{
  "id": "multiple-sequence-alignment",
  "title": "多序列比对",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "多序列比对通过排列生物序列来识别对应位置，为研究进化、分子结构与功能提供依据。",
  "category": "science",
  "subcategory": "biology",
  "type": "concept",
  "aliases": [
    "多重序列比对",
    "多序列联配",
    "MSA"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/multiple-sequence-alignment/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/multiple-sequence-alignment/",
      "json": "https://aiwiki.page/en/multiple-sequence-alignment.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "多序列比对（MSA）是将三条或更多生物序列排列起来，使相互对应的残基位于同一列。这些序列可以是脱氧核糖核酸、RNA或蛋白质序列。必要时会引入空位，以容纳序列长度上的差异。因此，比对不仅是对相似性的展示，更是对各序列位置之间对应关系的推断；这种对应关系通常旨在反映这些位置源自共同的祖先位置，在某些应用中也可表示它们在结构或功能上具有等同作用。\n\nMSA 是生物信息学中的核心方法，可用于识别保守的功能位点、重建进化关系、对序列家族进行分类以及分析分子结构。其难点源于生物学上的不确定性与计算复杂性相互交织。对于同一组序列，不同的评分体系、进化假设和算法可能产生不同的比对结果，尤其是在序列亲缘关系较远，或含有大量插入、缺失和重排的情况下。"
    },
    {
      "heading": "生物学意义与比对的表示方式",
      "text": "比对可以表示为一个矩形阵列，每行是一条序列，每列是一个比对位置。阵列中的每个元素要么是残基符号，要么是空位，空位通常用连字符表示。去除一行中的所有空位后，必须能够按原有顺序还原出输入序列。标准比对不包含全部由空位组成的列，因为这样的列不提供任何对应关系信息。如果有 \\(N\\) 条序列和 \\(L\\) 个比对列，得到的就是一个 \\(N \\times L\\) 阵列，尽管输入序列的长度可能各不相同。\n\n比对的生物学解释通常以同调为基础，即具有共同的进化起源。在序列层面，同源基因可能因物种形成而产生关联，构成直系同源关系；也可能因基因复制而产生关联，构成旁系同源关系。这两类关系都可以用比对来表示，但它们回答的是不同的生物学问题。对于包含重复基因的家族，不能直接将其视为不同物种间一一对应的基因集合。仅仅将残基正确比对，并不能确定这些序列是由哪些基因复制或物种形成事件产生的。\n\n每一列都表达了一种关于位置对应关系的假设。同一列中的两个残基被认为彼此对应，即使它们的化学性质不同。残基相同并不一定意味着位置对应：短的重复基序可能独立产生，而重复区域可能有多种同样合理的比对方式。反过来，一个高度分化的位点即使经历了多次变化，仍可能具有同源性。因此，序列一致性百分比是根据比对结果计算出的属性，而不是同源性的定义。其数值还取决于计算时是否将含空位的位置及末端未配对区段计入分母。\n\n空位表示相对于其他序列推断出的缺失，而非直接观察到的进化事件。如果没有祖先序列信息，通常无法判定某个空位究竟对应于一条谱系中的插入，还是另一条谱系中的缺失。相邻的多个空位可能代表一次事件、多次事件、序列数据缺失，或不确定的对应关系。全局比对试图呈现序列全长的对应关系，而局部比对或基于区块的比对则侧重于选定的对应区域。对于结构域排列不同的蛋白质，这一区别尤为重要：强行将互不相关的结构域纳入同一个矩形比对阵列，可能产生看似精确、却缺乏生物学依据的比对列。"
    },
    {
      "heading": "评分体系与计算复杂度",
      "text": "大多数比对算法会寻找使某个明确评分最大化的排列方式，或对概率目标进行近似优化。一种常见的评价准则是序列对得分之和，即将所有序列对的得分贡献相加：\n\n\\[S(A)=\\sum_{1\\leq i<j\\leq N} w_{ij}S_{ij}(A).\\]\n\n这里，\\(A\\) 是多序列比对，\\(S_{ij}(A)\\) 是由第 \\(i\\) 行和第 \\(j\\) 行所确定的双序列比对的得分，\\(w_{ij}\\) 则是可选的权重。在最简单的形式中，各列的残基对得分独立相加，空位则另行处理。为序列对或序列设置权重，可以减轻密集采样得到的大量近乎相同的序列对结果的主导作用。\n\n对于蛋白质，残基比较通常使用替换矩阵，例如 PAM 或 BLOSUM 系列中的某个矩阵。这些矩阵会区分保守替换（如亮氨酸替换异亮氨酸）与化学性质不同的氨基酸之间较少出现的替换。矩阵中的数值通常与对数优势比有关：将某个残基对在相关序列中出现的概率，与其在背景模型下出现的概率进行比较。核苷酸评分可以采用简单的匹配与错配规则，也可以采用区分更细致的模型。评分方案会影响哪些对应关系更受偏好，并不是一种中性的格式选择。\n\n空位罚分通常区分空位开启与空位延伸。按照一种常见约定，长度为 \\(k\\) 的空位代价为\n\n\\[g(k)=g_{\\mathrm{o}}+(k-1)g_{\\mathrm{e}},\\]\n\n其中，\\(g_{\\mathrm{o}}\\) 是开启代价，\\(g_{\\mathrm{e}}\\) 是延伸代价。当开启代价较大时，这种仿射形式更倾向于产生一段连续空位，而不是多个孤立空位。末端空位与内部空位可以采用不同的罚分，以反映序列可能不完整或所涵盖区域的边界不同。在多序列比对中，空位评分比双序列比对更复杂，因为同一个空位区块在不同序列对中可能对应不同的事件。\n\n随着序列数量增加，精确优化会变得困难。对于 \\(N\\) 条长度相近、约为 \\(m\\) 的序列，动态规划在概念上使用一个 \\(N\\) 维格点空间，包含约 \\(O(m^N)\\) 个单元；在基本形式下，每个单元最多有 \\(2^N-1\\) 种前驱配置。以序列对得分之和为目标的最优比对，其标准一般形式属于 NP 难问题。因此，精确方法主要适用于小规模问题，有时可以借助界限或受限的搜索区域来提高实用性。大规模比对程序采用启发式方法，代价是无法保证找到数学上的最优解。即使找到了精确最优解，它仍然受所用评分体系的制约：得分最高的比对不一定能最准确地重建进化历史。"
    },
    {
      "heading": "渐进式比对与引导树",
      "text": "渐进式比对通过一系列规模较小的比对操作，逐步构建多序列比对。通常，程序首先估算输入序列之间的相似性或距离，构建一棵引导树，然后沿树从叶节点向根节点推进。亲缘关系较近的序列最先进行比对。随后，通过序列与谱的比对或谱与谱的比对，将已有的比对结果逐步合并，直至所有序列都纳入同一个结果。谱概括了各列中残基和空位的分布模式，使整个已比对的序列组能够与另一条序列或另一个序列组进行比较。\n\n包括冯大飞（Da-Fei Feng）和拉塞尔·杜利特尔（Russell Doolittle）于1987年对渐进式比对的阐述在内的一系列工作，使这种方法产生了广泛影响。Clustal系列软件推动了此类方法的普及；朱莉·汤普森（Julie Thompson）、德斯蒙德·希金斯（Desmond Higgins）和托比·吉布森（Toby Gibson）于1994年推出的ClustalW，引入了序列加权、随位置变化的空位罚分，以及根据序列分化程度选择替换矩阵的机制。这些改进旨在解决生物数据库中的一个重要失衡问题：由大量高度相似的序列组成的簇，不应必然比代表独特进化谱系、但规模较小的序列组具有更大的权重。\n\n引导树是算法中用于确定处理顺序的工具，并不天然就是一棵有充分依据的进化树。它可以根据近似距离、共有短词的统计信息，或初步的双序列比对结果来构建。树的分支决定各组何时合并，因此会影响最终的残基对应关系。早期分组不当可能使后续步骤变得困难，尤其是当一条较长或较为特殊的序列，需要与一个未能充分代表其近缘序列的谱进行比对时。反过来，先对近缘序列进行准确比对，可以为纳入分化程度更高的序列提供稳定的框架。\n\n纯粹的渐进式方法，其主要缺点在于早期错误会延续下来。一旦残基被放在一起，后续合并步骤通常就会保留这种对应关系。已有的空位列可以扩展，也可以添加新列，但此前已对齐的残基不能自由重排。这一局限常被描述为“一旦成为空位，就永远是空位”，不过，不同实现对空位和谱的处理方式并不相同。问题的关键在于难以重新审视早先的决定，而不是显示出来的每一个空位字符都绝对不可改变。\n\n渐进式比对至今仍然实用，因为它将原本难以求解的联合搜索转化为一系列可处理的操作。现代实现可以用近似相似性搜索或聚类，取代计算成本高昂的全体序列两两比较。2011年推出的Clustal Omega将可扩展的引导树构建方法与谱隐马尔可夫模型之间的比较相结合。这类改进保留了渐进式框架，同时提高了其处理大规模序列集的能力，并改善了谱比对过程中所表征的信息。"
    },
    {
      "heading": "迭代优化与基于一致性的方法",
      "text": "迭代优化旨在解决基本渐进式比对无法纠正早期错误的问题。程序从初始比对结果出发，反复将序列划分为若干组，删除各组子比对中仅含空位的列，然后重新对各组进行比对。如果某项调整能够改善目标函数，或满足算法特定的其他判据，就可以接受这项调整。分组方式可以随机选择，也可以根据树来确定，或针对支持较弱的区域进行选择。通过迭代，最初被排在一起的残基可以转而与其他残基对应。\n\n这一搜索过程仍然是启发式的。评分在局部得到改善，并不意味着达到了全局最优；结果取决于初始比对、允许的调整操作以及终止规则。有些方法不仅优化比对，还会优化引导树，因为建立起更合理的对应关系后，初始距离估计也可能得到改善。这样，比对与建树之间就形成了反馈。这种反馈可以改善实际表现，但不能仅仅因为两者反复更新，就将其中一个结果视为支持另一个结果的独立证据。\n\nRobert Edgar 于 2004 年推出的 MUSCLE，成为将快速初始比对与后续优化相结合的代表性方法。其最初设计先利用近似距离生成初步比对，再改进距离估计并修订树，最后进行迭代优化。Kazutaka Katoh 及其同事于 2002 年首次介绍的 MAFFT，将快速傅里叶变换技术引入序列比较，随后发展出多种在速度与准确性之间采取不同权衡的策略。MAFFT 的 L-INS-i、G-INS-i 和 E-INS-i 策略采用不同的双序列比对假设和优化流程，分别适用于保守区域及其间隔序列呈现不同分布模式的情况。\n\n基于一致性的方法利用多个两两关系之间的吻合程度，评估候选匹配。如果序列 A 中的一个残基与序列 B 中的某个残基对齐，而 B 中的该残基又与序列 C 中的某个残基对齐，那么这种间接关系就为 A 和 C 中相应残基的对齐提供了证据。这一证据在逻辑上并非定论，因为其中一个两两匹配可能有误；但多条路径得出一致结果，可以增强对某一对应关系的支持。这类信息通常存储在残基对约束库中，用于指导后续比对。\n\nCédric Notredame、Desmond Higgins 和 Jaap Heringa 于 2000 年推出的 T-Coffee，通过这种一致性框架整合双序列比对证据。2005 年发表的 ProbCons 则使用匹配的后验概率和概率一致性变换。这些方法在难以比对的蛋白质家族中可能表现良好，但存储和整合大量两两比对证据可能需要较高的计算开销。它们的突出优势在于，能够利用某一步骤中正在合并的两个谱之外的信息；其局限则包括依赖初始证据的质量，以及表示这些证据所需的开销。"
    },
    {
      "heading": "序列谱、概率模型与联合进化推断",
      "text": "序列谱概括了比对各列中的变异情况。最简单的序列谱记录残基频率，通常会利用序列权重和伪计数加以调整。伪计数可以防止某种残基仅因碰巧未在小样本中出现，就被赋予严格为零的概率。更复杂的序列谱还能表示不同位置发生序列插入或缺失的倾向。因此，序列谱比单条共有序列包含更多信息；共有序列通常只保留每列中出现频率最高的残基，舍弃了观测到的大部分变异。\n\n谱隐马尔可夫模型为序列家族提供了一种概率表示。其典型架构包含三类状态：与所建模的比对位置相对应的匹配状态、生成额外残基的插入状态，以及跳过所建模的位置而不生成残基的缺失状态。转移概率描述这些状态之间的转移，发射概率则描述对不同残基的偏好。这一框架基于隐马尔可夫模型，其中观测到的序列由一条不可直接观测的状态路径生成。不同的状态路径意味着序列与模型之间的不同比对方式。\n\n谱模型对于检测远缘关系尤为重要。一条序列可能与家族中任何一个成员都没有较长且高度相似的片段，却仍然十分符合该家族的位置特异性模式。HMMER 是一套广泛使用的软件工具，用于谱模型搜索及相关操作。Pfam 则使用经过人工整理的家族模型对蛋白质结构域进行分类。将一条新序列与这类模型比对，可以确定它在既有家族框架中的对应位置，但这并不等同于对所有家族成员重新进行不受约束的比对。模型中的匹配列体现了先前对于哪些位置构成该家族保守核心的判断。\n\n概率方法还将最优比对与多种比对之间的不确定性区分开来。概率最大的状态路径给出一个解，而后验匹配概率则在考虑其他可能路径后，估计各个残基对应关系所获得的支持程度。最大期望准确率方法可以选择使正确匹配残基数的期望值最大的比对，而不是使整条路径的概率最大。这些目标不一定产生相同的结果。对于一条长序列，即使某个完整比对获得了最高的模型概率，局部仍可能存在许多各自都合理的替代比对方式。\n\n更进一步的方法会联合推断比对与进化历史。这些方法将替换过程和插入—缺失过程置于进化树上，并采用马尔可夫链蒙特卡洛等方法，对可能的比对、进化树和模型参数进行采样。BAli-Phy 就是采用这一思路的工具之一。联合推断能够将比对的不确定性传递到进化估计中，而不是将某一个比对视为固定不变。此类方法的计算需求很高，其结论也仍然受所用替换模型、空位模型和进化模型是否恰当的影响。"
    },
    {
      "heading": "序列类型、分子结构与基因组组织",
      "text": "适宜的比对表示方式取决于分子类型和所研究的生物学问题。对于编码蛋白质的基因，当同义替换不断积累或核苷酸水平的相似性变弱时，直接进行核苷酸比对可能会掩盖序列间的对应关系。一种常见的替代方法是先将编码序列翻译成蛋白质序列，对蛋白质序列进行比对，再将比对产生的空位以三个核苷酸为一组映射回核苷酸序列。这种保留密码子完整性的比对既能维持阅读框，又能将核苷酸比对列与密码子对应起来。移码、提前终止、测序错误以及外显子边界预测错误都需要单独处理，因为常规的蛋白质引导映射无法自动解释这些情况。\n\n蛋白质比对可以借助结构信息，因为即使序列相似性已经很弱，三维结构仍可能具有可识别的相似性。结构比对比较的是空间排列，而不只是残基序列。根据结构确定的对应关系可以指导多序列比对，或对选定位置施加约束。例如，构成α螺旋或β折叠核心的残基，其比对方式可能不同于柔性表面环区中的残基。不过，结构等价性与共同祖先并不是同一个概念，而且柔性区域未必存在唯一的结构对应关系。\n\n功能位点是另一个信息来源。酶中的催化残基、金属结合残基或特征性的二硫键分布模式，都可能有助于区分合理的比对结果与那些仅在表面上得分较高的替代结果。解读这些约束时必须结合具体背景：相似的催化化学机制可能独立演化出来，而同源家族的成员也可能丧失或改变某个功能位点。结构域的组织方式同样重要。对于含有相同结构域但排列顺序不同的蛋白质，或含有某一谱系特有的新增结构域的蛋白质，可能需要分别对各结构域进行比对，而不是进行一次全长全局比对。\n\n具有特定结构的RNA存在一些依赖关系，常规的各列独立评分方式无法捕捉这些关系。在转运RNA和核糖体RNA中，配对位置可以协同变化，同时保持碱基互补配对。茎区一侧发生的替换，可以由另一侧的另一处替换加以补偿。协方差模型将这类配对关系纳入考虑，Rfam资源便使用这种模型来表示RNA家族。联合考虑序列和二级结构可以改善对应关系的确定，但更复杂的结构模型通常也需要更多计算资源。\n\n全基因组比较还需处理重排、重复以及重复元件等问题。传统多序列比对假定每一行中的残基顺序保持不变。倒位、易位和基因顺序变化使得用单一区块进行简单表示不再适用。因此，基因组比对通常先识别局部共线的同源区块，再在这些区块内部进行比对。progressiveMauve和Cactus等工具分别处理这一更大问题的某些方面。最终结果可能是局部对应关系的集合或图，而不是一个横跨所有基因组的简单矩形比对表。"
    },
    {
      "heading": "在进化、功能和结构研究中的应用",
      "text": "多序列比对为许多分子系统发育学研究提供性状数据。比对中的每一列都可以视为一组观测到的性状状态，并沿系统发育树对这些状态的变化进行建模。最大似然法和贝叶斯方法在替换模型下评估这些模式，通常允许不同位点具有不同的进化速率。因此，比对所隐含的位置对应关系具有基础性意义：如果将没有同源关系的残基放在同一列，系统发育分析就会为这些性状建立演化历史模型，而它们实际上并不具有模型所假定的共同位置起源。\n\n保守性分析利用比对后的变异信息，识别那些异常稳定或容许残基种类受到严格限制的位置。一种简单的度量是列熵：\n\n\\[H_j=-\\sum_a p_{ja}\\log p_{ja},\\]\n\n其中，\\(p_{ja}\\) 是残基 \\(a\\) 在第 \\(j\\) 列中的估计频率。低熵表示观测到的变异较少，但其意义取决于样本组成、序列权重、空位处理方式以及进化距离。在十条几乎完全相同的序列中保持保守的一列，与在一个成员差异广泛的家族中保持保守的一列，所提供的证据并不相同。序列标识图用于展示各位置的残基偏好，通常根据信息量指标缩放每一列的总高度。\n\n保守模式有助于识别结合位点、催化基序和家族特异性特征。在珠蛋白中，尽管血红蛋白和肌红蛋白等家族成员之间存在分化，比对仍能揭示参与血红素结合的残基及其周围结构框架之间的对应关系。在蛋白激酶中，催化结构域内的保守基序为家族间比较提供了参照。比对可以为功能假说提供支持，但某个残基的保守性可能反映的是结构稳定性的要求，而非其直接参与催化活动。实验表征和更广泛的分子背景仍是独立的证据来源。\n\n比对还可用于估计编码序列所受的选择作用。比较非同义替换率与同义替换率时，需要借助密码子比对，区分会改变氨基酸的变化与不会改变氨基酸的变化。比值 \\(\\omega=d_N/d_S\\) 应在特定进化模型下解释，而不是对观测差异的直接计数。密码子错位、未被识别出的旁系同源序列或同源重组都可能使这些估计产生偏差。因此，对自然选择的推断依赖一系列假设，其中就包括位置对应关系的正确性。\n\n大规模蛋白质序列比对还能揭示协同进化模式。以统计上相互依赖的方式发生变化的位置，可能参与结构接触或功能相互作用。直接耦合方法试图区分直接的统计依赖与间接相关，同时也会考虑共同祖先和采样不均的影响，但对这些因素的校正并不完善。这类信息已被用于接触预测和蛋白质结构建模。2021 年发表的 AlphaFold2 在其主要架构中，将多序列比对衍生的信息与其他输入结合使用。然而，表观相关本身并不能证明存在物理接触，而且与接触有关的信号在很大程度上取决于所比对序列集合的多样性和质量。"
    },
    {
      "heading": "准确性评估与比对不确定性",
      "text": "通常无法通过观察真实的祖先对应关系来确定比对的准确性，因为对于大多数实际的序列家族，这段历史无从得知。因此，评估需要借助几种并不完美的参照：基于结构的比对、演化历史已知的模拟序列、经人工整理的家族比对，以及不同独立方法之间的一致性。它们分别检验性能的不同方面。一种方法在结构紧凑、结构特征已明确的蛋白质上表现良好，但面对片段化序列、较长的无序区域或结构域组成复杂的蛋白质时，表现可能不同。\n\nBAliBASE 于 1999 年首次推出，是一种广泛使用的基准数据集，围绕具有挑战性的蛋白质比对案例和以结构信息为依据的参考资料构建。其他基准资源包括 PREFAB 和 SABmark。参考比对通常会区分较为可靠的核心区域与不确定的区段。结构信息的指导很有价值，但并不能使参考比对中的每个位置都毫无歧义：不同的结构比较方法可能得出不同结果，柔性环区的结构可能解析不清，也可能存在多种合理的对应关系。基准数据集的组成也可能有利于某些方法，因为这些方法的假设与构建参考比对时采用的假设相近。\n\n两种常用的评估指标分别考察残基对和完整的比对列。残基对总和准确率衡量测试比对恢复了多少个参考比对中的已对齐残基对，具体计算方式因实现而异。全列得分则统计被完整、准确复现的参考比对列。后者更为严格：移动一个残基，就可能使原本大体正确的一列无法通过检验。基准评估中的残基对总和准确率还必须与用于优化的残基对总和得分区分开来；前者将结果与参考比对进行比较，后者则在构建比对的过程中为比对赋予分值。\n\n置信度评估也可以着眼于单个比对列或残基对。后验概率用于量化概率模型内的不确定性。基于扰动的方法则通过改变引导树、输入顺序或算法条件，评估对应关系如何随之变化。GUIDANCE 和 HoT 就是通过扰动考察比对稳健性的方法。多次运行结果之间的一致性具有参考价值，但并不保证结果正确，因为这些运行可能存在相同的系统性错误。反过来，结果的变化可能表明，某个区域缺乏足够信息，无法支持将其放在某一位置而非另一位置。\n\n在下游进化分析中，过滤不确定区域很常见，但这会改变数据，也可能引入偏差。去除空位较多或变异较大的比对列，可以消除错误，却也可能优先丢弃进化较快、具有重要生物学信息的位点。Gblocks 和 trimAl 等工具采用明确的筛选规则，其效果取决于参数设置和数据集。系统发育分析中的自助法衡量的是在给定比对条件下的抽样变异，并不会自动将构建该比对时的不确定性纳入考量。在多种合理的备选比对上重复分析，与在一个固定比对结果内对列进行重采样，处理的是不同来源的变异。"
    },
    {
      "heading": "规模、数据格式与可重复性",
      "text": "多序列比对（MSA）的计算负担取决于序列数量、序列长度、分化程度以及所选算法。对大量较短且相似的序列进行比对，可能比处理数量较少、序列较长且亲缘关系较远的多结构域蛋白质更容易。穷尽式两两比较的计算量随序列数量的平方增长，而这还只是构建序列谱之前的步骤。一致性信息库、后验概率计算和反复优化都可能显著增加内存占用和运行时间。因此，近似距离、聚类、受限搜索和并行计算在大规模实现中十分重要。\n\n处理大型数据集时，通常会将代表性序列的比对与其余序列的定位分开进行。首先用部分序列构建骨架比对，再将其他序列插入其中。2015 年推出的 UPP 使用由骨架比对生成的一组谱隐马尔可夫模型，旨在处理大型数据集，包括序列长度参差不齐的数据集。MAFFT 也提供将序列或片段添加到现有比对中的模式。这类方法可以保留已经确立的位置对应关系，但最终结果取决于骨架能否充分代表整个数据集的多样性。\n\n比对后的序列可采用多种格式存储。比对后的 FASTA 格式简单且得到广泛支持，每条序列先给出标识符，随后给出含空位的残基字符串。Clustal 格式将序列排列为带标识的分块，还可包含一行保守性标记。Stockholm 格式可以存储序列注释和比对列注释，因此适用于经过人工整理的序列家族及结构信息。PHYLIP 和 NEXUS 常见于进化分析软件，但具体实现可能对标识符或格式有所限制。格式转换即使保留了所有残基字符，也可能丢失元数据。\n\nA3M 常用于蛋白质同源性分析和结构预测流程。它用大写字母和小写字母区分匹配位置与插入残基，并省略插入位置的空位字符。因此，与常规的完全展开比对中各行等长的情况不同，A3M 显示的各条字符串不一定等长。要将 A3M 展开为矩形排列，必须正确理解这些约定。若将比对位置与原始字符串中的字符偏移量混淆，就可能导致残基编号、接触图或注释到实验测定结构的映射出错。\n\n要保证可重复性，仅保留最终的比对文件还不够。需要记录的重要溯源信息包括原始序列、登录号的版本、序列筛选标准、程序版本、命令行设置、评分方案、引导树或骨架信息，以及所有人工修改。对于随机性流程，随机种子也很重要；即使程序名称不变，软件修订也可能改变结果。下游注释同样需要明确的坐标映射：由于此前存在空位和插入，比对的第 150 列在每条序列中可能对应不同的残基编号。保留这些映射，才能使功能位点、基因组坐标和结构中的残基始终关联到预期的生物学位置。"
    }
  ],
  "links": [
    "dna",
    "rna",
    "protein",
    "bioinformatics",
    "orthology",
    "species",
    "amino-acid",
    "dynamic-programming",
    "hidden-markov-model",
    "markov-chain-monte-carlo",
    "gene",
    "codon",
    "alpha-helix",
    "enzyme",
    "disulfide-bond",
    "transfer-rna",
    "ribosomal-rna",
    "genome",
    "phylogenetics",
    "entropy",
    "hemoglobin",
    "homologous-recombination",
    "natural-selection",
    "parallel-computing"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}