应用生物信息学和系统生物学的药物

1、应用生物信息学和系统生物学的药物摘要:目的研究植物StudiesOne重要药用植物是理解基因和酶支配着生物代谢过程产生生物活性的化合物。基因组高通量技术,如广基因组学,转录、蛋白质组学和代谢组学等可以帮助达到这个目的。这种技术可以制造大量的数据生物信息学和系统生物学急需处理、管理、发送和理解不了这些事情数据。通过处理“组学对接研究相关”的数据、生物信息学和系统生物学也能帮助提高质量传统的药材、新产品的开发和认证的药用植物分类,寻找新的活性化合物的药用植物物种,培养,容忍恶劣的环境条件。在本文中,应用生物信息学和系统生物学药用植物进行了简要概述。引言:生物信息学是应用和发展生命科学的计算工具。主

2、要生物信息学是任务管理和分析生物数据。在过去的几十年中,迅速高通量技术的发展等基因组学、蛋白质组学、代谢组学产生了大量的数据,在分子生物学领域。充分了解生物过程、生物信息学日益成为许多不可或缺的工具之一生物区(南部,2009。因为每一组学对接研究相关”数据不是孤立的系统生物学旨在瞭解生物学作为一种制度并试图整合不同“资料来源”的组学对接研究相关分析网络,规定,和理解系统是如何工作的从一个系统整体的观点(光线,庄、高夫,2002。填妥的出版物拟南芥基因组序列(Aubourg唐明杰,2000年,为水稻基因组序列(戈夫唐明杰,2002以及一些农业生物如玉米(Schnable唐明杰,2009开创一个新

3、的时代,植物和农业科学。生物信息学和系统生物过程中起着十分重要的作用,在加工销售解读这篇小说中,难以处理的数据。中药是一种重要的药用资源,为世界,但是基因组信息的药用植物远远落后于有机体模型等经济植物。为了识别功能的基因和酶的生物活性物质,控制生产药用植物、提高质量的传统药材、开发新方法分类和认证,培养和药用植物种类与病原体非生物胁迫等艰苦环境的电阻,和挽救濒危传统药用种类、更多的基因组学、蛋白质组学和metablomics资讯需求,以被制作出来。作为下一代测序技术极大地降低成本的基因组测序,生物系统将被要求更多的领域(虚,2003。在此综述中,应用前景转录组学和代谢组学、蛋白质组学、基因组学

4、,表观基因组学和系统生物学在药用植物被描述。摘要文中讨论了的重要性信息管理的药用植物的调查他们把更多的注意力放在药用植物生物活性物质的目标及预测他们利用生物信息学药用作用。转录转录是分析信息的一个了整个transcriptome的有机体。一个transcriptome是所有的RNA分子的集合,包括mRNA,琥珀,rRNA,都在一个或一组产生的RNA细胞。一般来说,表明全球各地。转录在分析基因表达谱mRNA水平。基因组基因表达技术为主包括cDNA-AFLP、鼠尾草、脱氧核糖核酸微阵列(或基因芯片,oligo-microarray。当前最方法由于受欢迎的转录oligo-microarray它覆盖整

5、个基因组的优势。芯片可以用来测量基因表达的改变药用植物。材料用于芯片能不同器官的相同的有机体,相同的器官在不同发展阶段,甚至很有教养植物细胞。其他包括不同的地理地点,自然生长环境,或者栽培条件。不幸的是,只有少数的几publiccations采用高通量基因表达谱数据研究药用植物基因表达的改变。采用cDNA探讨微阵列基因表达谱数据,通过毛状根的丹参的gc - ms在不同时期(崔唐明杰,2007。最终的基因表达研究的目标是要找出基因负责调节活跃,药用摘要化合物,感染,或者磨合艰苦的环境。一个transcriptome分析方法算法应用于trichome-specific隔离的基因吗从药用植物Cist

6、us creticus subsp. creticus(l海沃德(Falara唐明杰,2008。乙烯反应元素结合蛋白s . militiorrhiza基因分析了利用功能(虚唐明杰转录,2009。脱氧核糖核酸微阵列也可以用于认证的药用植物。然而,它通常不使用全基因组信息,相反,5 S管理核糖体RNA基因(2005,一队执教唐明杰或18岁SRNAgenes(朱,发生,小松,2008在关闭有亲缘关系的物种被使用。设计一个DNA微阵列,最好的办法是使用全基因组序列信息具体的有机体。由于几乎没有药用的植物全基因组已经进行,另一个可选的方法完成这一壮举的是让整个transcriptome信息通过生成表达序

7、列标签(表现序列标志(est。我们看到,更表现序列标志(est从几药用植物如人quinquefolius L。吴中书(铝、2010;陈等人,2008年,Huperzia serrata活性。例穆雷崔佛。(罗唐明杰,2009年,页三七(Burk。 泛澔陈。(他、朱、与张某,2008,Libosch 地黄。(太阳唐明杰,2010,和Catharanthus roseus(l g .唐(2006,卡拉周国逸已经产生了。我的球队已经建立了一个自动的大型最好的序列系统检索,装配,功能和路径分析方法、处理数据被关进了ESTMD(Pirooznia模型数据库,好吗2007年,邓,唐明杰,邓小平,2006年。

8、该系统具有成功地应用于分析植物开盘序列(Thara唐明杰,2004和动物最好的序列(Pirooznia唐明杰,2007分;Pirooznia唐明杰,2009分;Pozhitkov唐明杰,2009分;邓小平唐明杰,2006 b;Pirooznia等等艾尔,2009分;Pozhitkov唐明杰,2009分;Boyko唐明杰,2006。由于传统的定序技术桑格序列作为通常产生不到十成千上万的表现序列标志(est为非模式生物、cDNA芯片,被广泛用于基因表达研究。我们的合作者们已经成功用基因芯片的策略设计与宽范围的目的基因表达谱的研究(这样的风味唐明杰,2009分;贡唐明杰,唐明杰,巩俐,2007分;M

9、ajji铝、2009等;Majji唐明杰,2009 b;Milev-Milovanovic等等艾尔,2009分;Pondugula唐明杰,2006。是最近发展起来的下一代的定序技术,例如照亮,454,还有稳固的方法也发生了革命性的变化最好的一代。我的团队分析了数以计的最好的bobwhite序列(Colinus北部virginianus(lRawat唐明杰,未公布的数据和红色蚯蚓从454平台。聚集独特的用于设计oligo-microarrays序列(红唐明杰,2008 b。这一新策略使我们设计一个几乎整个基因组中的transcriptome。代谢组学代谢组学是代谢组调查的信息的不是一个有机体。代

10、谢组学的是更具体地定义为“定量测量动态不确定型的新陈代谢回应的生活系统病理生理学刺激”(尼科尔森,基因改造Lindon,和福尔斯,1999。代谢是全套的吧小分子代谢物(包括代谢中间体,激素及其他的信号分子,和次生代谢物存在于一个生物样品、比如一个单个的生物(奥利弗唐明杰,1998。因为其实真正的生理代谢组学重点生化过程,它会变得日益突出更重要的是在生物医学研究上。大约7900代谢产物在人类代谢组中可在HMDB数据库(ca和hmdb.:www.摘要分析了目前科学文献数据库还远未完成。相比之下,更多的是已知的在植物中。50多000从代谢产物进行了表征植物王国。代谢组学是很重要的。应该药用植物,因为

11、我们的目标来学习的药用植物活性成分,是找到,在事实上,是代谢物。因此,快速发展的代谢组学技术给我们提供了一个宝贵的机会提高药用植物的研究。代谢组学的一个好处是,进行基因组学信息是没必要的。代谢组学可以被用来比较代谢产物的量的变化药材不同生物间、年龄,起源、机关、发展阶段、环境培养和培养条件、加工方法。它能帮助我们理解这个新陈代谢生产这些通路生物活性化合物代谢指纹的产生药用植物为认证和质量控制、分类,并建立药用植物chemotaxonomic定量分析的版本提高知识的进化关系药用植物。此外,这项技术还可以帮助我们快速、有效的认识成分和数量的药用植物,找到新的潜力化合物(王唐明杰,2007,确定现有

12、的化合物,并确认并产生新的知识的药理和毒性作用的植物。代谢指纹分析技术成功地使用评估与质量和phytopharmaceutical herbalmaterial MS和NMR表徵这个方法(范唐明杰,2009。例如,代谢组学纹是用来区别12大麻被做漂白亚麻纤维(彩唐明杰种,2004 b;彩唐明杰,2004 a确定银杏酸的数量从银杏叶子和产品在六个商业银杏制品(彩孙俐。代谢剖析了当归acutiloba(Sieb。和调查。 Kitag.根,利用煤chromatography-time-of-flight-mass光谱法、可以准确评估使用药品的质量材料和品种种植面积的基础上通过多元模式识别(Tiann

13、iam唐明杰,2008。再加上celland比较代谢组学的策略gene-based被用来分析物种分类验证及抗炎活性紫锥花属的物种,特别是药用。紫锥花purpurea(lMoench、大肠pallida主要Nutt.沙枣直流。(侯耀文唐明杰,2009。更多的代谢剖析以药用植物桶医疗兵(2这是truncatula生物模型豆科生物学(Schliemann,唐明杰,2008分;Farag唐明杰,2008;Barsch唐明杰,2006 b;Barsch孙俐。流行的方法用于进行代谢组学实验是质谱(MS和核核磁共振(NMR。我的队里有使用代谢组学剖面研究2型糖尿病。我们关注更多的是脂化合物和试图措施脂类物种

14、(近400同时(Welti唐明杰,2007年,名叫lipidomics。利用人类的血浆样品,我们比较了脂质在2型糖尿病(n = 62,前驱糖尿病(n = 3和健康科目(n = 35。10到13种脂显著变化(1.2 - 3折和未患糖尿病糖尿病受试者与对照组比较。我们的数据表明lipidomic技术是一种有价值的法方法可能被用来鉴定出新的生物标记物的诊断与治疗2型糖尿病(毛泽东唐明杰,2009。一个自动ionization-tandem电喷雾质谱(质/ MS方法用于lipidomics技术在我们的学习。技术已经在中国开发。为实例分析,定性的复合得到了广泛的研究目的在广泛应用中国(李唐明杰,2008

15、分;李唐明杰,1996 b;荔唐明杰,1996年,1995年,李唐明杰,吴唐明杰,1998分;于唐明杰,1999。我们必须建立一个定量代谢组学的平台当然和生物信息学中扮演重要的角色使它的功能。图。蛋白质组学蛋白质组学是蛋白质的信息,一个整体指的是整个补充蛋白质包括调制一种特殊的组在一个生物或蛋白质体系。这将改变随着时间的推移,或在不同的环境条件一个细胞或生命体经历(威尔金斯唐明杰,1996。除了处理蛋白表达的改变,蛋白质组学的研究也涵盖了蛋白质结构与功能、蛋白质和蛋白质之间相互作用、相互影响最小的蛋白质翻译后调整和ubiquitination包括磷酸化。蛋白质能受乙酰化、甲基化、醣化作用,氧化

16、,nitrosylation(Blackstock威尔,1999。蛋白质组学数据公布药用植物是最取得2。多数的报告关注磷酸化蛋白的表达和改变在各种环境中(变化Castillejo唐明杰,2009分;大坝唐明杰,2009分;Aloui唐明杰,2009分;范Noorden唐明杰,2007;Prayitno唐明杰,2006。没有报告ofproteomic观察,中国药用植物主要的原因是缺乏蛋白质和诠释基因序列信息的中国药用的植物。蛋白质组学研究的现状表明,因此,当务之急就是创造更多的基因组和蛋白质组信息的药用植物。我的队里有工作蛋白质组学的一些数据分析数据等不同的特征选择和分类方法对MALDI-MS数

17、据(刘唐明杰,2009 b。整个蛋白质组信息的基础上,我们发现了一些新果蝇chitinases(朱唐明杰,2004。基因组学和表观基因组学基因组学是一门研究有机体的整体基因组。基因组是指所有的DNA 序列一个有机体。到目前为止,只有少数的基因组药用植物已经完全测序。这基因组框架图的转基因的热带水果树木瓜木瓜(Carica,这也拥有药用价值,是(明唐明杰排序,2008。这m .的基因组测序truncatula接近beingcompleted。然而,有大量的出版物识别和认证的相关药用植物在DNA水平。DNA-based技术不需要全基因组信息,如PCR仪,RFLP、RAPD、AFLP、程序化,是被雇

18、来在植物鉴定和解决歧义歧视(Titanji,Ngwa,Ngemenya,2007分;陈等铝、2010;歌唐明杰,2009分;玉,2010。因为有超过5000的药用植物和他们中的许多人濒危物种,必须选择一个化法得出各类微阵列规范化轨道(Pirooznia和邓,2007。 我们开发了 distributionfree褶积模型为背景校正寡核苷酸芯片数据(陈等 人,2009。 最初的目的DNA芯片实验将微分基因在识别不同的条件。接 着,一个聚类算法能为了集群应用类似的基因行为。由于同簇的基因应 该做的事类似的功能。例如,我们可以使用聚类算法确定一组功能三个 方面类似的基因参与同一biologicalp

19、rocess或通路,一个活跃的化合 物的影响生产的药用植物。聚类算法可分为无监督和监督算法。监督算 法主要包括k -均值、自组织映射分级方法。k -均值是最受欢迎的方法 基因表达数据分析系统,由于其高度的计算性能。然而,众所周 知,Kmeans可以收敛到局部最优,而它的效果受初始化过程,随机生成初 始聚类。换句话说,不同分在同一输入数据k均值可能产生不同的解决方 案。 遗传算法(GKA k均值算法。这hybridizes基因演算法与k -均值的吗算 法。该混合方法相结合的鲁棒性遗传算法的性质与高k -均值算法的性 能。作为一个结果,GKA总是收敛到全局最优快比其他遗传算法。我们已 经成功地开发

20、了一种版本,即GKA更快。FGKA,GKA跑的20倍。 进一步发 展了一种延长的,渐进的FGKA基因k -均值算法(IGKA,承接各种优势 FGKA包括收敛到全局最优。这除了优于时FGKA突变概率是小(陆唐明 杰,2004。我们也开发了两个新算法:基于马尔科夫链相关性聚类算法 (邓、Chokalingam,张茵,2005 a和粒子群优化k -均值算法(邓唐明 杰,2006度的聚类的基因基因表达数据。两个算法表现得比现有的k 均值算法。我们也开发了一个自动测定方法聚类数字微点阵数据聚类中 基于动态有效性指数(沈唐明杰,2005。我们提出了一种图论方法 coregulated准确描述基因芯片数据(

21、Rawat拟南芥,Seifert,邓,2008。 从基因的功能分析过程中,我们已经成功的预测功能的一个了YJL103C 酵母基因利用基因表达聚类(邓唐明杰,2005 b。最近,我们创造了一个 更好的网络搜索工具(Pirooznia基因本体论更有效率唐明杰,2008 b。 更先进的微阵列和其他高吞吐量数据分析允许您使用 classificationsupervised机器学习的方法来识别预测生物标记物。战 略已成功用于多种疾病的诊断和预后如癌症(库珀,2001。一个有利的 应用在药用分类算法植物可能会被认证和质量控制,作为表征,以及正 确的物种能援助的药用植物演化研究。事实上,所有的相关信息的一

22、个 药用资料如DNA分子标记、基因表达数据,化合物组成和数量, 形态学等可作为训练数据运行分类算法目标是为了确定一个列表有效 的标记,以准确区分不同的药材。之前建立一个分类器,特征选择是很重 要的。有许多特征选择方法,包括支持向量机回归特征的消除 (SVM-RFE,chisquare,infogain,gainratio、救灾、包装,和脑脊液。 通常采用分类决策树算法,包括J48随机森林(RF,Naivy贝叶斯(注,简 单的物流(SL,径向基函数简要描述神经网络、神经网络和支持向量机 器(支持向量机。我们已经把不同的特点基于选择和分类算法多种类型 的微阵列数据使用的训练和测试交叉验证判定表演。

23、我们发现支持向量 机分类方法通常优于其他(Pirooznia唐明杰,2008度。 有必要建立友 好软件和图形用户接口(GUI高通量数据分类一般生物学家。到目前为 止,几乎所有的分类算法所需要的经验丰富的统计学家去执行任务。自 从支持向量机是一个很好的方法来对微阵列数据分类,许多用户可能用 它来数据分析通过创建一个GUI。我们(Pirooznia邓,2006 开发了一个方便,java的GUI应用程序允许用户执行支持向量机训练、分 类与预测。我们证实我们的软件准确分类功能基因的类别基于基因表达 数据,从DNA芯片实验。我们还开发了平行Multicategory支持向量机 (PMC-SVM为了实现对

24、微阵列的数据(张家港唐明杰,2006。最近,我们 提出了一个新的基因特征选择除了方法递推特征,whichcombines RFA(监督式学习和统计相似较之其他流行的措施,特征选择摘要支持向 量机方法,包括递归的(SVMRFE特征消除铝、刘等(2009。 数据库 数据库是生物信息学研究的一个重要方面。关键是要开发基于互联 网的可查找的数据库有关药用植物。目前药用植物数据库主要药用资源 数据库通常包括分类学、生物地理学、栽培条件、医疗机构、药用功能, 生物活性化合物的药用植物以及个别物种的形象。这些数据库基于可能 产生一个国家或地区的需要。例如,CMKb是基于互联网的关系模型数据 库整合澳大利亚土

25、著居民习惯药用植物的知识。只有一些数据库含有药 用植物(Jarayaman,2000,可以对一个特定的疾病,antifertility(葛 许Chattopadhyay,2000、哮喘(Kasirajan唐明杰,2007,和糖尿病 (Arulrayan唐明杰,2007。 中国已经开发出了很多全国和地区药用植 物资源数据库,其中有一些是医生开的药方才行或主动无为的化合物, 化学和目标。一个缺点是,大部分的这些资源数据库仅仅是用中文和知 识不能与世界分享。 数据库也可以进行开发的基于遗传和基因组学等方面的信息。例如, 有许多DNA的手指可以印刷资料存储在网络数据库检索变得触手可及。 DNA,mRN

26、A水平,并对一组基因功能药用植物,甚至一个植物物种有可能 用于研制药用植物基因组数据库。功能基因组学、蛋白质组学和代谢组 学等数据也可能设法建立功能”omic”数据库的药用的植物。例如,如 果更多代谢产物是可利用的,我们可以开发一个代谢物数据库的药用植 物。我的球队参加了BeetleBase的发展,网上Tribloium基因组数据库 (王唐杰,2007。我们也开发了最好的数据库(邓唐明杰,2005 b和 RiboaptDB,一个ribozyme全面联机检索数据库(Thodima,Pirooznia和 aptamers,邓,2006。 综合系统生物学 综合系统生物学包括整合基因组学、蛋白质组学、转录和方向信息 来创建一个完整系统