生物信息學研究方法

A. 生物信息學有哪些方面的應用

1,測序與序列比對(Sequence Alignment)
測序是生物信息學的基礎和主要數據來源，可以是人類數據也可以是其他的數據。序列比對的基本問題是比較兩個或兩個以上符號序列的相似性或不相似性.從生物學的初衷來看,這一問題包含了以下幾個意義:從相互重疊的序列片斷中重構DNA的完整序列.在各種試驗條件下從探測數據(probe data)中決定物理和基因圖存貯,遍歷和比較資料庫中的DNA序列比較兩個或多個序列的相似性在資料庫中搜索相關序列和子序列尋找核苷酸(nucleotides)的連續產生模式找出蛋白質和DNA序列中的信息成分序列比對考慮了DNA序列的生物學特性,如序列局部發生的插入,刪除(前兩種簡稱為indel)和替代,序列的目標函數獲得序列之間突變集最小距離加權和或最大相似性和,對齊的方法包括全局對齊,局部對齊,代溝懲罰等.兩個序列比對常採用動態規劃演算法,這種演算法在序列長度較小時適用,然而對於海量基因序列(如人的DNA序列高達109bp),這一方法就不太適用,甚至採用演算法復雜性為線性的也難以奏效.因此,啟發式方法的引入勢在必然,著名的BALST和FASTA演算法及相應的改進方法均是從此前提出發的.

2, 蛋白質結構比對和預測

基本問題是比較兩個或兩個以上蛋白質分子空間結構的相似性或不相似性.蛋白質的結構與功能是密切相關的,一般認為,具有相似功能的蛋白質結構一般相似.蛋白質是由氨基酸組成的長鏈,長度從50到1000~3000AA(Amino Acids),蛋白質具有多種功能,如酶,物質的存貯和運輸,信號傳遞,抗體等等.氨基酸的序列內在的決定了蛋白質的3維結構.一般認為,蛋白質有四級不同的結構.研究蛋白質結構和預測的理由是:醫葯上可以理解生物的功能,尋找dockingdrugs的目標,農業上獲得更好的農作物的基因工程,工業上有利用酶的合成.直接對蛋白質結構進行比對的原因是由於蛋白質的3維結構比其一級結構在進化中更穩定的保留,同時也包含了較AA序列更多的信息.蛋白質3維結構研究的前提假設是內在的氨基酸序列與3維結構一一對應(不一定全真),物理上可用最小能量來解釋.從觀察和總結已知結構的蛋白質結構規律出發來預測未知蛋白質的結構.同源建模(homology modeling)和指認(Threading)方法屬於這一范疇.同源建模用於尋找具有高度相似性的蛋白質結構(超過30%氨基酸相同),後者則用於比較進化族中不同的蛋白質結構.然而,蛋白結構預測研究現狀還遠遠不能滿足實際需要.
3, 基因識別,非編碼區分析研究.

基因識別的基本問題是給定基因組序列後,正確識別基因的范圍和在基因組序列中的精確位置.非編碼區由內含子組成(introns),一般在形成蛋白質後被丟棄,但從實驗中,如果去除非編碼區,又不能完成基因的復制.顯然,DNA序列作為一種遺傳語言,既包含在編碼區,又隱含在非編碼序列中.分析非編碼區DNA序列目前沒有一般性的指導方法.在人類基因組中,並非所有的序列均被編碼,即是某種蛋白質的模板,已完成編碼部分僅占人類基因總序列的3~5%,顯然,手工的搜索如此大的基因序列是難以想像的.偵測密碼區的方法包括測量密碼區密碼子(codon)的頻率,一階和二階馬爾可夫鏈,ORF(Open Reading Frames),啟動子(promoter)識別,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等.

4, 分子進化和比較基因組學

分子進化是利用不同物種中同一基因序列的異同來研究生物的進化,構建進化樹.既可以用DNA序列也可以用其編碼的氨基酸序列來做,甚至於可通過相關蛋白質的結構比對來研究分子進化,其前提假定是相似種族在基因上具有相似性.通過比較可以在基因組層面上發現哪些是不同種族中共同的,哪些是不同的.早期研究方法常採用外在的因素,如大小,膚色,肢體的數量等等作為進化的依據.近年來較多模式生物基因組測序任務的完成,人們可從整個基因組的角度來研究分子進化.在匹配不同種族的基因時,一般須處理三種情況:Orthologous: 不同種族,相同功能的基因；Paralogous: 相同種族,不同功能的基因；Xenologs: 有機體間採用其他方式傳遞的基因,如被病毒注入的基因.這一領域常採用的方法是構造進化樹,通過基於特徵(即DNA序列或蛋白質中的氨基酸的鹼基的特定位置)和基於距離(對齊的分數)的方法和一些傳統的聚類方法(如UPGMA)來實現.
5, 序列重疊群(Contigs)裝配
根據現行的測序技術,每次反應只能測出500 或更多一些鹼基對的序列,如人類基因的測量就採用了短槍(shortgun)方法,這就要求把大量的較短的序列全體構成了重疊群(Contigs).逐步把它們拼接起來形成序列更長的重疊群,直至得到完整序列的過程稱為重疊群裝配.從演算法層次來看,序列的重疊群是一個NP-完全問題.
6, 遺傳密碼的起源
通常對遺傳密碼的研究認為,密碼子與氨基酸之間的關系是生物進化歷史上一次偶然的事件而造成的,並被固定在現代生物的共同祖先里,一直延續至今.不同於這種"凍結"理論,有人曾分別提出過選擇優化,化學和歷史等三種學說來解釋遺傳密碼.隨著各種生物基因組測序任務的完成,為研究遺傳密碼的起源和檢驗上述理論的真偽提供了新的素材.

7, 基於結構的葯物設計
人類基因工程的目的之一是要了解人體內約10萬種蛋白質的結構,功能,相互作用以及與各種人類疾病之間的關系,尋求各種治療和預防方法,包括葯物治療.基於生物大分子結構及小分子結構的葯物設計是生物信息學中的極為重要的研究領域.為了抑制某些酶或蛋白質的活性,在已知其蛋白質3級結構的基礎上,可以利用分子對齊演算法,在計算機上設計抑制劑分子,作為候選葯物.這一領域目的是發現新的基因葯物,有著巨大的經濟效益.
8.生物系統的建模和模擬
隨著大規模實驗技術的發展和數據累積，從全局和系統水平研究和分析生物學系統，揭示其發展規律已經成為後基因組時代的另外一個研究 熱點-系統生物學。目前來看，其研究內容包括生物系統的模擬（Curr Opin Rheumatol，2007，463-70），系統穩定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系統魯棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）為代表的建模語言在迅速發展之中，以布爾網路 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、隨機過程（Neural Comput，2007，3262-92）、離散動態事件系統等（Bioinformatics，2007，336-43）方法在系統分析中已經得到應 用。很多模型的建立借鑒了電路和其它物理系統建模的方法，很多研究試圖從信息流、熵和能量流等宏觀分析思想來解決系統的復雜性問題（Anal Quant Cytol Histol，2007，296-308）。當然，建立生物系統的理論模型還需要很長時間的努力，現在實驗觀測數據雖然在海量增加，但是生物系統的模型辨 識所需要的數據遠遠超過了目前數據的產出能力。例如，對於時間序列的晶元數據，采樣點的數量還不足以使用傳統的時間序列建模方法，巨大的實驗代價是目前系 統建模主要困難。系統描述和建模方法也需要開創性的發展。
9.生物信息學技術方法的研究
生物信息學不僅僅是生物學知識的簡單整理和、數學、物理學、信息科學等學科知識的簡單應用。海量數據和復雜的背景導致機器學習、統 計數據分析和系統描述等方法需要在生物信息學所面臨的背景之中迅速發展。巨大的計算量、復雜的雜訊模式、海量的時變數據給傳統的統計分析帶來了巨大的困難， 需要像非參數統計（BMC Bioinformatics，2007，339）、聚類分析（Qual Life Res，2007，1655-63）等更加靈活的數據分析技術。高維數據的分析需要偏最小二乘（partial least squares，PLS）等特徵空間的壓縮技術。在計算機演算法的開發中，需要充分考慮演算法的時間和空間復雜度，使用並行計算、網格計算等技術來拓展演算法的 可實現性。
10, 生物圖像
沒有血緣關系的人，為什麼長得那麼像呢？
外貌是像點組成的，像點愈重合兩人長得愈像，那兩個沒有血緣關系的人像點為什麼重合？
有什麼生物學基礎？基因是不是相似？我不知道，希望專家解答。
11, 其他
如基因表達譜分析,代謝網路分析;基因晶元設計和蛋白質組學數據分析等,逐漸成為生物信息學中新興的重要研究領域;在學科方面,由生物信息學衍生的學科包括結構基因組學,功能基因組學,比較基因組學,蛋白質學,葯物基因組學,中葯基因組學,腫瘤基因組學,分子流行病學和環境基因組學,成為系統生物學的重要研究方法.從現在的發展不難看出,基因工程已經進入了後基因組時代.我們也有應對與生物信息學密切相關的如機器學習,和數學中可能存在的誤導有一個清楚的認識.

B. 生物信息學的研究

在傳統生物學領域中，其實蠻多人不想承認生物信息學屬於生物學的~

C. 生物信息學研究的內容

生物信息學的主要研究內容

1、序列比對（Alignment）

基本問題是比較兩個或兩個以上符號序列的相似性或不相似性。序列比對是生物信息學的基礎，非常重要。兩個序列的比對有較成熟的動態規劃演算法，以及在此基礎上編寫的比對軟體包BLAST和FASTA，可以免費下載使用。這些軟體在資料庫查詢和搜索中有重要的應用。

2、結構比對

基本問題是比較兩個或兩個以上蛋白質分子空間結構的相似性或不相似性。已有一些演算法。

3、蛋白質結構預測，包括2級和3級結構預測，是最重要的課題之一

從方法上來看有演繹法和歸納法兩種途徑。前者主要是從一些基本原理或假設出發來預測和研究蛋白質的結構和折疊過程。分子力學和分子動力學屬這一范疇。後者主要是從觀察和總結已知結構的蛋白質結構規律出發來預測未知蛋白質的結構。同源模建（Homology）和指認（Threading）方法屬於這一范疇。雖然經過30餘年的努力，蛋白結構預測研究現狀遠遠不能滿足實際需要。

4、計算機輔助基因識別(僅指蛋白質編碼基因)。最重要的課題之一

基本問題是給定基因組序列後，正確識別基因的范圍和在基因組序列中的精確位置.這是最重要的課題之一，而且越來越重要。經過20餘年的努力，提出了數十種演算法，有十種左右重要的演算法和相應軟體上網提供免費服務。原核生物計算機輔助基因識別相對容易些，結果好一些。從具有較多內含子的真核生物基因組序列中正確識別出起始密碼子、剪切位點和終止密碼子，是個相當困難的問題，研究現狀不能令人滿意，仍有大量的工作要做。

5、非編碼區分析和DNA語言研究，是最重要的課題之一

在人類基因組中，編碼部分進展總序列的3~5%，其它通常稱為「垃圾」DNA，其實一點也不是垃圾，只是我們暫時還不知道其重要的功能。分析非編碼區DNA序列需要大膽的想像和嶄新的研究思路和方法。DNA序列作為一種遺傳語言，不僅體現在編碼序列之中，而且隱含在非編碼序列之中。

6、分子進化和比較基因組學，是最重要的課題之一

早期的工作主要是利用不同物種中同一種基因序列的異同來研究生物的進化，構建進化樹。既可以用DNA序列也可以用其編碼的氨基酸序列來做，甚至於可通過相關蛋白質的結構比對來研究分子進化。以上研究已經積累了大量的工作。近年來由於較多模式生物基因組測序任務的完成，為從整個基因組的角度來研究分子進化提供了條件。

7、序列重疊群（Contigs）裝配

一般來說，根據現行的測序技術，每次反應只能測出500或更多一些鹼基對的序列，這就有一個把大量的較短的序列全體構成了重疊群（Contigs）。逐步把它們拼接起來形成序列更長的重疊群，直至得到完整序列的過程稱為重疊群裝配。拼接EST數據以發現全長新基因也有類似的問題。已經證明，這是一個NP-完備

性演算法問題。

8、遺傳密碼的起源

遺傳密碼為什麼是現在這樣的？這一直是一個謎。一種最簡單的理論認為，密碼子與氨基酸之間的關系是生物進化歷史上一次偶然的事件而造成的，並被固定在現代生物最後的共同祖先里，一直延續至今。不同於這種「凍結」理論，有人曾分別提出過選擇優化、化學和歷史等三種學說來解釋遺傳密碼。隨著各種生物基因組測序任務的完成，為研究遺傳密碼的起源和檢驗上述理論的真偽提供了新的素材。

9、基於結構的葯物設計。是最重要的課題之一

人類基因組計劃的目的之一在於闡明人的約10萬種蛋白質的結構、功能、相互作用以及與各種人類疾病之間的關系，尋求各種治療和預防方法，包括葯物治療。基於生物大分子結構的葯物設計是生物信息學中的極為重要的研究領域。為了抑制某些酶或蛋白質的活性，在已知其3級結構的基礎上，可以利用分子對接演算法，在計算機上設計抑制劑分子，作為候選葯物。這種發現新葯物的方法有強大的生命力，也有著巨大的經濟效益

D. 生物信息學的研究方向

生物信息學在短短十幾年間，已經形成了多個研究方向，以下簡要介紹一些主要的研究重點。 如基因表達譜分析，代謝網路分析；基因晶元設計和蛋白質組學數據分析等，逐漸成為生物信息學中新興的重要研究領域；在學科方面，由生物信息學衍生的學科包括結構基因組學，功能基因組學，比較基因組學，蛋白質學，葯物基因組學，中葯基因組學，腫瘤基因組學，分子流行病學和環境基因組學，成為系統生物學的重要研究方法。從發展不難看出，基因工程已經進入了後基因組時代。我們也有應對與生物信息學密切相關的如機器學習，和數學中可能存在的誤導有一個清楚的認識。

E. 用生物信息學的方法有哪些重大發現

不能過於誇大生物信息的作用，也不能否認生物信息學方法和實驗相結合做出的巨大貢獻。生信分析和實驗分析的本質是一樣的，就是對實驗產生的數據進行定性定量的分析，再進一步的驗證，得到相對更有力的結論。單獨把生物信息拿出來，刨除實驗說生物信息的巨大發現是不行的。舉一個簡單的例子，2009年後火了很大一陣的TALEN基因組編輯技術是兩篇背靠背的文章，一個用的實驗的方法，一個用的生物信息學的方法，發現TAL蛋白能夠特異性的結合DNA序列。後面的各種基因編輯文章，以及蛋白結構解析。後面Crisper技術的發現，取代了TALEN，這是後話。人類基因組計劃，蛋白組計劃，癌症基因組計劃，等等各種高通量的計劃，這些都不能說絕對是生物信息學的發現，但可以說生物信息學起到了不可替代的作用。生物信息學已經滲透到多數生物醫學的研究中，從遺傳，表觀遺傳，分子生物學，進化生物學，結構生物學等等基礎領域。也迅速的應用於動植物育種，疾病診斷，葯物的研發中。換句話來說，一切需要高通量的來解決生物學問題的時候，生物信息學就要出來大顯身手了。生物+互聯網怎麼玩,靠生物信息學！作為一個生物領域最靈活，最多態，最能包容，動態變化的方向(參加生信方面的會議最大的感受就是做生物信息的人背景迥異，學物理的，學計算機的，做實驗的，學進化的都在做自己的生物信息學)，相信會有一天，基本的生物信息學技能包括編程，以及常規的測序數據分析會是每個生物學研究人員的必備技能。

F. 目前常用生物信息學分析方法有哪些

現在比較熱門的資料庫包括GEO、TCGA
GEO分析主要是晶元做差異分析，得到差異基因，差異基因可以做GO、KEGG功能富集分析
TCGA資料庫是癌症分析的利器，可以做差異基因，差異miRNA，差異lncRNA，下載和整理臨床數據，做生存分析，高難度的COX分析
這兩個資料庫可以發到不錯的文章

G. 生物信息學研究的基本方法是什麼

可咨詢上海豐核信息科技有限公司 他們是專業做生物信息學數據分析的
www.microsci.com
聯系方式 [email protected]

H. 生物信息學的研究方法

以數據（庫）為核心
1 資料庫的建立
2 生物學數據的檢索
3 生物學數據的處理
4 生物學數據的利用：計算生物學

I. 生物信息學的研究方法及內容

 免費預覽本文檔（全文）
內容不如意？提出您的需求！ 如何保證手機能下載並編輯
百萬小說圖書免費閱讀
申明敬告：本站不保證該用戶上傳的文檔完整性，不預覽、不比對內容而直接下載產生的反悔... 展開↓
文檔介紹：生物信息學 生物信息學 說文解字：生物 + 信息 + 學 (bioinformatics) biology + information + theory 廣義 應用信息科學的方法和技術，研究生物體系和生物過程中信息的存貯、信息的內涵和信息的傳遞，研究和分析生物體細胞、組織、器官的生理、病理、葯理過程中的各種生物信息，或者也可以說成是生命科學中的信息科學。 狹義 應用信息科學的理論、方法和技術，管理、分析和利用生物分子數據。 生命信息系統 生物所處的時空系統 物質系統，信息傳遞與控制，能量 相關學科圖示 廣義概念圖示 狹義概念圖示 總結：生物信息學 生物信息學(Bioinformatics) 是一門新興的交叉學科，是生命科學領域中的新興學科，面對人類基因組計劃等各種項目所產生的龐大的分子生物學信息，生物信息學的重要性將越來越突出，它將會為生命科學的研究帶來革命性的變革。 生物信息學是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。 生物信息學是當今生命科學和自然科學的重大前沿領域之一，同時也將是21世紀自然科學的核心領域之一，其研究重點主要體現在基因組學(Genomics)和蛋白組學(Proteomics) 。 生物學基礎速遞 細胞(分子水平) 個體生命 生命之樹 生命的分子基礎 細胞/分子水平 DNA/RNA 蛋白質 糖 脂類 DNA結構和鹼基互補原理 中心法則 生物信息學的歷史 從人類基因組計劃（HGP）說起 生物信息學的發展歷史 20世紀50年代，生物信息學開始孕育 20世紀60年代，生物分子信息在概念上將計算 生物學和計算機科學聯系起來 20世紀70年代，生物信息學的真正開端 20世紀70年代到80年代初期 ，出現了一系列著 名的序列比較方法和生物信息分析方法 20世紀80年代以後，出現一批生物信息服務機 構和生物信息資料庫 20世紀90年代後