- 1. 生物信息学介绍
- 2. 生物信息学:
存储、修复、分析、整合生物数据的学科
分子生物学与信息技术的结合体
研究材料与结果:各种生物学数据
研究工具:网络、计算机
包括生物学和计算两部分
现代生物研究的核心
研究方法:
传统生物学:实验 理论
现代生物学:理论 实验验证
- 3. 基因和生命的关系: 中心法则
基因传递遗传信息(转录),并由蛋白质表达,构成有机体,完成生命的功能
DNA mRNA 蛋白质
蛋白质组(蛋白质protein与基因组genome的杂合)
一种基因组所表达的全套蛋白质,即一种细胞至一种生物所表达的全部蛋白质
蛋白质组学:从蛋白质组的水平研究认识生命活动的机理和疾病发生的分子机制
人类基因组计划(Human Genome PROJECT, HGP)
1986年Americian Rensto Dulbecco 《Science》
阐明人类基因组的全部核苷酸序列,从整体上破译人类遗传信息,在分子水平全面认识自我
- 4. 近期任务大规模基因组测序中的信息分析
新基因和新SNPS(单核苷酸多态性)的发现与鉴定
完整基因组的比较研究
大规模基因功能表达谱的分析
生物大分子的结构模拟与药物设计
- 5. 远期任务读懂人类基因组,发现人类遗传语言的根本规律,从而阐明若干生 物学中的重大自然哲学问题,像生命的起源与进化等。这一研究的关键和核心是了解非编码 区
非编码区信息结构分析
遗传密码起源和生物进化的研究
- 6. 生物学世纪的重大生物学课题生命是什么:生物系统运作机理的更深入探索
基因组中的信息:读懂ACGT序列
氨基酸序列如何编码蛋白质的特性与活性
蛋白质的结构和功能预测
蛋白质怎样实现细胞和有机体的动力学:
生命为什么是蛋白质的运动方式
个体发育和系统发育的法则和机理:
肌体如何长成、运作、衰老和进化
征服疾病:
主要循环系统疾病、癌症、病毒源性疾病、遗传病和衰老
保护和利用生物资源,开发和发展生物产业:
生物学怎样造福人类
- 7. 现在进行的研究 序列比对
系列两两比对
多系列比对
基因组数据分析
序列拼接:通过计算分析从EST库拼接出完整的新基因,即“电子克隆”
新基因发现:根据编码区具有的序列特征等通过计算分析从DNA序列中确定基因编码区
序列同源比较:
Smith-Waterman算法
FASTA
BLAST算法
- 8. 大规模基因表达谱数据分析
重复序列分析
编码区统计特征分析
启动子分析内含子/外显子剪接位点
翻译起始位点和翻译终止信号
tRNA基因识别
DNA序列自身编码特征分析
基因组组织结构和信息结构
不同物种、不同进化水平的生物的相关基因之间进行比较
- 9. 蛋白质结构和功能的预测分析
蛋白质家族保守序列寻找
从氨基酸组成辨识蛋白质
蛋白质二级结构预测
蛋白质的三维结构
蛋白质的物理性质预测
其他特殊局部信息:其它特殊局部结构包括膜蛋白的跨膜螺旋、信号肽、卷曲螺旋(Coiled Coils)等,具有明显的序列特征和结构特征,也可以用计算方法加以预测
- 10. cDNA 芯片相关的数据管理和分析
实验室信息管理系统
基因表达公共数据库
分子进化
- 11. 研究分类序列分析
不基于序列的研究
生物芯片的基因表达谱分析
全基因组关联分析
基因调控网络的反向工程研究
- 12. 数据挖掘技术在生物信息学的应用异质、分布式基因组数据的语义综合
DNA序列的相似性查找和比较
关联分析:识别基因序列的共发生性
路径分析:在疾病发展的不同阶段的相关基因
可视化工具和基因数据分析
- 13. KDD2001年BIOKDD的主题就是“生物信息学中的数据挖掘”
- 14. 现在的工作数据挖掘算法在生物信息学研究中的应用
数据挖掘算法在生物信息学研究中的改进与发展
生物信息学软件的开发
- 15. 基因芯片(microarray)介绍电子技术与生物技术的结合
基因组研究中最实用的部分之一
Affymetrix公司:
1.6cm2 40万位点 每点1000万条探针
- 16. 基因芯片流程(一)1. 实验设计
2. 样品制备(指mRNA或总RNA样品,包括对照组和实验组)
3. 芯片制备(包括PCR,纯化,点样等步骤)
4. 芯片杂交(将mRNA或总RNA分别进行逆转录生成cDNA,在此步骤中将对照组和实验组cDNA分别标记CY3和CY5荧光信号)
5. 芯片扫描(采用激光扫描仪,分别用532nm和635nm波长激光扫描芯片,对于每张芯片,得到CY3和CY5通道两幅图象)
- 17. 基因芯片流程(二)6. 图象处理(采用专门软件,对图象进行分析,提取每个点上的数字信号),得到原始数据表。
7. 数据校正和筛选(对cy5或cy3信号进行校正,消除实验或扫描等各环节因素对数据的影响,同时利用筛选规则对数据中的“坏点”,“小点”,“低信号点”进行筛选,并作标记。)
8. 差异表达基因的确定(采用ratio值对差异基因进行判断,或采用统计方法如线性回归、主成分分析、调整P值算法等对差异基因进行统计推断)
9. 生物信息学分析(如cluster 算法、差异基因的同源性比对,差异基因的相关文献检索等)
- 18. 基因芯片应用基因表达检测
特异性相关的基因:差异表达的基因
基因功能研究
健康状况的检测
毒理学研究
药物作用机制的研究
定位克隆
基因突变和多态性检测
确定重叠群克隆的排序
- 19. 基因芯片产业化现状公司:尖端技术研究和市场化的混合体
美国已有二十多家公司
我国:
首家为联合基因集团
南方病虫害基因
白血病检测
- 20. 基因芯片分析所用到的算法聚类
分类
关联分析
时间序列分析
异常检测
可视化