生物信息學導論

1、生物信息學引論鐘 揚(復旦大學 / 西藏大學)yangzhong@fudan.edu.cn,課程內(nèi)容,1.      分子生物學數(shù)據(jù)庫2.      BLAST 工具3.      EST拼接和電子克隆4.      序列對位排

2、列5.      分子進化基礎6.      分子系統(tǒng)發(fā)育分析方法7.      進化分析及其應用8.      基因組分析9.      工作流 (KDE) 及其應用10.&#

3、160; 基因表達數(shù)據(jù)處理,什么是生物信息學？,80年代末隨著人類基因組計劃啟動而興起的一門新興交叉學科 生命科學中的信息科學 基因組相關信息的快速增長 (方法與技術需求) 新藥開發(fā)等 (企業(yè)需求) 生物信息學 (Bioinformatics) 與計算生物學 (Computational Biology),Luscombe, N. M. et al., 2001. What is bioinformatics? M

4、ethods of Information in Medicine 40: 346-358.,數(shù)據(jù)挖掘 (Data Mining),關聯(lián) Associating 分類 Classifying 建模與模擬 Modelling & Simulating 預測與檢驗 Predicting & Testing,發(fā)生在Wal * Mart 的真實故事,理念：相關聯(lián)的貨物最好擺在一起,問題：啤酒和什么貨物關聯(lián)？,可能的答案：花

5、生米？紅腸？……,從上百萬張收銀單獲得的答案：尿布！,數(shù)據(jù)倉庫 (Data Warehouse) 和數(shù)據(jù)挖掘 (Data Mining),數(shù)據(jù)倉庫的定義 (W.H.Inmon)： 面向主題的、集成的、穩(wěn)定的、歷史的數(shù)據(jù)集合，用于支持戰(zhàn)略決策制訂 (而傳統(tǒng)的操作型數(shù)據(jù)庫是面向應用的、細節(jié)的、可更新的、瞬時的) 1）面向主題的：每個主題對應于一個宏觀分析領域2）集成的：入庫之前，要進行加工集成 (轉(zhuǎn)成面向主題的)3）穩(wěn)定的：幾乎不更新

6、（覆蓋）4）歷史的：一般要用到過去5-10年的數(shù)據(jù) 數(shù)據(jù)挖掘的定義：一種決策支持過程，主要基于人工智能、機器學習、統(tǒng)計學等技術，高度自動化地分析原始數(shù)據(jù)，做出正確的決策,數(shù)據(jù)挖掘,從大量的、不完整的、有噪聲的、模糊的、隨機的……數(shù)據(jù)中, 提取隱含其中的、人們事先不知道的、潛在有用的……信息和知識的過程、技術……,流感的預測（網(wǎng)上數(shù)據(jù)挖掘）,具 體 方 法,Automated query selection process Co

7、mputation and pre-filtering Constructing the ILI-related query fraction Fitting and validating a final model State-level model validation,休息一下……,MPSS,,http://www.biosino.org/MPSS/index.jsp.,,Domain Information 界面,分子生物

8、學數(shù)據(jù)庫,分子生物學數(shù)據(jù)庫 (門戶網(wǎng)站) NCBI (The National Center for Biotechnology Information) EMBnet (The European Molecular Biology Network) 北京大學生物信息學服務器 中國科學院上海生命科學研究院 (BioSino) 上海生物信息技術研究中心,NCBI,National Center for Bi

9、otechnology Informationhttp://www.ncbi.nlm.nih.gov/全球最大的生物信息資源中心DNA 序列、蛋白質(zhì)序列、出版物、數(shù)據(jù)挖掘工具等,NCBI主頁,,EMBnet,,北京大學生物信息學服務器,BioSino,上海生物信息技術研究中心,基因組信息資源 GenBank (http://www.ncbi.nlm.nih.gov/) DDBJ (http://www.ddbj.nig.ac

10、.jp/) EMBL (http://www.embl-heidelberg.de/),DDBJ,EMBL (Germany),EMBL-EBI (UK),蛋白質(zhì)信息資源 PDB (http://www.rcsb.org/pdb/) PIR (http://pir.georgetown.edu/) SWISS－PROT (http://www.expasy.ch/sprot/) TrEMBL (http://www.expa

11、sy.ch/sprot/) NRL-3D (http://www.rcsb.org/pdb/),密蘇里植物園主頁,PDB,密蘇里植物園主頁,PIR,密蘇里植物園主頁,Swiss-Prot & TrEMBL,密蘇里植物園主頁,NRL-3D,NAR,,Nucleic Acids Research (分子數(shù)據(jù)庫專集),Transposons: Mobile Genetic El

12、ements,Barbara McClintock,,chromosome,Gene,,Transgenesis,Efficient Transposition of piggyBac (PB) Transposon in Mice,,,Act-PBase,+,Mammalian PB system(Ding et al. Cell 2005),,,,PB[RFP],,,PBase,Moth piggyBac(Cary et al.

13、 Virology 1989),Morphology Mutants,WT,Mutant,http://www.idmshanghai.cn/PBmice, http://www.scbit.org/PBmice/.,INSERT 界面,,,MP-PBmice (insertional mutations mapping system of PBmice),Experimental ProcedureFlow production

14、,Access-control TableExperimental Stage TableConstant TableStatus Table,viewDetail,detailed information page,comment box,Information on relationsbetween molecules,GenomesGenes,Pathway,Orthologs,Expression,Sequences

15、imilarity,Chemicals andtheir reactions,KEGG數(shù)據(jù)庫組織框架,KEGG 光合作用代謝通路,,rbcL 基因及一個光合作用通路,蛋白質(zhì)相互作用數(shù)據(jù)庫 （1）,蛋白質(zhì)相互作用數(shù)據(jù)庫 （2）,蛋白質(zhì)相互作用數(shù)據(jù)庫 （3）,蛋白質(zhì)相互作用數(shù)據(jù)庫 （4）,蛋白質(zhì)相互作用數(shù)據(jù)庫 （5）,主要的序列數(shù)據(jù)格式,FASTAGenBankSwissProtASN.1XML,FASTA格式,用于各種FASTA

16、 工具簡要說明之后就是序列沒有注釋信息, 只有序列例:,>gi|1040960|gb|U35641.1|MMU35641 Mus musculus Brca1 mRNA, complete cds GGCACGAGGATCCAGCACCTCTCTTGGGGCTTCTCCGTCCTCGGCGCTTGGAAGTACGGATCTTTTTTCT CGGAGAAAAGTTCACTGGAACTGGAAGAAATGGATTTATCTGCC

17、GTCCAAATTCAAGAAGTACAAAATGT CCTTCATGCTATGCAGAAAATCTTAGAGTGTCCGATCTGTTTGGAACTGATCAAAGAACCTGTTTCCACA AAGTGTGACCACATATTTTGCAAATTTTGTATGCTGAAACTTCTTAACCAGAAGAAAGGGCCTTCACAAT GTCCTTTGTGTAAGAATGAGATAACCAAAAGGAGCCTACAGGGAAGCACAA

18、GGTTTAGTCAGCTTGCTGA AGAGCTGCTGAGAATAATGGCTGCTTTTGAGCTTGACACGGGAATGCAGCTTACAAATGGTTTTAGTTTT TCAAAAAAGAGAAATAATTCTTGTGAGCGTTTGAATGAGGAGGCGTCGATCATCCAGAGCGTGGGCTACC GGAACCGTGTCAGAAGGCTTCCCCAGGTCGAACCTGGAAATGCCACCTTGAAGGACAG

19、CCTAGGTGTCCA GCTGTCTAACCTTGGAATCGTGAGATCAGTGAAGAAAAACAGGCAGACCCAACCTCGAAAGAAATCTGTC TACATTGAACTAGACTCTGATTCTTCTGAAGAGACAGTAACTAAGCCAGGTGATTGCAGTGTGAGAGACC…,GenBank格式,GenBank用純文本文件注釋、作者 、版本等信息例:,LOCUS MMU35641

20、 5538 bp mRNA linear ROD 18-OCT-1996DEFINITION Mus musculus Brca1 mRNA, complete cds.ACCESSION U35641VERSION U35641.1 GI:1040960KEYWORDS .SOURCE house mouse strain=C57Bl/6. ORG

21、ANISM Mus musculus Eukaryota; Metazoa; Chordata; Craniata; Vertebrata; Euteleostomi; Mammalia; Eutheria; Rodentia; Sciurognathi; Muridae; Murinae; Mus.REFERENCE 1 (bases 1 to 5538) AUTHORS

22、 Sharan,S.K., Wims,M. and Bradley,A. TITLE Murine Brca1: sequence and significance for human missense mutations JOURNAL Hum. Mol. Genet. 4 (12), 2275-2278 (1995) MEDLINE 96177660 PUBMED 86

23、34698,SWISS-PROT格式,用于SWISS-PROT 數(shù)據(jù)庫包括注釋信息例:,ID BRC1_MOUSE STANDARD; PRT; 1812 AA.AC P48754; Q60957; Q60983;DT 01-FEB-1996 (Rel. 33, Created)DT 01-NOV-1997 (Rel. 35, Last sequence update)DT 16-OC

24、T-2001 (Rel. 40, Last annotation update)DE Breast cancer type 1 susceptibility protein homolog.GN BRCA1.OS Mus musculus (Mouse).OC Eukaryota; Metazoa; Chordata; Craniata; Vertebrata; Euteleostomi;OC Mammal

25、ia; Eutheria; Rodentia; Sciurognathi; Muridae; Murinae; Mus.OX NCBI_TaxID=10090;RN [1]RP SEQUENCE FROM N.A.RC STRAIN=C57BL/6; TISSUE=Embryo;RX MEDLINE=96177659; PubMed=8634697;RA Abel K.J., Xy J., Yin G

26、.Y., Lyons R.H., Meisler M.H., Weber B.L.;RT "Mouse Brca1: localization sequence analysis and identification ofRT evolutionarily conserved domains.";RL Hum. Mol. Genet. 4:2265-2273(1995).…,XML格式,eXten

27、sible Markup Language類似HTML國際標準半結構化例:, MMU35641 5538 0 5 1 ROD 18-OCT-1996 25-OCT-1995 Mus musculus Brca1 mRNA, complete cds U35641 U35641.1,ASN.1格式,國際標準半結構化格式用于NCBI 數(shù)據(jù)例:,Seq-entry ::= set

28、 { level 1 , class nuc-prot , descr { title "Mus musculus Brca1 mRNA, and translated products" , source { org { taxname "Mus musculus" , db { {

29、 db "taxon" , tag id 10090 } } , orgname { name binomial { genus "Mus" , species "musculus" } , …,ASN.1,F

30、ASTA,Graphical,GenPept,GenBank,MMDB,UniProt,EMBL,,,,,,,,XML,,,BIND,數(shù)據(jù)格式間的關系,格式轉(zhuǎn)換,通常一種工具采用一種格式, 可用 (在線) 軟件進行格式轉(zhuǎn)換ReadSeqhttp://searchlauncher.bcm.tmc.edu/seq-util/Options/readseq.htmlSEQIOhttp://www.cs.ucdavis.edu/~gu

31、sfield/seqio.html,數(shù)據(jù)下載,查詢并選擇數(shù)據(jù)庫數(shù)據(jù)從網(wǎng)頁直接下載數(shù)據(jù)用腳本下載數(shù)據(jù)Perl / BioPerl用FTP批量下載數(shù)據(jù)如 ftp.ncbi.nih.gov在一個項目中同時采用上述多種方法,ATTGACTA,TTGACA,CGTGA,ATTGACTA,TATAGCCG,ACGTGC,ACGTGC,ACGTGC,TTGACA,TTGACA,TTGACA,CGTGA,CGTGA,CGTGA,ATTGAC

32、TA,ATTGACTA,ATTGACTA,ATTGACTA,TATAGCCG,TATAGCCG,TATAGCCG,TATAGCCG,,Database,TATAGCCG,TATAGCCG,TATAGCCG,TATAGCCG,AT,GA,C,ATT,GA,GA,ATT,ATT,C,C,GA,GA,ATT,C,C,GA,GA,ATT,C,GA,GA,ATT,C,,,GA,GA,ATT,C,C,GA,GA,ATT,C,C,,,,UniGene