生物信息学介绍
- 1. 生物信息学介绍
- 2. 生物信息学： 存储、修复、分析、整合生物数据的学科 分子生物学与信息技术的结合体 研究材料与结果：各种生物学数据 研究工具：网络、计算机 包括生物学和计算两部分 现代生物研究的核心 研究方法： 传统生物学：实验 理论 现代生物学：理论 实验验证
- 3. 基因和生命的关系: 中心法则 基因传递遗传信息（转录），并由蛋白质表达，构成有机体，完成生命的功能 DNA mRNA 蛋白质 蛋白质组（蛋白质protein与基因组genome的杂合） 一种基因组所表达的全套蛋白质，即一种细胞至一种生物所表达的全部蛋白质 蛋白质组学：从蛋白质组的水平研究认识生命活动的机理和疾病发生的分子机制 人类基因组计划（Human Genome PROJECT, HGP) 1986年Americian Rensto Dulbecco 《Science》 阐明人类基因组的全部核苷酸序列，从整体上破译人类遗传信息，在分子水平全面认识自我
- 4. 近期任务大规模基因组测序中的信息分析 新基因和新SNPS(单核苷酸多态性)的发现与鉴定 完整基因组的比较研究 大规模基因功能表达谱的分析 生物大分子的结构模拟与药物设计
- 5. 远期任务读懂人类基因组，发现人类遗传语言的根本规律，从而阐明若干生 物学中的重大自然哲学问题，像生命的起源与进化等。这一研究的关键和核心是了解非编码 区 非编码区信息结构分析 遗传密码起源和生物进化的研究
- 6. 生物学世纪的重大生物学课题生命是什么：生物系统运作机理的更深入探索 基因组中的信息：读懂ACGT序列 氨基酸序列如何编码蛋白质的特性与活性 蛋白质的结构和功能预测 蛋白质怎样实现细胞和有机体的动力学： 生命为什么是蛋白质的运动方式 个体发育和系统发育的法则和机理： 肌体如何长成、运作、衰老和进化 征服疾病： 主要循环系统疾病、癌症、病毒源性疾病、遗传病和衰老 保护和利用生物资源，开发和发展生物产业： 生物学怎样造福人类
- 7. 现在进行的研究 序列比对 系列两两比对 多系列比对 基因组数据分析 序列拼接：通过计算分析从EST库拼接出完整的新基因，即“电子克隆” 新基因发现：根据编码区具有的序列特征等通过计算分析从DNA序列中确定基因编码区 序列同源比较： Smith－Waterman算法 FASTA BLAST算法
- 8. 大规模基因表达谱数据分析 重复序列分析 编码区统计特征分析 启动子分析内含子/外显子剪接位点 翻译起始位点和翻译终止信号 tRNA基因识别 DNA序列自身编码特征分析 基因组组织结构和信息结构 不同物种、不同进化水平的生物的相关基因之间进行比较
- 9. 蛋白质结构和功能的预测分析 蛋白质家族保守序列寻找 从氨基酸组成辨识蛋白质 蛋白质二级结构预测 蛋白质的三维结构 蛋白质的物理性质预测 其他特殊局部信息：其它特殊局部结构包括膜蛋白的跨膜螺旋、信号肽、卷曲螺旋(Coiled Coils)等，具有明显的序列特征和结构特征，也可以用计算方法加以预测
- 10. cDNA 芯片相关的数据管理和分析 实验室信息管理系统 基因表达公共数据库 分子进化
- 11. 研究分类序列分析 不基于序列的研究 生物芯片的基因表达谱分析 全基因组关联分析 基因调控网络的反向工程研究
- 12. 数据挖掘技术在生物信息学的应用异质、分布式基因组数据的语义综合 DNA序列的相似性查找和比较 关联分析：识别基因序列的共发生性 路径分析：在疾病发展的不同阶段的相关基因 可视化工具和基因数据分析
- 13. KDD2001年BIOKDD的主题就是“生物信息学中的数据挖掘”
- 14. 现在的工作数据挖掘算法在生物信息学研究中的应用 数据挖掘算法在生物信息学研究中的改进与发展 生物信息学软件的开发
- 15. 基因芯片(microarray)介绍电子技术与生物技术的结合 基因组研究中最实用的部分之一 Affymetrix公司： 1.6cm2 40万位点 每点1000万条探针
- 16. 基因芯片流程（一）1. 实验设计 2. 样品制备（指mRNA或总RNA样品，包括对照组和实验组） 3. 芯片制备（包括PCR，纯化，点样等步骤） 4. 芯片杂交（将mRNA或总RNA分别进行逆转录生成cDNA，在此步骤中将对照组和实验组cDNA分别标记CY3和CY5荧光信号） 5. 芯片扫描（采用激光扫描仪，分别用532nm和635nm波长激光扫描芯片，对于每张芯片，得到CY3和CY5通道两幅图象）
- 17. 基因芯片流程（二）6. 图象处理（采用专门软件，对图象进行分析，提取每个点上的数字信号），得到原始数据表。 7. 数据校正和筛选（对cy5或cy3信号进行校正，消除实验或扫描等各环节因素对数据的影响，同时利用筛选规则对数据中的“坏点”，“小点”，“低信号点”进行筛选，并作标记。） 8. 差异表达基因的确定（采用ratio值对差异基因进行判断，或采用统计方法如线性回归、主成分分析、调整P值算法等对差异基因进行统计推断） 9. 生物信息学分析（如cluster 算法、差异基因的同源性比对，差异基因的相关文献检索等）
- 18. 基因芯片应用基因表达检测 特异性相关的基因：差异表达的基因 基因功能研究 健康状况的检测 毒理学研究 药物作用机制的研究 定位克隆 基因突变和多态性检测 确定重叠群克隆的排序
- 19. 基因芯片产业化现状公司：尖端技术研究和市场化的混合体 美国已有二十多家公司 我国： 首家为联合基因集团 南方病虫害基因 白血病检测
- 20. 基因芯片分析所用到的算法聚类 分类 关联分析 时间序列分析 异常检测 可视化
该用户的其他文档
相关PPT