生物信息学入门：手把手教你用BLAST和MEGA完成序列比对与进化树构建

生物信息学实战：从序列“指纹”到生命“家谱”的完整构建指南

当你第一次拿到一段未知的DNA或蛋白质序列时，那种感觉就像考古学家发现了一块刻有陌生文字的石板。它来自哪里？它与谁有关？它在生命的长河中处于什么位置？这些问题，正是生物信息学中序列比对与进化树构建所要回答的核心。对于刚踏入这个领域的初学者而言，工具繁多、参数复杂、流程琐碎，常常让人望而却步。本文旨在为你剥开层层技术外壳，用最直观的“手把手”方式，带你走通从一段神秘序列出发，最终绘制出其进化“家谱”的全过程。我们将聚焦于两个最经典、最实用的工具组合：NCBI的BLAST用于“寻亲问祖”，MEGA用于“梳理族谱”。无论你是分子生物学的研究生，还是对生命演化充满好奇的爱好者，这份指南都将为你提供清晰、可落地的操作路径，并深入探讨每一步背后的“为什么”，而不仅仅是“怎么做”。

1. 起点：理解你的序列与选择合适的“猎手”工具

在开始任何操作之前，我们需要建立两个核心认知。第一，序列相似性与序列同源性是紧密相关但截然不同的概念。你可以把相似性理解为两段文本表面上的字符匹配程度，而同源性则意味着它们源自一个共同的祖先文本。高度相似通常暗示同源，但低度相似未必就不同源——可能只是因为漫长的进化岁月积累了太多突变。第二，我们整个分析流程遵循一个经典范式：通过BLAST进行快速的“大海捞针”式相似性搜索，锁定一个潜在的“亲属”群体；然后通过MEGA对这个群体进行精细的“多序列比对”，找出它们之间保守与变化的模式；最后基于这些模式，构建出描绘它们进化关系的树状图，即系统发育树。

工欲善其事，必先利其器。我们的核心工具组合如下：

• BLAST (Basic Local Alignment Search Tool)：由NCBI维护的在线“超级搜索引擎”。它能在数秒到数分钟内，将你的查询序列与海量的公共数据库（如nr, RefSeq）进行比对，找出那些相似的序列。它擅长处理两两比对，是我们探索未知序列的第一步。
• MEGA (Molecular Evolutionary Genetics Analysis)：一款功能强大且用户界面友好的本地软件。它集成了从多序列比对、模型选择到进化树构建与美化的全套流程。特别是其内置的ClustalW/MUSCLE等比对算法和丰富的系统发育分析方法（如邻接法NJ、最大似然法ML），使其成为初学者和专家的共同选择。

提示：建议在开始前，在本地计算机上安装好最新版的MEGA软件（可从其官网免费获取），并确保网络通畅以访问NCBI BLAST服务。

1.1 获取与准备你的起始序列

你的旅程始于一条序列。它可能来自你的实验测序结果（如一个PCR产物），也可能来自文献或数据库中的一个你感兴趣的基因。通常，序列会以FASTA格式保存，这是生物信息学中最通用、最简单的文本格式。

一个典型的FASTA格式文件如下所示：

>Sequence_ID_1 Description of the first sequence
ATCGATCGATCGATCGATCGATCGATCGATCGATCGATCG
ATCGATCGATCGATCGATCGATCGATCGATCGATCGATCG
>Sequence_ID_2 Description of the second sequence
ATGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGC

>符号开头的行是序列标识符和描述行，下面直到下一个>之前的所有行都是该序列的核苷酸（A,T,C,G）或氨基酸（20种字母）字符。

关键准备步骤：

1. 明确序列类型：是DNA/RNA核苷酸序列，还是蛋白质氨基酸序列？这决定了后续BLAST搜索和比对时选择的程序和数据库。
2. 检查序列质量：确保序列中不含非标准字符（如数字、空格）。对于测序得到的原始序列，可能需要进行简单的修剪，去除两端低质量的碱基。
3. 保存为纯文本文件：将你的查询序列保存为一个.fasta或.fa后缀的文本文件。用记事本或任何代码编辑器都能创建和查看。

2. 第一步：使用BLAST进行相似性搜索与“亲属”招募

现在，你手握一把未知的“钥匙”（查询序列），准备打开NCBI这座巨大的“序列图书馆”的大门，寻找能匹配的“锁”。

2.1 访问BLAST并选择正确程序

打开浏览器，访问NCBI BLAST主页。你会看到几个核心程序选项，选择哪一个至关重要：