生物信息学绪论课件

生物信息学生物化学研究所聂作明生物信息学生物化学研究所1联系方式6号楼423室Email：zuoming751218@126.comTel：86843192件信箱：bioinfo_zstu@126.com联系方式6号楼423室2考核方式平时成绩：10％，考勤，3次缺勤记0分；作业成绩：30％；期末考试：60％。考核方式平时成绩：10％，考勤，3次缺勤记0分；3参考书主要参考书蒋彦，王小行，曹毅：《基础生物信息学及应用》，清华大学出版社，2003年版.D.R.Westhead,J.H.Parish：《生物信息学》（影印本），科学出版社，2003年版.自学参考资料张成岗：《生物信息学方法与实践》贺福初：《生物信息学手册》孙之荣：《生物信息学——蛋白质和蛋白质分析的实用指南》黄英武：《生物信息学》罗静初：《生物信息学概论》参考书主要参考书4课程主要内容概论专题一：生物信息学数据库专题二：核酸序列分析专题三：蛋白序列分析生物信息学与药物设计序列分析流程和举例课程主要内容概论5能力目标能够查询检索生物信息学数据库，获得想要的生物学数据，为科研和实验服务。具有分析核酸序列和蛋白序列的能力，能够通过序列分析获得序列所代表的生物学意义、同源序列、代表的基因和蛋白的结构与功能等；能利用Entrez等常用文献检索系统检索生物学数据和论文，了解所研究课题国内外最新进展。能力目标能够查询检索生物信息学数据库，获得想要的生物学数据，6课程主要内容概论专题一：生物信息学数据库专题二：核酸序列分析专题三：蛋白序列分析生物信息学与药物设计序列分析流程和举例课程主要内容概论7概论第一节引言——从人类基因组计划说起第二节生物信息学概念第三节生物信息学主要研究内容第四节生物信息学当前的主要任务

第五节生物信息学所用的方法和技术概论第一节引言8第一节引言

从人类基因组计划（HGP）说起第一节引言从人类基因组计划（HGP）说起9曼哈顿原子弹计划阿波罗登月计划人类基因组计划曼哈顿原子弹计划阿波罗登月计划人类基因组计划1060年代初，美国总统Kennedy提出两个科学计划：登月计划攻克肿瘤计划

人类遗传信息的复杂性人类基因组计划(HGP，HumanGenomeProject)目标：整体上破解人类遗传信息的奥秘为什么提出HGP？60年代初，美国总统Kennedy提出人类基因组计划为什么提11基因组——一个物种中所有基因的整体组成back基因组back12

基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类基因组：3.2×109bp基因组(Genome)：包含细胞或生物体全套的遗传信息的全13HGP的最初目标通过国际合作，用15年时间(1990～2005)至少投入30亿美元，构建详细的人类基因组遗传图和物理图，确定人类DNA的全部核苷酸序列，定位约10万基因，并对其它模式生物进行类似研究，建立信息系统。4张图：

遗传图物理图序列图转录图人类基因组计划设想HGP的终极目标作图和测序是基本的任务，在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息HGP的最初目标通过国际合作，用15年时间(1990～20014HGP的历史回顾1984.12犹他州阿尔塔组织会议，初步研讨测定人类整个基因组DNA序列的意义1985Dulbecco在《Science》撰文“肿瘤研究的转折点:人类基因组的测序”美国能源部(DOE)提出“人类基因组计划”草案1987美国能源部和国家卫生研究院（NIH）联合为“人类基因组计划”下拨启动经费约550万美元1989美国成立“国家人类基因组研究中心”，Watson担任第一任主任1990.10经美国国会批准，人类基因组计划正式启动,联合了10多个国家和地区的科研机构（公共领域）JamesWatsonWalterGilbertHGP的1984.12犹他州阿尔塔组织会议，初步研讨测15第一个自由生物体流感嗜血菌(H.inf)的全基因组测序完成1996完成人类基因组计划的遗传作图，随后启动模式生物基因组计划H.inf全基因组Saccharomycescerevisiae酿酒酵母Caenorhabditiselegans秀丽线虫第一个自由生物体流感嗜血菌(H.inf)的全基因组测序完成161997大肠杆菌(E.coli)全基因组测序完成1998完成人类基因组计划的物理作图开始人类基因组的大规模测序Celera公司加入，与公共领域竞争启动水稻基因组计划1999.7第5届国际公共领域人类基因组测序会议，加快测序速度大肠杆菌及其全基因组水稻基因组计划1997大肠杆菌(E.coli)全基因组测序完成大172000Celera公司宣布完成果蝇基因组测序国际公共领域宣布完成第一个植物基因组——拟南芥全基因组的测序工作2000.6.26公共领域和Celera公司同时宣布完成人类基因组工作草图2001.2.15《Nature》刊文发表国际公共领域结果2001.2.16《Science》刊文发表Celera公司及其合作者结果Drosophilamelanogaster果蝇Arabidopsisthaliana拟南芥2000Celera公司宣布完成果蝇基因182001年2月15日《Nature》封面2001年2月16日《Science》封面2001年2月15日《Nature》封面2001年2月16日19AttheWhiteHouseonJune26,FrancisCollins(r),DirectoroftheNationalHumanGenomeResearchInstitute,PresidentClinton,andJ.CraigVenter,PresidentofCelaraGenomics,laudedthethousandsofscientistswhocontributedtothegenomesequence.AttheWhiteHouseonJune26,20大规模基因组测序大规模基因组测序21大规模测序基本策略逐个克隆法：对连续克隆系中排定的BAC克隆逐个进行亚克隆测序并进行组装（公共领域测序计划）全基因组鸟枪法：在一定作图信息基础上，绕过大片段连续克隆系的构建而直接将基因组分解成小片段随机测序，利用超级计算机进行组装（美国Celera公司）大规模测序基本策略逐个克隆法：对连续克隆系中排定的BAC克隆22运用计算机软件进行序列拼接back运用计算机软件进行序列拼接back23基因识别

基因识别（geneidentification）是HGP的重要内容之一，其目的是识别全部人类的基因。基因识别包括：识别基因组编码区识别基因结构基因识别目前常采用的有二种方法：从基因组序列中识别那些转录表达的DNA片段从cDNA文库中挑取并克隆。基因识别基因识别（geneidentification）24人类基因组人类基因组的组成线粒体基因组(16.6kb)细胞核基因组(3200Mb)基因外序列基因和基因有关序列约10%约90%专一或中等重复序列Non-codingDNA假基因内含子基因片段<10%>90%专一的或低拷贝数序列中度至高度重复序列20~30%70~80%分散重复序列串联重复序列/成簇重复序列约60%约40%蛋白编码基因rRNA基因tRNA基因CodingDNA估计10万→最初公布3.5万→目前研究确定2.45万人类基因组人类基因组的组成线粒体基因组(16.6kb)细胞核25人类基因组计划的实施意义

人类基因组计划为我们研究生物信息的组织、结构、遗传、表达带来了极大的方便，使人类对自身有一个根本的了解。人类是最高级、最复杂、最重要的生物，如果搞清楚人类基因组，那么再研究其它的生物就容易得多。研究多种模式生物基因组将有助于研究地球生物的进化史。人类基因组计划的实施意义人类基因组计划为我们研究生物信息的26我国对人类基因组计划的贡献我国对人类基因组计划的贡献27又一次成功！——水稻基因研究又一次成功！28面对堆积如山的生物学数据……面对堆积如山的生物学数据……29生物信息学绪论课件30HGP带来的科学挑战随着实验数据和可利用信息急剧增加，信息的管理和分析成为HGP的一项重要的工作发现生物学规律，解读生物遗传密码认识生命的本质研究基因组数据之间的关系分析现有的基因组数据利用数学模型和人工智能技术HGP带来的科学挑战随着实验数据和可利用信息急剧增加，信息的31生命信息的组织、传递、表达物理化学分子生物学遗传学信息技术各学科参与、协作：生命科学、数学、物理学、化学、计算机科学、材料科学以及伦理、法律等社会科学……生物信息学诞生生命信息的组织、物理化学分子遗传学信息技术各学科参与、协作：32第二节生物信息学概念1、生物信息学的概念2、生物分子信息1、生物信息学的概念331、生物信息学的概念1、生物信息学的概念34生物信息学（Bioinformatics）这一名词的来由八十年代末期，林华安博士认识到将计算机科学与生物学结合起来的重要意义，开始留意要为这一领域构思一个合适的名称。起初，考虑到与将要支持他主办一系列生物信息学会议的佛罗里达州立大学超型计算机计算研究所的关系，他使用的是“CompBio”；之后，又将其更改为兼具法国风情的“bioinformatique”，看起来似乎有些古怪。因此不久，他便进一步把它更改为“bio-informatics（或bio/informatics）”。但由于当时的电子邮件系统与今日不同，该名称中的-或/符号经常会引起许多系统问题，于是林博士将其去除，今天我们所看到的“bioinformatics”就正式诞生了，林博士也因此赢得了“生物信息学之父”的美誉。生物信息学（Bioinformatics）八十年代末期35生物信息学HGP生物数据的激增（每15个月翻一番）生物学家数学家计算机科学家生物信息学（bioinfomatics)的诞生生物信息学HGP生物学家数学家计算机生物信息学36生物学家(生物学问题)数学物理学家计算机科学家(基础理论问题)工程师（技术应用）三种科学文化的融合生物学家数学物理学家工程师三种科学文化的融合37概念（广义）生物体系和过程中信息的存贮、传递和表达细胞、组织、器官的生理、病理、药理过程的中各种生物信息信息科学生命科学中的信息科学

概念（广义）生物体系和过程中信息细胞、组织、器官的生理、病理38广义的说，生物信息不仅包括基因组信息，如基因的DNA序列、染色体定位，也包括基因产物（蛋白质或RNA）的结构和功能及各生物种间的进化关系等其他信息资源。生物信息学既涉基因组信息的获取、处理、贮存、传递、分析和解释，又涉及蛋白质组信息学如蛋白质的序列、结构、功能及定位分类、蛋白质连锁图、蛋白质数据库的建立、相关分析软件的开发和应用等方面，还涉及基因与蛋白质的关系如蛋白质编码基因的识别及算法研究、蛋白质结构、功能预测等，另外，新药研制、生物进化也是生物信息学研究的热点。广义的说，生物信息不仅包括基因组信息，如基因的DNA序列、染39概念（狭义）分子生物信息学MolecularBioinformatics挖掘获取生物分子信息的获取、存贮、分析和利用由于当前生物信息学发展的主要推动力来自分子生物学。生物信息学的研究主要集中于核苷酸和氨基酸序列的存储、分类、检索和分析等方面，所以目前生物信息学可以狭义地定义为：将计算机科学和数学应用于生物大分子信息的获取、加工、存储、分类、检索与分析，以达到理解这些生物大分子信息的生物学意义的交叉学科。

概念（狭义）分子生物信息学挖掘获取生物分子信息的获取、存贮、40Bioinformatics生物分子数据计算机计算+Bioinformatics生物分子计算机+41生物信息学不仅仅是一门科学学科，它更是一种重要的研究开发工具。生物信息学不仅仅是一门科学学科，它更是一种重要的研究开发工具422、生物分子信息生物分子，使生活更美好(BiomoleculesforQualityofLife)2009世界生化大会主题2、生物分子信息2009世界生化大会主题43生物信息学主要研究两种信息分子DNA分子

腺嘌呤A胸腺嘧啶T鸟嘌呤G胞嘧啶C

蛋白质分子甘氨酸glyG丝氨酸gerS丙氨酸glaA苏氨酸thrT缬氨酸valV异亮氨酸ileI亮氨酸leuL酪氨酸tyrY苯丙氨酸pheF组氨酸hisH脯氨酸proP天冬氨酸aspD蛋氨酸metM谷氨酸gluE色氨酸trpW赖氨酸lysK半胱氨酸cysC精氨酸argR天冬酰胺asnN谷酰胺glnQ

DNA分子甘氨酸glyG丝氨酸gerS44生物分子至少携带着三种信息遗传信息与功能相关的结构信息进化信息生物分子至少携带着三种信息45(1)遗传信息的载体——DNA遗传信息的载体主要是DNA控制生物体性状的基因是一系列DNA片段生物体生长发育的本质就是遗传信息的传递和表达(1)遗传信息的载体——DNA遗传信息的载体主要是DNA46(2)蛋白质的结构决定其功能蛋白质功能取决于蛋白质的空间结构

蛋白质结构决定于蛋白质的序列（这是目前基本共认的假设），蛋白质结构的信息隐含在蛋白质序列之中。(2)蛋白质的结构决定其功能47(3)DNA分子和蛋白质分子

都含有进化信息通过比较相似的蛋白质序列，如肌红蛋白和血红蛋白，可以发现由于基因复制而产生的分子进化证据。通过比较来自于不同种属的同源蛋白质，即直系同源蛋白质，可以分析蛋白质甚至种属之间的系统发生关系，推测它们共同的祖先蛋白质。(3)DNA分子和蛋白质分子

都含有进化信息通过比较相似的48生物分子信息DNA序列数据蛋白质序列数据生物分子结构数据生物分子功能数据最基本直观复杂生物分子数据类型生DNA序列数据蛋白质序列数据生物分子结构数据生物分子49

DNA核酸序列蛋白质氨基酸序列蛋白质结构蛋白质功能最基本的生物信息维持生命活动的机器第一部遗传密码第二部遗传密码？生命体系千姿百态的变化生物分子数据及其关系

DNA蛋白质蛋白质蛋白质最基本的维持生命活动的机器第一部50第一部遗传密码已被破译，但对密码的转录过程还不清楚，对大多数DNA非编码区域的功能还知之甚少对于第二部密码，目前则只能用统计学的方法进行分析无论是第一部遗传密码，还是第二部遗传密码，都隐藏在大量的生物分子数据之中。生物分子数据是宝藏，生物信息数据库是金矿，等待我们去挖掘和利用。第一部遗传密码已被破译，但对密码的转录过程还不清楚，对大多数51生物分子信息的特征生物分子信息数据量大生物分子信息复杂生物分子信息之间存在着密切的联系生物分子信息的特征生物分子信息数据量大52第三节生物信息学主要研究内容1、

生物分子数据的收集与管理2、数据库搜索及序列比较3、基因组序列分析4、基因表达数据的分析与处理5、蛋白质功能分析1、生物分子数据的收集与管理53基因组数据库蛋白质序列数据库蛋白质结构数据库DDBJEMBLGenBankUniProt

PDBPIR1、生物分子数据的收集与管理基因组蛋白质蛋白质DDBJEMBLGenBankUniPro542、数据库搜索及序列比较

搜索同源序列在一定程度上就是通过序列比较寻找相似序列序列比较的一个基本操作就是比对（Alignment），即将两个序列的各个字符（代表核苷酸或者氨基酸残基）按照对应等同或者置换关系进行对比排列，其结果是两个序列共有的排列顺序，这是序列相似程度的一种定性描述多重序列比对研究的是多个序列的共性。序列的多重比对可用来搜索基因组序列的功能区域，也可用于研究一组蛋白质之间的进化关系。2、数据库搜索及序列比较搜索同源序列在一定程度上就是通过55发现同源分子发现同源分子563、基因组序列分析

遗传语言分析——天书基因组结构分析基因识别基因功能注释基因调控信息分析基因组比较3、基因组序列分析遗传语言分析——天书574、基因表达数据的分析与处理基因表达数据分析是目前生物信息学研究的热点和重点目前对基因表达数据的处理主要是进行聚类分析，将表达模式相似的基因聚为一类，在此基础上寻找相关基因，分析基因的功能所用方法主要有：相关分析方法模式识别技术中的层次式聚类方法人工智能中的自组织映射神经网络主元分析方法4、基因表达数据的分析与处理基因表达数据分析是目前生物信息学58基因芯片基因芯片59生物信息学绪论课件60层次式聚类层次式聚类61二维电泳图二维电泳图62生物信息学研究蛋白质结构及功能关系研究蛋白质的进化问题研究蛋白质的性质5、蛋白质功能分析

生物信息学研究蛋白质结构及功能关系研究蛋白质的进化问题研究63蛋白质结构预测分为:二级结构预测空间结构预测蛋白质折叠蛋白质的生物功能由蛋白质的结构所决定，蛋白质结构预测成为了解蛋白质功能的重要途径蛋白质结构蛋白质序列蛋白质功能关系研究蛋白质结构及功能关系蛋白质结构预测分为:蛋白质折叠蛋白质的生物功能由蛋白质的结构64研究蛋白质的进化问题研究不同蛋白质之间的进化关系研究蛋白质的进化问题65研究蛋白质的性质理化性质（亲水和疏水性、分子量、等电点预测等）生物学功能预测（信号通路、蛋白互作、功能位点、跨膜区、信号肽、亚细胞定位预测等）研究蛋白质的性质理化性质（亲水和疏水性、分子量、等电点预测等66第四节生物信息学当前的主要任务

纵观当今生物信息学界的现状，可以发现，大部分人都把注意力集中在基因组学、蛋白质组学、蛋白质结构以及与之相结合的药物设计上最新：RNA组学和转录组学第四节生物信息学当前的主要任务纵观当今生物信息学67Structure&FunctionPathways&PhysiologyPopulations&EvolutionEcosystemsGenomesGeneProducts后基因组时代HGP完成，我们进入“后基因组学”(post-genomics)时代Structure&FunctionPathways&681.基因组学

1.1新基因的发现

通过计算分析从EST（ExpressedSequenceTags）序列库中拼接出完整的新基因编码区，也就是通俗所说的“电子克隆”；通过计算分析从基因组DNA序列中确定新基因编码区，经过多年的积累，已经形成许多分析方法，如根据编码区具有的独特序列特征、根据编码区与非编码区在碱基组成上的差异、根据高维分布的统计方法、根据神经网络方法、根据分形方法和根据密码学方法等。1.基因组学1.1新基因的发现通过计算分析从69功能基因组学

基因组学研究重心已开始从揭示生命的所有遗传信息转移到在分子整体水平对功能的研究上,即功能基因组学（functionalgenomics）功能基因组的任务是进行基因组功能注释（Genomeannotation）认识基因与疾病的关系掌握基因的产物及其在生命活动中的作用功能基因组学基因组学研究重心已开始从揭示生命的所有遗传信息701.2非蛋白编码区生物学意义的分析

1.2非蛋白编码区生物学意义的分析71非蛋白编码区约占人类基因组的99%，其生物学意义目前尚不是很清楚，但从演化观点来看，其中必然蕴含着重要的生物学功能，由于它们并不编码蛋白，一般认为，它们的生物学功能可能体现在对基因表达的时空调控上。对非蛋白编码区进行生物学意义分析的策略有两种，一种是基于已有的已经为实验证实的所有功能已知的DNA元件的序列特征，预测非蛋白编码区中可能含有的功能已知的DNA元件，从而预测其可能的生物学功能，并通过实验进行验证；另一种则是通过数理理论直接探索非蛋白编码区的新的未知的序列特征，并从理论上预测其可能的信息含义，最后同样通过实验验证。非蛋白编码区约占人类基因组的99%，其生物学意义目前尚721.3基因组整体功能及其调节网络的系统把握

把握生命的本质，仅仅掌握基因组中部分基因的表达调控是远远不够的，因为生命现象是基因组中所有功能单元相互作用共同制造出来的。基因芯片技术由于可以监测基因组在各种时间断面上的整体转录表达状况，因此成为该领域中一项非常重要和关键的实验技术，对该技术所产生的大量实验数据进行高效分析，从中获得基因组运转以及调控的整体系统的机制或者是网络机制，便成了生物信息学在该领域中首先要解决的问题。1.3基因组整体功能及其调节网络的系统把握把握生命731.4基因组演化与物种演化

1.4基因组演化与物种演化74人类基因组与其它生物基因组比较比较基因组学

人类基因组与其它生物基因组比较比较基因组学75例：人与鼠染色体的差别人和老鼠的DNA的有95%以上是相同的从基因角度很难判断：是人，是鼠？例：人与鼠染色体的差别人和老鼠的DNA的有95%以上是相同的76尽管已经在分子演化方面取得了许多重要的成就，但仅仅依靠某些基因或者分子的演化现象，就想阐明物种整体的演化历史似乎不太可靠。例如，智人与黑猩猩之间有98%-99%的结构基因和蛋白质是相同的，然而表型上却具有如此巨大的差异，这就不能不使我们联想到形形色色千差万别的建筑楼群，它们的外观如此不同，但基础的部件组成却是几乎一样的，差别就在于这些基础部件的组织方式不同，这就提示我们基因组整体组织方式而不仅仅是个别基因在研究物种演化历史中的重要作用。由于基因组是物种所有遗传信息的储藏库，从根本上决定着物种个体的发育和生理，因此，从基因组整体结构组织和整体功能调节网络方面，结合相应的生理表征现象，进行基因组整体的演化研究，将是揭示物种真实演化历史的最佳途径。尽管已经在分子演化方面取得了许多重要的成就，但仅仅依靠772、蛋白质组学

2、蛋白质组学78基因组对生命体的整体控制必须通过它所表达的全部蛋白质来执行，由于基因芯片技术只能反映从基因组到RNA的转录水平上的表达情况，由于从RNA到蛋白质还有许多中间环节的影响，因此仅凭基因芯片技术我们还不能最终掌握生物功能具体执行者——蛋白质的整体表达状况；因此，近几年在发展基因芯片的同时，人们也发展了一套研究基因组所有蛋白质产物表达情况——蛋白质组研究技术，从技术上来讲包括二维凝胶电泳技术和质谱测序技术。通过二维凝胶电泳技术可以获得某一时间截面上蛋白质组的表达情况，通过质谱测序技术就可以得到所有这些蛋白质的序列组成。这些都是技术实现问题，最重要的就是如何运用生物信息学理论方法去分析所得到的巨量数据，从中还原出生命运转和调控的整体系统的分子机制。基因组对生命体的整体控制必须通过它所表达的全部蛋白质来79差异表达蛋白的鉴定Back差异表达蛋白的鉴定Back80基因组和蛋白质组研究的迅猛发展，使许多新蛋白序列涌现出来，然而要想了解它们的功能，只有氨基酸序列是远远不够的，因为蛋白质的功能是通过其三维高级结构来执行的，而且蛋白质三维结构也不一定是静态的，在行使功能的过程中其结构也会相应的有所改变。因此，得到这些新蛋白的完整、精确和动态的三维结构就成为摆在我们面前的紧迫任务。目前除了通过诸如X射线晶体结构分析、多维核磁共振（NMR）波谱分析和电子显微镜二维晶体三维重构（电子晶体学，EC）等物理方法得到蛋白质三维结构之外3、蛋白质结构

基因组和蛋白质组研究的迅猛发展，使许多新蛋白序列涌现出来81另外一种广泛使用的方法就是通过计算机辅助预测的方法，目前，一般认为蛋白质的折叠类型只有数百到数千种，远远小于蛋白质所具有的自由度数目，而且蛋白质的折叠类型与其氨基酸序列具有相关性，这样就有可能直接从蛋白质的氨基酸序列通过计算机辅助方法预测出蛋白质的三维结构另外一种广泛使用的方法就是通过计算机辅助预测的方法，目前824、新药设计

4、新药设计83生物信息学与新药研制未来的药物研究过程将是基于生物信息知识挖掘的过程数据处理和关联分析发现药物作用对象确定靶目标分子针对靶目标进行合理的药物设计生物信息学与新药研制数据处理和发现药物确定靶目标针对靶目标84基于生物信息学的新药设计基于生物信息学的新药设计85生物信息学与疾病检测基因组计划产生的基因及基因多态性数据与临床医学检验结果之间的关系需要利用生物信息学的方法去分析、去揭示根据这样的分析结果，科学家能够更准确地了解疾病产生的根本原因，更精确地预测某个人患癌症、糖尿病或者心脏病的可能性，从而彻底改变我们诊断、治疗和预防疾病的方式生物信息学与疾病检测基因组计划产生的基因及基因多态性数据与临86但生物信息学的任务远不止于此。在以上工作的基础上，最重要的是如何运用数理理论成果对生物体进行完整系统的数理模型描述，使得人类能够从一个更加明确的角度和一个更加易于操作的途径来认识和控制自身以及所有其他的生命体最新：RNA组学和转录组学但生物信息学的任务远不止于此。在以上工作的基础上，最重87生物信息学研究意义生物信息学将是21世纪生物学的核心

认识生物本质了解生物分子信息的组织和结构，破译基因组信息，阐明生物信息之间的关系改变生物学的研究方式改变传统研究方式，引进现代信息学方法在医学上的重要意义为疾病的诊断和治疗提供依据为设计新药提供依据生物信息学研究意义生物信息学将是21世纪生物学的核心认识生88实验永远起着决定作用计算/理论生物学的发展离不开实验生物学的贡献实验生物学日益依赖计算/理论生物学的指导21世纪生命科学理论计算实验数学与物理科学实验永远起着决定作用21世纪生命科学理论计算实验数学与89第五节生物信息学所用的方法和技术

1、数学统计方法2、动态规划方法3、机器学习与模式识别技术4、数据库技术及数据挖掘5、人工神经网络技术6、专家系统7、分子模型化技术8、量子力学和分子力学计算9、生物分子的计算机模拟10、因特网（Internet）技术第五节生物信息学所用的方法和技术1、数学统计方法901、数学统计方法生物活动常常以大量、重复的形式出现，既受到内在因素的制约，又受到外界环境的随机干扰。因此概率论和数学统计是现代生物学研究中一种常用的分析方法数据统计、因素分析、多元回归分析是生物学研究必备的工具隐马尔科夫模型（HiddenMarkovModels）在序列分析方面有着重要的应用。与隐马尔科夫模型相关的技术是马尔科夫链（MarkovChain）1、数学统计方法生物活动常常以大量、重复的形式出现，既受到内912、动态规划方法动态规划（DynamicProgramming）是一种解决多阶段决策过程的最优化方法或复杂空间的优化搜索方法动态规划解决问题的基本过程是：将一个问题的全局解分解为局部解，逆序递推求出局部最优解，随着执行过程的推进，“局部”逐渐接近“全局”，最终获得全局最优解2、动态规划方法动态规划（DynamicProgrammi923、机器学习与模式识别技术机器学习机器学习是模拟人类的学习过程，以计算机为工具获取知识、积累经验1、遗传算法采用随机搜索方法，具有自适应能力和便于并行计算2、神经网络的理论是基于人脑的结构，其目的是揭示一个系统是如何向环境学习的，这一种方法被称为联接主义。模式识别模式识别是机器学习的一个主要任务。模式是对感兴趣客体定量的或者结构的描述，而模式识别就是利用计算机对客体进行鉴别，将相同或者相似的客体归入同种类别中模式识别主要有两种方法:根据对象的统计特征进行识别，根据对象的结构特征进行识别

3、机器学习与模式识别技术机器学习93环境学习知识库执行机器学习系统的基本结构

反馈环境学习知识库执行机器学习系统的基本结构反馈944、数据库技术及数据挖掘数据库技术数据仓库虚拟数据库技术（VirtualDatabase，简称VDB）数据挖掘（datamining）又称作数据库中的知识发现(KnowledgeDiscoveryinDatabase)，它是从数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术，它能自动分析数据，对它们进行归纳性推理和联想，寻找数据间内在的某些关联，从中发掘出潜在的、对信息预测和决策行为起着十分重要作用的模式数据挖掘过程一般分为4个基本步骤：数据选择、数据转换、数据挖掘和结果分析4、数据库技术及数据挖掘数据库技术955、人工神经网络技术人工神经网络（ArtificialNeuralNetwork,简称ANN）是通过模拟神经元的特性以及脑的大规模并行结构、信息的分布式和并行处理等机制建立的一种数学模型在生物信息学中，使用得最多的是反向传播神经网络（BackPropagationNeuralNetwork，简称BP网）。BP网被认为是稳定性和鲁棒性较强的人工神经网络之一，而且属于有监督学习的网络模型。标准的BP网由三层神经元组成：输入层、隐藏层和输出层5、人工神经网络技术人工神经网络（ArtificialNe96输入层隐藏层输出层反向传播神经网络结构示意输入层隐藏层输反向传播神经网络结构示意97使用界面解释机构推理机知识获取知识库数据库使用界面987、分子模型化技术分子模型化（Molecularmodeling）是利用计算机模拟分子结构、研究分子之间相互作用的一种技术分子模型化是进行分子设计的基础。分子图形学（MolecularGraphics）是进行分子模型化的一项重要技术，正是由于分子图形学和其它计算化学方法（如分子力学、分子动力学）的相互结合，才使得分子模型化方法取得成功7、分子模型化技术分子模型化（Molecularmodel99生物信息学绪论课件1008、量子力学和分子力学计算

量子力学主要研究原子、分子、凝聚态物质、以及原子核和基本粒子的结构、性质的基础理论，在化学等有关学科中得到了广泛的应用分子力学（MolecularMechanics）方法是一种非量子力学的计算分子结构、能量与性质的方法，该方法应用经验势能函数，即经验力场方法模拟分子的结构，计算分子的性质在进行分子结构分析、构象优化、分子间相互作用研究及分子模拟时需要应用量子力学或分子力学8、量子力学和分子力学计算量子力学主要研究原子、分子、凝聚1019、生物分子的计算机模拟

所谓生物分子的计算机模拟就是从分子或者原子水平上的相互作用出发，建立分子体系的数学模型，利用计算机进行模拟实验，预测生物分子的结构和功能，预测动力学及热力学等方面的性质分子动力学和蒙特卡罗方法（MonteCarlomethod）是两种最常用的技术，另一种模拟方法是模拟退火方法9、生物分子的计算机模拟所谓生物分子的计算机模拟就是从分子102

反馈，改进模型

实验实验现象数学模型计算机模拟模拟结果分析新的设想反馈，改进模型实验实验现象数学10310、因特网（Internet）技术Internet已经成为生物学研究的平台，同时也成为分子生物学研究人员进行信息交流特别是生物分子数据的交流的场所通过网络查询或搜索所需要的生物信息，使用分析工具将所要处理的数据直接送到相应的网络服务器上，服务器接受你的处理请求，并将处理结果返回10、因特网（Internet）技术Internet已经成为104本章小结第一节引言HGP计划模式生物基因组基因计划生物信息学产生

第二节生物信息学概念生物信息学的概念（狭义和广义）生物分子信息（DNA和蛋白）本章小结第一节引言105第三节生物信息学主要研究内容生物分子数据的收集与管理数据库搜索及序列比较基因组序列分析基因表达数据的分析与处理蛋白质功能分析第四节生物信息学当前的主要任务基因组学蛋白质组学蛋白结构分析药物设计RNA组学转录组学第五节生物信息学所用的方法和技术第三节生物信息学主要研究内容106作业1你认为今后生物信息学的发展方向怎样？谈谈你的看法。作业1你认为今后生物信息学的发展方向怎样？谈谈你的看法。107生物信息学生物化学研究所聂作明生物信息学生物化学研究所108联系方式6号楼423室Email：zuoming751218@126.comTel：86843192件信箱：bioinfo_zstu@126.com联系方式6号楼423室109考核方式平时成绩：10％，考勤，3次缺勤记0分；作业成绩：30％；期末考试：60％。考核方式平时成绩：10％，考勤，3次缺勤记0分；110参考书主要参考书蒋彦，王小行，曹毅：《基础生物信息学及应用》，清华大学出版社，2003年版.D.R.Westhead,J.H.Parish：《生物信息学》（影印本），科学出版社，2003年版.自学参考资料张成岗：《生物信息学方法与实践》贺福初：《生物信息学手册》孙之荣：《生物信息学——蛋白质和蛋白质分析的实用指南》黄英武：《生物信息学》罗静初：《生物信息学概论》参考书主要参考书111课程主要内容概论专题一：生物信息学数据库专题二：核酸序列分析专题三：蛋白序列分析生物信息学与药物设计序列分析流程和举例课程主要内容概论112能力目标能够查询检索生物信息学数据库，获得想要的生物学数据，为科研和实验服务。具有分析核酸序列和蛋白序列的能力，能够通过序列分析获得序列所代表的生物学意义、同源序列、代表的基因和蛋白的结构与功能等；能利用Entrez等常用文献检索系统检索生物学数据和论文，了解所研究课题国内外最新进展。能力目标能够查询检索生物信息学数据库，获得想要的生物学数据，113课程主要内容概论专题一：生物信息学数据库专题二：核酸序列分析专题三：蛋白序列分析生物信息学与药物设计序列分析流程和举例课程主要内容概论114概论第一节引言——从人类基因组计划说起第二节生物信息学概念第三节生物信息学主要研究内容第四节生物信息学当前的主要任务

第五节生物信息学所用的方法和技术概论第一节引言115第一节引言

从人类基因组计划（HGP）说起第一节引言从人类基因组计划（HGP）说起116曼哈顿原子弹计划阿波罗登月计划人类基因组计划曼哈顿原子弹计划阿波罗登月计划人类基因组计划11760年代初，美国总统Kennedy提出两个科学计划：登月计划攻克肿瘤计划

人类遗传信息的复杂性人类基因组计划(HGP，HumanGenomeProject)目标：整体上破解人类遗传信息的奥秘为什么提出HGP？60年代初，美国总统Kennedy提出人类基因组计划为什么提118基因组——一个物种中所有基因的整体组成back基因组back119

基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类基因组：3.2×109bp基因组(Genome)：包含细胞或生物体全套的遗传信息的全120HGP的最初目标通过国际合作，用15年时间(1990～2005)至少投入30亿美元，构建详细的人类基因组遗传图和物理图，确定人类DNA的全部核苷酸序列，定位约10万基因，并对其它模式生物进行类似研究，建立信息系统。4张图：

遗传图物理图序列图转录图人类基因组计划设想HGP的终极目标作图和测序是基本的任务，在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息HGP的最初目标通过国际合作，用15年时间(1990～200121HGP的历史回顾1984.12犹他州阿尔塔组织会议，初步研讨测定人类整个基因组DNA序列的意义1985Dulbecco在《Science》撰文“肿瘤研究的转折点:人类基因组的测序”美国能源部(DOE)提出“人类基因组计划”草案1987美国能源部和国家卫生研究院（NIH）联合为“人类基因组计划”下拨启动经费约550万美元1989美国成立“国家人类基因组研究中心”，Watson担任第一任主任1990.10经美国国会批准，人类基因组计划正式启动,联合了10多个国家和地区的科研机构（公共领域）JamesWatsonWalterGilbertHGP的1984.12犹他州阿尔塔组织会议，初步研讨测122第一个自由生物体流感嗜血菌(H.inf)的全基因组测序完成1996完成人类基因组计划的遗传作图，随后启动模式生物基因组计划H.inf全基因组Saccharomycescerevisiae酿酒酵母Caenorhabditiselegans秀丽线虫第一个自由生物体流感嗜血菌(H.inf)的全基因组测序完成1231997大肠杆菌(E.coli)全基因组测序完成1998完成人类基因组计划的物理作图开始人类基因组的大规模测序Celera公司加入，与公共领域竞争启动水稻基因组计划1999.7第5届国际公共领域人类基因组测序会议，加快测序速度大肠杆菌及其全基因组水稻基因组计划1997大肠杆菌(E.coli)全基因组测序完成大1242000Celera公司宣布完成果蝇基因组测序国际公共领域宣布完成第一个植物基因组——拟南芥全基因组的测序工作2000.6.26公共领域和Celera公司同时宣布完成人类基因组工作草图2001.2.15《Nature》刊文发表国际公共领域结果2001.2.16《Science》刊文发表Celera公司及其合作者结果Drosophilamelanogaster果蝇Arabidopsisthaliana拟南芥2000Celera公司宣布完成果蝇基因1252001年2月15日《Nature》封面2001年2月16日《Science》封面2001年2月15日《Nature》封面2001年2月16日126AttheWhiteHouseonJune26,FrancisCollins(r),DirectoroftheNationalHumanGenomeResearchInstitute,PresidentClinton,andJ.CraigVenter,PresidentofCelaraGenomics,laudedthethousandsofscientistswhocontributedtothegenomesequence.AttheWhiteHouseonJune26,127大规模基因组测序大规模基因组测序128大规模测序基本策略逐个克隆法：对连续克隆系中排定的BAC克隆逐个进行亚克隆测序并进行组装（公共领域测序计划）全基因组鸟枪法：在一定作图信息基础上，绕过大片段连续克隆系的构建而直接将基因组分解成小片段随机测序，利用超级计算机进行组装（美国Celera公司）大规模测序基本策略逐个克隆法：对连续克隆系中排定的BAC克隆129运用计算机软件进行序列拼接back运用计算机软件进行序列拼接back130基因识别

基因识别（geneidentification）是HGP的重要内容之一，其目的是识别全部人类的基因。基因识别包括：识别基因组编码区识别基因结构基因识别目前常采用的有二种方法：从基因组序列中识别那些转录表达的DNA片段从cDNA文库中挑取并克隆。基因识别基因识别（geneidentification）131人类基因组人类基因组的组成线粒体基因组(16.6kb)细胞核基因组(3200Mb)基因外序列基因和基因有关序列约10%约90%专一或中等重复序列Non-codingDNA假基因内含子基因片段<10%>90%专一的或低拷贝数序列中度至高度重复序列20~30%70~80%分散重复序列串联重复序列/成簇重复序列约60%约40%蛋白编码基因rRNA基因tRNA基因CodingDNA估计10万→最初公布3.5万→目前研究确定2.45万人类基因组人类基因组的组成线粒体基因组(16.6kb)细胞核132人类基因组计划的实施意义

人类基因组计划为我们研究生物信息的组织、结构、遗传、表达带来了极大的方便，使人类对自身有一个根本的了解。人类是最高级、最复杂、最重要的生物，如果搞清楚人类基因组，那么再研究其它的生物就容易得多。研究多种模式生物基因组将有助于研究地球生物的进化史。人类基因组计划的实施意义人类基因组计划为我们研究生物信息的133我国对人类基因组计划的贡献我国对人类基因组计划的贡献134又一次成功！——水稻基因研究又一次成功！135面对堆积如山的生物学数据……面对堆积如山的生物学数据……136生物信息学绪论课件137HGP带来的科学挑战随着实验数据和可利用信息急剧增加，信息的管理和分析成为HGP的一项重要的工作发现生物学规律，解读生物遗传密码认识生命的本质研究基因组数据之间的关系分析现有的基因组数据利用数学模型和人工智能技术HGP带来的科学挑战随着实验数据和可利用信息急剧增加，信息的138生命信息的组织、传递、表达物理化学分子生物学遗传学信息技术各学科参与、协作：生命科学、数学、物理学、化学、计算机科学、材料科学以及伦理、法律等社会科学……生物信息学诞生生命信息的组织、物理化学分子遗传学信息技术各学科参与、协作：139第二节生物信息学概念1、生物信息学的概念2、生物分子信息1、生物信息学的概念1401、生物信息学的概念1、生物信息学的概念141生物信息学（Bioinformatics）这一名词的来由八十年代末期，林华安博士认识到将计算机科学与生物学结合起来的重要意义，开始留意要为这一领域构思一个合适的名称。起初，考虑到与将要支持他主办一系列生物信息学会议的佛罗里达州立大学超型计算机计算研究所的关系，他使用的是“CompBio”；之后，又将其更改为兼具法国风情的“bioinformatique”，看起来似乎有些古怪。因此不久，他便进一步把它更改为“bio-informatics（或bio/informatics）”。但由于当时的电子邮件系统与今日不同，该名称中的-或/符号经常会引起许多系统问题，于是林博士将其去除，今天我们所看到的“bioinformatics”就正式诞生了，林博士也因此赢得了“生物信息学之父”的美誉。生物信息学（Bioinformatics）八十年代末期142生物信息学HGP生物数据的激增（每15个月翻一番）生物学家数学家计算机科学家生物信息学（bioinfomatics)的诞生生物信息学HGP生物学家数学家计算机生物信息学143生物学家(生物学问题)数学物理学家计算机科学家(基础理论问题)工程师（技术应用）三种科学文化的融合生物学家数学物理学家工程师三种科学文化的融合144概念（广义）生物体系和过程中信息的存贮、传递和表达细胞、组织、器官的生理、病理、药理过程的中各种生物信息信息科学生命科学中的信息科学

概念（广义）生物体系和过程中信息细胞、组织、器官的生理、病理145广义的说，生物信息不仅包括基因组信息，如基因的DNA序列、染色体定位，也包括基因产物（蛋白质或RNA）的结构和功能及各生物种间的进化关系等其他信息资源。生物信息学既涉基因组信息的获取、处理、贮存、传递、分析和解释，又涉及蛋白质组信息学如蛋白质的序列、结构、功能及定位分类、蛋白质连锁图、蛋白质数据库的建立、相关分析软件的开发和应用等方面，还涉及基因与蛋白质的关系如蛋白质编码基因的识别及算法研究、蛋白质结构、功能预测等，另外，新药研制、生物进化也是生物信息学研究的热点。广义的说，生物信息不仅包括基因组信息，如基因的DNA序列、染146概念（狭义）分子生物信息学MolecularBioinformatics挖掘获取生物分子信息的获取、存贮、分析和利用由于当前生物信息学发展的主要推动力来自分子生物学。生物信息学的研究主要集中于核苷酸和氨基酸序列的存储、分类、检索和分析等方面，所以目前生物信息学可以狭义地定义为：将计算机科学和数学应用于生物大分子信息的获取、加工、存储、分类、检索与分析，以达到理解这些生物大分子信息的生物学意义的交叉学科。

概念（狭义）分子生物信息学挖掘获取生物分子信息的获取、存贮、147Bioinformatics生物分子数据计算机计算+Bioinformatics生物分子计算机+148生物信息学不仅仅是一门科学学科，它更是一种重要的研究开发工具。生物信息学不仅仅是一门科学学科，它更是一种重要的研究开发工具1492、生物分子信息生物分子，使生活更美好(BiomoleculesforQualityofLife)2009世界生化大会主题2、生物分子信息2009世界生化大会主题150生物信息学主要研究两种信息分子DNA分子

腺嘌呤A胸腺嘧啶T鸟嘌呤G胞嘧啶C

蛋白质分子甘氨酸glyG丝氨酸gerS丙氨酸glaA苏氨酸thrT缬氨酸valV异亮氨酸ileI亮氨酸leuL酪氨酸tyrY苯丙氨酸pheF组氨酸hisH脯氨酸proP天冬氨酸aspD蛋氨酸metM谷氨酸gluE色氨酸trpW赖氨酸lysK半胱氨酸cysC精氨酸argR天冬酰胺asnN谷酰胺glnQ

DNA分子甘氨酸glyG丝氨酸gerS151生物分子至少携带着三种信息遗传信息与功能相关的结构信息进化信息生物分子至少携带着三种信息152(1)遗传信息的载体——DNA遗传信息的载体主要是DNA控制生物体性状的基因是一系列DNA片段生物体生长发育的本质就是遗传信息的传递和表达(1)遗传信息的载体——DNA遗传信息的载体主要是DNA153(2)蛋白质的结构决定其功能蛋白质功能取决于蛋白质的空间结构

蛋白质结构决定于蛋白质的序列（这是目前基本共认的假设），蛋白质结构的信息隐含在蛋白质序列之中。(2)蛋白质的结构决定其功能154(3)DNA分子和蛋白质分子

都含有进化信息通过比较相似的蛋白质序列，如肌红蛋白和血红蛋白，可以发现由于基因复制而产生的分子进化证据。通过比较来自于不同种属的同源蛋白质，即直系同源蛋白质，可以分析蛋白质甚至种属之间的系统发生关系，推测它们共同的祖先蛋白质。(3)DNA分子和蛋白质分子

都含有进化信息通过比较相似的155生物分子信息DNA序列数据蛋白质序列数据生物分子结构数据生物分子功能数据最基本直观复杂生物分子数据类型生DNA序列数据蛋白质序列数据生物分子结构数据生物分子156

DNA核酸序列蛋白质氨基酸序列蛋白质结构蛋白质功能最基本的生物信息维持生命活动的机器第一部遗传密码第二部遗传密码？生命体系千姿百态的变化生物分子数据及其关系

DNA蛋白质蛋白质蛋白质最基本的维持生命活动的机器第一部157第一部遗传密码已被破译，但对密码的转录过程还不清楚，对大多数DNA非编码区域的功能还知之甚少对于第二部密码，目前则只能用统计学的方法进行分析无论是第一部遗传密码，还是第二部遗传密码，都隐藏在大量的生物分子数据之中。生物分子数据是宝藏，生物信息数据库是金矿，等待我们去挖掘和利用。第一部遗传密码已被破译，但对密码的转录过程还不清楚，对大多数158生物分子信息的特征生物分子信息数据量大生物分子信息复杂生物分子信息之间存在着密切的联系生物分子信息的特征生物分子信息数据量大159第三节生物信息学主要研究内容1、

生物分子数据的收集与管理2、数据库搜索及序列比较3、基因组序列分析4、基因表达数据的分析与处理5、蛋白质功能分析1、生物分子数据的收集与管理160基因组数据库蛋白质序列数据库蛋白质结构数据库DDBJEMBLGenBankUniProt

PDBPIR1、生物分子数据的收集与管理基因组蛋白质蛋白质DDBJEMBLGenBankUniPro1612、数据库搜索及序列比较

搜索同源序列在一定程度上就是通过序列比较寻找相似序列序列比较的一个基本操作就是比对（Alignment），即将两个序列的各个字符（代表核苷酸或者氨基酸残基）按照对应等同或者置换关系进行对比排列，其结果是两个序列共有的排列顺序，这是序列相似程度的一种定性描述多重序列比对研究的是多个序列的共性。序列的多重比对可用来搜索基因组序列的功能区域，也可用于研究一组蛋白质之间的进化关系。2、数据库搜索及序列比较搜索同源序列在一定程度上就是通过162发现同源分子发现同源分子1633、基因组序列分析

遗传语言分析——天书基因组结构分析基因识别基因功能注释基因调控信息分析基因组比较3、基因组序列分析遗传语言分析——天书1644、基因表达数据的分析与处理基因表达数据分析是目前生物信息学研究的热点和重点目前对基因表达数据的处理主要是进行聚类分析，将表达模式相似的基因聚为一类，在此基础上寻找相关基因，分析基因的功能所用方法主要有：相关分析方法模式识别技术中的层次式聚类方法人工智能中的自组织映射神经网络主元分析方法4、基因表达数据的分析与处理基因表达数据分析是目前生物信息学165基因芯片基因芯片166生物信息学绪论课件167层次式聚类层次式聚类168二维电泳图二维电泳图169生物信息学研究蛋白质结构及功能关系研究蛋白质的进化问题研究蛋白质的性质5、蛋白质功能分析

生物信息学研究蛋白质结构及功能关系研究蛋白质的进化问题研究170蛋白质结构预测分为:二级结构预测空间结构预测蛋白质折叠蛋白质的生物功能由蛋白质的结构所决定，蛋白质结构预测成为了解蛋白质功能的重要途径蛋白质结构蛋白质序列蛋白质功能关系研究蛋白质结构及功能关系蛋白质结构预测分为:蛋白质折叠蛋白质的生物功能由蛋白质的结构171研究蛋白质的进化问题研究不同蛋白质之间的进化关系研究蛋白质的进化问题172研究蛋白质的性质理化性质（亲水和疏水性、分子量、等电点预测等）生物学功能预测（信号通路、蛋白互作、功能位点、跨膜区、信号肽、亚细胞定位预测等）研究蛋白质的性质理化性质（亲水和疏水性、分子量、等电点预测等173第四节生物信息学当前的主要任务

纵观当今生物信息学界的现状，可以发现，大部分人都把注意力集中在基因组学、蛋白质组学、蛋白质结构以及与之相结合的药物设计上最新：RNA组学和转录组学第四节生物信息学当前的主要任务纵观当今生物信息学174Structure&FunctionPathways&PhysiologyPopulations&EvolutionEcosystemsGenomesGeneProducts后基因组时代HGP完成，我们进入“后基因组学”(post-genomics)时代Structure&FunctionPathways&1751.基因组学

1.1新基因的发现

通过计算分析从EST（ExpressedSequenceTags）序列库中拼接出完整的新基因编码区，也就是通俗所说的“电子克隆”；通过计算分析从基因组DNA序列中确定新基因编码区，经过多年的积累，已经形成许多分析方法，如根据编码区具有的独特序列特征、根据编码区与非编码区在碱基组成上的差异、根据高维分布的统计方法、根据神经网络方法、根据分形方法和根据密码学方法等。1.基因组学1.1新基因的发现通过计算分析从176功能基因组学

基因组学研究重心已开始从揭示生命的所有遗传信息转移到在分子整体水平对功能的研究上,即功能基因组学（functionalgenomics）功能基因组的任务是进行基因组功能注释（Genomeannotation）认识基因与疾病的关系掌握基因的产物及其在生命活动中的作用功能基因组学基因组学研究重心已开始从揭示生命的所有遗传信息1771.2非蛋白编码区生物学意义的分析

1.2非蛋白编码区生物学意义的分析178非蛋白编码区约占人类基因组的99%，其生物学意义目前尚不是很清楚，但从演化观点来看，其中必然蕴含着重要的生物学功能，由于它们并不编码蛋白，一般认为，它们的生物学功能可能体现在对基因表达的时空调控上。对非蛋白编码区进行生物学意义分析的策略有两种，一种是基于已有的已经为实验证实的所有功能已知的DNA元件的序列特征，预测非蛋白编码区中可能含有的功能已知的DNA元件，从而预测其可能的生物学功能，并通过实验进行验证；另一种则是通过数理理论直接探索非蛋白编码区的新的未知的序列特征，并从理论上预测其可能的信息含义，最后同样通过实验验证。非蛋白编码区约占人类基因组的99%，其生物学意义目前尚1791.3基因组整体功能及其调节网络的系统把握

把握生命的本质，仅仅掌握基因组中部分基因的表达调控是远远不够的，因为生命现象是基因组中所有功能单元相互作用共同制造出来的。基因芯片技术由于可以监测基因组在各种时间断面上的整体转录表达状况，因此成为该领域中一项非常重要和关键的实验技术，对该技术所产生的大量实验数据进行高效分析，从中获得基因组运转以及调控的整体系统的机制或者是网络机制，便成了生物信息学在该领域中首先要解决的问题。1.3基因组整体功能及其调节网络的系统把握把握生命1801.4基因组演化与物种演化

1.4基因组演化与物种演化181人类基因组与其它生物基因组比较比较基因组学

人类基因组与其它生物基因组比较比较基因组学182例：人与鼠染色体的差别人和老鼠的DNA的有95%以上是相同的从基因角度很难判断：是人，是鼠？例：人与鼠染色体的差别人和老鼠的DNA的有95%以上是相同的183尽管已经在分子演化方面取得了许多重要的成就，但仅仅依靠某些基因或者分子的演化现象，就想阐明物种整体的演化历史似乎不太可靠。例如，智人与黑猩猩之间有98%-99%的结构基因和蛋白质是相同的，然而表型上却具有如此巨大的差异，这就不能不使我们联想到形形色色千差万别的建筑楼群，它们的外观如此不同，但基础的部件组成却是几乎一样的，差别就在于这些基础部件的组织方式不同，这就提示我们基因组整体组织方式而不仅仅是个别基因在研究物种演化历史中的重要作用。由于基因组是物种所有遗传信息的储藏库，从根本上决定着物种个体的发育和生理，因此，从基因组整体结构组织和整体功能调节网络方面，结合相应的生理表征现象，进行基因组整体的演化研究，将是揭示物种真实演化历史的最佳途径。尽管已经在分子演化方面取得了许多重要的成就，但仅仅依靠1842、蛋白质组学

2、蛋白质组学185基因组对生命体的整体控制必须通过它所表达的全部蛋白质来执行，由于基因芯片技术只能反映从基因组到RNA的转录水平上的表达情况，由于从RNA到蛋白质还有许多中间环节的影响，因此仅凭基因芯片技术我们还不能最终掌握生物功能具体执行者——蛋白质的整体表达状况；因此，近几年在发展基因芯片的同时，人们也发展了一套研究基因组所有蛋白质产物表达情况——蛋白质组研究技术，从技术上来讲包括二维凝胶电泳技术和质谱测序技术。通过二维凝胶电泳技术可以获得某一时间截面上蛋白质组的表达情况，通过质谱测序技术就可以得到所有这些蛋白质的序列组成。这些都是技术实现问题，最重要的就是如何运用生物信息学理论方法去分析所得到的巨量数据，从中还原出生命运转和调控的整体系统的分子机制。基因组对生命体的整体控制必须通过它所表达的全部蛋白质来186差异表达蛋白的鉴定Back差异表达蛋白的鉴定Back187基因组和蛋白质组研究的迅猛发展，使许多新蛋白序列涌现出来，然而要想了解它们的功能，只有氨基酸序列是远远不够的，因为蛋白质的功能是通过其三维高级结构来执行的，而且蛋白质三维结构也不一定是静态的，在行使功能的过程中其结构也会相应的有所改变。因此，得到这些新蛋白的完整、精确和动态的三维结构就成为摆在我们面前的紧迫任务。目前除了通过诸如X射线晶体结构分析、多维核磁共振（NMR）波谱分析和电子显微镜二维晶体三维重构（电子晶体学，EC）等物理方法得到蛋白质三维结构之外3、蛋白质结构

基因组和蛋白质组研究的迅猛发展，使许多新蛋白序列涌现出来188另外一种广泛使用的方法就是通过计算机辅助预测的方法，目前，一般认为蛋白质的折叠类型只有数百到数千种，远远小于蛋白质所具有的自由度数目，而且蛋白质的折叠类型与其氨基酸序列具有相关性，这样就有可能直接从蛋白质的氨基酸序列通过计算机辅助方法预测出蛋白质的三维结构另外一种广泛使用的方法就是通过计算机辅助预测的方法，目前1894、新药设计

4、新药设计190生物信息学与新药研制未来的药物研究过程将是基于生物信息知识挖掘的过程数据处理和关联分析发现药物作用对象确定靶目标分子针对靶目标进行合理的药物设计生物信息学与新药研制数据处理和发现药物确定靶目标针对靶目标191基于生物信息学的新药设计基于生物信息学的新药设计192生物信息学与疾病检测基因组计划产生的基因及基因多态性数据与临床医学检验结果之间的关系需要利用生物信息学的方法去分析、去揭示根据这样的分析结果，科学家能够更准确地了解疾病产生的根本原因，更精确地预测某个人患癌症、糖尿病或者心脏病的可能性，从而彻底改变我们诊断、治疗和预防疾病的方式生物信息学与疾病检测基因组计划产生的基因及基因多态性数据与临193但生物信息学的任务远不止于此。在以上工作的基础上，最重要的是如何运用数理理论成果对生物体进行完整系统的数理模型描述，使得人类能够从一个更加明确的角度和一个更加易于操作的途径来认识和控制自身以及所有其他的生命体最新：RNA组学和转录组学但生物信息学的任务远不止于此。在以上工作的基础上，最重194生物信息学研究意义生物信息学将是21世纪生物学的核心

认识生物本质了解生物分子信息的组织和结构，破译基因组信息，阐明生物信息之间的关系改变生物学的研究方式改变传统研究方式，引进现代信息学方法在医学上的重要意义为疾病的诊断和治疗提供依据为设计新药提供依据生物信息学研究意义生物信息学将是21世纪生物学的核心认识生195实验永远起着决定作用计算/理论生物学的发展离不开实验生物学的贡献实验生物学日益依赖计算/理论生物学的指导21世纪生命科学理