[发明专利]一种基于宏基因组的蛋白质多序列比对方法

摘要

一种基于宏基因组的蛋白质多序列比对方法，根据目标蛋白的序列，使用HHblits对UniClust30数据库进行初始搜索，过滤掉搜索的MSA中残基空位符超过目标序列长度50％的序列，搜索过程的迭代3次；对获得的多序列比对文件使用hhfilter过滤生成的MSA中gap占比超过25％的序列，得到MSA1；计算MSA1的有效序列数Meff，若Meff≥10L，结束搜索，将MSA1作为多序列比对的输出结果；否则，构建MSA1的隐马尔可夫模型HMM，搜索Metaclust50宏基因组数据库，得到多重序列比对MSA2，将MSA1与MSA2合并，得到最终MSA。本发明不仅增强了搜索同源序列的数量及质量，而且提高了计算效率。