（生物医学工程专业论文）基于GCG的生物信息学WEB系统的构建.pdf

中山太摹 s o n y a t - , s e n u n t v e r s f f y 2 0 0 6 届硕士研究生毕业论文 结果：本课题完成了对g c gw e b 序列分析系统的总体搭建，完成工具选择模块、 参数设置模块、序列格式转换模块、程序运行模块和用户管理模块的编写。共完 成2 8 5 个静态页面的设计和1 4 0 个脚本文件的编写，并建立m y s q l 数据库1 个。 结论：系统实现了局域网内用户通过w e b 浏览器对l i n u x 服务器上g c g 系统的 方便使用。从方便用户的角度出发，本系统提供了三种选择工具的方式，提供良 好的g c g 子程序和其相关参数介绍，并提供序列格式的自动转换功能。系统经 过安全性、稳定性和兼容性测试，测试结果显示系统无明显安全漏洞，系统稳定 性较高，兼容性较好。本系统的构建，解决了研究人员因不了解l i n u x u n i x 操 作系统而无法使用g c g 的困难，也为国内生物信息学w e b 平台的搭建提供借 鉴。 本系统在局域网的访问地址为h t t p ：2 0 2 1 1 6 1 0 7 1 8 5 关键词：生物信息学，g c g ，b s 模式，w e b 系统，序列分析 i i 中山失哮 2 0 0 6 届硕士研究生毕业论文 c o n s t r u c t i o no fg c gw e b s y s t e m m a j o f ：b i o m e d i c a le n g i n e e r i n g p o s t g r a d u a t es t u d e n t ：f u h a o y a n g s u p e r v i s o r ：v i c e - p r o f y u a n ，h e n g - x i n a b s t r a c t b a c k g r o u n d ：b a s e do nt h el i n u xo ru n i xo p e r a t i n gs y s t e m ，t h eg c gw i s c o n s i n p a c k a g ei so n eo ft h em o s tw i d e l yu s e ds e q u e n c ea n a l y s i st o o l si nt h ew o r l d g c gh a s p o w e r f u lf u n c t i o n s ，s u c ha ss e q u e n c ea n a l y s i s ，c o m p a r i s o na n da n t i c i p a t i o ne ta 1 g c gc o n t a i n so v e r1 4 0p r o g r a m sa n du t i l i t i e sc o v e t i n gt h ec r o s s - d i s c i p l i n a r yn e e d s o ft o d a y sr e s e a r c he n v i r o n m e n ta n dn o wi ti sc o n s i d e r e da st h ei n d u s t r ys t a n d a r d w i t ht h ed e v e l o p m e n to fw e bt e c h n o l o g y ，b u i l d i n gw e bs e r v e r sa n dp r o v i d i n g a n a l y s i so n l i n eb e c o m et h et e n d e n c yo fb i o i n f o r m a t i c s m a n yo r g a n i z a t i o n sa n d u n i v e r s i t i e sh a v eb u i l tt h e i ro w nb i o i n f o r m a t i c sw e bp l a t f o r m s ，s u c ha sn c b i ，e b ie t a 1 0 b j e c t i v e ：w h i l et h ec o m m a n d - l i n ei n t e r f a c et og c gi sn o tv e r yu s e rf r i e n d l y , t h e g r a p h i c a lx - w i n d o w si n t e r f a c es u p p l i e db yg c g c a no f t e nn o tb eu s e dd u et ot h el a c k o fa nx s e r v e ro np c w ed e c i d e dt od e v e l o pav c w wi n t e r f a c et ot h eg c g s e q u e n c e a n a l y s i ss o f t w a r ep a c k a g e ，p r o v i d i n gt h eu s e ro fc o n v e n i e n t ，s a f e ，s t a b l ea n a l y s i s s e r v i c eo fg c g m e t h o d s ：b a s e do nr e d h a tl i n u x7 2 ，g c gw i s c o n s i np a c k a g ea n da p a c h ew e b s e r v e r ，t h ea u t h o rf o r m e dag c g w e b s y s t e mu s i n gp h p a n dc s hs c r i p t s c o n s t i t u t i o n ：a tt h eb e g i n n i n go ft h ep a p e r ，i tc o n c l u d e st h eb a c k g r o u n da n d d e v e l o p m e n t o fb i o i n f o r m a t i c sa n dg c g t h e n ，i td i s c u s s e st h ed e v e l o p e rm o d e la n d c o r e t e c h n i q u eo ft h es y s t e m i tl a y ss t r e s so ni n t r o d u c i n gt h es y s t e ma n a l y s i sa n d d e s i g na n ds h o w st h ek e yt e c h n o l o g yi nd e t a i l a tl a s t ，t h e r ei st h es u m m a r ya n d i i l 中山丸峰 2 0 0 6 届硕士研究生毕业论文 e x p e c t a t i o no ft h es t u d y r e s u l t s ：t h es t u d yc o m p l e t e st h et o t a lc o n s t r u c t i o no ft h eg c gw e bs e q u e n c e a n a l y s i ss y s t e ma n d f i n i s h e st h ei m p l e m e n ta l t e r n a t i v em o d u l a r ，p a r a m e t e ri n s t a l l a t i o n m o d u l a r ，s e q u e n c ef o r m a t i o nt r a n s f o r mm o d u l a r , p r o c e d u r eo p e r a t i o nm o d u l a ra n d s a f ea d m i n i s t r a t i o nm o d u l a r t h e r ea r e2 8 5s t a t i cp a g e s ，1 4 0s c r i p t sa n do n em y s q l d a t a b a s e c o n c l o s i o n s ：t h es y s t e mm a k e si tp o s s i b l et h a tl o c a la r e an e t w o r ku s e r sc a nu s e g c ge a s i l yb yw e bb r o w s e r i tp r o v i d e st h r e em e t h o d st oc h o s et h et o o l s ，w e l l i n t r o d u c t i o no fp a r a m e t e r sa n da u t o m a t i cc o n v e r s i o n so fs e q u e n c ef o r m a t t h es y s t e m h a v e b e e nt e s t e da b o u ts a f e t y ，s t a b i l i t ya n dc o m p a t i b i l i t ya n dt h er e s u l t si n d i c a t et h a t o u i s y s t e mi ss a f e ，h i g h l ys t a b l e ，a n dg o o dc o m p a t i b i l i t y t h es y s t e mm a k e sp e o p l e w h ok n o w sal i t t l ea b o u tl i n u x u n i xu s i n gg c ge a s i l ya n ds a f e l y ，a l s oi tp r o v i d e sa m i n o ro fb u i l d i n go fd o m e s t i cb i o i n f o r m a t i c sw e b t h ew e bg c gs y s t e mi sa v a i l a b l ea th t t p ：2 0 2 1 1 6 1 0 7 1 8 5 k e yw o r d s ：b i o i n f o r m a t i c s ，g c g ，b sm o d e ，w e bs y s t e m ，s e q u e n c ea n a l y s i s 。c a 走u n i v e r 挚s i t y 2 0 0 6 届硕士研究生毕业论文 1 1 生物信息学简介 第l 章前言 1 1 1 生物信息学的概念和发展简史 1 1 1 1 生物信息学的产生背景 随着序列测定技术的迅猛发展，生物数据呈现指数级增长。截止2 0 0 5 年8 月，g e n b a n k 核酸序列数据库数据达到了创记录的1 0 0 g ，大量生物f 甚至包括我 们人类自身) 的整个基因组序列被测定完成或正在进行中，遍布世界各地研究实 验室的高通量大型测序仪在日夜不停地运转，每天都有成千上万的数据被源源不 断地输入相应的生物信息库中。我们身处急速上涨的数据海洋中【1 l 图1 - 1 序列增长示意图 迅速膨胀的生物信息给科学家们提出了一个新问题：如何有效管理、准确解 读、充分使用这些信息? 同时，计算机硬件的发展和数据库存储技术的成熟，连 同计算方法的创立和发展，使生物学产生的海量数据得以有效地管理和运行。一 门新兴学科一生物信息学应运而生。 烹息然 2 0 0 6 届硕士研究生毕业论文 图1 2 生物信息学“路线图( 2 j 1 1 1 2 生物信息学的概念 美国国家卫生署给生物信息学( b i o i n f o r m a t i c s ) 下的定义：生物信息学是研 究、开发或应用计算机的工具和方法来处理生物学、医学、行为学和康复学的数 据的一门学科。它通过对数据的获取、存储、加工、检索、分析以及图像化，进 而达到揭示数据所蕴含的生物学意义的目的。其实质就是综合运用数学、计算机 科学和生物学的各种工具，来阐明和理解大量数据所包含的生物学意义( 1 9 9 5 年 美国人类基因组计划第一个五年总结报告、。 广义地讲，生物信息学是运用数学、信息学的观点、理论和方法去研究生命 现象，组织和分析呈指数增长的生物信息数据的一门学科f 3 】。由于当前生物信息学 发展的主要推动力来自分子生物学，生物信息学的研究主要集中于核苷酸和氨基 酸序列的存储、分类、检索和分析等方面，所以目前生物信息学可以狭义地定义 为：将计算机科学和数学应用于生物大分子信息的获取、加工、存储、分类、检 索与分析，以达到理解这些生物大分子信息的生物学意义的交叉学科，亦被称为 驰。犬u n i v e r 訾s i t y 2 0 0 6 届硕士研究生毕业论文 分子生物信息学( m o l e c u l a rb i o i n f o r m a t i c s ) 。 1 1 1 3 生物信息学的发展简史 生物信息学产生于2 0 世纪5 0 年代末期，早在1 9 5 6 年美国田纳西州盖特林 堡召开的首次“生物学中的信息理论研讨会”上便产生了生物信息的概念。1 9 6 2 年波林( p a u l i n g ) 分子进化理论的出现，也预示着生物信息学的来临。但真正意义 上的“生物信息学( b i o i n f o r m a t i c s ) ”一词的出现是在1 9 9 0 年1 4 i ，由出生在马来西亚 的美籍学者林华安( h w a a l i m ) 首次使用 5 1 。 表1 - 1 生物信息学发展的简史【6 1 1 9 5 6 美国田纳西州召开了首次“生物学中的信息理论讨论会” 1 9 6 2 p a u l i n g 提出分子进化理论 1 9 6 7 d a y h o f f 构建蛋白质序列数据库 1 9 7 0n e e d l e m a n w u n s c h 算法被提出 1 9 7 7s t a d e n 利用计算机软件分析d n a 序列 1 9 8 1s m i t h w a t e r m a n 算法出现 1 9 8 1 序列模序( m o t i 0 1 拘概念被提, m , ( d o o l i t t l e ) 1 9 8 2 g e n b a n k 数据库( r e l e a s e 3 ) 公开；e m b l 创立 1 9 8 2 丸噬菌体基因组被测序 1 9 8 3 w i l b u r 和l i p m a n 提出序列数据库的搜索算 法( w i l b e r l i p m a n 算法) 1 9 8 5 快速序列相似性搜索程度f a s t p f a s t n 发布 1 9 8 8 美匡f 家生物技术信息中心( n c b i ) 创立 1 9 8 8 欧洲分子生物学网络e m b n e t 创立；三大核酸数据库( g e n b a n k 、e m b l 和 d d b j ) 开始国际合作 1 9 9 0 快速序列相似性搜索程序b l a s t 发布 1 9 9 1 表达序列标签( e s t ) 概念被提出，从此开创e s t 测序 1 9 9 3 英国s a n g e r 中心在英国体斯顿建立 1 9 9 4 欧洲生物信息学研究所在英国h i n x t o n 成立 1 9 9 5 第一个细菌基因组测序完成 1 9 9 6 酶母基因组测序完成 宝慧，慧篡：。嘶届硕蝴究生毕业论文 1 9 9 7 p s i b l a s t ( b l a s t 系列程序之一1 发布 1 9 9 8 p h i l g r e e n 等入磅制约是动测序组装系统p h r e d p h r a p c o n s e d 系统正式发 布 1 9 9 8 多缨魏线虫菱因缝溅痔宠戒 1 9 9 9 果蝇撼因组测序完成 2 0 入类纂因组溺序基本党成 2 0 0 1 人类基因组初步分析结果公布 2 0 0 2 首张酵母蛋白组的功能图谱完成 2 0 0 3 人类熬困组完整图谱绘制完成 2 0 0 4 完成世界首个动物鸡基因测序 圈群完或承程基嚣缀彦裂全銎錾诿鳇绘割 纵观生物信息学的发展历史，大致经历了3 个阶段：前基因组时代、基因组 时代移后基鬻组时代。f 1 ) 前基蠢组辩代：稼志性工释包括雯伤数舔痒斡建立、 检索工具的开发以及d n a 和蛋白质序列分析。以g e n b a n k 核酸序列数据岸， d a y h o f f 的替换矩阵和n e e l l e m a n - w u n s c h 为代表，缀成了生物信息学的一个袋基 本的内容和愚路：】；擎列存储和序列比较；( 2 ) 基因缎时代：以网络数据摩系统的 建立和b l a s t 等相似性搜索程序为代表。1 9 8 2 年三大分子数据库的国际合作使 数撼共享成为可麓，阉肄为了舂效蛰理与爨缨增豹数据，默b l a s t 、f a s t a 等 为代表工具软件和相应的新算法大羹被提出和研制，极大地改善了人类管理和利 慝分子数据豹能力。在这一淤段，生物售意学俸为一个薪兴学科己缎形袋，并确 立了自身学科的特征和地位；( 3 ) 后基因组时代：以大规模撼因组测序与分析、 蛋自质组分析以及备种数据库的院较和整合为代表。在诧阶段，生物信息学已成 为攀世瞻翻、竞相发展的热点学科。 未来的生物信恩学将发展为包含生物学、信息j 陂用科学、数学和发现复杂生 物学信息系统援架麴理论蘩艘，蔹及物理秘他学豹综合蛙学辩。当我们可以完全 用计算机模拟活体细胞和组织器官，并且了解他们鼹如何工作的，我们就真正认 谖了生秘蘩憨学。淄 d s 中u ny a 山t - 。5 。夫u n i v e r 謦s i t y 2 0 0 6 届硕士研究生毕业论文 b i o i n f o r m a t i c sn o w g eu n d e r s t a n d i n gf u n c t i o n sa n d u t i l i t i e sa tt h em o l e c u l a r = c e l l u l a ra n do r g a n i s ml e v e l s b i o i n f o r m a t i c si nt h ef u t u r e u n d e r s t a n d i n gb a s i cp r i n c i p l e s o ft h eh i g h e rc o m p l e x i t yo f b i o l o g i c a ls y s t e m s 图1 - 3b i o i n f o r m a t i c sn o wa n df u t u r e 1 1 2 生物信息学的几点误区 生物信息学有大量免费的资源可以利用、成本低( 只需一台电脑) 、可迅速 完成并发表实验结果。在许多人眼中生物信息学的诱惑力非同一般，但这些想法 中，确实也存在一些误解1 8 】。 误解之一：“生物信息学人人可做，数据和软件都是免费的”这一认识的根源 来自对生物信息学的2 个误解，一是生物信息学研究不需大量经费投入，因为有 如此多的数据资源，只要找本生物学教科书，有台电脑并连到国际网上，人人可 以从事生物信息学研究；二是有大量生物信息学的免费软件，只要了解w i n d o w s 和l i n u x u n i x 系统的人，就可以成为生物信息学专家。事实上，单纯的数据是 没有任何意义的，需要通过精确的生物信息学分析才有可能得到预期的结果。从 事生物信息学研究的人员也必须具备多学科交叉的知识，而培养这种专业技能必 须进行长期的投入。另外，人们习惯认为生物信息学的软件是免费的，会使用几 个生物学软件，就是在做生物信息学研究。事实上大量先进、最新的生物信息学 分析软件包都是商业化产品，不付钱难以得到；免费软件的种类太多，太杂，选 择何种软件、软件的原理如何，软件准确性和可信性以及相关的技术支持都难以 保障。 误解之二_ 生物信息学研究人员只是敲敲键盘，然后便写论文”。实验生物学 家非常羡慕生物信息学家，认为“这些人所有要做的只是按一下按钮，其余的时 间便是用来写文章了。”其实这并非事实。首先，利用生物信息学方法进行预测 要对其进行相关原理和算法分析，同一问题采用不同算法，可能得到完全不同的 结果。因此，必需要弄清楚某种方法的基本原理，而不是仅把算法当作一个“黑 筘虢 中山失訾 s u n y p , ts e n u n i v t t y 2 0 0 6 届硕士研究生毕业论文 箱”。一种方法可能对特定实例很合适，而对另一个则完全不对：其次还要对程 序的运行参数进行分析，明确针对自己的数据应如何设置相关参数；运行过程中 还需密切注意程序状态，以保证结果的可靠性。最后，从根本上说，实验最终起 着决定性的作用。生物信息学的方法和手段有助于增强实验设计的可行性和可靠 性，并对各种试验结果的进行预测，但真正的结论还需要用相应的分子生物学实 验来确定。 误解之三生物信息学是门新技术”。人们最初的误解是：生物信息学是一个 新领域。事实上，生物学算法可以追溯到1 9 2 4 年，l o t k a 在他的物理生物学的 构成中写到对于数据来说，数据规则的建立，正如其它领域一样是可行的， 可以以统计学技巧辅助进行。”从那以后，科学家们试图对生物系统的组成进行 定量和测量，却几乎没有什么成果，因为生物学的东西难以定量。只有当可以观 测到的生物学量以三维协调的方式或以特征序列方式出现后，计算生物学才发展 起来。2 0 世纪7 0 年代，相关算法以及它们的计算机程序的出现，使得生物计算 和理论迅速发展。 误解之四生物信息学仅仅是作为一门应用技术”。这意味着生物信息学纯粹 是一门应用学科，只是为生物科学提供解决问题的方法，是从信息学移植来的技 术应用于生物学科领域，这是一个致命的误解。事实上，在该领域有着大量深刻 的内容，还有很多有待解决的富有挑战性的科学难题。如分子的进化、数据库间 如何跨平台操作、数据的冗余处理以及信息的安全性等。因此，生物信息学应被 看作是- - i - j 真正的学科，同样需要周详的实验计划和准确的操作，同样需要丰富 的想象和瞬即逝的运气。 1 1 3 生物信息学的意义 生物信息学是门年轻而又充满希望的新学科，正在受到世界各国政府和著 名科学家的高度重视和极大的关注。在过去的十几年中，生物信息数据库得到了 快速构建和扩建，同时，在序列的搜索和对比、基因组图谱构建、进化和系统发 生等方面也取得了很大进展。随着2 0 世纪末生物学数据和信息的大量积累，2 1 世纪必将导致科学上的重大发现。我们要牢牢抓住这一千载难逢的良机，为2 1 世纪世界科学的发展做出我们应有的贡献。 烹慧。良u n i v e r 哮s t y2 0 0 6 届硕删究生毕业论文 1 2 常弼的综合靛生物倍息学分析系统 随者生物信息学的发展，综合性的数据库和综合性的分析平台已成为一 种趋势。目前，国际上的一些比较有名的综合性的分析工具主要有g c g 、 e m b o s s 、s t a d e n 、v e c t o rn t i 、d sg e n e 蕊。 王2 ，lg c g g c gw i s c o n s i np a c k a g e 来源于8 0 年代的g c g ( g e n e t i c sc o m p u t e rg r o u p ) ， 目前是美国a c c e l r y s 公司生物信息学领域鹃主要产赫。踅软件包具有强大的窿剜 分析、比较、预测等功能，它所包含的1 4 0 多个互相关联的软件程序【9 锻全球6 5 0 多个科研枫构用来进行核酸和蛋自质序列的分析，目前已成为序列分析的业界标 准。主要功鼹毒： 数据库检索：可以对核酸或爱自质数据库进彳于多种方式的序列相似性检 素，著提癸攘应皱数据疼。 多羹序列比对与分析；包括企局的序列比对及局部的序列比对算法。多 静算法爵戳选择，参数选撵 # 常灵滔，荠胃珏叠己编辑穿巅毙对霄豹订 分矩阵。 序梦f j 编辑与比对：辩序列进行编辑，其格式输出灵活，符合大多数科技 期刊的要求，提供用于发表文章的绩果。 片段装配：用于将e s t 序列拼接成全长的基因序列。 蛋囊痿注屡、维穆分孝厅：默序残出发对蛋篷矮静二缀绩穆、酸隶牲分每、 等电点等进行预测，并给出图形化结果。 隈京l 往酶韬经熹与鬃鲁承群酶蚕谱分辑：给懑高羧餮懿滚麓经酶韬蔼谱 及赞白水解酶图谱。 遥能分析：对蛋白质家族邀行分子承平的进化分析。提供多种算法及图 形化结果。 d n a 与r n a 折叠：对d n a 或r n a 的高级结构进行预测，并提供网形 结暴。 p a t t e r n ，m o t i f 与基因的寻找：通过对数据库搜索，寻找可能的m o t i f 。 雩l 镌设计：瑶于p c r 靛弓 嵇设诗。 囝烹，忠。然 2 0 0 6 届硕士研究生毕业论文 g c g 相对其它综合性生物信息学分析系统来说有其明显的产品优势f 1 0 l ( 1 ) 更新姨：莲时跟踪生物售息学领域中的最薮技术。 ( 2 ) 全面的分析方法：g c gw i s c o n s i np a c k a g e 中的软件包括生物信息学研究领 蠛中静各个方嚣，霹提供全疆豹彦列分毒厅。 ( 3 ) 支持多种数据格式：同一个d n a 或鬣白质序列，在不同数据庠中有不同 存储格式，g c g 支持常用静卡几释序列格式。 ( 4 ) 不限制局域网内用户数：购买一套g c g ，局域网内所有用户可以同时使用。 ( 5 ) 强大的技术支持：专职的技术人员提供侠速、详尽的技术服务。 ( 6 ) 包含最常用鲍数据库g c g 使你能够访问最毅核酸序列数据库g e n b a n k 与 e m b l ；最新蛋白质数据库p 1 r ，s p ，t r e m b l 和s w i s s p r o t 等。 1 2 2e m b o s s e m b o s s ( t h ee u r o p e a nm o l e c u l a rb i o l o g yo p e ns o f t w a r es u i t e , 获淡分子生 物学开放软件套件) 是由欧洲分子擞物学实验室( e m i l ) 发布的兔费的生物学 软件的集合1 n l ，【1 2 1 。e m b o s s 软件像通过源代码方式发布，可通过绦作系统中辩 带的编译器将其编译后在不同的操作系统下运行。它由1 0 0 多个实用的生物信息 学工具软件组成【1 3 l ，可自动识别并处理多种格式的数据，可究成常规的核酸与蛋 自簸痔列分凝 壬务。 1 2 3s t a d e n s t a d e n 软件包悬u n i x 系统下的非常有名的综合序列装配、编辑、分析的软 伟集合，罴一个高度自动他的软 串龟 擗1 。w 戳在u n i x ，l i n u x ，m a c o s x ，s u n 等 操作系统下运行1 15 1 ，2 0 0 3 年5 月又推出w i n d o w s 版1 16 1 。 使用时，单个软件可以艇相调用、协同工作，也可以只使用单一一个软件完 成浆项操撂。s t a d e n 可执行数百零申 ；羹务，如序列 & 斑，数据库搜索秘查询，磺究 生物进化，序列装配，寻找基因及模式识别，r n a 指纹及限制性内切酶图谱， 弓| 穆设计，蛋皂矮m o t i f 分褥，d n a r n a 二缀结梭分摄，熬译等等。毽s t a d e n 只提供单机版，到目前为止还不支持网络用户。 1 2 。4v e c t o rn t i s 中u n y a 山t - s e n 大u n i v e r 挚s i y 2 0 。6 届硕士研究生毕业论文 v e c t o r n t i 软件包是由l n f o r m a x 公司构建的在w i n d o w s 下运行的多功能桌面 序列分析软件包，其功能十分强大，包含了一个中心数据库和五个应用模块 v e c t o r n t i ，a l i g n x ，b i o a n n o t a t o r , c o n t i g e x p r e s sa n dg e n o m b e n c h i ”】。它以美观的 界面，友好的操作方法在分子生物学界享有盛誉，可帮助科学家更快、更精确地 分析，组织和图示类型迥异的数据。主要功能包括d n a 和蛋白序列分析，基因 表达的分析和图形化，序列和其他分子生物学数据安全共享的数据库存储以及三 维结构预测和蛋白蛋白相互作用分析。程序附带的数据库( v e c t o r n t id a t a b a s e ) 包括：d n a p m a 、蛋白质、内切酶、寡核苷酸、凝胶m a r k 等。支持g e n b a n k g e n p e p t ， e m b l s w i s s p r o to rf a s t a 等数据格式。软件包还提供数据库开发( d a t a b a s e e x p l o r e r ) 功能，用户可以自己修改、添加、拷贝感兴趣的各类数据库。 1 2 5 d sg e n e d sg e n e 是a c c e l r y s 公司开发的生物信息学软件包，运行在w i n d o w s 操作系 统上，采取了窗口形式来完成各种功能。主要功能有：序列编辑、p c r 引物设 计、网络数据库搜索、多重序列分析、酶解图谱分析、m o t i f 搜索、核酸性质分 析、蛋白质分析等。其最主要的优点是可以以交互式的图形方式或者文本方式来 完成各种功能、察看分析结果，它的独特的工作目录窗口简化了序列组织和分析 的过程。作为a c c e l r y s 公司生物信息学解决方案的一部分，它可以便捷地运行 g c gw i s c o n s i np a c k a g e 的各种命令，或者访问d ss e q s t o r e 里面的序列数据和注 释信息。 9 烹慧。火u n i v e r 挚s i t y 2 0 0 6 届硕士研究生毕业论文 表1 2 五种综合分析工具比较表 软件名 称 g c gv c e t o rn 1 1d s g e n ee m b o s ss t a d e n 单机1 6 万美 单机版3 0 0 0 美 元，5 台机的 元，n e t w o r k 价格1 万美元f l o a t 版5 0 0 0 美￥6 5 免费 小网络2 6 万 美元 元( 同时仅个 用户使用1 技术支 好好好不好 不好 持 用户的 使用限无限制有限制有限制无限制单机 制 使用的 u n i x ，l i n u x ， 操作系 u n 几i n u w i n d o w sw i n d o w sd o s ，u n i x m a c o s x x s u r ls u n、 统 w i n d o w s 有完整数据有完整数据 数据库库，可本地使库，可本地使无无无 用数据库用数据库 用户界 界面一般，使 使用很简单，使用很简单，界 用有一定难 界面一般界面一般 向 界面很友好面很友好 度 大众评 公认标准。 不是公认标不是公认标不是公认标 价 准 不是公认标准 准准 数据库检索， 多重序列比序列比对，数 对与分析，序据库搜索和 列编辑与比 查询，研究生 对，片段装 数据库搜索， 物进化，序列 配，蛋白质性 多重序列分序列编辑、多重 装配，寻找基 质、结构分 析，酶解图序列比对与分 功能基本与 因及模式识 析，限制性酶 谱分析，引物析、引物设计、 g c g 类似，为别，r n a 指纹 功能分析， m o t i f数据管理、限制 切位点与蛋g c g 的早期及限制性内 白水解酶图 搜索，核酸性性酶切位点与 版本 切酶图谱，引 谱分析，进化 质分析，蛋白蛋白水解酶图 分析，d n a 质序列分析，谱分析等 物设计，蛋白 质m o t i f 分 与r n a 折叠， 色谱分析 析 p a t t e r n ，m o t i fd n 删a 二 与基因的寻级结构分析， 找，引物设计 翻译等 1 0 中山走譬 s u ny t - s e n t r n l v e r s r r y 2 0 0 6 届硕士研究生毕业论文 1 3 g c g 的w e b 系统 以综合性的分析系统为基础，建立校园的w e b 生物信息学系统f 商业系统如 u n i x + o c o ) ，对后基因组研究提供技术和方法支持，是目前国外大学普遍采用的 一个策略【1 8 】。目前世界上仅有三种g c g 的w e b 系统，分别为：s e q w e b 、w 2 h 和w w w 2 9 c g 1 3 1s e q w e b 传统的使用g c g 的方法是用t e l n e t 或s s h 远程登陆g c g 服务器，然后使用 g c g 。但这种方法不仅要求使用人员的有较高的计算机水平，而且要求他们对 g c g 软件包非常熟悉。s e q w e b 是a c c e r l y 公司为了更好服务于普通的生物学研 究者而为g c g 所编写的w e b 接口【1 9 】。它支持用户从普通p c 通过n e t s c a p e c o m m u n i c a t o r 或者i n t e r n e le x p l o r e r 来使用g c g 。但其价格昂贵，且只包含对 g c g 中3 1 个程序的访问。 1 3 2 w 2 h w 2 h 是德国癌症研究中心和欧洲生物信息学中心合作编写的g c g 的免费的 w e b 使用界面。它通过h t t p 协议与h t t p 服务器进行交流，在服务器上运行c g l 脚本来实现远程使用g c g 2 0 1 。w 2 h 拥有1 0 0 多个分析工具界面，可对单个序列 或同时对多个序列进行分析。其安全性和速度较快，但界面使用起来难度较大， 要求用户对g c g 软件熟悉程度高。2 0 0 3 年德国癌症研究中心又编写了w 2 h 的辅 助工具，并将其命名为w 3 h ，w 3 h 通过对数据流、工作流和结果的管理来提高w 2 h 的易用性1 2 ”。 1 3 2w w w 2 9 c g w w w 2 9 c g 是为了提高g c g 生物信息学软件系统的可用性而设计的友好的用 户图形界面。它使用c g i 脚本文件来调用g c g 软件包并提供良好的p e r l 、 f o r t r a n 和c 程序的接口【矧。它可以在不同的操作系统上编译运行，编译后 的主程序为g e t i t 矧。但正由于它在安装时需要编译，而不同的操作系统的编译 是不同的，这就造成了其安装的复杂性。w w w 2 9 c g 从1 9 9 9 年后已停止更新，其 耋基，盏慧 2 0 0 6 属硬士研究生毕_ 妲硷文 支持的版本商g c g 8 0 ，g c g 9 0 和g c g l 0 o l 。4 1 。 表1 - 3 凝有戆g c gw e b 系绞跑较表 w w w 2 g c g ( 1 9 9 9 年后停止 s e q w e b w 2 娃 更薪) 使用费用 y 4 6 3 2 0 年免赞免费 安装简单非常麻烦非常麻烦 支持舨本 l l ，0 叛1 1 。0 舨最薮版本支持g c g l 0 0 界面 漂亮难看且不实用无法查到相关资料 分类复杂，对谴蠲 使用方便性分类合理者要求很黼，使用现已无法套到相关资料 不太方便 可以访问g c g 可访问的g c gw i s c o n s i n可以访问所有 可以访问所有g c g 程序 孛熬程序p a c k a g e 中戆3 1g c g 程序 个程序 显示图形怒否 需要需疆不需要 需受安装搔件 其它需要j d k需骚j d k 需要p e r l 5 6 以上版本 裁助系统好好无 i g ，s t a n f o r d 、g e n b a n k g b 、 g c g 、f a s t a 、 n b r f 、e 醚嚣乙、g c g 、 e m b l 、 d n a s t r i d e r、f i t c h、 g e n b a n k 、n c b l 支持的输入格 g c g 、自己特臻静结p e a r s o n f a s t a 、z u k e r ( i n o n l y ) 、 r e p o r t f o r m a t 、 式构、m s f o l s e n ( i n o n l y ) 、p h y l l p 3 2 、 i n t e l l i g e n e t i c s 、 p h y l i p 、p l a i n r a w 、 s t a d e n 、a b it r a c e p i r c o d a t a 、m s f 、a s n 1 、 蠢l e s p a u p 、p r e t t y ( o u t - o n l y ) s 中u n y a 幽t - s e 。夫u n i v e r 肇$ 卅 2 0 0 6 届硕士研究生毕业论文 ，j 、结： s e q w e b ：价格昂贵，仅激容十几秘序列格式，只能访问g c g 中3 1 个程序。 w 2 h ：安装、使用很不方便，界面不友好，仅支持几种序列格式。 w w w 2 9 c g ：现已无法使用 1 4 零课题豹磷究嚣豹 鉴于目前g c g 的w e b 系统存在一些不足，我们从生命科学使用人员角度考 虑，旋出建立自己的g c g w e b 系统。 构建方便、安全的、基于局域网的g c gw e b 系统。 提供给研究人员方便的序列格式转换工具，可兼容2 0 余种序列格式的输入 霹输出。 提供给研究人员快捷的工具选择方式，方便用最短时间选择所需工具。提供 方霞经穗夔器蠢，藏少骚究太受学习工其镬瑟虢对闺。 提供给园内很多购买g c g 软件而没买相关的w e b 界面程序单使使用。 1 5 本课题的研究内容 在l i n u x + a p a c h e + p h p + m y s q l 环境下，编写可让不同用户快速选择自己 赝蓑g c g 中的子程序睡人性化工具选搔模块。 使用h t m l 编写方便研究人员使用的参数介绍和帮助页面。 翻强s h e l l 辫本实袋对矮户羧久戆彦粥迸孬耱式转换。 用p h f 语言将用户提交的所有参数进行分析，并提交给g c g 软件包运行， 最看褥结果通过w e b 黉面或e m a l l 遨圈给嗣户。 s 中u n y a 山 r - s e 夫u n i v e r 擘s i t y2 0 0 6 届硕士研究生毕业论文 第2 章系统分析与设计 2 1 系统的需求分析 需求分析阶段是信息系统开发过程中的重要一步，也是决定性的一步。需求分 析的任务是明确系统开发目标，明确用户的信息需求，提出系统的逻辑方案1 2 5 1 。 本系统作为生物信息学的w e b 分析系统，主要面向对象为局域网内有生物信 息学序列分析需求的用户。用户对系统的要求主要在于使用的方便性、提交数据 的安全性、分析结果的可靠性和结果的公认性。 方便性：方便性是用户是否选择一个系统首先考虑的因素。一个功能强大的 软件如果无法为用户提供方便的使用方式，哪怕它功能有多强大也无法让大多数 人认可。这也是g c g 为什么在没有为国内用户普遍使用的最关键原因。用户对 方便性的要求主要有：随时随地使用本系统；支持常见的序列的格式：能利用最 短时间学会；人性化的工具选择方式：良好的帮助系统；强大的技术支持。 安全性：安全性是研究人员是否选择使用个系统的关键因素。对于分子生 物学研究来说，一个数据可能需要花费巨大的人力、物力、财力才可能得出。所 以，如果无法保障所提交数据的安全性，那么哪怕系统的其它部分做的再好，用 户也不会选择。 可靠性：可靠性是用户考虑选择个系统的很重要因素。分析结果是否可靠 直接影响后续实验成功的可能性，分析结果的错误可能会对一个实验产生致命的 影响。 结果的公认度：结果是否被公众认可，是否被出版社认可也是用户考虑的一 个非常重要的因素。对于研究人员来说，最后的结果是要发表出来的，如果系统 分析的结果无法被公众认可，无法被出版社认可，那么大多数研究人员是不会考 虑选择的。 作为个系统的设计，本课题在设计时还需要考虑到系统的可扩展性、可维 护性和标准化。 1 4 中山太訾 2 0 0 6 届硕士研究生毕业论文 图2 。1 系统需求分析图 考虑到用户的需求和系统的开发要求，我们在方便性、安全性、可扩展性、 可维护性和标准化方面做了大量的分析： 实用性方面：力求最大限度地方便研究人员的使用。把系统的易用性放到系 统设计的第一位：对程序的介绍采用中英文两种方式；采用多种工具方式选 择方便不同类型的用户用最短时间选择最适宜的工具；提供序列格式自动转 换功能，兼容所有常见格式：参数设置界面尽量简捷实用，注释详尽；提供 强大的帮助系统。 1 5 s 中u r y a 山t - 。太u n i w r 訾s l v2 0 0 6 届硕士研究生毕业论文 图2 2 系统需求分析图 安全性：保证研究人员资料的安全。整体设计需做到安全可靠，防止非法用 户入侵。应用口令认证措旋，采用数字验证来实现用户口令管理；前台应用 程序进行参数验证，防止用户使用非法参数进行攻击；