不需要依靠任何已知的基因组信息,而是依赖于测序获得的数量巨大的reads之间的存在部分序列重叠(overlap)交叠区,从而拼接成更长的序列(contig)(附图1-5-15)。由于目前测序数据的数量、质量,以及组装程序算法的参数设置和实际工作的复杂性,最终组装得到的序列与真实序列之间可能存在一定程度差异。这个策略会受到测序数据覆盖度(coverage)的制约,因为组装时低覆盖度的区域是难以进行有效组装,导致reads利用率降低,低丰度的区域的Reads组装信息可能会遗失,得到若干条无法进一步完整连接起来的序列。

图示

附图1-5-15 测序数据从头组装(de novo Assembly)示意图

通过上述两种方法可以完成深度短序列数据的拼接和组装,附表1-5-2给出了常见的分析软件。然而,生物基因组中往往含有大量的重复序列(repeats),多态性变异(polymorphism),容易在生物信息学分析过程引入错误,所以需要对分析结果进行复核,并根据反馈优化分析流程,再次分析、复核。

附表1-5-2 深度测序常用分析软件

图示

续表

图示

注:参考数据库网址为https://ftp.ncbi.nlm.nih.gov/refseq/release/

三、测序结果的检验与复核

基于局部比对的相似性搜索工具 (basic local alignment search tool,BLAST),是由美国国立生物技术信息中心(National Center for Biotechnology Information,NCBI)的Altschul SF等研究人员于1990年发布,能够实现两段核酸-核酸、蛋白-蛋白或者核酸-蛋白序列之间的相似性的比对分析功能。BLAST能够快速地找到两段序列之间的相似序列并对比对区域进行打分以确定相似性的高低。同时,BLAST采用了可视化交互页面,具有实时调用GenBank数据库进行在线检索分析的优点。作为全球最大最权威的核酸、蛋白质数据库,GenBank收录了全球绝大部分已经公开的核酸、蛋白质序列信息,与BLAST同属于NCBI维护管理。BLAST界面如附图1-5-16所示,可以根据比对序列的类型,选择对应的功能进行在线比对分析。

图示

附图1-5-16 基于局部比对的相似性搜索工具(BLAST)主页

图示

附图1-5-17 参考序列数据库下载页面

参考数据库网址为 https://ftp.ncbi.nlm.nih.gov/refseq/release/

由于深度测序产生的数据量庞大,分析生成的数据量通过联网在BLAST进行在线分析,耗时往往较长。研究人员可以通过BLAST主页下载BLAST程序安装包,在本地高性能计算机或工作站进行安装;同时在NCBI主站通过FTP方式下载参考序列数据库(包含了核酸库,蛋白库等序列信息,附图1-5-17),构建本地数据库,从而实现BLAST本地化实时分析。

该位点包含参考序列(RefSeq)集合中的所有核苷酸和蛋白质序列记录。“发布”目录包含完整集合的最新版本,而选定生物(例如人、小鼠和大鼠)的数据可在单独的目录中获得。数据以FASTA和平面文件格式提供。有关详细信息,请参见README文件。

参考文献

[1]Chiu CY,Miller SA.Clinical metagenomics[J].Nat Rev Genet,2019,20 (6) :341-355.DOI:10.1038/s41576-019-0113-7.

[2]Carbo EC,Sidorov IA,Zevenhoven-Dobbe JC,et al.Coronavirus discovery by metagenomic sequencing:a tool for pandemic preparedness[J].J Clin Virol,2020,131:104594.DOI:10.1016/j.jcv.2020.104594.

[3]Deng X,Gu W,Federman S,et al.Genomic surveillance reveals multiple introductions of SARS-CoV-2 into Northern California[J].Science,2020,369 (6503) :582-587.DOI:10.1126/science.abb9263.

[4]Gwinn M,MacCannell D,Armstrong GL,et al.Next-generation sequencing of infectious pathogens[J].JAMA,2019,321 (9) :893-894.DOI:10.1001/jama.2018.21669.

[5]Wilson MR,Sample HA,Zorn KC,et al.Clinical metagenomic sequencing for diagnosis of meningitis and encephalitis[J].N Engl J Med,2019,DOI:10.1056/NEJMoa1803396.

[6]Altschul SF,Gish W,Miller W,et al.Basic local alignment search tool[J].J Mol Biol,1990,215 (3) :403-410.DOI:10.1016/S0022-2836 (05) 80360-2.

✍AI写作