國科大陳潤生生物信息學(xué)開卷考試資料總結(jié)

1、bowung@20101216I一什么是生物信息學(xué)一什么是生物信息學(xué)？Genomeinfmaticsisascientificdisciplinethatencompassesallaspectsofgenomeinfmationacquisitionprocessingstagedistributionanalysisinterpretation.（它是一個(gè)學(xué)科領(lǐng)域，包含著基因組信息的獲取、處理、存儲(chǔ)、分配、分析和解釋的所有方面。）(

2、TheU.S.HumanGenomeProject:TheFirstFiveYearsFY19911995byNIHDOE)生物信息學(xué)是把基因組DNA序列信息分析作為源頭，破譯隱藏在DNA序列中的遺傳語言，特別是非編碼區(qū)的實(shí)質(zhì)；同時(shí)在發(fā)現(xiàn)了新基因信息之后進(jìn)行蛋白質(zhì)空間結(jié)構(gòu)模擬和預(yù)測。生物信息學(xué)的研究目標(biāo)是揭示“基因組信息結(jié)構(gòu)的復(fù)雜性及遺傳語言的根本規(guī)律”。它是本世紀(jì)自然科學(xué)和技術(shù)科學(xué)領(lǐng)域中“基因組、“信息結(jié)構(gòu)”和“復(fù)雜性”這三個(gè)重大科學(xué)

3、問題的有機(jī)結(jié)合。二、生物學(xué)研究內(nèi)容（一）經(jīng)典的研究內(nèi)容大規(guī)?；蚪M測序中的信息分析拼接和注釋大規(guī)模測序是基因組研究的最基本任務(wù)，它的每一個(gè)環(huán)節(jié)都與信息分析緊密相關(guān)。從測序儀的光密度采樣與分析、堿基讀出、載體標(biāo)識(shí)與去除、拼接與組裝、填補(bǔ)序列間隙、到重復(fù)序列標(biāo)識(shí)、讀框預(yù)測和基因標(biāo)注的每一步都是緊密依賴基因組信息學(xué)的軟件和數(shù)據(jù)庫的。1HowtofindthecodingregionsinrudeDNAsequenceBysignalsByco

4、ntents基于信號(hào)或堿基組成Bysignals作為參考信息作為參考信息○1AmongthetypesoffunctionalsitesingenomicDNAthatresearchershavesoughttorecognizearesplicesitesstartstopcodonsbranchpointspromotersterminatsoftranionpolyadenylationsitesribosomalbinding

5、sitestopoisomeraseIIbindingsitestopoisomeraseIcleavagesitesvarioustranionfactbindingsites.Localsitessuchasthesearecalledsignalsmethodsfdetectingthemmaybecalledsignalsenss.第一、序列長度短，重復(fù)性大，假的比真的多百千倍，因而單獨(dú)使用無法真正達(dá)到檢測的目的。第二、信號(hào)模式

6、不是唯一不變的，而是用概率來表示的。Bycontent更多依賴于更多依賴于○2I.StatisticalmethodSequenceAlignmentMethodenevenpositionalbasefrequence(Dvalue)編碼區(qū)是三聯(lián)體，將密碼子翻譯與天然蛋白的氨基酸序列進(jìn)行比較（天然的蛋白質(zhì)有固定的氨基酸比例）。這種方法產(chǎn)生三種可能的氨基酸序列，若其中有一個(gè)非常像氨基酸序列，則另外兩個(gè)都非常不像，則非常像的那個(gè)便是；若三

7、個(gè)都模糊像，則都不是。與數(shù)據(jù)庫進(jìn)行比對(duì)，這種方法發(fā)現(xiàn)不了新蛋白。II.SequenceAnalysis–PairwiseAlignment雙序列比對(duì)經(jīng)典的雙序列比對(duì)運(yùn)用動(dòng)態(tài)規(guī)劃（DP）的形式，通過緩存亞問題的解決和重利用而不是重計(jì)算他們而解決一個(gè)最佳問題，運(yùn)動(dòng)DP的尋找兩個(gè)長度為N的序列最佳排列將產(chǎn)生N2的亞問題。準(zhǔn)確，但耗費(fèi)計(jì)算機(jī)的資源。上述方法在序列很長時(shí)計(jì)算速度太慢，因此人們將之簡化，發(fā)展處Heuristicschemes的方法。

8、比較成熟的有FASTA和BLAST。這種方法搜尋短序列不插入間隔。bowung@20101216III2問題與挑戰(zhàn)1）散在重復(fù)序列：花樣類似但是分散在不同的位置。Alu2)由于RNA編輯，可變剪接，一個(gè)基因產(chǎn)生許多蛋白3四個(gè)例子1)理論研究：騰沖耐熱菌的測序和其耐熱性的研究研究代謝途徑，測出未知功能的基因方法，將所有FA合成的路徑圖全畫出，將其編碼○1的2800多個(gè)蛋白與圖上所需酶進(jìn)行比對(duì)，所有酶都對(duì)上就是這個(gè)途徑。親緣關(guān)系（和枯草桿菌

9、60%的親緣性，不耐熱）○2代謝（脂肪酸，核酸）有什么特殊的pathway重復(fù)片段300bp280次，是轉(zhuǎn)錄的起始位點(diǎn)將耐熱與不耐熱的細(xì)菌基因組進(jìn)行比較，得出耐熱所需的蛋白一般來說，耐熱菌的GC含量較高（其實(shí)不然），耐熱菌的GC大部分小于50%，但是不耐熱菌GC含量變化更大，多以細(xì)菌基因組GC含量與耐熱無關(guān)，但與mRNArRNA的GC含量有關(guān)，GC含量高，耐熱性上升。2）疾病研究：細(xì)菌性痢疾測序發(fā)現(xiàn)，引起細(xì)菌性痢疾細(xì)菌的基因組和Ecol

10、iK12Ecoli157很近。比較引起痢疾和不引起痢疾細(xì)菌，發(fā)現(xiàn)了痢疾引起的細(xì)菌含有毒力島和黑洞（痢疾沒有，不痢疾的有，保護(hù)機(jī)制的喪失）。3）工業(yè)生產(chǎn):維生素C生產(chǎn)菌株氧化葡萄酸桿菌基因組測序和組裝4）SARS簡介ThecappedpolyadenylatedgenomeisthelargestoftheRNAviruseshasauniquemethodofreplication.Theseviruseshavetheabilityt

11、ogeicallyrecombinewithothermembersoftheconavirusfamily.Thegenomeencodes34differentstructuralproteins.HumanConavirusOC43encodesfhemagglutininesterase(HE)whereasHCV229Edoesnot.Thisproteincausesredbloodcellstoclumptogetherc

12、anbeusedtodeterminehowmuchvirusisinasample.HEcanalsoinitiatebinding.HumanTovirusalsoencodesfHE.Allconavirusesencodefanucleocapsidprotein(N).ThisproteinbindstoRNAfmsahelicalnucleocapsid.ItmaybeinvolvedintheregulationofRNA

13、synthesis.Themembraneglycoprotein(M)isinvolvedwithenvelopefmation.Thespikeprotein(S)isalsoresponsiblefbindingtocells.Theconacyclelinktotheleftexplainstheinvolvementoftheseproteinsineachstepofthedynamicphase.（二）（二）新基因和新新基

14、因和新SNPs的發(fā)現(xiàn)與鑒定的發(fā)現(xiàn)與鑒定大部分新基因是靠理論方法預(yù)測出來的。比如啤酒酵母完整基因組(約1300萬bp)所包含的6千多個(gè)基因，大約60％是通過信息分析得到的。a)、利用EST(ExpressionSequenceTag)數(shù)據(jù)庫(dbEST)發(fā)現(xiàn)新基因和新SNPs國際上現(xiàn)已出現(xiàn)了幾個(gè)基于EST的基因索引如UniGeneMerckGeneGenExpressindex，這些基因索引數(shù)據(jù)庫(即二次數(shù)據(jù)庫)構(gòu)建了基因框架，極大地方便

15、了相關(guān)研究者。超大規(guī)模計(jì)算方法：建立實(shí)驗(yàn)方法，讓一小段真正的編碼區(qū)標(biāo)簽表達(dá)，企圖發(fā)現(xiàn)整個(gè)編碼序列，幾百方法：建立實(shí)驗(yàn)方法，讓一小段真正的編碼區(qū)標(biāo)簽表達(dá)，企圖發(fā)現(xiàn)整個(gè)編碼序列，幾百個(gè)堿基序列一個(gè)標(biāo)簽，其數(shù)據(jù)庫集中全世界所有的標(biāo)簽，進(jìn)行拼接和組裝，得到編碼序個(gè)堿基序列一個(gè)標(biāo)簽，其數(shù)據(jù)庫集中全世界所有的標(biāo)簽，進(jìn)行拼接和組裝，得到編碼序列，同樣將相同片段進(jìn)行比較能發(fā)現(xiàn)列，同樣將相同片段進(jìn)行比較能發(fā)現(xiàn)SNPs也可以發(fā)現(xiàn)非編碼序列也可以發(fā)現(xiàn)非編碼序