Dayhoff的PAM替换矩阵理论评介！

Dayhoff PAM 替换矩阵理论评介

Margaret Dayhoff 等人在 1978 年提出的 PAM（Percent/Point Accepted Mutation）矩阵，是蛋白质序列比对与分子进化建模的奠基性工作。它第一次把"氨基酸替换"从经验直觉变成可计算、可推导、可外推的统计模型。

一、核心思想

PAM 的全称有两层含义：

Point Accepted Mutation：被"接受"的点突变（在进化中固定下来的替换）
Percent Accepted Mutation：1 PAM = 每 100 个氨基酸位点平均发生 1 次可接受替换

关键不是"突变发生"，而是"突变被保留"------即不影响适应度的替换。

二、构建逻辑（四步）

1. 可信同源数据

选取 71 个蛋白家族、≥85% 相似度的序列对。

相似度足够高 → 几乎可确定同源
- 多重替换少 → 单次替换事件可辨

2. 系统树上的替换计数

用最大简约法重建祖先序列，在树枝上统计：

每种氨基酸变成另一种的次数
每种氨基酸的"可变性"（mutability）

3. 构造 PAM1 转移矩阵

得到 20×20 的替换概率矩阵 \[\](@mark_underline=5)M_1：

行/列：氨基酸
元素：单位进化距离下 \[\](@mark_underline=6)x\to y 的概率

再转成 log-odds 矩阵：

复制代码

S[](@mark_underline=7)_{xy}=c\log_2\frac{q_{xy}}{p_xp_y}

分子：同源序列中观察到替换的频率
分母：随机背景下出现该配对的概率
正分：比随机更"保守"
负分：比随机更"激进"

4. Markov 外推得到 PAM-N

假设替换过程满足齐次马尔可夫性：

M_N = M_1^N

复制代码

于是：

PAM1：近缘
PAM80 / 160：中等距离
PAM250：远缘（"twilight zone"，约 20% 一致性）

三、理论贡献

1. 首创"对数优势评分"框架

把比对打分从"像不像"变成"是否比随机更可能同源"。

这一框架被 BLOSUM、VTML、PSI-BLAST 沿用至今。

2. 显式进化模型

PAM 不是纯经验表，而是：

有时间尺度（PAM 单位）
- 有状态转移（Markov 链）
可外推、可估计进化距离

这是后来一切蛋白进化模型（如 LG、WAG、JTT）的思想源头。

3. 反映生化约束

矩阵自动"学"出：

疏水→疏水（L↔I↔V）得分高
- 带电→同电荷（D↔E，K↔R）得分高
Trp、Cys 极难被替换（对角项大）

说明自然选择过滤了破坏性突变。

四、内在局限

1. 数据量太小

1978 年只用约 1572 个观察替换。

稀有替换很多靠间接推算，小样本噪声大。

2. 外推假设过强

马尔可夫性：忽略位点间耦合、结构上下文
齐次性：不同蛋白、不同区域进化速率不同
可逆性：短距离近似成立，长距离会偏

PAM250 实际是"把近距离规律乘 250 次"，远缘区未必真实。

3. 全局比对偏见

基于全序列高相似度对齐，偏向整体保守区；

对功能域、局部模体不敏感。

4. 与 BLOSUM 相比

维度	PAM	BLOSUM
数据	近缘序列外推	远缘模块直接统计
模型	显式进化模型	经验观测
远缘检测	PAM250 可用但偏平滑	BLOSUM45/62 更敏感
现代默认	较少	BLOSUM62 为主

五、历史地位与当代价值

历史地位

第一个严谨的蛋白替换模型
让数据库比对、同源搜索成为"可计算科学"
PAM250 曾统治序列比对十年以上

今天怎么看

日常 BLAST：默认 BLOSUM62 更好

近缘正交基因：PAM30/70 仍合理
建树/距离估计：PAM 类模型思想仍在（如 PAM 距离）
教学价值：理解"替换频率 ≠ 相似度"的必读模型

一句话定位：

PAM 不是"最好的矩阵"，而是"第一个把进化、概率和比对统一起来的矩阵"。

六、总评

Dayhoff PAM 理论的价值不在"分数表本身"，而在方法论范式：

从同源对齐中提取替换频率
用 log-odds 区分同源与随机
用马尔可夫链建模时间外推

它把生物进化翻译成了线性代数。

缺陷是时代数据与方法论粗糙，但范式至今没被推翻，只是被迭代。

评分（学术史视角）：

原创性：★★★★★
严谨性：★★★☆
实用寿命：★★★★（思想永恒，具体表已老化）
教学价值：★★★★★