生物信息学软件

生物信息学软件

Bioinformatics software

课程编号：X10001 开课教研室：生物信息教研室

总学时数：20学时学分：1学分

主讲教师：肖云开课学期：第1学期

教材名称：生物信息学

出版社：人民卫生出版社

出版时间：2010年主编：李霞

课程简介：生物信息学软件主要是为研究生开设的基础课。课程内容为生物信息相关专业课程（，课程内容的体系结构涉及功能注释、表达分析以及网络分析等，主要为培养我院各专业研究生灵活运用软件解决问题的能力，使学生通过本课程的学习，能够熟练掌握一些主要的生物信息学软件。

教学目的：该门课程学习的目的，是使学生熟练掌握一些应用广泛的生物信息学软件，并能运用所学软件分析和解决生物信息科研中的实际问题。本课程从多个层面覆盖生物信息各方面常用的软件，如生物学功能注释、系统生物学分析等。本课程重点讲授Cytoscape及其插件的应用。

教学重点及要求掌握的内容：

一、注释软件Biomart（2学时）

1.简介bioMart是一个集成了生物学数据的大型集成数据库，包括Ensemble, Uniprot,

NCBI, EBI, TAIR等常用的数据库

2.主要功能它可以轻松地完成的在多个生物学数据库上繁琐地检索，获取相关数据在不

同数据库间的关联。

3.实例分析查找某个基因在染色体上的位置。反之，给定染色体每一区间，返回该区间

的基因s

二、功能分析软件David（2 学时）

1.主要功能主要用于基因的功能富集分析，包括GO富集分析以及KEGG通路富集分析.

2.实例分析给定某一基因集合，分析其显著参与的生物学过程

三、网络可视化与分析软件Cytoscape及其插件（16学时）

1.简介Cytoscape是一个开源的生物信息软件平台，它可以对分子互作网络及生物学通路

进行可视化分析，并且可以根据需要将网络相关的注释信息、基因表达谱和其他类型的数据整合到网络中。

2.主要功能

a)可视化蛋白质互作、转录调控网络

b)对网络进行基础分析，如度，聚类系数等

c)对网络进行模块划分

3.实例分析从任意一互作数据库中下载互作数据，并从GEO上下载一套case/control表

达谱数据进行差异表达分析，最后利用软件把差异表达基因在映射到互作网络中并进行可视化。

4.插件介绍BiNGO，APCluster，MCODE，OmicsAnalyzer，NetworkAnalyzer，

RandomNetworks

参考书目及文献：

1.Durinck, S., Moreau, Y., Kasprzyk, A., Davis, S., De Moor, B., Brazma, A. and Huber, W.

(2005) BioMart and Bioconductor: a powerful link between biological databases and microarray data analysis, Bioinformatics, 21, 3439-3440.

2.Maere, S., Heymans, K. and Kuiper, M. (2005) BiNGO: a Cytoscape plugin to assess

overrepresentation of gene ontology categories in biological networks, Bioinformatics, 21, 3448-3449.

3.Shannon, P., Markiel, A., Ozier, O., Baliga, N.S., Wang, J.T., Ramage, D., Amin, N.,

Schwikowski, B. and Ideker, T. (2003) Cytoscape: a software environment for integrated models of biomolecular interaction networks, Genome Res, 13, 2498-2504.

4.Xia, T. and Dickerson, J.A. (2008) OmicsViz: Cytoscape plug-in for visualizing omics data

across species, Bioinformatics, 24, 2557-2558.

生物信息挖掘技术

Biological Data Mining Techniques

课程编号：X10002 开课教研室：生物信息学教研室

总学时数：20学时学分：1学分

主讲教师：李霞开课学期：第1学期

教材名称：生物信息学

出版社：人民卫生出版社

出版时间：2010年主编：李霞

课程简介：随着基因组、蛋白质组及转录组研究的不断进展，各级各类的生物学数据库相继出现，从而产生了高通量、大规模的生物学数据。本课程主要介绍在对对这些生物分子信息进行获取、管理之后如何进行分析和应用，并采用数据挖掘技术从海量数据中发现有价值的规律，揭示其生物学奥秘。同时介绍了R语言中的部分软件包在生物信息挖掘技术上的实现。

教学目的：通过本课程学习，使学生深入掌握生物信息挖掘的基础理论和基本技术，熟悉生物数据挖掘领域的发展趋势，了解生物数据挖掘技术的最新进展和前沿成果，并能根据实际问题给出相应的解决方案。

教学重点及要求掌握的内容：

一、生物信息挖掘方法概述（2学时）

1．决策树与决策森林

2．ANN

3．SVM

4．遗传算法

5．常见聚类方法

6．常见统计学分析方法

7．常见的生物学网络构建方法

二、生物信息学挖掘方法应用（10学时）

1．疾病相关基因与疾病基因子网挖掘新方法

（1）集成决策的方法挖掘疾病相关基因

（2）遗传算法与SVM耦合的方法挖掘疾病基因