列举常用的生物信息学数据库及序列对比常用软件及特点

完整的基因库是一个 dna 序列数据库，由美国国家生物技术信息中心(ncbi)建立，它从公共资源中获取序列数据，主要来自大规模的基因组测序项目，或者由研究人员直接提供。美国国家生物技术信息中心

按大小可以分为1公共数据库

2 从公共数据库中取数据做进一步处理的专业数据库，提供更多的分析工具

按功能分可以有

基因库GENEBANK，蛋白库UNIPROT, 结构库PDB, 功能分类 GO库，通路库 KEGG。

不用专注于4这个数字。随着科研的进步还会有更多的数据库出来。

1,测序与序列比对(Sequence Alignment)

测序是生物信息学的基础和主要数据来源，可以是人类数据也可以是其他的数据。序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效因此,启发式方法的引入势在必然,著名的BALST和FASTA算法及相应的改进方法均是从此前提出发的

2, 蛋白质结构比对和预测

基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等氨基酸的序列内在的决定了蛋白质的3维结构一般认为,蛋白质有四级不同的结构研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构同源建模(homology modeling)和指认(Threading)方法属于这一范畴同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构然而,蛋白结构预测研究现状还远远不能满足实际需要

3, 基因识别,非编码区分析研究

基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中分析非编码区DNA序列目前没有一般性的指导方法在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等

4, 分子进化和比较基因组学

分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现

5, 序列重叠群(Contigs)装配

根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短q(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs)逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配从算法层次来看,序列的重叠群是一个NP-完全问题

6, 遗传密码的起源

通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材

7, 基于结构的药物设计

人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物这一领域目的是发现新的基因药物,有着巨大的经济效益

8生物系统的建模和仿真

随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。

9生物信息学技术方法的研究

生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。

10, 生物图像

没有血缘关系的人，为什么长得那么像呢？

外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？

有什么生物学基础？基因是不是相似？我不知道，希望专家解答。

11, 其他

如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法从现在的发展不难看出,基因工程已经进入了后基因组时代我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识

生物信息学（Bioinformatics）是生物学与计算机科学以及应用数学等学科相互交叉而

形

成的一门新兴学科。它通过对生物学实验数据的获取、加工、存储、检索与分析，进而

达

到揭示这些数据所蕴含的生物学意义的目的。在推动生物信息学发展的各种动力中，人

类

基因组计划（HGP）和生物医药工业是其中的两个主要力量。

就人类基因组来说，得到序列仅仅是第一步，后一步的工作是所谓后基因组时代 （Post

-

genome Era） 的任务，即收集、整理、检索和分析序列中表达的蛋白质结构与功能的信

息

，找出规律。近几年来在公共数据库中DNA序列数据的数量以每年18倍的速度快速增长

，

到1997年底已经超过12×109bp。对如此巨量的数据进行存储、分类、检索、比较，并

预

测可能的基因和基因产物的结构和功能，如果没有计算机参与处理，那是不可想象的。

生物医药工业也是推动生物信息学发展的重要动力。HGP所推动的大规模DNA测序也为生

物

医药工业提供了大量可用于新药开发的原材料。有些基因产物可以直接作为药物，而有

些

基因则可以成为药物作用的对象。生物信息学为分子生物学家提供了大量对基因序列进

行

分析的工具，不但可以从资料的获取、基因功能的预测、药物筛选过程中的信息处理等

方

面大大加快新药开发的进程，而且可以大大加快传统的基因发现和研究，因而成为各赢

利

性研究机构和医药公司争夺基因专利的重要工具，这一竞争又反过来极大的刺激了生物

信

息学的发展。

2、研究内容

生物信息学与计算生物学或生物计算有着密切的关系，但又不尽相同，目前归入生物信

息

学研究领域的大致有以下几个方面：

（1）各种生物数据库的建立和管理。这是一切生物信息学工作的基础，通常要有计算机

科

学背景的专业人员与生物学家密切合作。

（2）数据库接口和检索工具的研制。数据库的内容来自万千生物学者的日积月累，最终

又

为生物学者们所用。但不能要求一般生物学工作者具有高深的计算机和网络知识，因此

，

必须发展查询数据库和向库里提供数据的方便接口。这是专业人员才能胜任的工作，通

常

在生物信息中心里进行。

（3）人类基因组计划的实施，配合大规模的DNA自动测序，对信息的采集和处理提出了

空

前的要求。从各种图谱的分析，大量序列片段的拼接组装，寻找基因和预测结构与功能

，

到数据和研究结果的视像化，无不需要高效率的算法和程序。研究新算法、发展方便适

用

的程序，是生物信息学的日常任务。

（4）生物信息学最重要的任务，是从海量数据中提取新知识。这首先是从DNA序列中识

别

编码蛋白质的基因，以及调控基因表达的各种信号。其次，从基因组编码序列翻译出的

蛋

白质序列的数目急剧增加，根本不可能用实验方法一一确定它们的结构和功能。从已经

积

累的数据和知识出发，预测蛋白质的结构和功能，成为常规的研究任务。

（5）DNA芯片和微阵列的发展，把一定组织或生物体内万千基因时空表达的研究提上日

程

．研究基因表达过程中的聚群关系，从中提取调控网络和代谢途径的知识，进而从整体

上

模拟细胞内的全部互相辅合的生化反应，在亚细胞层次理解生命活动。只有掌握已有数

据

、发展崭新算法，才能创造新的知识。这是生物信息学刚刚掀开的新篇章。

以上就是关于列举常用的生物信息学数据库及序列对比常用软件及特点全部的内容，包括:列举常用的生物信息学数据库及序列对比常用软件及特点、什么时候需要利用生物信息学获取核酸序列信息、FDA ⅡG数据库是哪个数据库等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！