如何读懂Ka及Ks，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

坚守“ 做人真诚 · 做事靠谱 · 口碑至上 · 高效敬业 ”的价值观，专业网站建设服务10余年为成都成都活动板房小微创业公司专业提供成都企业网站定制营销网站建设商城网站建设手机网站建设小程序网站建设网站改版，从内容策划、视觉设计、底层架构、网页布局、功能开发迭代于一体的高端网站建设服务。

什么是Ka/Ks      

The ratio of the number of nonsynonymous substitutions per nonsynonymous site (Ka) to the number of synonymous substitutions per synonymous site (Ks)。

 

Ka/Ks表示非同义替换位点替换次数(Ka)与同义替换位点替换次数(Ks)的比值。

没听懂，再说一遍？

首先，假如你正在比对两个物种的一对同源基因序列。进化的力量通常使得这两条DNA序列有些差异。我们都知道密码子有简并性的特性，因此有的差异会导致翻译出不同的氨基酸（非同义突变，nonsynonymous changes），有的因为同义密码子的存在产生了相同的氨基酸（同义突变，synonymous changes）。统计出这两条序列直接发生的非同义与同义替换的所有次数，我们就可以观察到序列的变化情况了。接下来就是对数据做些调整了。

我已经明白了，现在有了序列的进化情况，为什么还要做调整？    

由于密码子的简并性，我们的序列中大概只有25%是同义突变的。假设基因并没有受到选择，即发生的是中性进化，基因的任何一个突变从稀有变成共有的机会是相同的，并不受其它外界因素的影响。大多数的突变的消失都是随机的，但是我们假设种群大小是N，一个等位基因刚刚通过突变而出现在种群中，那么它在2N个等位基因的种群中固定的可能性是p=1/(2N)（详见遗传漂变）。

在上面的例子中，每一个突变被固定的概率是一样的，那么发生非同义突变的可能性与发生同义突变的可能性也是一样的。所以，在中性进化的背景下，如果我们对密码子的简并性进行矫正后，就应该有一种方法得出非同义突变的次数等于同义突变的次数，即Ka/Ks=1。因为Ks可以告诉我们进化的背景速度，因此偏离1的比例将告诉我们作用于蛋白上面的选择情况。

听起来是不是很简单？      

很遗憾，并不是的。举个栗子，对于编码天冬氨酸和赖氨酸的密码子：他们都起始于AA，赖氨酸结束于A或者G，天冬氨酸结束于T或者C。所以如果C突变成T的机率大于C突变成A或G（通常就是这样子滴），那么第三个位置上的突变更可能是同义突变。因此许多计算Ka/Ks的方法，考虑到这部分因素，使用了的不同的转换模型，也会使得最后的Ka/Ks值有些不同。

需要考虑两个物种分离后的时间吗？      

好问题！由于序列随着时间会不断的变化，因此我们观察到的变化次数可能小于实际发生的变化次数。如果一个碱基最开始是A，在一个分支中，他被替换成了C，然后又被替换成了T，然后在我们的比对结果上面只能看到一次替换。同样，可能我们看到的完全比对上位点，也可能已经替换了很多次，只不过最后变成了原来的碱基。幸运的是，实际的分歧程度可以从观察到的总的分歧程度来估算。然而，没有人能完美的解决这个问题：随着变化数量的增加，来自于对齐序列的那部分信息将会减少，并逐渐接近于饱和，在这种情况下数据是没用的，得到的结果也是不准确的。因此计算Ka/Ks时，遗传距离较近的序列往往得到的结果更准确。

OK，我已经得到了Ka和Ks值，然后呢？      

Well，你现在已经有了表征蛋白进化次数的值（Ka）。假设进化选择并不出现在silent site（发生同义突变可能性很低的位点），从进化的中性理论来看，Ks值应该与基因的突变率成正比。这是因为，假设μ是每代的中性突变率，虽然新的中性突变进入固定的概率是1 / 2N，但是它们以2Nμ的速率每代产生，因此中性进化的速率应该是2Nμ/2N = μ，这个值就是Ka所表征的。如果这样去计算，那么Ka与Ks的比值也告诉了我们基因进化的方式。从图中，我们发现通常Ka是小于Ks。因为改变蛋白质的突变在两个物种之间的差异远小于沉默的物种。也就是说，在大多数的情况下，选择消除了有害突变，并保持蛋白质不变（即纯化选择，purifyingselection）。

在少数情况下（通常当免疫系统基因与寄生虫共同进化时），我们发现Ka远大于Ks（即Ka / Ks >> 1）。这是有力的证据表明选择已经改变了蛋白质（正向选择，positive selection）。

我明白了，如果Ka等于Ks，那么序列的进化肯定是中性的？      

没那么简单。中性进化是一种不可排除的可能性。但是，如果该基因的一部分（例如一个蛋白质结构域）处于正选择状态，而其他部分处于净化选择范围内，那么你也会得到Ka/Ks等于1的结果。不过，也有很多方法可以容许进行多序列比对之后，通过考虑物种的系统发育，计算出序列中每个codon的Ka/Ks（位点模型）。另外，可以检测基因在一个谱系中是否存在不同的比率，这表明该物种特有的事情发生了（分支模型）。这些分析方法能揭示出更多的正向选择，提供了更多的分析方向。

该怎么把我的序列比对结果转化成Ka/Ks值呢？      

现在已经有很多种不同的方法供我们选择，最常用最方便的是MEGA。当然老牌的杨子恒老师的PAML也同样十分优秀。Hyphy软件除了提供全局的Ka/Ks计算外，也支持分支位点等各种模型，不过我比较喜欢Hyphy的一点是可以多线程计算。这些软件的使用方法我在之后的推送中出。

看完上述内容，你们掌握如何读懂Ka及Ks的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！

分享文章：如何读懂Ka及Ks
当前路径：http://kswjz.com/article/jgggps.html