序列比對（Sequence Alignment）是什麼？

序列比對是計算生物學技術，用於找出生物序列間的相似區域，揭示演化關係或功能同源性。

核心概念

序列比對是計算生物學的基石，旨在透過比較兩條或多條生物序列（如DNA、RNA或蛋白質），識別它們之間的相似性、同源性及演化關係。比對過程不僅是字符匹配，更需深層理解生物學意義。演算法會排列序列，使匹配字符盡可能多，而錯配和間隙（插入或刪除）盡可能少。高相似性通常暗示共同演化起源（同源性），同源序列往往在結構或功能上相似。比對涉及評分系統：匹配得正分，錯配和間隙扣分。分數設定基於生物學原理，如蛋白質比對中保守胺基酸替換的懲罰較輕。目標是找到總得分最大化的比對方案。主要分為成對比對和多序列比對（MSA），後者用於分析基因家族或構建演化樹。

運作原理

序列比對主要依賴動態規劃演算法。成對比對中，Needleman-Wunsch演算法用於全局比對，找出兩條序列從頭到尾的最佳整體比對，適用於預期整體同源且長度相似的序列。它構建二維矩陣並回溯路徑。Smith-Waterman演算法用於局部比對，專注於找出序列中相似度最高的子區域，即使整體序列差異很大，也能發現高度保守片段。其關鍵組成包括：

1. 評分矩陣：評估匹配和錯配得分。DNA序列用簡單匹配/錯配分數；蛋白質序列用BLOSUM或PAM等替換矩陣，基於統計數據反映胺基酸替換的生物學可能性。
2. 間隙懲罰：衡量引入間隙的「成本」，防止不合理比對。通常有間隙開放懲罰（固定成本）和間隙延伸懲罰（額外成本）。 由於動態規劃計算成本高（O(mn)），大規模數據庫搜索採用啟發式演算法，如BLAST和FASTA。這些工具犧牲精確性以換取速度，通過快速識別短而高度匹配的「種子」區域，再擴展比對。BLAST是廣泛使用的工具。多序列比對（MSA）更複雜，常採用漸進式比對策略，如ClustalW或MUSCLE，逐步將序列或比對組加入。

實際應用

序列比對在計算生物學和生物醫學研究中應用廣泛：

1. 演化分析：比對同源基因或蛋白質序列，推斷物種間演化距離和親緣關係，構建演化樹。
2. 功能預測：未知序列與已知功能序列高度相似，則可能具有相似功能，是「同源性推斷」基礎。
3. 基因組組裝與變異檢測：短讀長序列比對到參考基因組進行組裝；檢測SNPs、Indels等基因組變異。
4. 蛋白質結構預測：同源建模基於序列比對，利用已知結構模板預測目標蛋白質三維結構。
5. 藥物發現與設計：比對致病微生物與宿主序列，識別潛在藥物靶點；比對不同靶點序列設計特異性藥物。
6. 引物與探針設計：確保引物或探針精確結合目標序列，避免非特異性結合。
7. 基因家族分析：多序列比對揭示基因家族成員間保守區域，識別功能結構域或調控元件。

常見誤區

使用序列比對時需注意以下誤區：

1. 高相似性不等於絕對同源性或功能等同：高相似性通常暗示同源性，但趨同演化可能導致不相關序列相似。同源序列也可能因演化分化而功能不同。需結合其他生物學證據判斷。
2. 間隙懲罰和評分矩陣選擇不當：參數選擇對結果影響大，無「通用最佳」。演化距離近或遠的序列需不同參數。不當選擇可能導致比對失真。
3. 啟發式演算法的局限性：BLAST等是近似演算法，不保證全局最優，可能錯過弱但有生物學意義的比對。高精確度研究需動態規劃。
4. 多序列比對的「序列順序效應」：漸進式MSA中，序列加入順序會影響結果，可能引入並傳播錯誤。選擇合適的聚類方法和比對順序至關重要。
5. 忽視序列的生物學上下文：單純依賴數值結果而忽視序列來源、功能域、結構特徵等上下文信息，可能導致錯誤結論。

與相關技術的比較

序列比對與其他生物信息學技術既有區別又協同：

1. 與序列組裝：比對是比較已知序列；組裝是將短片段拼接成完整基因組。比對是組裝的關鍵步驟。
2. 與模體發現：比對生成對齊結果；模體發現識別序列中重複出現的短而保守模式。多序列比對結果可作為模體發現輸入。
3. 與演化樹構建：比對提供序列相似性/差異數據，是演化樹構建的基礎。演化樹利用比對結果推斷演化關係。
4. 與結構比對：序列比對基於一維序列；結構比對基於三維結構。結構比對更能揭示遠緣同源性，因結構演化更保守。序列比對常作結構比對的初步步驟。
5. 與機器學習：序列比對是基於演算法和生物學模型的傳統方法。機器學習（如深度學習）應用於序列分類、功能預測，可補充比對，處理非線性關係或大規模數據，但需大量標註數據訓練。