生物信息學

1 緒言
1.1 生物信息學的發(fā)展歷史
1.2 本書內(nèi)容簡介
1.3 貫穿本書的例子
2 序列數(shù)據(jù)資源
2.1 分子生物學數(shù)據(jù)庫
2.2 序列數(shù)據(jù)存儲格式
2.3 核酸序列數(shù)據(jù)庫
2.3.1 GenBank數(shù)據(jù)庫
2.3.2 RefSeq數(shù)據(jù)庫
2.3.3 EPD數(shù)據(jù)庫
2.4 蛋白質(zhì)序列數(shù)據(jù)庫
2.4.1 UniProt簡介
2.4.2 UniProtlKB數(shù)據(jù)庫
2.5 基因組數(shù)據(jù)資源
2.5.1 基礎(chǔ)知識
2.5.2 不同物種的基因組數(shù)據(jù)庫
2.5.3 人類基因組數(shù)據(jù)庫
2.6 數(shù)據(jù)的檢索與獲取
2.6.1 檢索工具
2.6.2 獲取序列數(shù)據(jù)的例子
思考題
3 序列比對與比對搜索
3.1 基本概念
3.1.1 比對序列的選擇：核苷酸序列還是蛋白質(zhì)序列
3.1.2 同源性、相似性和一致性
3.1.3 空位
3.1.4 多序列比對
3.2 Dayhoff模型：可接受點突變
3.2.1 PAMl矩陣
3.2.2 PAM250和其他PAM矩陣
3.2.3 從突變概率矩陣到對數(shù)比值打分矩陣
3.2.4 雙序列比對中PAM矩陣的實際有用性
3.2.5 PAM矩陣的重要替代者：BLOSUM打分矩陣
3.2.6 雙序列比對和檢測限度
3.3 比對算法：全局和局部
3.3.1 全局序列比對：Needleman—wunsch算法
3.3.2 局部比對：Smith—waterman算法
3.3.3 Smith—Waterman算法的快速和啟發(fā)式版本
3.4 雙序列比對的顯著性
3.4.1 雙序列比對統(tǒng)計顯著性檢驗
3.4.2 全局比對的統(tǒng)計顯著性
3.4.3 局部比對的統(tǒng)計顯著性
3.5 局部比對搜索基本工具BLAST
3.5.1 BLAST搜索的關(guān)鍵步驟
3.5.2 BLAST算法：列表、掃描、延伸
3.5.3 BLAST算法的統(tǒng)計學和E值
3.5.4 BLAsT的各類分值
3.5.5 BLAST搜索示例：應用搜索原則
3.5.6 BLAsT搜索示例：多結(jié)構(gòu)域蛋白的搜索
3.5.7 BLAST搜索示例：改變打分矩陣
3.6 尋找遠緣相關(guān)的蛋白質(zhì)：PSI—BLAST
3.6.1 基本步驟
3.6.2 PSI—BLAST的結(jié)果評估
3.6.3 PSI—BLAST的錯誤：破壞的問題
3.7 模式識別BLAST（PHI—BLAST）
3.8 用BLAST來發(fā)現(xiàn)新基因
思考題
4 基因組結(jié)構(gòu)注釋
4.1 引言
4.1.1 基因及其結(jié)構(gòu)
4.1.2 基因結(jié)構(gòu)預測概述
4.2 基于EST序列數(shù)據(jù)識別基因結(jié)構(gòu)
4.2.1 判別基因序列的真實EST匹配的措施
4.2.2 真實EsT匹配的識別流程
4.2.3 確定EST對應的基因結(jié)構(gòu)
4.3 基因結(jié)構(gòu)預測的統(tǒng)計學建模方法
4.3.1 基于多級優(yōu)化預測基因結(jié)構(gòu)的基本思想
4.3.2 基因結(jié)構(gòu)的分級建模
4.3.3 基因結(jié)構(gòu)預測的動態(tài)規(guī)劃算法
4.3.4 基于統(tǒng)計學方法預測基因結(jié)構(gòu)的效果
4.4 基因組結(jié)構(gòu)的自動注釋
4.4.1 Ensembl的基因組注釋流程
4.4.2 Ensembl自動注釋結(jié)果與人工注釋結(jié)果比較
思考題
5 分子系統(tǒng)發(fā)生分析
5.1 分子水平的進化介紹
5.1.1 問題的歷史起源
5.1.2 分子鐘
5.2 基本概念
5.2.1 系統(tǒng)發(fā)生樹的基本概念
5.2.2 直系同源和旁系同源
5.3 分子系統(tǒng)發(fā)生樹的構(gòu)建
5.3.1 選擇可供分析的序列
5.3.2 多序列比對
5.3.3 構(gòu)建系統(tǒng)發(fā)生樹
5.3.4 方法的選取
5.3.5 常用分析軟件
思考題
6 蛋白質(zhì)結(jié)構(gòu)
6.1 蛋白質(zhì)結(jié)構(gòu)
6.2 蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫和結(jié)構(gòu)可視化
6.2.1 PDB數(shù)據(jù)庫
6.2.2 蛋白質(zhì)結(jié)構(gòu)家族分類數(shù)據(jù)庫
6.2.3 蛋白質(zhì)結(jié)構(gòu)的可視化
6.3 蛋白質(zhì)結(jié)構(gòu)分析
6.3.1 蛋白質(zhì)結(jié)構(gòu)比對
6.3.2 結(jié)構(gòu)模型品質(zhì)的分析
6.3.3 蛋白質(zhì)內(nèi)部相互作用分析
6.3.4 溶劑可接近表面的計算及分析
6.3.5 功能位點的分析
6.4 蛋白質(zhì)結(jié)構(gòu)預測
6.4.1 蛋白質(zhì)結(jié)構(gòu)比較建模
6.4.2 蛋白質(zhì)結(jié)構(gòu)從頭預測方法
6.4.3 二級結(jié)構(gòu)預測
6.4.4 結(jié)構(gòu)預測的策略
思考題
7 蛋白質(zhì)序列分析與功能預測
7.1 引言
7.2 功能描述
7.2.1 基因本體
7.2.2 利用GO術(shù)語的功能注釋
7.3 基于序列相似性的功能預測
7.3.1 基本預測方法
7.3.2 分析與討論
7.3.3 蛋白質(zhì)家族與序列的相似性聚類
7.4 基于蛋白質(zhì)信號的功能預測
7.4.1 蛋白質(zhì)信號
7.4.2 信號的描述
7.4.3 蛋白質(zhì)模體、結(jié)構(gòu)域和家族數(shù)據(jù)庫
7.4.4 分析與討論
7.5 基于蛋白質(zhì)序列特征的功能預測
7.5.1 序列的理化性質(zhì)
7.5.2 跨膜與卷曲螺旋分析
7.5.3 蛋白質(zhì)翻譯后修飾分析
7.5.4 亞細胞定位預測
7.5.5 基于序列特征的蛋白質(zhì)分子功能預測
7.6 功能預測的其他思路
思考題
8 微陣列數(shù)據(jù)分析
8.1 微陣列
8.1.1 微陣列實驗過程
8.1.2 微陣列制備
8.1.3 雜交方式
8.1.4 圖像分析
8.1.5 數(shù)據(jù)標準化
8.1.6 基因表達矩陣
8.1.7 基因表達數(shù)據(jù)分析
8.2 數(shù)據(jù)預處理
8.2.1 全局歸一化
8.2.2 散點分析
8.2.3 數(shù)據(jù)全局歸一化中的局部歸一化
8.3 差異表達基因的檢測
8.3.1 基本檢驗方法
8.3.2 分析實例
8.3.3 疾病基因表達譜差異分析
8.4 微陣列數(shù)據(jù)的分類分析方法
8.4.1 聚類分析
8.4.2 分類分析
8.5 構(gòu)建基因調(diào)控網(wǎng)絡
8.5.1 基因調(diào)控網(wǎng)絡的簡單例子
8.5.2 微分方程模型
8.5.3 布爾網(wǎng)絡模型
8.5.4 貝葉斯網(wǎng)絡模型
8.6 微陣列數(shù)據(jù)與分析軟件
8.6.1 數(shù)據(jù)交換標準
8.6.2 微陣列數(shù)據(jù)庫
8.6.3 微陣列數(shù)據(jù)分析流程
8.6.4 微陣列數(shù)據(jù)分析工具
思考題
9 蛋白質(zhì)組數(shù)據(jù)分析
9.1 二維凝膠電泳數(shù)據(jù)分析
9.1.1 二維凝膠電泳原理
9.1.2 二維凝膠電泳數(shù)據(jù)及其應用
9.2 蛋白質(zhì)質(zhì)譜數(shù)據(jù)分析
9.2.1 質(zhì)譜技術(shù)
9.2.2 蛋白質(zhì)的質(zhì)譜分析
9.3 蛋白質(zhì)互作生物信息學
9.3.1 親和層析和質(zhì)譜
9.3.2 酵母雙雜交系統(tǒng)
9.3.3 蛋白質(zhì)一蛋白質(zhì)互作預測
9.3.4 蛋白質(zhì)相互作用數(shù)據(jù)庫
9.4 分析細胞通路的生物信息學方法
思考題
10 疾病相關(guān)研究
10.1 疾病基因相關(guān)研究的概述
10.2 疾病相關(guān)的數(shù)據(jù)資源
10.2.1 人類在線孟德爾遺傳數(shù)據(jù)庫
10.2.2 遺傳關(guān)聯(lián)數(shù)據(jù)庫
10.2.3 人類基因突變數(shù)據(jù)庫
10.2.4 癌癥數(shù)據(jù)庫
10.2.5 單核苷酸多態(tài)性數(shù)據(jù)庫
10.3 疾病基因發(fā)現(xiàn)
思考題
11 SNP芯片及深度測序數(shù)據(jù)分析
11.1 SNP簡介
11.2 結(jié)構(gòu)變異
11.3 SNP實驗簡介
11.3.1 Illumina芯片
11.3.2.Affymetrix芯片
11.4 深度測序技術(shù)
11.5 序列數(shù)據(jù)基本格式
11.5.1 FASTQ
11.5.2 SAM和BAM
11.5.3 BED
11.5.4 VCF
11.6 實例數(shù)據(jù)分析
11.6.1 利用深度測序發(fā)現(xiàn)SNV
11.6.2 利用SNP芯片檢測拷貝數(shù)變異
思考題
參考書目