生物信息学基础名词解释汇编

生物信息学基础名词解释汇编工具：FASTQC（测序数据质控）、SeqKit（序列格式转换、统计）。3.隐马尔可夫模型（HMM）定义：基于马尔可夫链的统计模型，通过“状态转移”（如基因的“外显子”“内含子”状态）和“发射概率”（状态对应序列的概率）建模序列的不确定性。应用：基因预测（如Genscan识别外显子-内含子结构）、蛋白结构域注释（Pfam用HMM扫描保守结构域）。4.聚类分析与系统发育树聚类：将序列/样本按相似性分组，如系统发育树通过序列差异构建物种/基因的进化关系，常用算法有邻接法（快速，适合大样本）、最大似然法（精准，计算量大）。工具：MEGA（可视化进化树，适合初学者）、RAxML（高性能，用于基因组级进化分析）。5.下一代测序（NGS）分析流程定义：高通量测序技术（如Illumina短读长、PacBio长读长）产生的序列需经“质控（如Trimmomatic去接头）→比对（如BWA-MEM比对基因组）→变异检测（如GATK找SNP）”等流程解析。核心工具：FastQC（质控）、STAR（RNA-seq比对）、GATK（变异检测金标准）。四、组学研究相关概念1.基因组学定义：研究基因组的结构（测序、组装）、功能（基因注释、调控元件预测）与进化（比较基因组学）。例如，人类泛基因组计划扩展了参考基因组的多样性。分支：结构基因组学（如T2T-CHM13完成人类端粒到端粒基因组）、功能基因组学（如CRISPR筛选基因功能）。2.转录组学定义：解析RNA的表达、结构与调控，涵盖mRNA、lncRNA、circRNA等。RNA-seq是主流技术，可分析差异表达（如DESeq2找疾病相关基因）、可变剪接（如rMATS分析剪接异构体）。应用：疾病分子机制研究（如肿瘤的异常转录调控）、药物靶点发现。3.蛋白质组学定义：研究蛋白质的表达、修饰（如磷酸化、泛素化）、互作。质谱（MS）是核心技术，如shotgun蛋白质组学通过酶解、色谱分离、质谱鉴定蛋白。数据库：PRIDE（存储质谱原始数据）、STRING（蛋白互作网络）。4.代谢组学定义：分析生物体内代谢物（如糖、脂、氨基酸）的组成与动态变化，反映表型的直接分子基础。技术包括LC-MS（液相色谱-质谱，高灵敏度）、NMR（核磁共振，无偏性）。工具：XCMS（代谢物峰检测与对齐）、MetaboAnalyst（代谢通路富集）。5.多组学整合定义：结合基因组（突变）、转录组（表达）、蛋白组（翻译）、代谢组（代谢）数据，构建分子调控网络。例如，癌症研究中整合突变、甲基化、表达数据，识别驱动通路。五、统计与模型相关概念1.p值与多重检验校正p值：统计检验中拒绝“无差异/无关联”原假设的概率，p<0.05常作为显著性阈值。但组学数据（如RNA-seq的上万个基因）易产生假阳性，需多重检验校正，如FDR（错误发现率）控制假阳性比例。2.主成分分析（PCA）定义：将高维数据（如基因表达矩阵）投影到低维空间，保留主要变异（如前2个主成分解释60%方差），用于样本聚类、批次效应去除。3.机器学习模型应用：序列分类（如SVM区分启动子与非启动子序列）、表型预测（如随机森林基于甲基化数据预测癌症分型）。工具：scikit-learn（Python）、WEKA（Java）、caret（R）。4.贝叶斯方法定义：结合先验概率（如进化模型的先验假设）和似然（序列数据的拟合度），计算后验概率（如系统发育树的分支可信度）。工具：MrBayes（贝叶斯系统发育树）、BLAST的PSI-BLAST（迭代搜索中更新先验）。六、其他基础概念1.基因本体（GO）定义：对基因功能的标准化注释，分为分子功能（MF，如“ATP结合”）、生物过程（BP，如“细胞周期”）、细胞组分（CC，如“细胞核”）。应用：功能富集分析（如clusterProfiler找差异基因的显著GOterm），解析基因的生物学意义。2.通路分析定义：研究基因/蛋白在代谢通路（如糖酵解）、信号通路（如MAPK通路）中的分布，揭示分子调控网络。数据库：KEGG（整合通路、基因、化合物，如hsa____为PI3K-Akt通路）、Reactome（人工注释的信号通路）。3.变异检测定义：识别基因组中的SNP（单核苷酸多态性）、InDel（插入缺失）、结构变异（如染色体易位）。工具：GATK（体细胞变异检测金标准）、Platypus（全基因组变异检测）、CNVkit（拷贝数变异分析）。4.表观遗传学定义：研究DNA甲基化、组蛋白修饰等不改变序列的遗传