生物信息学绪论(1).ppt

概念（狭义） Bioinformatics (1)遗传信息的载体——DNA 遗传信息的载体主要是DNA 控制生物体性状的基因是一 系列DNA片段 生物体生长发育的本质就是遗 传信息的传递和表达 (3) DNA分子和蛋白质分子都含有进化信息 通过比较相似的蛋白质序列，如肌红蛋白和血红蛋白，可以发现由于基因复制而产生的分子进化证据。 通过比较来自于不同种属的同源蛋白质，即直系同源蛋白质，可以分析蛋白质甚至种属之间的系统发生关系，推测它们共同的祖先蛋白质。 第一部遗传密码已被破译，但对密码的转录过程还不清楚，对大多数DNA非编码区域的功能还知之甚少 对于第二部密码，目前则只能用统计学的方法进行分析 无论是第一部遗传密码，还是第二部遗传密码，都隐藏在大量的生物分子数据之中。 生物分子信息的特征 生物分子信息数据量大 生物分子信息复杂 生物分子信息之间存在着密切的联系 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。 发现同源分子 3、 基因组序列分析 遗传语言分析——天书 基因组结构分析 基因识别 基因功能注释 基因调控信息分析 基因组比较 4、基因表达数据的分析与处理 基因表达数据分析是目前生物信息学研究的热 点和重点 目前对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： 相关分析方法 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 蛋白质结构预测分为: 二级结构预测 空间结构预测 研究蛋白质的进化问题 研究不同蛋白质之间的进化关系 研究蛋白质的性质 理化性质（亲水和疏水性、分子量、等电点预测等） 生物学功能预测（信号通路、蛋白互作、功能位点、跨膜区、信号肽、亚细胞定位预测等） 功能基因组学 基因组学研究重心已开始从揭示生命的所有遗传信息转移到在分子整体水平对功能的研究上,即功能基因组学（functional genomics） 功能基因组的任务是 进行基因组功能注释（Genome annotation） 认识基因与疾病的关系 掌握基因的产物及其在生命活动中的作用 例：人与鼠染色体的差别 生物信息学与新药研制 未来的药物研究过程将是基于生物信息知识挖掘的过程 基于生物信息学的新药设计 生物信息学与疾病检测 基因组计划产生的基因及基因多态性数据与临床医学检验结果之间的关系需要利用生物信息学的方法去分析、去揭示 根据这样的分析结果，科学家能够更准确地了解疾病产生的根本原因，更精确地预测某个人患癌症、糖尿病或者心脏病的可能性，从而彻底改变我们诊断、治疗和预防疾病的方式 层次式聚类 二维电泳图 生物信息学 研究蛋白质结构及功能关系 研究蛋白质的进化问题 研究蛋白质的性质 5、蛋白质功能分析 蛋白质折叠 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 蛋白质序列 蛋白质功能关系 研究蛋白质结构及功能关系 第四节 生物信息学当前的主要任务 纵观当今生物信息学界的现状，可以发现，大部分人都把注意力集中在基因组学、蛋白质组学、蛋白质结构以及与之相结合的药物设计上 最新：RNA组学和转录组学 Structure Function Pathways Physiology Populations Evolution Ecosystems Genomes Gene Products 后基因组时代 HGP完成，我们进入“后基因组学”(post-genomics)时代 1. 基因组学 1.1 新基因的发现 通过计算分析从EST（Expressed Sequence Tags）序列库中拼接出完整的新基因编码区，也就是通俗所说的“电子克隆”；通过计算分析从基因组DNA序列中确定新基因编码区，经过多年的积累，已经形成许多分析方法，如根据编码区具有的独特序列特征、根据编码区与非编码区在碱基组成上的差异、根据高维分布的统计方法、根据神经网络方法、根据分形方法和根据密码学方法等。 1.2 非蛋白编码区生物学意义的分析 非蛋白编码区约占人类基因组的99%，其生物学意义目前尚不是很清楚，但从演化观点来看，其中