生物信息学介绍(PPT20页)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.6cm2 40万位点 每点1000万条探针
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）
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
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
• 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
– 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
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
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
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）
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
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
每一个成功者都有一个开始。勇于开始，才能找到成
生物信息学介绍
ຫໍສະໝຸດ Baidu
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
• 基因和生命的关系: 中心法则
• 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
• 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
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
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）
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
•
1、
功的路 。2020/10/262020/10/26Monda y, October 26, 2020
成功源于不懈的努力，人生最大的敌人是自己怯懦
•
2、
。2 020/10/ 262020 /10/26 2020/10 /2610/ 26/202 0 12:03:09 AM
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
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
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)
关基因 • 可视化工具和基因数据分析
• KDD2001年BIOKDD的主题就是“生物信息 学中的数据挖掘”
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
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：
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）
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
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
• 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
– 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
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
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
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）
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
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
每一个成功者都有一个开始。勇于开始，才能找到成
生物信息学介绍
ຫໍສະໝຸດ Baidu
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
• 基因和生命的关系: 中心法则
• 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
• 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
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
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）
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
•
1、
功的路 。2020/10/262020/10/26Monda y, October 26, 2020
成功源于不懈的努力，人生最大的敌人是自己怯懦
•
2、
。2 020/10/ 262020 /10/26 2020/10 /2610/ 26/202 0 12:03:09 AM
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
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
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)
关基因 • 可视化工具和基因数据分析
• KDD2001年BIOKDD的主题就是“生物信息 学中的数据挖掘”
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
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：