生物信息学.doc

1、 基因组（genome），又称染色体组，一个物种单倍体的染色体数目，物种全部遗传信息的总和2、 原核生物与真核生物基因组的差异1、不同生物基因组大小不同2、不同生物基因组组成即基因在染色体上的分布、编码区与非编码区的相对频率等不、同基因组大小与进化位置无关；3、基因数目和基因组大小也不成比例。4、与原核生物基因组很少有非编码区不同，真核生物基因组中含大量非编码区，非编码区不只是基因组的组成部分非编码区 DNA对于 DNA复制和控制特定细胞中基因的表达相当重要 。3、限制性酶切片段长度多态性 (RFLP)：非编码区变异的检测4、单核苷酸多态性是指基因组内特定核苷酸位点上存在两种不同的碱基，其中每种在群体中的频率不少于1%。5、国际上重要的 SNP信息网站有：dbSNP、HGBASE(德国)、CHLC、MIT SNP数据库（美国麻省理工，可以通过指定染色体的某一区域查询 SNP）。6、遗传连锁图：是用遗传模式来描述DNA标记在染色体上的相对位置。采用遗传分析的方法将基因或其它DNA序列标定在染色体上构建连锁图。所有的DNA标记都必须具有多态性！所有多态性都是基因突变的结果。形态标记实质上就是基因标记。用分子生物学方法直接检测DNA标记在染色体上的实际位置绘制成的图谱称为物理图谱。7、有些标记既是遗传标记，又是物理标记 RFLP标记 SSR标记 某些基因序列，借助这些标记可以将遗传图和物理图整合起来8、人类基因组计划2002年完成测序测序策略：鸟枪法 克隆重叠群法9、 比较基因组学：通过模式生物基因组之间或模式生物与人类基因组之间的比较和鉴别，可以为研究生物进化和分离人类遗传病候选基因以及预测新的基因功能提供依据。主要方法:系统发育概形法、Rosetta stone法和基因邻居法。蛋白质组学：1、最早于1994年由澳大利亚一位博士后Wilkins和Williams提出。蛋白质组学指的是“一个基因组中每个基因编码产生的蛋白质的总体，即一个基因组的全部蛋白产物及其表达情况。”整体性、动态性和系统性2、1975年 双向凝胶电泳技术 1986年 第一个蛋白质序列数据库 SWISS PROT1997年 出版了第一部蛋白质组学的专著 2000年3月 首次发表了一个生物体的完整蛋白质组 3、蛋白质表达分布图数据库 日内瓦大学ExPASy系统4、一级蛋白质结构库PDB（美国）三维结构5、组成蛋白质组 :一个细胞或组织或机体中所有蛋白质的时空表达状况的分析 功能蛋白质组 :蛋白质的细胞定位、蛋白酶的活性、蛋白质与蛋白质相互作用的连锁关系及其由此实现的信号传递与调控作用 6、蛋白质氨基酸序列(sequence)数据库常用的有PIR、SWISS PROT、TrEMBL、GenPept等。其中PIR(protein Information Resource)和SWISS PROT是目前最常用的两大序列数据库蛋白质结构域与家族数据库 常用的有ProSite、BLOCKS、DOMO、ProDom、Profam等 。蛋白质高级结构及分类数据库 v 常用的有PDB、SWISS MODEL、NRL3D、BioMagRes Bank、MMDB、SCOP、CATH等蛋白质2DE图谱数据库 v 包括SWEISS PROT 2DE PAGE、SEINA 2DE PAGE等综合性2DE数据库和不同生物、不同器官、组织、细胞的专一性2DE数据库 蛋白质相互作用数据库 v 常用的有ProNet、DIP、INTERACT等。v 各种类型的专一性蛋白质数据库v ExPASy KEGG是一个关于基因组、酶促途径以及生物化学物质的在线数据库。基因组破译方面的数据库SMART可以说是蛋白结构预测和功能分析的工具集合分子进化系统同源特征(homology)：后代所具有的起源于共同祖先同一特征的特征。 相似的特征不一定同源（异源同形）共有祖征(symplesiomorphy)：两个或两个以上分类单位具有某特征起源于比最近的共同祖先更早的祖先共有衍征(synapomorphy):某一特征起源于最近的共同祖先。自有新征(autapomorphy):某一支系独有的特征。姐妹群(sister group): 当两个分类单元共有一个不为第三者所有的祖先时，互为姐妹群，关系最近。同源性一般是指两种核酸分子的核苷酸序列之间或两种蛋白质分子的氨基酸序列之间的相似程度。 分子系统学：利用分子标记（主要是DNA,RNA和蛋白质分子或片段）来探讨生物系统发育和进化过程的学科。系统树：表达类群或序列间系统发育关系的一种树状图，树只代表分支的拓扑结构 直系同源(orthologs): 同源的基因是由于共同的祖先基因进化而产生的. 旁系同源(paralogs): 同源的基因是由于基因复制产生的.用于分子进化分析中的序列必须是直系同源的，才能真实反映进化过程。有根树，以外类群作为树根的系统树。无根树：没有外类群为树根的系统树系统树构建步骤：多序列比对，建立取代模型，建立进化树，进化树评估 序列对比： 软件： clustal w系统发育树重建的基本方法：1. 距离法(distance) 2、特征法 最大简约法(maximum parsimony,MP) 最大似然法(maximum likelihood,ML)基因树和物种树区别：从两种不同的物种中获取的两个基因其分化可能早于物种的分化；基因树的拓扑结构可能与物种树不一致，因为两个或多个基因树之间很可能存在不一致之处。距离法分为：1.Fitch-Margoliash Method（FM法）2. Neighbor-Joining Method (NJ法/邻接法)3.Unweighted Pair Group Method (UPGMA法)非加权配对法UPGMA假定各分支的进化速度和程度是一致的。邻接法的关键步骤：一是计算发散系数ri，二是生成一个速率校正矩阵。最大简约法：所有类群的性状状态变化最少，最大简约法不需要在处理核苷酸或者氨基酸替代的时候引入假设（替代模型）。在分析的序列位点上没有回复突变或平行突变最大似然法分析中，选取一个特定的替代模型来分析给定的一组序列数据，使得获得的每一个拓扑结构的似然率都为最大值，然后再挑出其中似然率最大的拓扑结构作为最优树。一致性指数是CI是用于检测数据矩阵与系统拓扑结构之间的配合程度的定量指标。进化树的分析：自展法的关键是产生自展数据集 】序列分析 编码蛋白的基因含有可读框（open reading frames, ORF) ATG-TAATGA TAG 寻找以ATG开始，以终止密码子结束的ORF序列是寻找基因的一种方法。可读框的判断(ORF identity)1、通常认为 ORF是没有终止密码子（TGA、TAA、TAG）打断的阅读框2、ORF的长度： 长的ORF很可能存在CDS3、Kozak序列：该序列是在起始密码子之前与核糖体作用的位点。在高等原核生物中其一致序列为GCCACC（ATG），而在酵母中为AAAAA（ATG）。它们可以用来检测CDS的起始。4、密码子的用法（codon usage) 在编码区和非编码区中，密码子的用法是不同的，对特定氨基酸，密码子的用法因物种而异。因而统计密码子的用法，可以推断5和3UTR，并且有助于检测翻译错误。不是所有的外显子都会出现在转录mRNA过程中剪接变体（选择剪接形式）：当MRNA在编辑过程中产生不同的多肽时所产生的蛋白质。cDNA指与mRNA互补的DNA，由RNA启动的DNA多聚酶或反转录酶合成。EST:表达序列标签,是从cDNA文库中生成的一些很短的序列(300-500bp),它们在特定组织或发育阶段表达的基因,有时可代表特定的cDNA.根据大量EST具有相互重叠的性质,通过计算机算法获得潜在的全长cDNA的一种方法即电子克隆 1.将互为重叠的EST序列进行排列; 2.进行比对,即可获知其全长cDNA序列。核酸序列同源性分析软件使用BLASTN 序列对比排列软件用Clustal GeneDOC.用ORF Finder(NCBI,USA)寻找核酸序列开放阅读框架将所选EST组装为连续体软件用ESTmachine关键是依赖于足够的末端重叠并且能够往前延伸的EST序列。序列对位排列：通过插入间隔的方法使不同长度的序列对齐使其长度达到一致。优化的对位排列应使间隔数最少，同时序列的相似性区域最大。分为全局对位排列和局部排列。国际上最重要的核苷酸数据库有：，（日本），EMBL（欧州）年Blast开始使用。快速检索相似性年开始使用，一个整合的数据查询系统。进入，EST开始应用是基于互联网的DNA序列投送软件Sequin便于大规模批量投送序列数据分类学检索，序列相似性是Genebank的两种检索方式不同核酸序列中数据记录格式可能会不同但是，序列数据和注解都是一致的。序列相似性查询软件Blast和（）Blast软件BLASTp蛋白质，蛋白质BLASTn核酸核酸tBLASTn蛋白质核酸核酸蛋白质tBLASTx核酸核酸生物信息学，狭义指应用信息技术储存和分析基因组测序所产生的分子序列及其相关数据的学科，也被称为分子生物信息学。广义指生命科学与数学，计算机科学和信息科学等交汇融合所形成的一门交叉学科，它应用先进的数据管理技术，数