生物信息学软件PPT课件

1、生物信息学软件vPISCESvCH-HITvMRMRvSVMvWekavKINMEUniprotvUniProt? ?是?Universal?Protein?的英文缩写,?是信息最丰富、资源最广的蛋白质数据库.?它由整合Swiss-Prot、?TrEMBL?和?PIR-PSD?三大数据库的数据而成。他的数据主要来自于基因组测序项目完成后，后续获得的蛋白质序列。它包含了大量来自文献的蛋白质的生物功能的信息.vSWISS-PROT?数据库是最齐全的注释精炼的蛋白序列库，建立于1986年,?1987年起由日内瓦大学(University?of?Geneva)医学生物化学系和?EMBL?数据馆(即现在

2、的欧洲生物信息研究所EBI)共同维护?UniprotvSwiss-Prot,?which?is?manually?annotated?and?reviewed?vTrEMBL,?which?is?automatically?annotated?and?is?not?reviewed PISCESv序列相似性比对软件v进行序列相似性比对v蛋白质预测时序列相似性一般选取：?25%，40%CH-HITvCD-HIT?was?originally?a?protein?clustering?programv序列相似性比对软件vDOS下运行v最低的序列相似性为40%LibSVMv可以在Matlab,?R,

3、?Perl,?Java,?Dos下运行v如何利用python?grid选择最优参数vDOS?系统下的LibSVM可以实现MRMRv最大相关性，最小冗余性的特性选择方法v可以在DOS，JAVA，Matlab下运行v可以进行特性选择，提高预测结果的准确率WekavWeka的全名是怀卡托智能分析环境(Waikato?Environment?for?Knowledge?Analysis)，是一款免费的，非商业化(与之对应的是SPSS公司商业数据挖掘产品-Clementine)的，基于JAVA环境下开源的机器学习(machine?learning)以及数据挖掘(data?minining)软件.?v它和

4、它的源代码可在其官方网站下载.?有趣的是，该软件的缩写WEKA也是New?Zealand独有的一种鸟名，而Weka的主要开发者同时恰好来自New?Zealand的the?University?of?Waikato。KINMEvKNIME?(Konstanz?Information?Miner)?是一个用户友好，智能的，并有丰演的开源的数据集成，数据处理，数据分析和数据勘探平台.?它给了用户有能力以可视化的方式创建数据流或数据通道，可选择性地运行一些或全部的分析步骤，并以后面研究结果，模型以及可交互的视图。vKNIME?由Java写成，其基于?Eclipse?并通过插件的方式来提供更多的功能。通

5、过以插件的文件，用户可以为文件，图片，和时间序列加入处理模块，并可以集成到其它各种各样的开源项目中，比如：R?语言，Weka，?Chemistry?Development?Kit,?和?LibSVM.vJASPARvConSitevTRANSFACvrVista?2.0 vMEME?vWeblog转录因子结合位点v转录因子：能够结合在某基因上游特异核苷酸序列上的蛋白质，活化后从胞质转位至胞核，通过识别和结合基因启动子区的顺式作用元件,启动和调控基因表达v转录因子结合位点：转录因子结合位点是转录因子调节基因表达时，与转录因子结合的区域JASPARvJASPAR?是收集有关转录因子与DNA?结合位

6、点模体(motif)的最全面的公开的数据库,?该数据库是由哥本哈根大学维护。vJASPAR?数据库中所包含的数据,?都经过严格筛选,?有确切的实验依据,?通过计算机辅助软件进行整合识别匹配并用生物学手段进行注释v(1)?JASPAR?COREv(2)?JASPAR?CNEv(3)?JASPAR?FAMv(4)?JASPAR?PBMv(5)?JASPAR?PBM_HLHv(6)?JASPAR?PBM_HOMEOJASPAR_CORE?核心数据库vThe?JASPAR?CORE?database?contains?a?curated,?non-redundant?set?of?profiles,?

7、derived?from?published?collections?of?experimentally?defined?transcription?factor?binding?sites?for?eukaryotes.?vThe?prime?difference?to?similar?resources?(TRANSFAC,?etc)?consist?of?the?open?data?access,?non-redundancy?and?quality.?JASPAR?CNEvJASPAR?CNE?is?a?collection?of?233?matrix?profilesvBy?clus

8、tering?of?overrepresented?motifs?from?human?conserved?non-coding?elements.?vThe?biochemical?and?biological?role?of?most?of?these?patterns?is?still?unknown?如何得到位置矩阵位置矩阵如何打分Phylogenetic?footprintingvPhylogenetic?footprinting?is?a?technique?used?to?identify?transcription?factor?binding?sites?(TFBS)?wit

9、hin?a?non-coding?region?of?DNA?of?interest?by?comparing?it?to?the?orthologous?sequence?in?different?species.同源v若两个或多个结构具有相同的祖先，则称它们同源(Homology)v这里相同的祖先既可以指演化论意义上的祖先，即两个结构由一个共同的祖先演化而来，也可以指发育意义上的祖先，即两个结构由胚胎时期的同一组织发育而来。 直系同源与旁系同源v如果两个基因有着几乎一样的DNA序列，那么它们很可能同源 。v同源序列可分为两种：直系同源(orthology)和旁系同源(paralogy)。v

10、直系同源的序列因物种形成(speciation)而被区分开(separated)：若一个基因原先存在于某个物种，而该物种分化为了两个物种，那么新物种中的基因是直系同源的。v啮齿动物和人类v旁系同源的序列因基因复制(gene?duplication)而被区分开(separated)：若生物体中的某个基因被复制了，那么两个副本序列就是旁系同源的。v肌红蛋白(myoglobin)和血红蛋白(hemoglobin)被认为是古老的旁系同源体ConSitevConSite?is?a?user-friendly,?web-based?tool?for?finding?cis-regulatory?eleme

11、nts?in?genomic?sequences.?vPredictions?are?based?on?the?integration?of?binding?site?prediction?generated?with?high-quality?transcription?factor?models?and?cross-species?comparison?filteringvBy?incorporating?evolutionary?constraints,?selectivity?is?increased?by?an?order?of?magnitude?as?compared?to?si

12、ngle-sequence?analysis TRANSFAC vTRANSFAC数据库是关于转录因子、结合位点和与DNA结合的profiles的数据库。v由SITE、GENE、FACTOR、CLASS、MATRIX、CELLS、METHOD和REFERENCE等数据表构成。Match - 1.0 Public vMatch?is?a?weight?matrix-based?program?for?predicting?transcription?factor?binding?sites?(TFBS)?in?DNA?sequences.?It?uses?a?library?of?positio

13、nal?weight?matrices?from?TRANSFAC?Public?6.0.rVista?2.0 vAnalyzing?novel?sequences?for?the?presence?of?known?transcription?factor?binding?sites?or?their?weight?matrices?produces?a?huge?number?of?false?positive?predictions?that?are?randomly?and?uniformily?distributed. vrVista?combines?database?search

14、es?with?comparative?sequence?analysis,?reducing?the?number?of?false?positive?predictions?by?95%?while?maintaining?a?high?sensitivity?of?the?search?MEMEvMotif-based?sequence?analysis?toolsv寻找DNA，RNA和蛋白质的共有序列v可以在启动子区域搜寻TFBS的结合位点v可以搜寻蛋白质家族的模体(motif)WeblogvWeblogo基于多序列比对信息，把多序列的保守信息通过图形表示出来。每个logo由一系列碱基（氨基酸）组成，在每一个序列位置上用总高度表示此位置上的序列保守性，用碱基（氨基酸）字母的高度表示出现的频率PSIPREDvPSIPRED?(Position?Specific?Itera