第01章 生物信息学导论PPT.pptVIP

2、 数据库搜索及序列比较 搜索同源序列在一定程度上就是通过序列比较寻找相似序列 序列比较的一个基本操作就是比对（Alignment），即将两个序列的各个字符（代表核苷酸或者氨基酸残基）按照对应等同或者置换关系进行对比排列，其结果是两个序列共有的排列顺序，这是序列相似程度的一种定性描述 多重序列比对研究的是多个序列的共性。序列的多重比对可用来搜索基因组序列的功能区域，也可用于研究一组蛋白质之间的进化关系。 3、 基因组序列分析 遗传语言分析——天书 获得物种整套遗传密码。如：细菌、人、水稻、拟南芥、小麦。“鸟枪法” 基因组结构分析 非编码蛋白（内含子）和编码蛋白（外显子）、转录因子 基因识别 新基因的发现、基因单核苷酸多态性（SNP）分析 基因功能注释 基因调控信息分析 基因组比较 生命起源？进化？生命体至少要多少基因？基因如何表现为生命？如：人~~鼠基因组（300Mbp）、数目、大部分同源。鼠ch1分布到人ch1、2、5、6、8、13、18，基因排列差异造成系统发育差异。 4、基因表达数据的处理与分析 基因表达数据分析是目前生物信息学研究的热 点和重点 基因表达数据的处理主要是进行聚类分析，将表达模式相似的基因聚为一类，在此基础上寻找相关基因，分析基因的功能 所用方法主要有： 相关分析 模式识别技术中的层次式聚类方法 人工智能中的自组织映射神经网络 主元分析方法 5、蛋白质结构与功能预测 蛋白质的生物功能由蛋白质的结构所决定 ，蛋白质结构预测成为了解蛋白质功能的重要途径。 蛋白质结构预测分为: 二级结构预测 空间结构预测 蛋白质折叠 第四节 生物信息学的方法和技术 1、数学统计方法 2、动态规划方法 3、机器学习与模式识别技术 4、数据库技术及数据挖掘 5、人工神经网络技术 6、专家系统 7、分子模型化技术 8、生物分子的计算机模拟 9、 因特网（Internet）技术 1、数学统计方法 生物活动常常以大量、重复的形式出现，既受到内在因素的制约，又受到外界环境的随机干扰。因此概率论和数学统计是现代生物学研究中一种常用的分析方法 数据统计、因素分析、多元回归分析是生物学研究必备的工具 隐马尔科夫模型（Hidden Markov Models）在序列分析方面有着重要的应用。与隐马尔科夫模型相关的技术是马尔科夫链（Markov Chain） 2、动态规划方法 动态规划（Dynamic Programming）是一种解决多阶段决策过程的最优化方法或复杂空间的优化搜索方法 动态规划解决问题的基本过程是： 将一个问题的全局解分解为局部解，逆序递推求出局部最优解，随着执行过程的推进，“局部”逐渐接近“全局”，最终获得全局最优解 3、机器学习与模式识别技术 机器学习 机器学习是模拟人类的学习过程，以计算机为工具获取知识、积累经验 遗传算法采用随机搜索方法，具有自适应能力和便于并行计算 神经网络的理论是基于人脑的结构，其目的是揭示一个系统是如何向环境学习的，这一种方法被称为联接主义。 模式识别 模式识别是机器学习的一个主要任务。模式是对感兴趣客体定量的或者结构的描述，而模式识别就是利用计算机对客体进行鉴别，将相同或者相似的客体归入同种类别中 根据对象的统计特征进行识别 根据对象的结构特征进行识别 4、数据库技术及数据挖掘 数据库技术 数据仓库 虚拟数据库技术（Virtual Database，简称 VDB） 数据挖掘（data mining） 又称作数据库中的知识发现 (Knowledge Discovery in Database)，它是从数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术，它能自动分析数据，对它们进行归纳性推理和联想，寻找数据间内在的某些关联，从中发掘出潜在的、对信息预测和决策行为起着十分重要作用的模式 数据挖掘过程一般分为4个基本步骤：数据选择、数据转换、数据挖掘和结果分析 5、人工神经网络技术 人工神经网络（Artificial Neural Network, 简称ANN）是通过模拟神经元的特性以及脑的大规模并行结构、信息的分布式和并行处理等机制建立的一种数学模型 在生物信息学中，使用得最多的是反向传播神经网络（Back Propagation Neural Network，简称BP网）。BP网被认为是稳定性较强的人工神经网络之一，而且属于有监督学习的网络模型。标准的BP网由三层神经元组成：输入层、隐藏层和输出层 6、专家系统 专家系统（Expert System）是一种基于知识的智能系统，它将领域专家的经验用一定的知识表示方法表示出来，并放入知识库中，供推理机使用 知识库是专家系统的第一重要组成部分，知识库中