中国科技大学课件系列：《生物信息学》

生物信息学

(Bioinformatics)第一章：概论背景人类基因组计划(HumanGenomeProject,HGP)：1990年正式启动，旨在完成人类基因组约30亿个碱基的全序列测定。

海量生物数据的迅速膨胀：DNA、RNA和蛋白质序列，蛋白质二级结构和三维结构数据，蛋白质相互作用数据等。

对大量生物数据的管理、分析和信息化需求促进了生物信息学的迅速发展。人类基因组计划

HGP(HumanGenomeProject)由美国NIH和能源部提出和带头，美、英、德、法、日、中共同参与的国际合作项目。重大国际研究项目：测定人类基因组全部DNA序列，构建人类基因组遗传图谱和物理图谱。1990年：正式启动，30亿美元。2001年：人类基因组草图公开发表。2003年：美国宣布该项目完成。生物信息学定义的历史演变定义一：生物信息学是一门收集、分析遗传数据以及分发给研究机构的新学科（Bioinformaticsisanewsubjectofgeneticdatacollection,analysisanddisseminationtotheresearchcommunity）。(Dr.HwaA.Lim，1987)定义二：生物信息学特指数据库类的工作，包括持久稳固的在一个稳定的地方提供对数据的支持（Bioinformaticsreferstodatabase-likeactivities,involvingpersistentsetsofdatathataremaintainedinaconsistentstateoveressentiallyindefiniteperiodsoftime）。(Dr.HwaA.Lim，1994)定义三：生物信息学是在大分子方面的概念型的生物学，并且使用了信息学的技术，这包括了从应用数学、计算机科学以及统计学等学科衍生而来各种方法，并以此在大尺度上来理解和组织与生物大分子相关的信息。(Luscombe,2001)什么是生物信息学？Bioinformaticsisthefieldofscienceinwhichbiology,computerscience,andinformationtechnologymergeintoasinglediscipline.Theultimategoalofthefieldistoenablethediscoveryofnewbiologicalinsightsaswellastocreateaglobalperspectivefromwhichunifyingprinciplesinbiologycanbediscerned.Biologyinthe21stcenturyisbeingtransformedfromapurelylab-basedsciencetoaninformationscienceaswell.

fromNCBI’sscienceprimer什么是生物信息学？生物信息学是一门交叉学科，它包含了生物信息的获取、处理、存储、分发、分析和解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量数据所包含的生物学意义。(美国人类基因组计划第一个五年总结报告，1995)广义生物信息学观点Biologymaybeviewedasthestudyoftransmissionofinformation:frommothercelltodaughtercell,fromonecellortissuetypetoanother,fromonegenerationtothenext,andfromonespeciestoanother.Thisinformationalviewpointistermedbioinformatics.生物学研究可以被看成是研究信息的传递：从DNA经转录翻译到蛋白质，从细胞质中到细胞核内，从母细胞到子细胞，从一个细胞或一个组织到另一个细胞或另一个组织，从一代到下一代，从一个物种到另一个物种的进化演变。这种信息论的观点即可称为生物信息学。

(Bioinformaticchallengesforthenextdecade(s),DavidEisenbergetal.,2006)生物信息学的主要研究内容生物信息的存储与查询；序列比对；基因预测及基因组分析；分子进化与系统发育分析；RNA结构预测；蛋白质结构预测；分子设计与药物设计；生物网络；生物芯片；生物娘信息谊学的常发展蹄历程19嘉52年，Sa炊ng棍er根据狸胰岛却素蛋舞白质暑的测痕序结响果，优推断欧蛋白臂质是格排列香完美疯的分箭子。-最早讯的信记息论消观点锦。19尿55年，Sa宴ng衡er与合乎作者嘉分别吩对牛中、猪硬和羊面的胰诸岛素巴蛋白蹄质进适行了考测序防并做攀了序助列上葛的比黑较。-最早鲜的序呀列比步对。19雪62年，摘鲍林坛提出真分子荷进化水的理躬论，恭推测性在人矩中可村能存尺在50类,0繁00煤~1妹00舰,0嫌00个不怠同的绑基因/蛋白不质。-分子塔进化迹理论吵的奠肚定。19窄65年，Ma共rg行ar翠et榆D召ay另ho京ff构建啊蛋白扯质序血列图猛谱19尼70年，Ne互ed娃le伍ma父n-植Wu鞋ns誓ch算法暴：全筐局优她化比挂对。19竹81年，Sm捕it浅h-响Wa臂te兵rm膛an算法陪开发特：局混部优饶化比裙对。19粒90年，距快速精序列访相似具性搜可索工舍具BL逼AS依T的开券发生物忘信息记学发轧展过倒程中纹的里盈程碑谷性事打件过去20年的继发展张状况最早婆的序只列分昆析：讯胰岛携素蛋熄白质In忠su窝li乓n非Ch熟ai鸦n笼A:股8窗-1佩0位存轮在着给不同过（牛京，AS躲V；猪看，TS北I；羊倒，AG某V）(Br床ow君net每a狂l.,私19星55)。Ma以de巩b两y缓Ge怠ne征Do骄c不同民物种你的系悔统发激育分建析80年代字：DN季A序列此数据阳库1.包1誓97堤4年，Ge竹or南ge典I俩.B样el示l等人禽收集DN息A序列最，构酿建Ge慎nB冒an游k数据泛库。19睡82戴~1树99毒2开发群第一镜个版糕本。2.用1蛋98夹0年，EM早BL数据烧库成你立。3.璃1胡98作4年，泪日本DD旱BJ数据机库成锤立。4.核酸岔序列尺数据括的去穗冗余总：Re啊fs薄eq数据畅库，税对于铃相同舒的序倡列只蜓列一斤条目认录。核酸优数据撞库数摩据的显增长获取享序列梳及检加索公趣共数租据库1.业N档CB烟I：En音tr艰ez的开供发，D.忠Li灯pm邪an等人冷。2.提供怜关键恳字的液搜索摔的方音法。3.授“硬搜泡索”:包含犁关键紧字的拒，完夏全匹榆配的少结果昨。4.佛“软搜宇索”:与查翻询内鉴容相墨关的退信息鬼。5.查询阅内容艳：基燥因/蛋白党质的初名称芳、标犯识符蔬，文角献、注蛋白溪质结役构，类等等证。序列樱比对姑工具暖的开电发1.绵1拥97跟0年，Gi锤bb枣s塞AJ和Mc烛In扫ty纽奉re经G分A，点艇阵法寨进行减氨基洁酸和催核酸墓的序巨列比答较：粘当相绵同的钱字母嘉在两氧条序吩列中丛同时震出现辽时，哀在交龄叉处虑置点俩。2.英1应97比0年，Ne道ed忧le仔ma滔n-祸Wu血ns泉ch，全窝局优晓化的疫序列延比对搅算法笔：允丽许匹警配、井错配联和缺楼失。望动态倚规划醋的算应法：委任务蒜可分浮割，贴分成听更小兆的子惹问题斗进行可解决贤。3.唇1日98艘1年，Sm嚷it译h-摸Wa淘te剖rm随an，局拉部优欲化的钉序列怒比对形算法荐。4.向F曾AS具TA余&遥B说LA隆ST的开历发，羡启发兽式优况化算禾法。5.多序爆列比蒙对：CL酿us扇ta睡lW居/X怒,坐PO室A,偶M慌US唇CL跌E.AGCTAGGAGACTAGGC两条DN沈A序列贵的点案阵法负比较Ne仅ed岛le仆ma取n-估Wu追ns兵ch算法GA穗TC假TAGA仰TC哲A全局蛙优化vs升.局部智优化ACTGTTCCGAA……AGCCTGA……ACTACTG…100kbp……100kbp…ACGCCTGACTGTTCCGAA……AGCCTGA……ACTACTG…100kbp……100kbp…AC---…---GCC---…---TG全局优化ACTGTTCCGAA……A-GCCTGA……ACTACTG…100kbp……100kbp…ACGCCTG局部优化数据厚库中携搜索哥相似峡序列通过兼搜索票数据最库中幅相似禾序列潮发现稍基因话功能业。例如聪反转霸录病避毒编辟码的剥致癌忆基因v-冻si书s和v-阀sr煮c通过筝和模搂式生象物已貌知遗钩传或泊生化酿信息厘的基坑因序视列进乱行相良似性园搜索洪，预听测新衫基因适功能柄。FA载ST冲A和BL割AS罚TFA规ST搏A:以几岸个残翻基长默度的’w倾or尿d’为单庭元进祥行检俘索；W.剧P谊ea秆rs地on和D.忙L驴ip泛ma抹n开发酒。BL途AS露T:应用胖最广撇泛的笛序列座相似明性搜赢索工学具，练相比FA烦ST眯A有更北多改疲进，录速度姿更快傍。PS挣I-繁BL旨AS尊T：位凭点特裹异性栽迭代BL林AS振TPH锅I-隶BL亭AS镇T：模帜式发升现迭金代BL忽AS刺T基于垒序列燃信息介研究号分子哀进化1.构建玩进化葛树，岸分析购蛋白部质的薯超家贼族及蛮亚家晃族分冈类。2.寻找Or吹th糟ol猪og哲(直系育同源甚物)或者Pa垦ra蓄lo磁g祸(旁系绸同源晕物)。3.分子筛进化悲树的胜构建码方法碌：邻鄙接法(N槽ei敢gh早bo艇r-赴Jo视in遍in擦g)倒,最大瓦简约兆法(M码ax商im粗um啊P鸦as域im侨on货y)，最离大似粱然性也法(M惰ax犁im建um侧L辟ik衡el疯ih箩oo字d)，以虚及贝湿叶斯斜类算市法(M聪CM美C)。4.构建并进化跪树的自第一滥步：逝可靠蛇的多喝序列买比对粉。RN可A二级鞭结构绳的预肌测1.劲R疯NA分子猫中，精如果揪存在馅重复蔬且反乐向互蹲补，袍则可笋以形饭成发足卡结屋构。2.动态龟规划夏法：哨最多撞配对饲的碱拾基对屯。3.应用稻：构历建RN樱A分子滴数据蒙库。RN霞A的发女卡二膛级结统构蛋白挎质结钉构预玻测大量滩序列舌已知vs.少量凳结构韵解析实验项方法疗测定进：X射线欺晶体之学，兄核磁亦共振约等三级孟结构伟主要罩由一型级序么列决融定。蛋白本质折孕叠的般类型辰相对母有限(~新1,壶00右0)。蛋白化质二私级结妈构的新预测->三级醒结构挡预测基因碗芯片抽提有样本RN壳A，反怨转录游成cD所NA，荧蔑光染存料标历记，醋标记位量与RN柱A约成章正比南；DN亦A样品只与芯呀片上伏探针蹄杂交熔；扫描秋芯片考，测围定荧凳光强本度，屈评估貌检测东样与爸对照工样的仗基因现表达剃量变挺化；生物局信息仗学的孩过去亿、现污在和挎未来生物羞信息谁学：掘学科递交叉生物昨信息藏学的揪相关税知识霸储备1.生物菠学背屈景：e.约g.蓄,分子岛生物得学、饶细胞雄生物么学、宴发育迟生物菠学、烟生物浓化学厨，…2.数学写知识件：概壮率论冶与统蕉计学尽等3.算法掀及编皆程能比力：JA秃VA陷,战Pe蛾rl疮/P冷yt皆ho慢n，PH璃P+微My滩SQ富L,献…生物璃信息尝学的夕常用品算法汇与方既法动态妄规划框算法(D岁yn春am源ic波p蛛ro良gr即am杀mi惠ng护)；贝叶医斯统感计(b五ay脉es隙ia挠n急st场at驼is颠ti泛c)；人工黑神经扇网络(A勿NN贫s)；马尔掠可夫伯模型袭和隐侍马尔走科夫受模型(H影MM睛)；遗传墨算法(G蹦en扇et卫ic灭A俘lg浆or烫it伐hm救)；蒙特森卡洛置方法(M影on辫te躲C泰ar腐lo约)；模拟笨退火蝴算法(S凤im捉ul页at隶ed绳A服nn夸ea丸li按ng栽)；支持饱向量搞机(S阀VM功);…科研姐机构庙及网凉络资辆源中币心NC血BI：美国踢国立店卫生貌研究效院NI惹H下属嗽国立缴生物浊技术虫信息厚中心NC米BI。EM震Bn吐et：欧忌洲分省子生领物学宋网络EM尿BL摩-E飞BI：欧暂洲分棒子生拆物学境实验宋室下牵属欧完洲生仅物信咐息学府研究立所。Ex泛PA孕Sy冠:商(E旱xp迟er羊t句Pr帝ot真ei候n虽An滚al如ys泥is斩S塞ys碎te慎m)瑞士萌生物杠信息品研究煮所SI置B下属似的蛋泻白质绕分析锣专家惑系统肤；科研竹机构蜻及网激络资私源中为心Bi赴oi套nf蠢or要ma柏ti灿cs宪L膨in枪ks及D院ir遇ec帆to育ry：ht送tp薪:/贸/b姐io芬in震fo里rm因at烈ic跪s.叫ca删/l最in丛ks薯_d帐ir干ec午to松ry夏/各种泰数据登库等如PD蔽B究(P晓ro欠te醉in钻D贞at义a些Ba抵nk察)Un贤iP国ro至t数据轮库软件伏资源眯：国内交生物网信息歼中心某举例CB枕IP鬼KU：北级京大岂学生脏物信香息中简心Bi锯oS可in糖o：中单国生哥物信崇息中国团科学湖院上寨海生皂命科王学院侵生物轻信息已中心上海负生物父信息赢技术得研究附中心生物坑信息老学的绕相关堆杂志研究供生物犯信息冤学的顶一般辰步骤1.确立孤研究扶的生著物学累体系患。例敏如：雷生物尚芯片罚数据那分析辛；蛋滔白质亲三级乳结构缴与功漂能；2.确定顾研究若的问遣题。瘦已有预哪些毙计算岸方面春的工严作？耕是否禾需要费实验尘的支胡持？3.构建矿生物茅学/数学遍模型弊，例缸如：li底ga裂nd结合缺位点竹的预也测，待构建瓦特异定性识级别位啦点的绿结构问模式学模型云。4.计算越方法诵的选擦择或从开发菊：HM奔M,鬼S船VM扎,灯AN友N或新众方法登。5.计算讨结果纷分析袜，与停同类踢工具汗做比绒较。摩构建责相应舟的数闯据库/软件/在线砖网站犬等。6.扩展显及应花用：纷有哪饿些用滴处？计算迅生物侄学vs固.生物彩信息眨学计算种生物杏学（Co畜mp恢ut址at匆io宫na伸l歼Bi纱ol刺og珍y）：根株据美伍国国费家卫学生研辨究所袭（NI溉H）的全定义庭，它魄是指唇开发下和应利用数璃据分连析及轰理论茂的方魂法、低数学凶建模取和计超算机删仿真网技术杠，用额于生护物学久、行