生物信息学中译本-Read.DOC

  1. 1、本文档共288页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
生物信息学中译本-Read

生物信息学(中译本) 译者序 编者序 1. 因特网与生物学家 1.1因特网基础 1.2 1.3 电子邮件 1.4 1.5 GOPHER 1.6 万维网 2. GenBank序列数据库 2.1 2.2 一级和二级数据库 2.3 格式与内容:计算机与人 2.4 数据库 2.5 剖析GenBank Flatfile 2.6 小结 附录:数据库文件格式 附录2.1 GenBank ( DDBS)记录例子 2.2 一个ASN.1记录例子 2.3 一个EMBL记录例子 2.4 一个GenBank浏览文件 3. 结构数据库 3.1 简介 3.2 PDB:Brookhaven国家实验室蛋白质数据库 3.3 MMDB:NCBI的分子建模数据库 3.4 结构文件格式 3.5 结构信息显示 3.6 数据库结构浏览器 专题论文 4. 应用GCG进行序列分析 4.1 4.2 Wisconsin软件包 4.3 Wisconsin使用的数据库 4.4 SeqLab环境 4.5 用操作和Wisconsin程序分析序列 4.6 观察输出 4.7 监视程序执行过程并解决问题 4.8 给序列加注释并在SeqLab Editor中图形化显示注释 4.9 在SeqLab Editor中保存序列 4.10 在SeqLab中可以实现的分析实例 4.11 引入非Wisconsin组件的程序扩展SeqLab 附录 5. 生物数据库的信息检索 5.1 检索数据库条目:检索服务器(Retrieve 服务器) 5.2 集成信息检索:ENTREZ系统 5.3 集成的信息访问:查询服务器 5.4 NCBI之外的序列数据库 5.5 医学数据库 6. NCBI数据模型 6.1 6.2 出版物 6.3 SEQIDS:名称中包含了什么? 6.4 BIOSEQ:生物序列 6.5 BIOSEQSETS:序列集合 6.6 Seq-annot:序列的注释属性 6.7 SEQ- DESCR: 序列的描述 6.8 模型的使用 6.9 结论 7. 序列比对和数据库搜索 7.1 引言 7.2 序列比对的进化基础 7.3 蛋白质的模块性质 7.4 最佳比对方法 7.5 7.6 比对的统计学显著性 7.7数据库中的相似性搜索 7.8 FASTA 7.9 BLAST 7.10 7.11 重复元件 7.12小结 8. 多序列比对的实际应用 8.1 渐进比对方法 8.2 8.3 演示方法 参考文献 9. 系统发育分析 9.1 系统发育模型的组成 9.2系统发育数据分析:比对,建立取代模型,建立进化树以及进化树评估 9.3 9.4 决定取代模型 9.5 建树方法 9.6 进化树搜索 9.7 确定树根 9.8 评估进化树和数据 9.9 系统发育软件 9.10 9.11 第九章所涉及到的因特网资源: 致谢 参考文献 10.利用核酸序列的预测方法 10.1 框架 10.2 遮蔽重复序列 10.3 数据库搜索 10.4 密码子偏好的检测 10.5 DNA中的功能性位点 10.6 10.7 搜寻tRNA基因 10.8 未来的展望 11. 利用蛋白质序列的预测方法 11.1 基于组成的蛋白质辨识 11.2 基于序列的物理性质 11.3 二级结构和折叠类 11.4 11.5 三级结构 12.鼠类和人类公用物理 12.1 物理图谱的类型 12.2 12.3 个体来源的基因组范围图谱 12.4 特定人类染色体图谱 12.5 鼠类图谱来源 13.ACEDB一个基因组信息的数据库 13.1 ACEDB的一般特点 13.2 ACEDB中的序列分析 13.3 14.提交DNA 14.1 提交到哪儿? 14.2 提交什么内容? 14.3 如何提交到互联网 14.4 Sequin提交 14.5 EST/STS/GSS 14.6 基因组中心 14.7 更新 14.8 结论性的评价 附录1 词汇表 ? 译者序 随着人类基因组计划的实施,通过基因组测序,蛋白质序列测定结构解析等实验,分子生物学家提供了大量的有关生物分子的原始数据,需要利用现代计算技术对这些原始数据进行收集、整理、管理以便于检索使用。而为了解释和理解这些数据,还需要对数据进行比对、分析,建立计算模型,进行仿真、预测与验证,因而出现生物信息学,它的出现,极大的促进了分子生物学的发展。 现在人类基因组计划接近完成,人们的注意力已从基因组测序转向对基因组表达的分析,转向对蛋白质组结构与功能的预测。这也是生物信息学面临的主要课题。人们注意到无论是基因的表达还是蛋白质的功能,在很多情况下,都是多个基因、多种蛋白质相互作用的结果,要对它进行分析与预测,必然涉及数学、物理、计算科学、系统科学、控制科学、信息科学与生物学的综合应用,因而生物信息学是一门多学科交叉

文档评论(0)

xiaozu + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档