MacVector可以进行DNA或蛋白质多序列比对，也可以把一个或多个测序结果与参考序列进行比较。处理“MacVector怎么进行序列比对，MacVector序列比对结果不准确如何调整”时，首先要选对比对方式：分析多条同源序列关系时使用Multiple Sequence Alignment；检查测序结果、突变位点或短片段与参考序列的一致性时，则更适合Align to Reference。不同任务混用同一套算法和参数，很容易出现大量错误Gap、序列错位或局部区域无法正确匹配。

　　一、MacVector怎么进行序列比对

　　正式比对前，先确认输入的是DNA还是Protein，并检查序列方向和长度。特别是DNA序列，如果其中部分文件方向相反，直接执行普通多序列比对往往得不到合理结果。

　　1、建立多序列比对项目

　　①点击【File】→【New】→【DNA Alignment】；蛋白质序列则选择对应的Protein Alignment。

　　②进入新的MSA窗口后，点击【Edit】→【Add Sequences from File】。

　　③加入需要比较的两条或多条序列。

　　④检查序列名称和类型是否正确，删除明显无关或重复的数据。

　　⑤点击工具栏中的【Align】开始自动比对。

　　MacVector的MSA编辑器能够对DNA和蛋白质序列进行自动比对，并允许在结果产生后继续手工调整序列位置和Gap。

　　2、根据序列特点选择比对算法

　　MacVector支持ClustalW、MUSCLE和T-Coffee等多序列比对方法，不同数据可以分别尝试。

　　①点击【Analyze】→【Align Multiple Sequences Using】。

　　②普通同源序列可以先使用【ClustalW】得到基础结果。

　　③序列数量较多或长度差异明显时，可以改用【MUSCLE】重新计算。

　　④需要对复杂同源关系进行比较时，再尝试【T-Coffee】。

　　⑤保存不同算法结果，对比保守区、插入缺失位置和整体Gap数量。

　　MacVector官方从12.5版开始就在MSA编辑器中加入MUSCLE和T-Coffee，与原有ClustalW共同使用，因此结果不理想时可以通过更换算法进行交叉判断。

　　3、与参考序列比较时使用Align to Reference

　　如果目的不是研究多条序列之间的进化关系，而是检查测序结果是否与标准序列一致，可以换用参考序列比对。

　　①先打开标准DNA序列。

　　②进入【Analyze】→【Align to Reference】。

　　③加入待检查的测序序列或片段。

　　④执行【Align】，让MacVector按照参考序列重新排列。

　　⑤通过不匹配位置检查SNP、插入、缺失等差异。

　　Align to Reference更适合重测序、克隆确认和突变检查，而且能够处理需要翻转到反向链的DNA序列；普通ClustalW、MUSCLE或T-Coffee多序列比对不会自动完成这种方向修正。

　　二、MacVector序列比对结果不准确如何调整

　　比对后出现整段错位、Gap过多、短序列无法匹配或局部保守区被拆散时，应先判断问题属于序列本身还是算法参数，再针对具体原因调整。

　　1、先检查序列方向和输入质量

　　①单独打开结果明显异常的DNA序列。

　　②确认它与其他序列是否处于相同方向。

　　③删除两端明显低质量、无意义或额外拼接的序列。

　　④检查是否误把载体、接头等非目标序列一起加入。

　　⑤整理后重新执行比对。

　　如果只有一条序列整体无法与其他序列对应，优先检查方向和输入范围，比直接调整Gap参数更有效。特别是ABI等测序文件，应优先考虑Align to Reference，因为普通MSA算法不会自动翻转反向序列。

　　2、Gap位置异常时调整Gap相关参数

　　①重新打开当前比对算法的设置窗口。

　　②检查【Gap Opening】和【Gap Extension】一类参数。

　　③Gap过多且过于零散时，提高产生新Gap的代价。

　　④确实存在较长插入或缺失区域时，可适当降低Gap延伸限制。

　　⑤每次只修改一个参数，再观察保守区域是否恢复合理。

　　Gap开启代价决定是否容易插入新的缺口，Gap延伸参数则影响已有缺口能否继续拉长。参数组合不同，会明显改变“多个短Gap”和“少量长Gap”的分布，因此不适合一次大幅调整多个值。

　　3、短片段匹配差时提高局部比对敏感度

　　短引物或短测序片段使用针对长序列设置的默认条件时，可能因为得分不足而无法正确匹配。

　　①确认异常序列本身明显短于其他序列。

　　②进入Align to Reference的比对参数。

　　③适当降低【Score Threshold】。

　　④需要识别较短匹配区域时，再提高比对敏感度。

　　⑤重新比对后检查短片段是否落到正确位置。

　　MacVector官方在短引物比对示例中就建议降低Score Threshold，并在需要时提高Sensitivity，以改善短序列的匹配能力。

　　4、编码DNA错位时改用蛋白质层面比对

　　编码区核酸序列之间存在较多同义突变时，直接按照DNA比对可能无法准确保持密码子和蛋白质保守区域。

　　①确认输入序列属于蛋白质编码区。

　　②在DNA Alignment中切换显示模式。

　　③选择【VirtualAA】或同时显示核酸与翻译结果。

　　④使用【ClustalW】【MUSCLE】或【T-Coffee】按照翻译后的蛋白质序列重新比对。

　　⑤再回到DNA层面检查对应密码子的位置。

　　MacVector支持根据氨基酸翻译结果对DNA序列进行比对，这种方式适合蛋白质高度保守、核酸层面差异较大的编码序列。

　　三、参数调整后怎么判断比对结果是否真正合理

　　比对结果“看起来整齐”并不能证明设置正确。调整完成后，还需要检查保守区域、Gap分布以及结果是否符合已知的生物学关系。

　　1、用已知保守区检查对齐位置

　　①选取已知保守的基序、功能域或关键氨基酸位置。

　　②检查这些区域在不同序列中是否落在相近位置。

　　③发现保守区域被大量Gap拆开时，重新检查算法和Gap参数。

　　④再查看Pairwise模式中的Identity和Similarity结果。

　　⑤用另一种算法重新计算一次，确认主要结构没有发生大幅改变。

　　如果ClustalW和MUSCLE得到的核心保守区域基本一致，而变化主要集中在末端或插入缺失区，通常比只依赖一次自动结果更有参考价值。MacVector可以同时查看成对Identity和Similarity，便于复核序列关系。

　　2、长插入区域要重新检查Consensus算法

　　①在MSA编辑器中查看Consensus和Picture结果。

　　②如果少数序列存在很长插入，而Consensus却完整保留了这段区域，进入【Prefs】检查Consensus设置。

　　③需要让Gap参与共识计算时，启用【Treat Gaps as Valid Characters】。

　　④重新查看Consensus和图形显示。

　　MacVector默认计算Consensus时会忽略Gap，少数序列带有长插入时可能形成容易误解的共识结果。让Gap作为有效字符参与计算，可以让这类区域的结果更符合实际序列构成。

　　总结

　　MacVector序列比对是否准确，首先取决于比对方法是否与数据类型匹配。多条同源序列适合MSA，测序片段与标准序列比较则更适合Align to Reference；出现错位后，再依次检查序列方向、输入质量、Gap参数和短序列敏感度。对于编码DNA，还可以转到氨基酸层面重新对齐。最终通过保守区、Identity、Gap分布和不同算法结果进行交叉验证，比单纯追求整齐的比对画面更可靠。如需进一步了解MacVector序列比对、参数调整及比对结果异常排查方法，欢迎联系咨询。