生物信息学Bioinformatics学习笔记（一）
文章目录
- 生物信息学
-
- 第一章 绪论
-
- History（根据19年的一份综述）
- 生物信息学的研究内容
- 生物信息学的应用领域
- 第二章 模式生物和生物信息学数据库资源
-
- 第一节 模式生物测序
- 第二节 三大核酸数据库
- 第三节 蛋白质数据库
- 第三章 生物信息学数据库查询
-
- 第一节 生物信息数据库的储存
- 第二节 GenBank中序列的获取
- 第三节 数据库文献的检索
- 第四章 序列分析
-
- 第一节 序列比对的内容Sequence Alignment
- 第二节 BLAST应用示例
- 第五章 进化与系统发生分析
-
- 第一节 生物进化的分子基础
- 第二节 基本概念
- 第三节 系统发生树的构建
生物信息学
第一章 绪论
学习bioinformatics需掌握的background
- 分子生物学/基因工程
- 统计学/模型/算法
- Lunix/R/Python
生物信息-DNA（ATCG）、RNA（AUCG）、蛋白质（ABCD…)
核酸生物信息
编码序列（外显子）、非编码序列（调控序列和某些内含子）
重复序列、垃圾序列（冗余信息）
**定义：**采用信息科学技术，借助数学、生物学的理论、方法，对各种生物信息（包括核酸、蛋白质等）的收集、加工、储存、分析、解释的一门学科。
History（根据19年的一份综述）
A brief history of bioinformatics 原文
DOI号：10.1093/bib/bby063
1950–1970: The origins
1970–1980: Paradigm shift from protein to DNA analysis
1980–1990: Parallel advances in biology and computer science
1990–2000: Genomics, structural bioinformatics and the information superhighway
2000–2010: High-throughput bioinformatics
2010–Today: Present and future perspectives
生物信息学的研究内容
1.开发新的统计学方法和算法
2.生物学数据库的建立、管理、使用。
3.生物学数据的分析、解释和预测。
生物信息学的应用领域
1.基因组序列的测定
2.基因组的注释
3.发现并确定新基因
4.基因表达、调控研究
5.分子进化研究
6.生物大分子结构模拟与药物设计
7.疾病的治疗和预防
第二章 模式生物和生物信息学数据库资源
第一节 模式生物测序
模式生物：支原体、大肠杆菌、人、立克次体、枯草芽孢杆菌、古细菌、小鼠、幽门螺杆菌、拟南芥（生理周期只有六周)、果蝇、疟原虫、螺旋菌、线虫、大鼠
plasmids质粒 viruses病毒 bacteria细菌 fungi真菌 plants植物 algae藻类 insects昆虫 mollusks软体动物 bony fish硬骨鱼 amphibians两栖动物 reptiles爬行动物 birds鸟 mammals哺乳动物
第二节 三大核酸数据库
核酸序列数据库：GenBank（米）、EMBL（欧）、DDBJ（日）
与基因组有关的数据库：dbEST（GenBank的子数据库）、OMIM（在线人类孟德尔遗传）
第三节 蛋白质数据库
蛋白质序列数据库：Swiss-Port、PIR、TrEMBL
蛋白质结构数据库：PDB、MMDB、SCOP、DSSP
第三章 生物信息学数据库查询
第一节 生物信息数据库的储存
储存形式：以字符串文本形式
储存格式（storage format）：除序列或结构的基本信息外，还包括对相关信息的注释和分析。
格式类型：
序列信息格式：FASTA、GenBank、EMBL格式
结构信息格式：PDB
下载拟南芥Genome数据的界面
lcl|CM032900.1_cds_KAG7652642.1_1 [protein=NAC domain superfamily] [protein_id=KAG7652642.1] [location=join(2819…2972,3055…3335,3559…3678,3779…4168,4247…4399,4512…4703)] [gbkey=CDS]
拟南芥的cds文件
第二节 GenBank中序列的获取
通过作者名查询、通过登录号查询、查找蛋白质序列、查找EST序列、查找structure、Genome Project、Unigene（非冗余）
第三节 数据库文献的检索
1.简单检索，直接搜
2.复杂检索，Advanced Search
3.期刊搜索
第四章 序列分析
第一节 序列比对的内容Sequence Alignment
成对序列比对和多重序列比对
序列比对是序列分析（结构、功能、进化关系）的基础
相关概念:相关性similarity、同源性Homology（直系同源和旁系同源）
| 成对序列比对（多重比对的基础） | 多重序列比对 |
|---|---|
| 全局比对global Alignment（空位gap多一些） | |
| 局部比对local Alignment（空位gap少一些） | |
| 结果有完全匹配complete match和部分匹配partial match |
第二节 BLAST应用示例
BLAST是基于序列相似性的数据库搜索程序
Basic Local Alignment Search Tool局部相似性基本查询工具
对一条或多条序列（任何形式上的）在一个或多个核酸/蛋白序列库中进行比对
| Score | E-value |
|---|---|
| 一般匹配片段越长，相似性越高，Score分数越高 | 氨基酸/碱基随机排列得到上述score值得概率大小，越小表示越匹配，E=0表示完全匹配。 |
第五章 进化与系统发生分析
第一节 生物进化的分子基础
进化学的分子途径：普适性、可比较性、基因组编码信息的丰富
分子系统与进化研究的目的
系统发育——从分子特性出发，构建系统发育树，进而了解物种之间的生物系统发生的关系
分子进化——大分子功能与结构的分析，同一家族的大分子，具有相似的三级结构及生化功能，通过序列同源性分析，构建系统发育树，进行相关分析、功能预测。
进化速率分析：例如HIV的高突变性，哪些位点易突变
第二节 基本概念
系统发生（phylogeny）：生物形成或进化的历史
系统发生树（phylogenetics tree）：描述物种间进化关系的一种表现形式
| 有根树Rooted | 无根树Unrooted |
|---|---|
| 反映时间顺序 | 反映距离 |
分子钟（molecular clock）：在一定条件下，替换速率保持恒定。用来估计物种分化时间。
第三节 系统发生树的构建
-
选择建树序列
选蛋白/核酸、选哪个基因序列可靠、选哪些物种可靠
核酸变得快，信息量不足的就用核酸，远缘/突变快的用蛋白，线粒体RNA、核糖体RNA、TRNA不存在选择问题
系统建树中的干扰因素：水平基因转移Horizontal gene transfer（重组、转座）、趋同进化（Convergent evolution）
-
多重序列比对
累进式多重序列比对clustal、HMM
-
选择合适算法构建系统树
距离矩阵法（Distance Matrix）两两比对的基础上，计算两个序列的差异数量，从距离最短的开始
UPGMA法 NJ法 相互距离最短为标准 以产生的树枝总长最短为标准 有根 无根（可以指定外群确定根，本质上无根） 现较少采用 现多采用 最大简约法（maximal parsimony）
MP法对所有可能的拓扑结构进行计算，选取所需替换数目最小的那个作为最优树，结果往往不唯一，最后显示的是所谓一致树
最大似然法（maximal likelihood）
一些碱基/氨基酸替代的数学模型
以某个替代模型为基础分析序列数据，对所获得的的拓扑结构赋予一个似然率，最终选择似然率最高的树，模型适当的情况下往往最符合进化事实。但是比较耗时。
贝叶斯推断法
-
系统树优选和评估
自展重复抽样、“折刀法”重复抽样、贝叶斯模拟、统计差异检验
构树软件：PHYLIP、PAUP、Tree of Life、MEGA、MOLPHY、PAML、PUZZLE、TreeView、phylogeny