生物信息学引论课件

授课教师：罗 杰 授课专业：医学生物技术,绪论：什么是生物信息学？,生物信息学,绪论：什么是生物信息学？,关于教材及教学的一点说明 生物信息学产生的背景 生物信息学的定义 生物信息学研究的主要内容,绪论：什么是生物信息学？,关于教材及教学的一点说明 生物信息学产生的背景 生物信息学的定义 生物信息学研究的主要内容,一、关于教材及教学的一点说明,虽然生物信息学已经在国外得到蓬勃的发展，但是国内 相关书籍的水平还十分参差不齐，至今仍没有一本非常 翔实的中文教材。 生物信息学与功能基因组学中文译者，2006年 本教材（生物信息学应用技术王禄山主编）仅作为 教学参考用书。 本课程的教学参考了:“Bioinformatics and Functional Genomics”（Wiley, 2nd edition 2009） 及其网络教程：http:/www.bioinfbook.org,What you need before the course ?,A desktop PC or laptop hooked to the Internet Good background of molecular biology Ability to read and write in English At least another 6 hours to stick on the Internet doing homework of the course Applied Bioinformatics Course, CBI,一、关于教材及教学的一点说明,每次大课（单周）对应一次计算机实验（双周） 计算机实验室在综合楼七楼（东侧），由电梯上达 教学幻灯及上机练习题存于网盘：http:/www.dbank.com/ 帐号：shdylwbyahoo.com.cn 密码：yxswjs2008 本次课NCBI及PubMed的内容可参见教材：Page 48 第四章 生物信息的检索及策略,绪论：什么是生物信息学？,关于教材及教学的一点说明 生物信息学产生的背景 生物信息学的定义 生物信息学研究的主要内容,二、生物信息学产生的背景,恩格斯曾经指出： 数学的应用“在生物学中=0”。 自然辩证法，1885年,近二十年来生物信息学的成长基于一个简单的 原因： 数据数据数据 数据数据 数据,二、生物信息学产生的背景,DNA,RNA,phenotype,protein,分子生物学数据：主要指核酸和蛋白质的序列数据以及蛋白质三维结构数据,DNA sequences are the mothers of all sequences!,二、生物信息学产生的背景,随着人类基因组计划的实施，通过基因组测序产生了大量的分子生物学数据，需要利用计算机技术对这些原始数据进行收集、整理、储存、管理以便于检索使用。 而为了解释和理解这些数据，还需要对数据进行比较、分析，建立数学模型，进行仿真、预测与验证。 生物信息学应运而生。,二、生物信息学产生的背景, Science 杂志在2001年2月16日人类基因组专刊上配发了一篇题为“生物信息学：努力在数据的海洋里畅游”的文章。文章写道：“我们身处急速上涨的数据海洋中 ，我们如何避免生物信息的没顶之灾呢？” 一叶轻舟或许可以救命！生物信息学便是我们找到的这样一条“轻舟”。,二、生物信息学产生的背景,截止2009年8月，NCBI的GenBank 数据库已收录了20万种以上的物种，1亿多条序列，总长度超过1000亿个碱基。 以2007年12月到2008年12月的数据为例， GenBank 数据库平均每天大约增加4200万个碱基。 信息时代、网络时代、生物技术时代,Growth of GenBank,Year,Base pairs of DNA (millions),Sequences (millions),1982,1986,1990,1994,1998,2002,Mega-（百万） 360亿bps 36G硬盘，2002年,Growth of GenBank + Whole Genome Shotgun (1982 November 2008),Number of sequences in GenBank (millions),Base pairs of DNA in GenBank (billions) Base pairs in GenBank + WGS (billions),0,20,40,60,80,100,120,140,160,180,200,1982,1992,2002,2008,Giga-（十亿） 1800亿bps 180G硬盘，2008年,Arrival of next-generation sequencing: approaching 100 terabases (100,000 gigabases) in 2009,Tera-（万亿） 100万亿bps 100000G硬盘，2009年,生物信息学 基本思想产生,生物信息学 迅速发展,二十世纪 50-60年代,二十世纪 80-90年代,生物科学和 技术的 发展,人类基因组 计划的 推动,二、生物信息学产生的背景,Protein,DNA,F. Sanger （1958 1980）,HGP 生物数据的激增,生物学家,数学家,计算机 科学家,生物信息学 诞生,二、生物信息学产生的背景,二、生物信息学产生的背景,诺贝尔奖获得者W.Gilbert 在1991年曾经指出 “传统生物学解决问题的方式是实验的，现在基于全部基因都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的，一个科学家将从理论推测出发，然后再回到实验中去，追踪或验证这些理论假设。”,生物信息学将传统生命科学的“二元研究”分化为“三足鼎立”状态,理论,实验,理论,传统实验,计算机实验,in vivo in vitro in silico,绪论：什么是生物信息学？,关于教材及教学的一点说明 生物信息学产生的背景 生物信息学的定义 生物信息学研究的主要内容,三、生物信息学的定义,生物信息学（bioinformatics） 指生命科学与数学、计算机科学以及信息学等交融在一起形成的一门交叉学科。 它应用先进的数据管理技术、数学分析模型和计算机软件对各种生物信息（特别是分子生物学信息）进行储存、提取、处理和分析，旨在掌握复杂生命现象的形成模式和演化规律。,三、生物信息学的定义,以核酸、蛋白质等生物大分子为主要研究对象 以信息学、数学、计算机科学为主要研究手段 以计算机网络为主要研究环境 以计算机软件为主要研究工具 对序列数据进行存储、管理、注释、加工 对各种数据库进行查询、搜索、比较、分析 构建各种类型的专用数据库信息系统 研究开发面向生物学家的新一代计算机软件,绪论：什么是生物信息学？,关于教材及教学的一点说明 生物信息学产生的背景 生物信息学的定义 生物信息学研究的主要内容,四、生物信息学研究的主要内容,序列重叠群（Contigs）装配 序列比对和结构比对 计算机辅助基因识别 基因组非编码区分析及DNA语言研究 分子进化和比较基因组学 蛋白质结构预测 基于结构的药物设计,四、生物信息学研究的主要内容,序列重叠群（Contigs）装配 序列比对和结构比对 计算机辅助基因识别 基因组非编码区分析及DNA语言研究 分子进化和比较基因组学 蛋白质结构预测 基于结构的药物设计,四、生物信息学研究的主要内容,1、序列重叠群（contigs）装配 根据现有的DNA测序技术，每次反应最多只能测出1000 bp的序列，这就要求把大量的短序列构成重叠群,再逐步把它们拼接起来形成骨架 （scaffolds），直至得到完整的序列。,由深圳华大基因研究院发起，中国科学院昆明动物研究所等参与的合作研究成果The sequence and de novo assembly of the giant panda genome于2010年1月21日以封面故事发表于nature杂志。 本研究是全球第一个完全使用新一代合成法测序技术完成的基因组序列图，该成果证明了短序列也能组装成完整基因组，并将成为基因组绘图的国际标准。 SOAP基因组序列分析软件包可以高效地处理第二代测序技术产出的巨大数量的短序列，并完成其参考序列的定位上，短序列的组装以及序列差异分析等。,四、生物信息学研究的主要内容,序列重叠群（Contigs）装配 序列比对和结构比对 计算机辅助基因识别 基因组非编码区分析及DNA语言研究 分子进化和比较基因组学 蛋白质结构预测 基于结构的药物设计,四、生物信息学研究的主要内容,2、序列比对和结构比对 在生物信息学研究中，比对是最常用和最经典的研究手段。最常见的比对是蛋白质或核酸序列之间的两两比对或多重比对，通过比较两个或多个序列之间的相似区域，寻找它们共同的保守结构域和可能的分子进化关系。,算法和软件（如：Blast）,序列比对要考虑的问题之一,如何排列比较？（寻求序列之间最大相似性匹配!） 我们不能够简单的将两个序列头尾对应的排比，而是对各 种可能的排比方式都进行比较以找出最佳的比对结果。,ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT,ATGCATGCATGCATGCATATATATATATATATATGCATGCATGCATGCATGC | | | | | | | | | | | | | | | | CGATCGATCGATCGATATATATATATGCATATATATGCATGCATGCATGCAT,10条氨基酸序列的多重比对,肌红蛋白,球蛋白,球蛋白与肌红蛋白重叠,四、生物信息学研究的主要内容,序列重叠群（Contigs）装配 序列比对和结构比对 计算机辅助基因识别 基因组非编码区分析及DNA语言研究 分子进化和比较基因组学 蛋白质结构预测 基于结构的药物设计,四、生物信息学研究的主要内容,3、计算机辅助基因识别 由于人类已经获得了巨大数量的基因组信息，依靠较慢的传统生物学实验分析已不能满足基因识别的需要，而基于计算机算法的基因识别得到了长足的发展，成为了基因识别的主要手段。,算法和软件（如：ORF Finder）,使用NCBI的ORF Finder 发现一条DNA序列有3个 可能的蛋白编码区,四、生物信息学研究的主要内容,序列重叠群（Contigs）装配 序列比对和结构比对 计算机辅助基因识别 基因组非编码区分析及DNA语言研究 分子进化和比较基因组学 蛋白质结构预测 基于结构的药物设计,四、生物信息学研