第一篇：生物信息學論文

淺談生物信息學的發展和前景

摘 要：本文闡述了生物信息學產生的背景，生物學數據庫，生物信息學的主要研究內容，與生物信息學關系密切的數學和計算機科學技術領域，生物信息學產業等內容，展望了其未來并提出了若干在我國發展生物信息學的建議。著重指出，理解大量生物學數據所包括的生物學意義已成為后基因組時代極其重要的課題。生物信息學的作用將日益重要。有理由認為，今日生物學數據的巨大積累將導致重大生物學規律的發現。生物信息學的發展在國內、外基本上都處在起步階段。因此，這是我國生物學趕超世界先進水平的一個百年一遇的極好機會。關鍵字：生物信息學產生背景發展現狀前景

隨著生物科學技術的迅猛發展，生物信息數據資源的增長呈現爆炸之勢，同時計算機運 算能力的提高和國際互聯網絡的發展使得對大規模數據的貯存、處理和傳輸成為可能，為了 快捷方便地對已知生物學信息進行科學的組織、有效的管理和進一步分析利用，一門由生命 科學和信息科學等多學科相結合特別是由分子生物學與計算機信息處理技術緊密結合而形 成的交叉學科——生物信息學(Bioinformatics)應運而生,并大大推動了相關研究的開展,被譽為“解讀生命天書的慧眼”。

一、生物信息學產生的背景

生物信息學是80年代未隨著人類基因組計劃（Human genome project)的啟動而興起的一門新的交叉學科。它通過對生物學實驗數據的獲取、加工、存儲、檢索與分析，進而達到揭示數據所蘊含的生物學意義的目的。由于當前生物信息學發展的主要推動力來自分子生物學，生物信息學的研究主要集中于核苷酸和氨基酸序列的存儲、分類、檢索和分析等方面，所以目前生物信息學可以狹義地定義為：將計算機科學和數學應用于生物大分子信息的獲取、加工、存儲、分類、檢索與分析，以達到理解這些生物大分子信息的生物學意義的交叉學科。事實上，它是一門理論概念與實踐應用并重的學科。

生物信息學的產生發展僅有10年左右的時間---bioinformatics這一名詞在1991年左右才在文獻中出現，還只是出現在電子出版物的文本中。事實上，生物信息學的存在已有30多年，只不過最初常被稱為基因組信息學。美國人類基因組計劃中給基因組信息學的定義：它是一個學科領域，包含著基因組信息的獲取、處理、存儲、分配、分析和解釋的所有方面。

自1990年美國啟動人類基因組計劃以來，人與模式生物基因組的測序工作進展極為迅速。迄今已完成了約40多種生物的全基因組測序工作，人基因組約3x109堿基對的測序工作也接近完成。至2000年6月26日，被譽為生命“阿波羅計劃”的人類基因組計劃終于完成了工作草圖，預示著完成人類基因組計劃已經指日可待。截止目前為止，僅登錄在美國GenBank數據庫中的DNA序列總量已超過70億堿基對。此外，迄今為止，已有一萬多種蛋白質的空間結構以不同的分辨率被測定。基于cDNA序列測序所建立起來的EST數據庫其紀錄已達數百萬條。在這些數據基礎上派生、整理出來的數據庫已達500余個。這一切構成了一個生物學數據的海洋。這種科學數據的急速和海量積累，在人類的科學研究歷史中是空前的。

數據并不等于信息和知識，但卻是信息和知識的源泉，關鍵在于如何從中挖掘它們。與

正在以指數方式增長的生物學數據相比，人類相關知識的增長（粗略地用每年發表的生物、醫學論文數來代表）卻十分緩慢。一方面是巨量的數據；另一方面是我們在醫學、藥物、農業和環保等方面對新知識的渴求，這些新知識將幫助人們改善其生存環境和提高生活質量。這就構成了一個極大的矛盾。這個矛盾就催生了一門新興的交叉科學，這就是生物信息學。

二、生物信息學研究的發展現狀

資金和實力非常重要，生物信息的研究投入短期不算大，但是結合成果，其投入相當的大。因為目前生物信息主要在于教學和和研究，商業領域的應用不算很廣。如一套LIMS加上軟件就要花上數千萬。加上相關項目的研究開發，不是國內相關的機構所能承受的。所以需要得到政府的支持和幫助。以及有識之士的投入。否則我們又將遠遠落后國外。國內的制藥行業將永不得翻身！基因的流失(國外一些國家打著給國內免費治療，分析疾病的考旗幟，暗中收集了國內不同省份，地區的遺傳類疾病和特性。這些資源，我們國家忽略，應當說目前還沒有這樣的實力進行研究）。落后就要挨打，21世紀是生物的世紀。基因大戰不可避免。基因和疾病的研究很大程度就是數據的分析。里面的領頭羊就是生物信息。國內應當在基礎教學，基礎研究并結合應用力度。

當然國內的人才濟濟，如有更多計算機領域和數學（統計方面的）人才參與到生物信息，將如虎添翼。目前我國生物信息學發展面臨著如下幾方面的困境：

⒈政府投資不足

雖然國際上生物信息學研究在各發達國家中比較受重視，但仍有不少研究機構抱怨政府資金投入不夠。最近美國許多研究院紛紛申請要求政府加大生物信息學工具與數據庫方面的投入，而且歐洲、日本、澳大利亞在這些領域也存在著資金困擾問題，歐洲生物信息學研究所（EBI）和歐洲基金會生命科學中心去年都遇到了麻煩。目前雖然危機已經暫時渡過，但未來幾年EBI數據庫和其它基礎結構仍將受到資金短缺的困擾，一致有人發出了“免費數據服務還能維持多久”的疑問。

2.來自商業機構的競爭

基因組研究潛在的巨大商業利潤使得國際上一批大型制藥公司和化學公司向該領域大規模的進軍。世界最大制藥集團之一的Giba Geigy和Sandoz合資建立的Novartis公司投資2.5億美元建立基因組研究所；Glaxo-Wellcome在基因組研究領域投入4700萬美元，將研究人員增加一倍;Smith Kline公司花125億美元擴展人基因組的順序，將生物信息學的研究人員從2人增加至70人，并將該公司藥物開發項目中的25%建立在基因組學之上。這一方面給生物信息學發展注入了生機，另一方面對那些政府支持的不以贏利為目的的研究機構造成了巨大的壓力，學術部門的資金投入遠遠不及工業部門，其負面沖擊力不可忽視。畢竟經濟利益的盲目追求會導致基因組研究的片面性，生物信息學長路漫漫，保護這些學術部門的良好發展非常有必要。

3.專業人才匱乏

目前該領域缺乏懂得如何利用計算機技術處理大量生物數據的生物學家，不少生物學家只是將計算機用來打字或作為圖紙的替代品。甚至出現了這樣有趣的現象：制藥業、工業、農業、生物技術研究團體經常在學術機構大肆搜查那些“可疑人”，更有甚者他們彼此間互挖“墻角”。雖然對于人才的渴求與日俱增，但全世界也僅有20多個專業人才培訓中心，而且這些中心本身也處在惡性循環中，那些經培訓后的人才往往由于高薪誘惑而投身應用工業部門，導致培訓教育人員越來越少，出現“斷層”現象。

綜上所述，不難看出，生物信息學并不是一個足以樂觀的領域，究竟原因，是由于其是基于分子生物學與多種學科交叉而成的新學科，現有的形勢仍表現為各種學科的簡單堆砌，相互之間的聯系并不是特別的緊密。在處理大規模數據方面，沒有行之有效的一般性方法；而對于大規模數據內在的生成機制也沒有完全明了，這使得生物信息學的研究短期內很難有突破性的結果。那么，要得到真正的解決，最終不能從計算機科學得到，真正地解決可能還是得從生物學自身，從數學上的新思路來獲得本質性的動力。毫無疑問，正如Dulbecco1986年所說：“人類的DNA序列是人類的真諦，這個世界上發生的一切事情，都與這一序列息息相關”。但要完全破譯這一序列以及相關的內容，我們還有相當長的路要走。

三、生物信息學的發展前景

《第三次技術革命》里有這樣描述：“一場與工業革命和以計算機為基礎的革命有相同影響力的變化正在開始。下一個偉大時代將是基因組革命時代，它現在處于初期階段。”基因組學的發展已經進入后基因組研究階段,致力于蛋白質功能研究的蛋白質組學和功能蛋白質組學正在蓬勃發展,在生物信息學發展的帶動下,我們必定能夠揭示各種生命現象的奧秘,并帶動多個學科的跨越式發展。生物信息學的發展將對分子生物學、藥物設計、工作流管理和醫療成像等領域產生巨大的影響,極有可能引發新的產業革命。此外,生物信息學所倡導的全球范圍的資源共享也將對整個自然科學乃至人類社會的發展產生深遠的影響。有理由相信，今日生物學數據的巨大積累將導致重大生物學規律的發現，生物信息學的發展在國內、外基本上都處在起步階段，因此，這是我國生物學趕超世界先進水平的一個百年一遇的極好機會。

生物學是生物信息學的核心和靈魂，數學與計算機技術則是它的基本工具。這一點必須著重指出。預測生物信息學的未來主要就是要預測他對生物學的發展將帶來什么樣的根本性的突破。這種預測是十分困難的，甚至幾乎不可能。但機不可失，時不再來，鑒于生物信息學在我國生物信息學和經濟發展中的重要意義和其發展的緊迫性，因此，由國家出面組織全國的力量，搞個類似“兩彈一星”那樣的，但是，規模要小的多，花錢也少的多的生物信息學發展計劃，不是不可以考慮的。要充分發揮中央與地方，生物學科研究人員等方方面面的積極性。生物信息學研究投資少，見效快，可充分發揮我國智力資源豐富的長處，是特別適合我國國情的一項研究領域。要在大學里建立生物信息學專業，設立碩士點和博士點，培養專門人才。可以組織一大批數學、物理、化學和計算機科技工作者，在自愿的基礎上，學習有關的生物學知識，開展多方面的生物信息學研究。

經過十幾年或更長的時間的努力，逐漸使我國成為生物信息學研究強國，是完全有可能的。信息學的商業價值十分顯著。國外很多大學，研究機構，軟件公司甚至政府機構紛紛成立各種生物信息機構，建立自立的生物信息集成系統，研制這方面的軟件，重金招聘人才，期望從中獲取更多的生物信息和數據加以研究和利用，縮短藥物開發周期，搶注基因專利，獲取更大利潤。我國如不加大資金投入力度，將來可能會花更多的錢去購買別人的軟件，使用專利基因或購買新的藥物。所幸，我國也開始重視這一學科：南、北方人類基因組中心的相繼建成，北大生物城的破土動工等，標志著我國對生物信息學的重視。我們有理由相信，我國的生物信息學在21世紀會有巨大的飛躍。

參考文獻

1.陳潤生.生物信息學.生物物理學報,1999,15(1):5

2.北京生物技術和新醫藥產業促進中心.世紀之交的新科學:生物信息學.生物技術通 報,1999,(8):49

3.楊福愉.展望21世紀的分子生物學.生物物理學報,1999,15(1):1

4.鄭國清,張瑞玲,;生物信息學的形成與發展;河南農業科學;2002.11

5.王玉梅,王艷.國外生物信息學發展動態分析;科技情報開發與經濟;2002.06

6.張春霆.生物信息學昀壩狀與展望;世界科技研究與發展.2000,22(6)

第二篇：生物信息學論文

生物信息學的進展綜述

韓雪晴

（生物工程1201班，學號：201224340124）

摘要：生物信息學是一門研究生物和生物相關系統中信息內容和信息流向的綜合性系統科學。80年代以來新興的一門邊緣學科，信息在其中具有廣闊的前景。伴隨著人類基因組計劃的勝利完成與生物信息學的發展有著密不可分的聯系，生物信息學的發展為生命科學的發展為生命科學的研究帶來了諸多的便利，對此作了簡單的分析。

關鍵詞：生物信息學；進展；序列比對；生物芯片

A review of the advances in Bioinformatics

Han Xueqing（Bioengineering, Class1201，Student ID：201224340124）

Abstract: Bioinformatics is the science of comprehensive system of information content and information flows to a study on the biological and bio related in the system.The edge of an emerging discipline since 80, has broad prospects in which information.With the human genome project was completed and the development of bioinformatics are inextricably linked, for the life science research development of bioinformatics for the development of life science has also brought a lot of convenience, has made the simple analysis.Keywords:

bioinformatics；progress；Sequence alignment；biochip

1、生物信息學的產生背景

生物信息學是20世紀80年代末開始，隨著基因組測序數據迅猛增加而逐漸興起的一門學科[1]。應用系統生物學的方法認識生物體代謝、發育、分化、進化以及疾患發生規律的不可或缺的工具[2]。及時、充分、有效地利用網絡上不斷增長的生物信息數據庫資源，已經成為生命科學和生物技術研究開發的必要手段，從而誕生了生物信息學。

2、生物信息學研究內容

主要是利用計算機存儲核酸和蛋白質序列，通過研究科學的算法，編制相應的軟件對序列進行分析、比較與預測，從中發現規律。白細胞介素-6(IL-6)是機體重要的免疫因子,但在兩棲類中未見報道。采用生物信息學方法對兩棲類模式動物非洲爪蟾IL-6進行分析[3]。以人IL-6基因對非洲爪蟾數據庫進行搜索、分析,并采用RT-PCR方法對所得序列進行驗證。結果表明,非洲爪蟾IL-6基因位于scaffold_52基因架上,具有保守的IL-6家族基序[4]。采用生物信息新方法進行不同物種的免疫基因挖掘、克隆,是一種有效的方法[5]。

2.1序列比對

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。兩個序列的比對現在已有較成熟的動態規劃算法，以及在此基礎上編寫的比對軟件包BLAST和FASTA[6]。序列數據庫搜索最著名且最常用的工具之一便是BLAST算法。FASTA算法是另一族常用的序列比對及搜索工具[7]。

2.2結構比對

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。

2.3蛋白質結構預測

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。后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[8]。

3、生物信息學的新技術 3.1 Lipshutz(Affymetrix,Santa clara,CA,USA)

描述了一種利用DNA探針陣列進行基因組研究的方法，其原理是通過更有效有作圖、表達檢測和多態性篩選方法，可以實現對人類基因組的測序[9]。光介導的化學合成法被應用于制造小型化的高密度寡核苷酸探針的陣列，這種通過軟件包件設計的寡核苷酸探針陣列可用于多態性篩查、基因分型和表達檢測[10]。

3.2基因的功能分析

Overton(University of Pennsylvania School of Medicine,Philadelphia,PA,USA)論述了人類基因組計劃的下一階段的任務基因組水平的基因功能分析。

4生物信息學前沿

4.1生物芯片技術

4.1.1生物芯片的簡介

生物芯片技術是通過縮微技術，根據分子間特異性地相互作用的原理，按照芯片上固化的生物材料的不同，可以將生物芯片劃分為基因芯片、蛋白質芯片、細胞芯片和組織芯片。4.1.2生物芯片的基本內容

生物芯片技術通過微加工工藝在厘米見方的芯片上集成有成千上萬個與生命相關的信息分子，它可以對生命科學與醫學中的各種生物化學反應過程進行集成，從而實現對基因、配體、抗原等生物活性物質進行高效快捷的測試和分析。4.1.3生物芯片的發展

生物芯片將會給21世紀整個人類生活帶來一場“革命”。生物芯片產業也有望與“微電子芯片”并列成為21世紀最大的產業之一。4.1.4與生物芯片相關的技術

平面微加工技術、微機械技術、CCD成像技術、基因芯片技術等。

4.2藥物設計與生物信息學

藥物基因組學可以說是基因功能學與分子藥理學的有機結合，在很多方面這種結合是非常必要的。藥物基因組學以藥物效應及安全性為目標，研究各種基因突變與藥效及安全性的關系。

4.3基因治療

基因治療（gene therapy）是指將外源正常基因導入靶細胞，以糾正或補償因基因缺陷和異常引起的疾病，達到治療目的[11]。也就是將外源基因通過基因轉移技術將其插入病人的適當的受體細胞中，使外源基因制造的產物能治療某種疾病[12]。通過對miR-29a進行靶基因預測及相關生物信息學分析,為miR-29a靶基因的實驗驗證提供數據支持,以期為深入研究miR-29a的生物學功能和調控機制提供理論指導[13]。從廣義說，基因治療還可包括從DNA水平采取的治療某些疾病的措施和新技術。在基因治療中迄今所應用的目的基因轉移方法可分為兩大類：病毒方法和非病毒方法[14]。

4.4虛擬細胞--人工生命的模型

虛擬細胞是應用信息科學的原理和技術，通過數學的計算和分析，對細胞的結構和功能進行分析、整合和應用，以模擬和再現細胞和生命的現象的一門新興學科。虛擬細胞亦稱人工細胞或人工生命[15]。目前，國際上已有兩個虛擬細胞問世，一個是日本的原核虛擬細胞模型，一個是美國的真核虛擬細胞模型。

參考文獻

[1].張陽德，生物信息學（第二版）科學出版社，2010，21世紀高等院校教材ISBN978-7-03-023931-0 [2].邁克爾 R.巴恩斯(Barnes.M.R.)，遺傳學工作者的生物信息學，科學出版社2010年10月1日出版ISBN 9787030254900 [3].齊志濤;張啟煥;王資生;許偉;黃貝;王愛民，非洲爪蟾IL-6基因的克隆及生物信息學分析 出版日期: 2010 [4].齊志濤;張啟煥;黃貝;王資生;仇明;黃金田;許偉;王愛民.非洲爪蟾BAFF及其信號通路相關基因的比較生物信息學分析,生物技術,2011,(4):

[5].廖明幟，生物背景學生的《生物信息學》課程教學思考與探索，教育教學論壇，2014年第36期

[6].Dan E.Krane&Michael L.Raymer，生物信息學概論，清華大學出版社 2010年出版

[7].Eddy S R.Profile Hidden Markov Models.Bioinformatics,1998,14(9):755~763 [8].Coombes KR,Fristche HA,Clarke,et al.Qutility control and peak finding for proteomics data collected from nipple aspirate fluid by surface-en-hanced laser desorption and ionization.Clin Chem,2013,49(10):1615~1623 [9].Lim HA,Batt tR.TIBTECH,1998;16(3)):104.[10].Williams n.Science,1997;277(5328):902.[11].顧健人，曹雪濤，基因治療，北京：科學出版社，2011 [12].余國膺，生物信息學，中國心臟起博與心電生理雜志，2014年01期 [13].施偉杰

曾玉

姚純

曹笑梅

童華，miR-29a靶基因預測及其相關生物信息學分析，現代生物醫學進展，2014年32期

[14].安冬

姜濤

張翠麗

殷玉玲

曹雪姣

辛毅，臧師竹利用生物信息學研究肥胖與2型糖尿病患者肝組織基因表達變化，《現代生物醫學進展》 2014年30期

[15].孫冬泳，湯健，虛擬細胞-人工生命的模型，中華醫學雜志，2011，21（81）：1342~1344

第三篇：生物信息學

淺談對生物信息學的認識

摘要生物信息學是采用計算機技術和信息論方法研究蛋白質及核酸序列等各種生物信息的采集、儲存、傳遞、檢索、分析和解讀的科學, 是現代生命科學與信息科學、計算機科學、數學、統計學、物理學和化學等學科相互滲透而形成的交叉學科。經過一學期的學習，我學到了很多很有用的知識，給我印象最深的有序列比對、蛋白質結構分析、核酸序列分析、數據庫及數據庫檢索等內容。關鍵字：生物信息學認識基因組學數據庫

時光飛逝，一學期馬上就要結束了，本學期的專業選修課也即將結束。在上課之前，我一直認為生物信息學就是在講關于人類及動物的基因，以及基因之間的差別。但是，剛上了幾節課，我就發現生物信息學根本不是我想象的那么簡單，就這樣我懷著對自己的懷疑和對這門課的好奇走進了這門課。

生物信息學是一門新興的、正在迅速發展的交叉學科,美國國家基因組研究中心認為, 生物信息學是一個代表生物學、數學和計算機的綜合力量的新興學(Bioinformatics is an emerging scientific discipline representing the combined power of biology,mathematics, and computers)。

現代生物信息學是采用計算機技術和信息論方法研究蛋白質及核酸序列等各種生物信息的采集、儲存、傳遞、檢索、分析和解讀的科學, 是現代生命科學與信息科學、計算機科學、數學、統計學、物理學和化學等學科相互滲透而形成的交叉學科。

在這短短的一學期課中，在老師的帶領下，我們學到了很多關

于生物信息學的知識，其中給我印象最深的有序列比對、蛋白質結

構分析、核酸序列分析、數據庫及數據庫檢索等內容。

比如，序列比對，它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。從生物學角度來看，它包含很多意義；如從

相互重疊的序列片段中重構DNA的完整序列等。老師主要給我們介

紹了blast比對。

再如，對蛋白質的分析。比如我們實驗測定了一條蛋白質序列

或者從DNA序列翻譯得來一條蛋白質序列，我們要借助生物信息學

方法來對它進行基本性質及結構分析。其中基本性質包括它的分子

量、氨基酸數目、排列順序、等電點分析等。結構分析包括跨膜螺

旋分析等。要運用的工具是protparam tool 和TMHMM。對于這兩

個工具我都進行了實際操作練習，我覺得這對我們以后的理論學習

和實驗分析都非常重要。現代生物信息學的主要研究領域及其進展

1、基因組學和蛋白組學研究

基因組和蛋白組研究是生物信息學的主要內容.同樣, 生物信息

學是基因組和蛋白組研究中必不可少的工具。

基因組學(Genomics)和蛋白組學(Proteomics)的實質就是分析和解讀核酸和蛋白質序列中所表達的結構與功能的生物信息.這方面的研究已成為生物信息學的主要研究內容之一.一種生物的全部遺傳構成被稱為該種生物的基因組.有關基因組的研究稱為基因組學.其中, 序列基因組學(Sequence genomics)主要研究測序和核苷酸序列;結構基因組學(Structural genomics)著重于遺傳圖譜、物理圖譜和測序等方面的研究;功能基因組學

(Functional genomics)則研究以轉錄圖為基礎的基因組表達圖譜;比較基因組學(Comparative ge2nomics)的研究內容包括對不同進化階段基因組的比較和不同種群和群體基因組的比較。

蛋白組和蛋白組學的概念是隨基因組和基因組學的出現而出現的.蛋白組(proteme)的概念是由于基因表達水平并不能代表細胞中活性蛋白質的數量, 基因組序列并不能描述活性蛋白質所必需的翻譯后修飾和反映蛋白質種類和含量的動態變化過程而提出的.在一定條件下某一基因組蛋白質表達的數量類型稱為蛋白組, 代表這一有機體全部蛋白質組成及其作用方式.有關蛋白組的研究稱為蛋白組學.其中, 蛋白組的研究技術與方法、雙向凝膠電泳圖譜以及對不同條件下蛋白組變化的比較分析是蛋白組學的主要研究內容。生物信息學在基因組和蛋白組研究中所起的作用主要有:（1)基因組信息結構的計算分析.即對基因組數據進行大規模并行計算并預測各種新基因和功能位點, 研究大量非編碼區序列的信息結構和可能的生物學意義。(2)模式生物全基因組信息結構的比較研究.即

對已完成全基因組測序的各種模式生物的基因組信息結構進行比較分析, 包括同源序列的搜索比較和指導基因克隆.(3)功能基因組的相關信息分析, 包括對基因表達圖譜及其相關算法和軟件的研究, 與功能基因組信息相關的核酸、蛋白質的空間結構的預測模擬以及蛋白質的功能預測。

2、生物信息數據庫

復雜的生物和生物界和日新月異的生命科學研究產出的大量的生物學信息，對這些信息的儲存、檢索、比較分析必須借助于計算機數據庫技術, 包括各類生物學信息數據庫的建立與維護、數據的添加與注釋、更新與查詢、數據庫資料的網絡化等研究內容。現有的數據庫有：核酸序列數據庫（GenBank、EMBL、DDBJ）、基因組數據庫、基因圖譜數據庫、蛋白質序列數據庫（SWTSS-

PROT、PIR）和蛋白質結構數據庫（Interpro）等。隨著生命科學的不斷發展，數據庫種類不斷增加、結構日益復雜、使用也越來越方便。

生物信息學作為一門新興學科已經成為生命科學研究中必不可少的研究手段 本文對數據庫與數據庫搜索序列比對蛋白質結構預測藥物設計基因芯片技術幾個方面做了介紹較為系統地闡述了生物信息學在這些領域的應用 當然它所涉及的內容與方法遠遠不只上面提到的那些 新基因和 的發現與鑒定非編碼區信息結構分析遺傳密碼的起源和生物進化完整基因組的比較

研究 大規模基因功能表達譜的分析等都是生物信息學研究的對象 相信不久的將來生物信息學會在生命

科學領域扮演越來越重要的角色。

參考文獻：

1、現代生物信息學及其主要研究領域 蕭浪濤(湖南農業大學理學院, 湖南長沙 410128)

2、生物信息學技術進展 郭志云 張懷渝 梁龍 軍事醫學科學院 生物工程研究所,北京100071;四川農業大學生命科學及理學院,雅安 6250143、利用生物信息學技術研究蛋白功能的幾種方法 王劍利 楊章民綜述 王一理審閱 西安交通大學醫學院免疫病理學研究室(西安, 710061)

第四篇：生物信息學

生物信息學是上世紀90年代初人類基因組計劃(HGP)依賴，隨著基因組學、蛋白組學等新興學科的建立，逐漸發展起來的生物學、數學和計算機信息科學的一門交叉應用學科。目前生物信息學的研究領域主要包括基于生物序列數據的整理和注釋、生物信息挖掘工具開發及利用這些工具揭示生物學基礎理論知識等領域。生物信息學作為新型交叉應用學科，可以依托本校已有的計算機科學、信息學、生物學和數學等學科優勢，充分展現投入少、見效快、起點高的特色，推動學校學科建設和本科教學水平。

本實驗指導書中的8個實驗均設計為綜合性開發實驗，面向生物信息學院全體本科學生和研究生，以及全校對生物信息學感興趣的其他專業學生開放。生物信息學實驗室將提供系統的保障，包括采用mail服務器和linux帳號管理等進行實驗過程管理和支持。限選《生物信息學及實驗》的生物技術專業本科生至少選擇其中5個實驗，并不少于8個學時，即為課程要求的0.5個學分。其他選修者按照課時和學校相關規定計算創新學分。實驗一 熟悉生物信息學網站及其數據的生物學意義

實驗目的：

培養學生利用互聯網資源獲取生物信息學研究前沿和相關數據的能力，熟悉生物信息學相關的一些重要國內外網站，及其核酸序列、蛋白質序列及代謝途徑等功能相關數據庫，學會下載生物相關的信息數據，了解不同的數據文件格式和其中重要的生物學意義。

實驗原理：

利用互聯網資源檢索相關的國內外生物信息學相關網站，如：NCBI、SANGER、TIGR、KEGG、SWISSPORT、Ensemble、中科院北京基因組研究所、北大生物信息

學中心等，下載其中相關的數據，如fasta、genbank格式的核算和蛋白質序列、pathway等數據，理解其重要的生物學意義。

實驗內容：

1.瀏覽和搜索至少10個國外和至少5個國內生物信息學相關網站，并描

述網站特征；

2.下載各網站的代表性數據各10條（組）以上，并說明其生物學意義；

3.討論各網站適合做何種生物信息學研究的平臺，并設計一個研究設想。實驗報告：

1.各網站網址及特征描述；

2.代表性數據的下載和生物學意義的描述；

3.討論：這些生物信息學相關網站的信息資源，可以被那些生物信息學

研究所利用。

參考書目：

《生物信息學概論》 羅靜初 等譯，北京大學出版社，2002；《生物信息學手冊》 郝柏林 等著，上海科技出版社，2004；

《生物信息學實驗指導》 胡松年 等著，浙江大學出版社，2003。實驗二 利用BLAST進行序列比對

實驗目的：

了解BLAST及其子程序的原理和基本參數，熟練地應用網絡平臺和Linux計算平臺進行本地BLAST序列比對，熟悉BLAST結果的格式和內容并能描述其主要意義，同時比較網上平臺和本地平臺的優缺點。

實驗原理：

利用實驗一下載的核算和蛋白質序列，提交到NCBI或者其他擁有BLAST運算平臺的網頁上，觀察其基本參數設定庫文件類型，并得到計算結果；同時在本地服務器上學會用formatdb格式化庫文件，并輸入BLAST命令進行計算，獲得結果文件。

實驗內容：

1.向網上BLAST服務器提交序列，得到匹配結果；

2.本地使用BLAST，格式化庫文件，輸入命令行得到匹配結果；

3.對結果文件進行簡要描述，闡述生物學意義。

實驗報告：

1.闡述BLAST原理和比對步驟；

2.不同類型BLAST的結果及其說明；

3.討論：不同平臺運行BLAST的需求比較。

參考書目：

《生物信息學概論》 羅靜初 等譯，北京大學出版社，2002；

《生物信息學實驗指導》 胡松年 等著，浙江大學出版社，2003。

實驗三 利用ClustalX(W)進行

多序列聯配

實驗目的：

掌握用Clustal X(W)工具及其基本參數，對具有一定同源性和相似性的核酸與蛋白質序列進行聯配和聚類分析，由此對這些物種的親緣關系進行判斷，并且對這些序列在分子進化過程中的保守性做出估計。

實驗原理：

首先對于輸入的每一條序列，兩兩之間進行聯配，總共進行n*（n-1）/2次聯配，這一步通過一種快速的近似算法實現，其得分用來計算指導樹，系統樹圖能用于指導后面進行的多序列聯配的過程。系統樹圖是通過UPGMA方法計算的。在系統樹圖繪制完以后，輸入的所有序列按照得分高低被分成n-1個組，然后再對組與組之間進行聯配，這一步用Myers和Miller算法實現。

實驗內容：

1.明確軟件所支持的輸入文件格式，搜集整理出合適的數據；

2.在Windows環境運行Clustal X，在Linux環境運行Clustal W；

3.實驗結果及分析，用TREEV32或Njplotwin95生成NJ聚類圖。

實驗報告：

1.整理好的符合Clustal的序列數據；

2.提交數據網頁記錄和各步驟記錄；

3.提供聚類圖和多序列聯配圖，并說明意義。

參考書目：

《生物信息學概論》 羅靜初 等譯，北京大學出版社，2002；

《生物信息學實驗指導》 胡松年 等著，浙江大學出版社，2003。實驗四 ESTS分析

實驗目的：

熟悉使用一系列生物信息學分析工具對測序得到ESTs序列數據進行聚類處理，由此對獲得表達基因的豐度等相關信息，并且對這些表達基因進行功能的初步詮釋，為后續實驗通過設計RACE引物獲得全長基因，以及進一步的功能注

釋和代謝途徑分析做好準備。

實驗原理：

首先用crossmatch程序去除ESTs原始序列中的載體成分和引物成分，然后用phrap生成congtig和singlet，用blast程序進一步將有同源性的contig和singlet進行功能聚類，最后通過blast對聚類獲得的cluster進行功能注釋。在實驗過程中將用到一些本實驗室寫好的perl程序用于連接各數據庫和工具軟件。

實驗內容：

1.運行CodonCode Aligner程序，并用它建立工程文件，導入例子文件

夾里面的數據；練習對序列的各種查看方式。

2.使用CodonCode Aligner程序里的Clip Ends, Trim Vector, Assemble

等功能，完成序列的剪切、去雜質、組裝工作。

實驗報告：

1.實驗各步驟記錄和中間結果文件；

2.舉例簡要說明結果文件中數據的生物學意義。

參考書目：

《生物信息學概論》 羅靜初 等譯，北京大學出版社，2002；

《基因表達序列標簽（EST）數據分析手冊》 胡松年 等著，浙江大學出版社，2005。

實驗五 利用Primer Premier5.0設計

RACE引物

實驗目的：

熟悉PCR引物設計工具Primer Premier5.0的一些基本功能，能夠根據實驗需要選擇相應的引物設計方法設計PCR引物。

實驗原理：

PCR實驗是當代分子生物學的基本實驗之一，由于目標序列和實驗目的的不同，相應設計引物的要求也不一樣。本實驗延續ESTs分析結果，對于其中需要獲得全長的基因進行RACE引物的設計，及5’和3’RACE引物，配合接頭序列設計單向引物，并模擬練習通過連接獲得全長的基因CDS序列。最后設計已知全長基因序列的PCR擴增引物。

實驗內容：

1.從網站下載并安裝Primer Premier5.0；

2.從 GenBank 中任意獲取一個 DNA 序列，設計出該序列的合適引物； 實驗報告：

1.實驗各步驟使用的數據、運算平臺、結果文件記錄；

2.比較不同引物設計平臺和不同PCR實驗的差別；

參考書目：

《生物信息學概論》 羅靜初 等譯，北京大學出版社，2002；《生物信息學實驗指導》 胡松年 等著，浙江大學出版社，2003。

實驗八 perl程序的安裝、編寫、調試 實驗目的：

培養學生能在windows和Linux兩種平臺安裝perl解釋器、編寫perl程序以及debug和運行的能力，熟悉perl語言基本語法，學會熟練編寫和運用perl程序進行基礎生物信息學研究。

實驗原理：

Perl語言是一門通用的腳本語言，具有強大的字符串處理功能，是生物信息學研究的強大幫手，學會了perl語言，就能方便地處理生物信息學研究中遇到的各種字符串文本，促進研究的快速進行。

實驗內容：

1.下載perl程序在Windows和Linux下的安裝包并進行安裝；

2.編寫簡單的perl程序，并學會debug；

3.編寫具有簡單功能的堿基處理perl程序。

實驗報告：

1.perl解釋器安裝方法；

2.perl解釋器debug方法；

3.討論：perl語言在生物信息學研究中所起到的積極作用。

參考書目：

《PERL 編程24學時教程》（美）皮爾斯著 王建華等譯，機械工業出版社，2000；

《生物信息學手冊》 郝柏林 等著，上海科技出版社，2004；《生物信息學實驗指導》 胡松年 等著，浙江大學出版社，2003

第五篇：生物信息學參考書目

生物信息學－國內外書目

1.Bioinformatics: sequence and genome analysis,影印本,David W.Mount，科學出版社,2002

2.DNA芯片和基因表達:從實驗到數據分析與模建，鮑爾迪，科學出版社，2003

3.分子進化與系統發育，MasatoshiNei（根井正利）SudhirKumar.譯者：呂寶忠，鐘揚，高莉萍，高等教育出版社，2002

4.蛋白質化學與蛋白質組學，夏其昌，科學出版社，2004年

5.蛋白質組學：從序列到功能,錢小紅、賀福初等譯科學出版社，2002年9月

6.蛋白質組學:理論與方法，錢小紅，賀福初主編.科學出版社，2003

7.蛋白質組學導論：生物學的新工具，（美）利布萊爾，科學出版社，2005

8.蛋白質組學導論：生物學的新工具，張繼仁（譯）科學出版社，2004年12月出版

9.后基因組信息學,MinoruKanehisa著；孫之榮等譯,清華大學出版社,2002

10.基礎生物信息學及應用,蔣彥等編清華大學出版社，科學出版社，2003

11.基因VⅢ，盧因，科學出版社，2005

12.基因表達序列標簽（EST）數據分析手冊，胡松年，浙江大學出版社,2005

13.基因組,袁建剛等主譯科學出版社，2002

14.基因組數據分析手冊,胡松年，薛慶中主編，浙江大學出版社,2003

15.基因組研究與生物信息學

16.基因組研究與生物信息學，李越中閆章才高培基，山東大學出版社，2003

17.基于www.tmdps.cnputing

Author(s): Bryan P.Bergeron

52.Genetics Databases

Author(s): M.J.Bishop

53.Structural Bioinformatics

Author(s): Philip E.Bourne, Helge Weissig

54.Computational Modeling of Genetic and Biochemical Networks

Author(s): James M.Bower and Hamid Bolouri

55.Bioinformatics: A Biologist's Guide to Biocomputing and the Internet

Author(s): Stuart M.Brown

56.Discovering Genomics, Proteomics, and Bioinformatics

Author(s): A.Malcolm Campbell, Laurie J.Heyer

57.Bioinformatics for Dummies

Author(s): Jean-Michel Claverie and Cedric Notredame

58.Computational Molecular Biology: An Introduction

Author(s): Peter Clote, Rolf Backofen

59.Nonlinear Estimation and Classification

Author(s): D.D.Denison, M.H.Hansen, C.C.Holmes, B.Mallick & B.Yu(Eds.)

60.Author(s): Richard Durbin, Sean R.Eddy, Anders Krogh, Graeme Mitchison

61.Genomic Perl: From Bioinformatics Basics to Working Code

Author(s): Rex A.Dwyer

62.Protein Bioinformatics: An Algorithmic Approach to Sequence and Structure Analysis Author(s): Ingvar Eidhammer, Inge Jonassen, William R.T.Taylor

63.Computational Cell Biology

Author(s): Christopher P.Fall, Eric S.Marland, John M.Wagner and John J.Tyson, Editors

64.Evolutionary Computation in Bioinformatics

Author(s): Gary B.Fogel, David W.Corne

65.Developing Bioinformatics Computer Skills

Author(s): Cynthia Gibas, Per Jambeck

66.Statistical Methods in Bioinformatics: An Introduction

Author(s): Gregory R.Grant, Warren J.Ewens

67.Algorithms on Strings, Trees and Sequences

Author(s): Dan Gusfield

68.Bioinformatics : Sequence, Structure, and Databanks : A Practical Approach

Author(s): Des Higgins(Editor), Willie Taylor(Editor)

69.Post-genome Informatics

Author(s): Minoru Kanehisa

70.Foundations of Systems Biology

Author(s): Hiroaki Kitano

71.Guide to Analysis of DNA Microarray Data

72.Microarrays for an Integrative Genomics

Author(s): Isaac S.Kohane, Alvin Kho, Atul J.Butte

73.BLAST

Author(s): Ian Korf, Mark Yandell, Joseph Bedell

74.Hidden Markov Models for Bioinformatics

Author(s): Timo Koski

75.Fundamental Concepts of Bioinformatics

Author(s): Dan E.Krane, Michael L.Raymer

76.Advances in Molecular Bioinformatics

Author(s): Steffen Schulze-Kremer(Editor)

77.Molecular Bioinformatics: Algorithms and Applications

Author(s): Steffen Schulze-Kremer

78.Computational Biology

Author(s): Lecture Notes in Computer Science, Vol.2066

79.Analysis of Microarray Gene Expression Datas

Author(s): Mei-Ling Ting Lee

80.Bioinformatics: From Genomes to Drugs

Author(s): Thomas Lengauer

81.Sequence Analysis in a Nutshell: A Guide to Common Tools and Databases

Author(s): Darryl Le?n, Scott Markel

82.Introduction to Bioinformatics

Author(s): Arthur M.Lesk

83.Computational Molecular Biology

Author(s): J.Leszczynski

84.Bioinformatics: Databases and Systems

Author(s): Stanley Letovsky(Editor)

85.Computational Cell Biology

Author(s): Eric Marland, John Wagner, John Tyson

86.Bioinformatics and Genome Analysis

Author(s): H.W.Mewes, B.Weiss, H.Seidel

87.Bioinformatics: Methods and Protocols

Author(s): Stephen Misener(Editor), Stephen A.Krawetz(Editor)

88.Bioinformatics: Sequence and Genome Analysis

Author(s): David W.Mount

89.Bioinformatics: Genes, proteins and computers

Author(s): C.A.Orengo, D.T.Jones and J.M.Thornton

90.Mathematics of Genome Analysis

91.Computational Molecular Biology: An Algorithmic Approach

Author(s): Pavel A.Pevzner

92.Bioinformatics Basics Applications in Biological Science and Medicine

Author(s): Hooman H.Rashidi, Lukas K.Buehler

93.The Phylogenetic Handbook: A Practical Approach to DNA and Protein Phylogeny

Edited by Marco Salemi, Anne-Mieke Vandamme

94.Computational Methods in Molecular Biology

Author(s): S.L.Salzberg, D.B.Searls, S.Kasif

95.Comparative Genomics: Empirical and Analytical Approaches to Gene Order Dynamics, Map Alignment and the Evolution of Gene Families

Author(s): David Sankoff, Joseph H.Nadeau

96.Molecular Modeling and Simulation: An Interdisciplinary Guide

Author(s): Tamar Schlick

97.Bioinformatics: From Nucleic Acids and Proteins to Cell Metabolism

Author(s): Dietmar Schomburg(Editor), Uta Lessel(Editor)

98.Introduction to Computational Molecular Biology

Author(s): Joao Carlos Setubal, Joao Meidanis, Jooao Carlos Setubal

99.Likelihood, Bayesian and MCMC Methods in Quantitative Genetics

Author(s): Daniel Sorensen, Daniel Gianola

100.Microarray Bioinformatics

Author(s): Dov Stekel

101.Protein Structure PredictionTools, Techniques, and Applications

Author(s): Jason T.L.Wang, Bruce A.Shapiro, and Dennis Shasha

107.Introduction to Computational Biology: Maps, Sequences and Genomes

Author(s): Michael S Waterman

108.Instant Notes Bioinformatics

Author(s): D.R.Westhead, J.H.Parish, R.M.Twyman

Author(s): Limsoon Wong

110.Neural Networks and Genome Informatics

Author(s): Cathy H.Wu, Jerry W.McLarty

111.Intelligent Bioinformatics: The Application of Artificial Intelligence Techniques to Bioinformatics Problems

Author(s): Edward Keedwell, Ajit Narayanan

112.Jonathan Pevsner，Bioinformatics and Functional Genomics，John Wiley & Sons, Inc，2003