全 文 ：·特约综述· 2015, 31(11):102-111
生物技术通报
BIOTECHNOLOGY BULLETIN
自 2000 年起，本人在北京大学和中国农业科学
院研究生院开设“实用生物信息技术”课程［1］。本
课程以从事分子生物学实验研究的硕士或博士研究
生为教学对象，重点介绍最基本、最常用的生物信
息技术和方法，主要包括 ：（1）蛋白质和核酸序列
相似性比对 ；（2）蛋白质序列数据库 UniProt 和核酸
序列数据库 RefSeq 高级检索 ；（3）NCBI 数据库相
似性搜索工具 Blast 的应用 ；（4）利用 MEGA 软件
构建分子系统发生树 ；（5）利用 Swiss-PdbViewer 软
件显示、比较和分析蛋白质三维空间结构。
本文以人、小鼠、大鼠、斑头雁、灰雁几个不
同物种的血红蛋白序列和结构为例，介绍这些常用
生物信息技术和方法的具体应用。学生通过这些实
例，能够初步掌握这些方法的具体应用，并能举一
反三，将这些方法用于自己的课题研究，学会如何
利用丰富的网络生物信息资源和分析工具解决自己
正在进行或即将开始的研究课题中的实际问题。
1 序列比对
1.1 研究背景
血红蛋白是人体血液中重要蛋白质分子，其主
收稿日期 ：2015-03-26
作者简介 ：罗静初，男，教授，研究方向 ：生物信息学 ；E-mail ：luojc@pku.edu.cn
实用生物信息技术课程教学实例
罗静初
（北京大学生命科学学院 北京大学蛋白质与植物基因研究重点实验室 北京大学生物信息中心，北京 100871）
摘 要 ： 介绍“实用生物信息技术”研究生课程的 5 个教学实例。以血红蛋白序列和结构为例，介绍常用生物信息技术和
分析方法，包括蛋白质和核酸序列相似性比对、蛋白质和核酸序列数据库检索、Blast 数据库相似性搜索、分子系统发生树构建，
以及蛋白质结构比较分析等。
关键词 ： 生物信息技术 ；血红蛋白 ；序列比对 ；数据库检索 ；Blast 数据库搜索 ；系统发生树构建 ；蛋白质结构比较分析
DOI ：10.13560/j.cnki.biotech.bull.1985.2015.07.001
Teaching Examples of Applied Bioinformatics Course
Luo Jingchu
（College of Life Sciences，The State Key Laboratory of Protein and Plant Gene Research，Center for Bioinformatics，
Peking University，Beijing 100871）
Abstract: In this article, we introduce the basic bioinformatics analysis methods and tools taking the hemoglobin as an example. The
methods include ：1）protein and DNA sequence alignment ；2）advanced search for UniProt and RefSeq database ；3）Blast database
similarity search ；4）phylogenetic tree construction under MEGA ；5）protein structure comparison using Swiss-PdbViewer.
Key words: bioinformatics ；hemoglobin ；sequence alignment ；database query ；Blast database similarity search ；phylogenetic tree
construction ；protein structure comparison
编者按 : 自 2000 年起，罗静初教授在北京大学生命科学学院和中国农业科学院研究生院开设“实用生物信息技术”课程，
教学方法以上机实习为主，指导学生利用丰富的生物信息网络数据资源和软件工具，结合自己的研究课题，进行生物信息
分析。本文以血红蛋白为例，介绍常用生物信息技术与方法的具体应用，对生物信息领域科研人员具有一定参考价值。
2015,31(11) 103罗静初 ：实用生物信息技术课程教学实例
要生物学功能为运送氧气。血红蛋白分子为异源四
聚体，可结合 4 个铁卟啉色素分子。成人血红蛋白
分子由两个 α-亚基和两个 β-亚基组成。人类基因组
中编码 α-亚基的血红蛋白基因有两个，位于 16 号
染色体短臂的 α-珠蛋白基因簇中，其编码区核苷酸
序列相同，所编码的蛋白质序列自然也相同，各含
142 个氨基酸残基。与人一样，小鼠和大鼠的血红
蛋白也是四聚体，α-亚基也由 142 个氨基酸组成。
小鼠和大鼠同属啮齿类动物，其共同祖先距今约
2 500 万年。而人属于灵长类动物，与啮齿类分歧时
间约为 9 500 万年。对这 3 个物种 α-血红蛋白氨基
酸序列及其编码基因的核苷酸序列进行比对，可探
索血红蛋白分子及其编码基因演化的特点。
1.2 比对方法和结果
从 国 际 蛋 白 质 序 列 数 据 库 UniProt 中 分 别 提
取人和小鼠 α-血红蛋白的 FastA 格式序列，其序
列 条 目 名 称 分 别 为 HBA_HUMAN（ 人 ）、HBA_
MOUSE（ 小 鼠 ）。 序 列 比 对 的 软 件 很 多， 北 京 大
学生物信息中心开发的综合序列分析平台 WebLab
（http：//weblab.cbi.pku.edu.cn/）包括 200 多个程序［2］。
利 用 WebLab 中 基 于 Needleman-Wunsch 全 局 序 列
图 1 中上方为统计值，包括序列长度（LENGTH）、
比对分值（SCORE）、相同位点（IDENTITY）、相似
位点（SIMILARITY）和空位数（GAPS）。下方为两
条序列的具体比对结果，“｜”表示相同位点、“ ：”
表示相似位点，“.”表示不同位点。所谓相似位点，
是指该位点的两个氨基酸理化性质较接近，如苏氨
酸“T”和丝氨酸“S”、缬氨酸“V”和异亮氨酸“I”等。
按上述方法，分别对人 / 小鼠、人 / 大鼠、小鼠 / 大
鼠 3 个物种 α-血红蛋白进行序列比对，结果如表 1
所示。
图 1 人和小鼠血红蛋白 α-亚基氨基酸序列比对输出结果
比对算法的程序 Needle，采用默认蛋白质计分矩阵
BLOSUM62 和默认空位罚分值（起始空位罚分 10.0，
延伸空位罚分 0.5），比对结果如图１所示。
表 1 人、小鼠、大鼠血红蛋白 α-亚基氨基酸序列比对结果
物种 序列名 登录号 得分 相同位点（比例） a 相同加相似位点（比例） b
人 / 小鼠 HBA_HUMAN / HBA_MOUSE P69905 / P01942 648 122/142（85.9%） 131/142（92.3%）
人 / 大鼠 HBA_HUMAN / HBA_RAT P69905 / P01946 587 111/142（78.2%） 120/142（84.5%）
小鼠 / 大鼠 HBA_MOUSE / HBA_RAT P01942 / P01946 632 120/142（84.5%） 127/142（89.4%）
注 ：a ：相同位点个数占全长序列的比例 ；b ：相同加相似位点个数占全长序列的比例
从 NCBI 参考序列数据库中提取这 3 个物种 α-
血红蛋白基因编码区序列，用 WebLab 中的 Needle
程 序 进 行 序 列 比 对， 注 意 选 择 核 苷 酸 替 换 矩 阵
EDNAFULL，将起始空位罚分改为 20.0，延伸空位
罚分改为 2.0，比对结果如表 2 所示。
1.3 结果分析
表 1 为 3 个物种血红蛋白 α-亚基氨基酸序列
比对结果。出乎意料的是，人和小鼠 α-血红蛋白共
有 122 个相同位点，占全长 142 个位点的 85.9% ；
而小鼠与大鼠之间的相同位点数为 120 个，占全长
84.5%。换句话说，同为啮齿类的小鼠和大鼠，血红
蛋白序列相似性低于啮齿类和灵长类。之所以出现
这一结果，原因有许多，其中最主要的是密码子简
并性，即同一氨基酸在不同物种或不同基因中可能
由不同密码子编码，蛋白质序列相似性高低可能与
其编码核苷酸的相似性高低并不一致。这 3 个物种
血红蛋白编码基因的编码区核苷酸序列比对结果（表
2）显示，小鼠和大鼠之间的序列相似性为 89.3%，
高于小鼠和人之间的序列相似性 81.6%。
2 数据库高级检索
2.1 研究背景
研究表明，有些基因在一个物种中只有一个拷
生物技术通报 Biotechnology Bulletin 2015,Vol.31,No.11104
贝，称单拷贝基因，而真核生物基因组中大部分基
因按基因家族形式存在，有多个拷贝，它们或者分
布在同一染色体上相邻区域，或者分散在整个基因
组不同染色体上。基因家族的产生包括全基因组水
平重复和染色体片段重复等多种机制，是生物演化
重要途径。同一家族的基因往往具有相似生物学功
能，通过复杂的调控机制，在不同组织、不同环境
或不同发育阶段表达。例如，无脊椎动物的血红蛋
白由一个基因编码，而脊椎动物的血红蛋白则由多
个基因编码。以人血红蛋白基因家族为例，分为 α-
珠蛋白（α-globin）和 β-珠蛋白（β-globin）两个基因簇，
如图 2 所示。图 2 上方为 α-珠蛋白基因簇，位于 16
号染色体短臂正链 150-180 kb 区段，全长约 30 kb，
按 5-3 顺序依次为 ζ、μ、α2、α1 和 θ-珠蛋白基因。
下方为 β-珠蛋白基因簇，位于 11 号染色体短臂互补
链 5.22-5.27 Mb 区段，全长约 50 kb，依次为 ε、γ2、
γ1、δ 和 β-珠蛋白基因。此外，α-珠蛋白基因簇上有
两个假基因 Ψζ 和 Ψα ；β-珠蛋白基因簇上有 1 个假
基因 Ψβ。这 10 个珠蛋白基因在不同发育阶段表达，
θ、μ、β 和 δ 在成人血红细胞中表达，γ1 和 γ2 在胎
儿血红细胞中表达，ζ 和 ε 在胚胎血红细胞中表达，
而 α1 和 α2 在成人和胎儿血红细胞中均表达。
表 2 人、小鼠、大鼠 α-珠蛋白编码区核苷酸序列比对结果
物种 基因名 登录号 得分 相同位点（比例） a 空位数
人 / 小鼠 HsHBA1 / MmHba-a1 NM_000558 / NM_008218 1434 350/429（81.6%） 0
人 / 大鼠 HsHBA1 / RnHba1 NM_000558 / NM_013096 1335 339/429（79.0%） 0
小鼠 / 大鼠 MmHba-a1 / RnHba1 NM_008218 / NM_013096 1731 383/429（89.3%） 0
注 ：a ：相同位点个数占全长序列的比例
150 kb
5˃
3˃ βζChromosome 16Forward strandChromosome 11Reverse strand α-globin gene clusterβ-globin gene cluster Adult: α1 α2 μ θ β δFetal: α1 α2 γ1 γ2Embryonic: ζ εPseudogene: Ψα Ψβ Ψζμδ ΨβΨζ Ψα α2 α1 θγ1 γ2 ε 5˃3˃160 kb 170 kb 180 kb
5.22 Mb 5.23 Mb 5.24 Mb 5.25 Mb 5.26 Mb 5.27 Mb
图 2 人 α-珠蛋白和 β-珠蛋白基因家族染色体定位
2.2 检索方法
上述 α 和 β-珠蛋白基因编码的血红蛋白氨基酸
序列，均存放在国际蛋白质序列数据库 UniProt 中。
利用该数据库提供的高级检索功能，可以快速有效
地检索到这些蛋白质序列条目。具体检索步骤如下：
（1）点击 UniProt 数据库主页上方检索框右侧
Advanced 下拉式菜单，打开弹出式高级检索子窗口
（图 3-A）。
（2）点击高级检索窗口最上方下拉式选择菜单
中的 All，选择 Protein Name［DE］，在其右侧的文
本输入框中输入血红蛋白的英文 Hemoglobin。
（3）点击第 2 个下拉式选择菜单中的 All，选择
基因名 Gene Name［GN］，在其右侧的文本输入框中
输入血红蛋白的基因名缩写 hb（不分大小写），并
在后加通配符星号，即 hb*。
（4）点击该选择菜单输入框右侧增加选择项符
号“+”，弹出第 3 个选择菜单（图 3-B）。
（5）点击第 3 个选择菜单中的 All，选择物种名
Organism［OS］，在其右侧输入 Human，系统列出该
数据库中与输入文本 Human 相关的所有物种，选择
Human［9606］。9606 为人在 NCBI 分类学数据库中
的登录号。
2015,31(11) 105罗静初 ：实用生物信息技术课程教学实例
（6）点击检索窗口右下侧检索按钮（图标为放
大镜），提交检索策略，页面显示 UniProt 数据库中
收录的所有人血红蛋白序列条目。
（7）点击页面左侧 Reviewed 图标，页面显示检
索结果（图 3-C）。
而 TrEMBL 子库中的数据条目总数为 90 860 905 条。
显然，这两个子库的数据量差别极大。点击 UniProt
网站主页面下方 UniProt data 栏目下的 Statistics 图标，
可以找到这两个子库的统计资料文档 UniProt/Swiss-
Prot statistics 和 UniProt/TrEMBL statistics，文档中有
许多图表，详细叙述这两个子库的基本情况。
3 数据库序列相似性搜索
3.1 研究背景
利用上述蛋白质序列数据库高级检索方法，可
以快速高效地找到人血红蛋白基因家族 9 个成员所
编码的蛋白质序列。近年来发现，除了运送氧气的
血红蛋白和储存氧气的肌红蛋白外，人体中还有另
外两种珠蛋白分子，一种为细胞红蛋白，或简称胞
红蛋白（Cytoglobin），普遍存在于各种组织，可能
具有氧储存、氧感受、一氧化氮运输、抗自由基等
多种功能。另一种为神经红蛋白（Neuroglobin），多
见于脑组织，因此也称脑红蛋白。胞红蛋白基因位
于 17 号染色体长臂 25 区（17q25），编码 190 个氨
基酸残基 ；脑红蛋白基因位于 14 号染色体长臂 24
区（14q24），编码 151 个氨基酸残基。X 衍射晶体
结构研究证明，这两种蛋白质分子的三维空间结构
与血红蛋白、肌红蛋白具有相同折叠模式，同属珠
蛋白家族（Globin family）。序列比对发现，两者与
血红蛋白序列相似性均很低。胞红蛋白与血红蛋白α-
亚基的相同位点共 42 个，约占 22% ；脑胞红蛋白与
血红蛋白 α-亚基的相同位点仅 31 个，不到 20%。
3.2 搜索方法
利用 BLAST 数据库相似性搜索，可以通过局
部序列比对方法，从数据库中找到相似性较高的序
列或序列片段。例如，以人血红蛋白 α-亚基 HBA_
HUMAN 为检测序列，可以从 Swiss-Prot 数据库中搜
索到与其相似性较高的其它物种血红蛋白 α-亚基序
列。而对于脑红蛋白这样相似性很低的序列，则需
要通过选择搜索程序、确定搜索数据库、限制搜索
物种、设置适当的搜索参数，才能搜索到。具体步
骤如下 ：
（1）打开 NCBI BLAST 服务器主页面，在常用
BLAST 选择区（Basic BLAST）中选择蛋白质 BLAST
（protein blast），将人血红蛋白 α-亚基 HBA_HUMAN
A
B
C
图 3 利用 UniProt 高级检索界面检索人血红蛋白 9 个序列
条目
2.3 检索结果
检索结果中列出已经通过人工审阅的 9 个人血
红蛋白序列条目。UniProt 数据库包括 Swiss-Prot 和
TrEMBL 两个子库，其中 Swiss-Prot 中的序列条目均
已经通过人工审阅，而 TrEMBL 中的序列条目则是
利用计算机对核酸序列数据库 EMBL 中的蛋白质编
码序列翻译得到的，未经人工审阅。截止 2015 年 3
月，Swiss-Prot 子库中的数据条目总数为 547 599 条，
生物技术通报 Biotechnology Bulletin 2015,Vol.31,No.11106
序列粘贴到检测序列输入框。
（2） 在 数 据 库 选 择 框（Database） 中 选 择
Swissprot protein sequence（swissprot）， 在 物 种 选 择
框（Organism）中输入 Human。
（3）在程序选择区选择位点特异迭代型 BLAST
（Position-specific Iterated BLAST），即 PSI-BLAST。
（4）打开参数选择（Algorithm parameters）窗口，
将错误率（Expected threshold）由缺省值 10 调为 0.001。
（5）点击运行 BLAST 按钮递交作业，搜索结果
得到 11 个珠蛋白分子。
（6） 点 击“ 运 行 第 2 次 PSI-Blast”（Run PSI-
Blast iteration 2 with max 50）按钮（Go），新一轮搜
索结果中包括脑红蛋白（Neuroglobin，Siwss-Prot 数
据库登录号 Q9NPG2.1）。
3.3 搜索结果
搜索结果（图 4）显示，人 12 个珠蛋白均在搜
索结果中，而与珠蛋白无关的其它序列则没有列在
搜索结果中。也就是说，搜索结果既无假阳性（False
positive）结果，也无假阴性（False negative）结果。
上述搜索过程说明，BLAST 是一个功能强大的
序列相似性数据库搜索系统。但要用好 BLAST，必
须对其基本算法有所了解，例如位置特异性迭代
BLAST 的原理、计分矩阵、错误率 E 值的选取等。
图 4 利用 BLAST 从 Swiss-Prot 数据库中搜索 12 个珠蛋白
4 系统发生树构建
4.1 研究背景
研究表明，人、小鼠和大鼠 3 种哺乳动物中，
均有血红蛋白、肌红蛋白、胞红蛋白和脑红蛋白 4
类珠蛋白基因家族成员，其中肌红蛋白、胞红蛋白
和脑红蛋白在这 3 个物种基因组中均为单拷贝基因，
而血红蛋白 α 和 β-两个亚家族均包含多个拷贝，在
3 个物种基因组中的数目、分布也不相同。美国宾
夕法尼亚州立大学从事血红蛋白研究多年的哈迪森
教授 2012 年发表的“血红蛋白及其基因的演化”综
述中，对人和其它脊椎动物的血红蛋白起源、演化、
表达和功能做了详细介绍［3］。图 5 是根据该论文中
的插图改编的人、小鼠、大鼠 3 个物种基因组中 α-
和β-珠蛋白基因家族成员名称和在染色体上的排列
次序。
上述 3 个物种中，人类基因组的血红蛋白基因
家族研究得比较清楚，而小鼠和大鼠血红蛋白的基
因家族的大部分成员是根据基因组、转录组序列预
测所得，尚无实验证据。表 3 列出这 3 个物种中已
经确定的 37 个成员。
需要说明的是，小鼠脑红蛋白基因有两个剪接
变体，RefSeq 参考序列数据库中 mRNA 序列登录号
为 NM_022414 和 NM_001294308。NM_022414 编 码
区长度 453 bp，编码 151 个氨基酸 ；NM_001294308
编码区长度 465 bp，编码 155 个氨基酸。表中只
2015,31(11) 107罗静初 ：实用生物信息技术课程教学实例
列出其中一个 NM_022414。小鼠 β-珠蛋白家族成
员 MmHbb-b1 和 MmHbb-b2 为单倍体型 C57BL/- 株
系基因组中测得的序列，RefSeq 参考序列数据库中
mRNA 序列登录号为 NM_001278161 和 NM_016956。
小鼠基因组计划测序样本所用的为融合体 BALB/c
和 129Sv 株系。小鼠基因组信息系统（MGI）中所
列 小 鼠 β-珠 蛋 白 家 族 成 员 基 因 名 为 MmHbb-bs 和
MmHbb-bt，RefSeq mRAN 登 录 号 为 NM_001201391
和 NM_008220，表中未予列出。
此外，大鼠基因组中 α-珠蛋白家族共有 7 个
成员［3］，位于 10 号染色体 15.468-15.508 Mb 区段，
长度约为 40 kb；表 8 中只收录已有转录数据的 3 个，
即 RnHbz（NM_013096）、RnHba1（NM_013096）和
RnHba2（NM_001007722）。另 4 个尚无确切证据，
也无确定的基因名，未在表中列出。这 4 个基因中，
一个为 α-珠蛋白，RefSeq 数据库中 mRNA 序列登录
号为 NM_001013853，大鼠基因组数据库 RGD 中暂
定基因名为 LOC287167 ；其它 3 个为 θ-珠蛋白，尚
无实验证据。大鼠基因组中，β-珠蛋白共有 9 个成
员，位于 1 号染色体 175.095-175.170 Mb 区段，约
75 kb（图 6），其中 1 个为假基因，4 个为串联重复
排列的 α-珠蛋白，推测由近期发生的基因倍增机制
Rat
Mouse
Human
Rat
Mouse
Human
α gene cluster
β gene cluster
5˃ 3˃ζ
ζ
μΨζ Ψα α2 α1 θ
5˃ 3˃ε γ2γ2
5˃ 3˃y
5˃ 3˃be1 be2 bg1 bgp bd b1 b2 b3 b4bh0 bh1 bh2 bh3 b1 b2Ψβ δ β
5˃ 3˃α2 α1 θ1θ2
ζ
5˃ 3˃α3 α2 α1θ2 θ1θ3
图 5 人、小鼠、大鼠 α-珠蛋白和 β-珠蛋白基因家族
产生。
4.2 建树方法
利用上述 3 个物种基因组中的血红蛋白及同一
家族的肌红蛋白、胞红蛋白和脑红蛋白序列信息，
可以构建分子系统发生树。系统发生树是以树状图
表示不同物种之间系统发生关系的常用方法。达尔
文“物种起源”一书中唯一的一幅插图，就是用树
的形式表示物种多样性及其起源和演化。因此，系
统发生树，有时也称“进化树”或“演化树”。其实，
系统发生树不仅可以用来表示不同物种之间的亲缘
关系和演化途径，也可以用来表示同一物种内部某
个基因家族的不同成员之间的关系及演化。
利用 MEGA 软件包［4］，可以构建人的珠蛋白基
因家族 12 个成员系统发生树，所用序列为蛋白质
序列，用全局比对程序 ClustalW 进行多序列比对，
用 GONNET 蛋白质计分矩阵，空位罚分和其它参数
均采用默认值。用邻接法（Neighbor-Joining）建树，
采用差异位点比例（p-distance）为距离模型，选择
自举法（Bootstrap）100 次作为稳定性检验。
利 用 MEGA 软 件 包 中 的 邻 接 法（Neighbor-
Joining）方法构建人、小鼠、大鼠 3 个物种珠蛋白
基因家族 37 个成员系统发生树（图 8），所用序列
为编码区核苷酸质序列。序列比对采用 ClustalW
Codon，即基于密码子的序列比对，比对过程中密码
子 3 个核苷酸不打断，双序列和多序列比对的起始
空位罚分均调为 20，延伸空位罚分均调为 2.0，以
减少不必要的空位插入。建树过程中采用差异位点
比例（p-distance）为序列差异模型，用转换加颠换
（transition + transversion）为核苷酸替换模型，选择
自举法（Bootstrap）100 次作为稳定性检验。
4.3 结果分析
图 7 所示的系统发生树为基因树。结果表明，
人的 12 个珠蛋白基因可以分为 5 个分支，其中 α-
珠蛋白亚家族包括 4 个成员，β-珠蛋白亚家族包括
5 个成员，而肌红蛋白、胞红蛋白和脑红蛋白各有 1
个成员。α-珠蛋白和 β-珠蛋白有共同祖先，而肌红
蛋白和胞红蛋白有共同祖先。α-珠蛋白亚家族 4 个
成员中，α-珠蛋白和 θ-珠蛋白之间的距离较近，而 β-
珠蛋白亚家族 5 个亚家族中，γ1-珠蛋白和 γ2-珠蛋白
生物技术通报 Biotechnology Bulletin 2015,Vol.31,No.11108
的距离最近，其次为 α-珠蛋白和 δ-珠蛋白。
图 8 所示的系统发生树包括 3 个物种，每个物
种均有多个基因，共 37 个基因。结果表明，37 个
基因总体可以分为 5 个分支，即 α-珠蛋白、β-珠蛋
白、肌红蛋白、胞红蛋白和脑红蛋白。3 个物种的
肌红蛋白、胞红蛋白和脑红蛋白各聚为一支 ；3 个
物种所有 α-珠蛋白聚在一起，所有 β-珠蛋白聚在一
起。这一结果说明，这 5 类基因在 3 个物种形成以
前就已经出现，即“先有基因、后有物种”。α-珠蛋
白分为 3 支，第一支为 ζ-珠蛋白，3 个物种各有一
个成员，即人的 HsHBZ、小鼠的 MmHba-x 和大鼠
的 RnHbz ；第二支又分两支，一支为 α-珠蛋白，另
一支为 θ-珠蛋白。3 个物种的 α-珠蛋白各有两个成
员， 如 人 的 HsHBA1 和 HsHBA2，θ-珠 蛋 白 各 有 1
表 3 人、小鼠、大鼠 3 个物种珠蛋白家族基因信息
编号 基因名 RefSeq 登录号 基因长度 /bp 编码区 基因登录号 蛋白质登录号
Hs01 HsHBZ NM_005332 589 56-484 3050 NP_005323
Hs02 HsHBM NM_001003938 524 25-450 3042 NP_001003938
Hs03 HsHBA2 NM_000517 622 67-495 3040 NP_000508
Hs04 HsHBA1 NM_000558 627 67-495 3039 NP__000549
Hs05 HsHBQ1 NM_005331 653 154-582 3049 NP_005322
Hs06 HsHBE1 NM_005330 816 254-697 3046 NP_005321
Hs07 HsHBG2 NM_000184 583 54-497 3048 NP_000175
Hs08 HsHBG1 NM_000559 584 54-497 3047 NP_000550
Hs09 HsHBD NM_000519 774 196-639 3045 NP_000510
Hs10 HsHBB NM_000518 626 51-494 3043 NP_000509
Hs11 HsMYB NM_005368 1078 81-454 4151 NP_005359
Hs12 HsCYGB NM_134268 2166 364-936 114757 NP_599030
Hs13 HsNGB NM_021257 1885 376-831 58157 NP_067080
Mm01 MmHba-x NM_010405 630 65-493 15126 NP_034535
Mm02 MmHba-a1 NM_008218 569 36-464 15122 NP_032244
Mm03 MmHbq1a NM_175000 604 50-487 216635 NP_778165
Mm04 MmHba-a2 NM_001083955 587 33-461 110257 NP_001077424
Mm05 MmHbq1b NM_001033981 748 50-478 544763 NP_001029153
Mm06 MmHbb-y NM_008221 619 56-499 15135 NP_032247
Mm07 MmHbb-bh1 NM_008219 610 53-496 15132 NP_032245
Mm08 MmHbb-bh2 NM_001127686 559 95-538 436003 NP_001121158
Mm09 MmHbb-b1 NM_001278161 630 55-498 15129 NP_001265090
Mm10 MmHbb-b2 NM_016956 630 55-498 15130 NP_058652
Mm11 MmMb NM_001164047 1121 205-699 17189 NP_001157519
Mm12 MmCygb NM_030206 2331 395-967 114886 NP_084482
Mm13 MmNgb NM_022414 1630 280-735 64242 NP_071859
Rn01 RnHbz NM_001172845 589 51-479 287168 NP_001166316
Rn02 RnHba1 NM_013096 556 34-462 25632 NP_037228
Rn03 RnHba2 NM_001007722 545 34-462 360504 NP_001007723
Rn04 RnHbe1 NM_001008890 444 1-444 293267 NP_001008890
Rn05 RnHbe2 NM_001024805 444 1-444 502359 NP_001019976
Rn06 RnHbg1 NM_172093 444 1-444 94164 NP_742090
Rn07 RnHbb NM_033234 620 48-491 24440 NP_150237
Rn08 RnHbb-b1 NM_198776 659 57-550 361619 NP_942071
Rn09 RnMb NM_021588 1015 28-492 59108 NP_067599
Rn10 RnCygb NM_130744 2138 171-743 170520 NP_570100
Rn11 RnNGB NM_033359 1773 410-865 85382 NP_203523
2015,31(11) 109罗静初 ：实用生物信息技术课程教学实例
个成员。可以推断，α-珠蛋白的两个成员是在灵长
类和啮齿类分化以后通过基因倍增机制产生的，即
“先有物种、后有基因”。β-珠蛋白基因簇在这 3 个
物种的起源和演化留给读者自行分析。
5 蛋白质结构比较和分析
5.1 研究背景
基于蛋白质和核酸序列，我们已对人、小鼠和
大鼠 3 个物种的血红蛋白进行了比较分析。下面，
我们以斑头雁和灰雁为例，利用生物信息方法和结
构分析软件，对血红蛋白的序列、结构和功能关系
进行分析。
A
B
图 6 大鼠基因组数据库 RGD 中 α-珠蛋白（A）和 β-珠蛋白（B）基因家族信息
0.1
70
82
100 100
100
71
85
82
74
Alpha
AlphaTheta
Zeta
Mu
Beta
Beta
Delta
Gamma1
Gamma2
Epsilon
Cytoglobin
Myoglobin
Neuroglobin
图 7 人珠蛋白家族 12 个蛋白质序列系统发生树
斑 头 雁 在 分 类 学 上 为 鸟 纲（Aves）、 雁 形 目
（Anseriformes）、 鸭 科（Anatidae）、 雁 属（Anser），
拉 丁 文 学 名 分 别 为 Anser indicus， 英 文 名 为 Bar-
headed goose。斑头雁为典型的候鸟，夏季生活在我
国西部青海湖，每年 9 月初往南迁徙，经过近两个
月的长途跋涉，飞跃喜马拉雅山，大约 10 月中下旬
飞抵印度平原过冬。每年春季开始又往北迁徙，飞
回青海湖，周而复始，年年如此。灰雁（英文名为
Grayleg goose，美国英语多用 Greyleg goose）的拉丁
文学名分别为 Anser anser，与斑头雁同为鸭科、雁属，
主要生活在印度平原［5］。我们知道，地球表面氧分
压随海拔增高而降低，斑头雁飞跃的喜马拉雅山巅，
氧分压不到平原地区的一半。斑头雁这种高空长度
迁徙的能力，是否与其血红蛋白分子的特征有关，
是一个值得研究的有趣问题。
1983 年，英国剑桥分子医学研究实验室已故著
名血红蛋白研究专家佩鲁茨（Max Perutz）在分子
生物学和演化杂志（Molecular Biology and Evolution）
创刊号上发表的题为“从蛋白质分子看物种的适应
性”综述中指出，斑头雁和灰雁的血红蛋白氨基酸
序列仅有 4 个位点差异，其中 α-亚基的 119 位比较
特殊［6］。斑头雁 α-亚基该位点位序氨酸（A119Ala），
生物技术通报 Biotechnology Bulletin 2015,Vol.31,No.11110
而灰雁该位点为脯氨酸（A119Pro）。蛋白质三维空间
结构分析表明，该位点与 β-亚基第 55 位的亮氨酸
（B55Leu）空间距离较近。我们知道，成熟的血红蛋
白为四聚体，由两个 α-亚基和两个 β-亚基组成，各
含一个血色素卟啉环，环中央的五价铁离子用于结
合氧气。结合氧气和释放氧气过程中，血红蛋白四
个亚基构象发生变化，并通过协同作用，提高结合
氧气的效率。佩鲁茨指出，斑头雁 α-亚基 119 位的
丙氨酸侧链仅有一个甲基，与 β-亚基 55 位亮氨酸侧
链距离较远，有利于构象变化 ；而灰雁该位点侧链
脯氨酸有 3 个甲基，与 β-亚基 55 位亮氨酸侧链距离
较近，不利于构象变化。这两种鸟类血红蛋白序列
结构的差异，可能与其结合氧气的能力有关。20 世
纪 90 年代，北京大学生物系蛋白质结构功能研究组，
用蛋白质分子晶体 X-衍射的方法，分别测定了斑头
雁和灰雁血红蛋白的结构，并进行了比较分析，证
实了当年佩鲁茨的推测［7］。
5.2 研究方法
利用蛋白质结构显示和模拟软件 Swiss-PdbVie-
wer［8］，我们可以对已经测定的斑头雁和灰雁氧合血
红蛋白的空间结构进行比较分析。具体操作步骤大
体如下 ：
从 蛋 白 质 结 构 数 据 库 PDB（http ：//www.rcsb.
org/）下载斑头雁和灰雁氧合血红蛋白三维空间结构
数据文件 1A4F.pdb 和 1FAW.pdb。
（1）在 Swiss-PdbViewer 中打开灰雁血红蛋白数
据文件 1FAW.pdb，选择其中 A 和 B 两条链（即 α 和 β-
两个亚基），保存为新文件 1FAWab.pdb。
（2）打开新保存的文件 1FAWab.pdb，选择只显
示主链模式 ；打开斑头雁血红蛋白数据文件 1A4F.
pdb，也选择只显示主链模式。
（3）利用该软件包中的结构叠合工具 Magic Fit，
可以发现，这两个蛋白质分子的结构总体十分相似。
（4）在控制面板中找到斑头雁 α-亚基 119 位的
HsHBZ
MmHba-x
RnHbz
HsHBA1
HsHBA2
MmHba-a1
MmHba-a2
RnHba1
RnHba2
HsHBQ1
MmHbq1a
MmHbq1b
MsHBM
HsHBB
HsHBD
MmHbb-b1
MmHbb-b2
RnHbb
RnHbb-b1
HsHBE1
HsHBG1
HsHBG2
RnHbg1
RnHbe2
MmHbb-bh2
HsMB
MmMb
RnMb
HsCYGB
MmCygb
RnCygb
HsNGB
MmNgb
RnNgb100
100
100
93
86
71
80
98
82
100
100
100
100
100 100
100
96
100
100
100
100
100
100
100
100
100
100
100
100
100
10089
45
100
Neuroglobin
Cytoglobin
Myoglobin
Beta Globin
Alpha Globin
MmHbb-y
MmHbb-bh1
RnHbe1
图 8 人、小鼠、大鼠 3 个物种珠蛋白家族系统发生树
2015,31(11) 111罗静初 ：实用生物信息技术课程教学实例
丙氨酸和 β-亚基 55 位亮氨酸，显示它们的侧链原子，
测量它们之间的距离。
（5）在控制面板中找到灰雁 α-亚基 119 位的脯
氨酸和 β-亚基 55 位亮氨酸，显示它们的侧链原子，
测量它们之间的距离。
5.3 结果分析
上述斑头雁和灰雁血红蛋白三维结构的比较分
析表明，斑头雁氧合血红蛋白 1A4F α-亚基 119 位
丙氨酸侧链的 β 碳原子（CB）与 β-亚基 55 位亮氨
酸侧链末端的两个 δ 碳原子（CD1 和 CD2）距离均
在 4 Å 以上，最近距离为 4.56 Å ；而灰雁该位点侧
链脯氨酸 γ 碳原子与 β-亚基 55 位亮氨酸侧链末端的
一个碳原子距离为 3.79 Å。这一差别很可能影响血
红蛋在结合和释放氧气过程中构象发生变化，从而
影响其结合氧气能力，造成这两种鸟类不同的生活
习性。
图 9 为利用 PyMol 分子结构显示软件绘制的分
析结果。与 Swiss-Pdbviewer 相比，其图形显示和输
出功能更强。
6 结语
以上我们以血红蛋白序列和结构为例，介绍“实
用生物信息技术”课程教学种用到的几种生物信息
方法。希望选修本课程的学生对本课程的教学有所
了解，也希望对自学生物信息技术及其应用的读者
有所启发。关于本课程的详细介绍和具体内容，读
者可浏览本课程专用教学网站（http ：//abc.cbi.pku.
edu.cn/）， 参 阅 笔 者 生 物 信 息 学 简 报（Briefings in
Bioinformatics）相关文章［1］。
参 考 文 献
［1］ Luo J. Teaching the ABCs of bioinformatics ：a brief introduction
to the Applied Bioinformatics Course［J］. Brief Bioinform, 2014,
15 ：1004-1013.
［2］ Liu X, Wu J, Wang J, et al. WebLab ：a data-centric, knowledge-
sharing bioinformatic platform［J］. Nucleic Acids Res, 2009, 37 ：
W33-39.
［3］ Hardison RC. Evolution of hemoglobin and its genes［J］. Cold
Spring Harb Perspect Med, 2012, 2 ：a011627.
［4］ Tamura K, Stecher G, Peterson D, et al. MEGA6 ：Molecular
Evolutionary Genetics Analysis version 6. 0［J］. Mol Biol Evol,
2013, 30 ：2725-2729.
［5］ Jessen TH, Weber RE, Fermi G, et al. Adaptation of bird hemoglobi-
ns to high altitudes ：demonstration of molecular mechanism by prot-
ein engineering［J］. Proc Natl Acad Sci USA, 1991, 88 ：6519-
6522.
［6］ Perutz MF. Species adaptation in a protein molecule［J］. Mol Biol
Evol, 1983, 1 ：1-28.
［7］ Zhang J, Hua Z, Tame JR, et al. The crystal structure of a high
oxygen affinity species of haemoglobin［J］. J Mol Biol, 1996,
255 ：484-493.
［8］ Guex N, Peitsch MC, Schwede T. Automated comparative protein
structure modeling with SWISS-MODEL and Swiss-PdbViewer ：a
historical perspective［J］. Electrophoresis, 2009, 30 ：S162-173.
（责任编辑 马鑫）
A119CA
B55CD2
3.79
A119CB
B55CD2
4.56
A
B
图 9 斑头雁（A）和灰雁（B）血红蛋白结构比较