Topali(多序列比对统计和（hé）进（jìn）化分析软（ruǎn）件（jiàn）)是一款教学辅助软件，多序列比（bǐ）对的统计与进化分（fèn）析。 时（shí）下（xià）互联网（wǎng）常用的教（jiāo）育教（jiāo）学（xué）软件（jiàn）之一，该软（ruǎn）件纯绿色免费无毒，请放心（xīn）使用。
双序列比对是序列分析的基（jī）础·然而，对于构成基因家族的成组的（de）序列来说（shuō），我（wǒ）们要建立（lì）多（duō）个（gè）序列之间的关系，这（zhè）样才能揭示整个基因（yīn）家族（zú）的特（tè）征·多序列（liè）比对在阐明一组相关序列的重要生（shēng）物学模式方面起着相当重（chóng）要的（de）作用。
序（xù）列是最基本（běn）的数学模型， 它可以用来（lái）描述核酸分子和蛋（dàn）白（bái）质分子（zǐ）的一级结构。对序列（liè）的（de）操作有助于对生（shēng）物大分子的研究， 尤其是对序列（liè）进行比对( alignment)。多序列比对问题是计算分子生（shēng）物学中最基（jī）本的问题之一。通过多序（xù）列比对， 研（yán）究者可以（yǐ）挖掘出更多的保守（shǒu）区间与（yǔ）结构信息。因此它是（shì）许多问题的基（jī）础， 比如片断（duàn）组装、基因（yīn）发现（xiàn）、构建进化（huà）树、PCR 引物设计、多态位点（diǎn）( SNP)的寻找、预测同源序列的二级结构、蛋白质相互作用（yòng）预测等。
由（yóu）于人工比对（duì）的复杂性和生物序（xù）列中的（de）功能不确（què）定性， 无（wú）法（fǎ）用（yòng）生物意义统一地衡量比对的（de）效果。因此人们（men）主观（guān）地根据比对后各个序列之间（jiān）差异的大小来衡量。用来计算差异性（xìng）的数学模型(目标（biāo）函数)主要有三种: 比对和函数( sum - of- pairs functions)、一致性函（hán）数( consensus functions)和树（shù）函数( tree functions) ， 其中使用最（zuì）普遍的（de）是比（bǐ）对（duì）和（hé）函（hán）数， 其分（fèn）值一般简称为SP值。目（mù）前的多序（xù）列比对（duì）算法都旨在寻找具有最优SP值的比对， W ang 等已经（jīng）证明该问题是一个NP难题; 他们同时证明了其（qí）他几种（zhǒng）主要的目（mù）标函数最优化问题（tí）均是NP 难题（tí）。
对于这种重要的难题， 目前的处理（lǐ）方法主要是: 近似算法、启发式方法和引入其他信息。近似算（suàn）法的思想是（shì）: 既然无法在多项式时间内找到最（zuì）优解， 那么设法在多项式时间内找到一个次优解， 并且证（zhèng）明该次优解与最优解间的距离在一定范围内。启发（fā）式（shì）方（fāng）法的主要思想（xiǎng）是: 既然无法（fǎ）在多项式时间内（nèi）遍历整（zhěng）个（gè）空间， 那么在（zài）有限（xiàn）的时间内遍历尽量（liàng）广泛（fàn）、最优解存在可（kě）能性大的空间。虽然无法证明启（qǐ）发式方法解的收敛区（qū）域， 但实验（yàn）证明启发式方法往往（wǎng）可以得到较好的效果。另外， 针对不同NP难题的实际背景， 可以结合如（rú）相关（guān）的领域知识， 从而简化问题。对于生物大分子序列（liè）的比对（duì）问题， 如果知（zhī）道其（qí）比对后的长度和部分保守区间， HMM 模型通常可（kě）以被（bèi）应（yīng）用（yòng）。由（yóu）于上世纪90年代人类基因组（zǔ）计划的实施， 在国际上对多序（xù）列（liè）比对问题的研究（jiū）比（bǐ）较早（zǎo）， 而且方法较为成熟。目前主要的软件有c lusta l系列和T- coffee系列。下面详（xiáng）细介绍（shào）各种（zhǒng）多序（xù）列比对方法（fǎ）。
多序列比对和系（xì）统发育分（fèn）析是生物信（xìn）息学（xué）的（de）重（chóng）要研究领域。通过多序列（liè）比对-和系统（tǒng）发育可以预（yù）测新序列的结构和功能，分析序列之间（jiān）的同源关（guān）系。提（tí）高序列的多序列比对准（zhǔn）确率和（hé）重构合理的全基因组系（xì）统发育树是该领域（yù）的主（zhǔ）要研究课（kè）题（tí）。本文（wén）对此进行了（le）深入研究和探（tàn）讨，主要研究（jiū）成果如（rú）下（xià）： 本文借（jiè）了ClustalW和（hé）T-Coffee算法，综合了（le）渐进比对和序（xù）列间一致性策略（luè）的优点，提出了（le）一种新的渐进多序列比对算HMMPC。HMMPC先通过pai-HMM计算出每两（liǎng）条序列（liè）间每个残基匹配的后验（yàn）概率，并结合（hé）其它序列的信息，得（dé）出每两（liǎng）条序列中每个残基的最终匹配后验概率，最后由这些后（hòu）验（yàn）概（gài）率值（zhí）进行渐进比对。将本算法（fǎ）同C1ustalW和T-Coffee等一（yī）些（xiē）主（zhǔ）流算法在BAliBASE库数据集上进（jìn）行了比（bǐ）较研究。实（shí）验（yàn）结果表明（míng），本算法能有（yǒu）效地提（tí）高多序列比对的（de）准确性。 两条（tiáo）序列相似度的计算是渐进比对和（hé）系统发育树分析的基（jī）础，本文引入一种新的（de）计（jì）算序列间（jiān）进化距离的免（miǎn）比对方法—SimKMM。该方（fāng）法利用了相对熵的原理，建立（lì）每条序列的Markov模（mó）型，最后，利（lì）用HMM的距（jù）离测度公（gōng）式计算每（měi）两（liǎng）条序列间的进化距离，该函数计算简单、快速，且（qiě）不需要人为（wéi）设置参数，因此，能够更客观、有效地计算序列间的进（jìn）化距（jù）离。用本（běn）算（suàn）法对6条DNA序（xù）列进（jìn）行（háng）了相似度测量，且（qiě）将该算法用于DNA数（shù）据（jù）库（kù）搜索中，都验证了（le）本算法有较好的实（shí）用（yòng）性。
