生物信息學(xué)札記第4版

1、4 版）樊龍江浙江大學(xué)作物科學(xué)研究所浙江大學(xué)生物信息學(xué)研究所浙江大學(xué)IBM 生物計算實驗室2017 年 9 月本材料已由浙江大學(xué)出版社出版：生物信息學(xué)，樊龍江主編，2017部分內(nèi)容可通過下列網(wǎng)址獲得：札記前言第一版這份材料是我學(xué)習(xí)和講授 生物信息學(xué) 課程時的備課筆記， 材料大多是根據(jù)當時收集的一 些外文資料翻譯編輯而成。學(xué)生在學(xué)習(xí)過程中經(jīng)常要求我給他們提供一些中文的講義或材料，這促使我把我的這份筆記整理并放到網(wǎng)上，供大家參考。要提醒使用者的是， 這份材料僅是根據(jù)我對生物信息學(xué)的一些浮淺的認識整理而成，其中的錯誤和偏頗只能請讀者自鑒 了。2001年6月第二版自1999年開始接觸生物信息學(xué)以來，一

2、晃已近六年，而本札記也近四歲了。2001和2002年中國科學(xué)院理論物理所的郝柏林院士在浙江大學(xué)首次開設(shè)生物信息學(xué)研究生課程，我作為他的助教系統(tǒng)地學(xué)習(xí)了生物信息學(xué)；同時，借著我國水稻基因組測序計劃的機遇，在他的帶領(lǐng)下從2001年開始從事水稻基因組分析，從此自己便完全投入到這一嶄新、引人入勝的領(lǐng) 域中來。不斷有來信向我索要本札記的電子版文件，同時在不少網(wǎng)站上看到推薦該札記的內(nèi)容。生物信息學(xué)、基因組學(xué)等發(fā)展很快，現(xiàn)在再回頭審看該札記，有些部分已慘不忍讀，這促使我下決心更新它。但因時間和學(xué)識問題， 還是有不少部分自己不甚滿意，就只有待日后再努力了。歡迎告訴我札記中的 BUG,我的信箱fanlj 或bi

3、oinplant。2005年3月30日 第三版近年來高通量測序技術(shù)產(chǎn)生的序列數(shù)據(jù)大量出現(xiàn)（如小RNA和大規(guī)模群體 SNP數(shù)據(jù)），本次更新根據(jù)這一進展增加了兩章內(nèi)容，分別是第七章有關(guān)小RNA的分析和第八章遺傳多態(tài)性及正向選擇檢測。兩章內(nèi)容由我的博士生王煜為主編寫，李澤峰和劉云參與了文獻整理。 另外還更新了第四章有關(guān)水稻基因組分析一節(jié)。2010年1月 第四版2014年浙江大學(xué)開展本科生教材建設(shè)工作，我當時作為系主任要帶頭，就承諾編寫我主講 的生物信息學(xué)教材。編寫教材的確不是一件容易的事，經(jīng)過幾番掙扎和多方努力，總算 完成了編寫，算是了卻了一樁心思。該教材內(nèi)容比較完整，也跟蹤了生物信息學(xué)領(lǐng)域的最新

4、進展。我就權(quán)且把該教材內(nèi)容作為札記的第四版，也算給該札記一個完美的結(jié)尾。2017年9月II箝那高等院校農(nóng)學(xué)與生物技術(shù)專業(yè)現(xiàn)劃樊龍江主編生物信息學(xué)生物信息學(xué)Binformatics浙江大學(xué)出版社iii生物信息學(xué)前言自開始接觸生物信息學(xué)以來，一晃已近二十年了。我是在攻讀博士期間開始注意并學(xué)習(xí)生物信息學(xué)的。我的博士生導(dǎo)師胡秉民為應(yīng)用數(shù)學(xué)專業(yè)教授，主要從事生態(tài)系統(tǒng)模型模擬研究。雖然已具備一定數(shù)量統(tǒng)計和數(shù)量遺傳學(xué)基礎(chǔ)，但當時對于生物信息學(xué)，我還是非常陌生的，通過自學(xué)才開始一點點了解這門新興學(xué)科。2001-2003 年間，中國科學(xué)院理論物理所郝柏林院士在浙江大學(xué)首次開設(shè)“生物信息學(xué)”研究生課程，我作為他的

5、助教，系統(tǒng)地學(xué)習(xí)了生物信息學(xué)；同時，在他的帶領(lǐng)下從事水稻基因組分析。自那時起，浙江大學(xué)生物信息學(xué)學(xué)科和相應(yīng)研究機構(gòu)也逐步建立起來。2004 年郝院士離開杭州加入復(fù)旦大學(xué)，生物信息學(xué)研究生課程就由我和朱軍教授承擔下來?，F(xiàn)在該課程作為浙江大學(xué)全校性研究生公共課程，已成為一門重點建設(shè)課程，每年選課人數(shù)都在150 人左右。上個世紀末，我國生物信息學(xué)還處于起步階段，學(xué)習(xí)資料很少。學(xué)生時常索要學(xué)習(xí)材料，于是我整理了備課筆記，取名生物信息學(xué)札記，于 2001 年 6月掛到實驗室主頁上供學(xué)生參考。隨著生物信息學(xué)發(fā)展，分別于2005 年 3 月和2010 年 1 月更新札記兩次。由于網(wǎng)絡(luò)傳播的作用，許多生物信息

6、學(xué)初學(xué)者都讀過該札記，在國內(nèi)形成一定的影響。本書是在該札記框架基礎(chǔ)上，補充大量新材料編寫而成。生物信息學(xué)學(xué)科內(nèi)容涵蓋廣且發(fā)展很快。基于國內(nèi)外生物信息學(xué)相關(guān)教材，以及自身對生物信息學(xué)的粗淺理解，我把生物信息學(xué)大致分為四部分（篇） 內(nèi)容：第一部分即基礎(chǔ)篇，為生物信息學(xué)的基礎(chǔ)知識。這部分內(nèi)容總體變化不大（與10-15 年前比較），它是生物信息學(xué)的核心知識，生物信息學(xué)教學(xué)最重要部分，為應(yīng)為必講內(nèi)容；第二部分高通量測序數(shù)據(jù)分析篇，最近十年才出現(xiàn)的生物信息學(xué)新內(nèi)容。2005 年高通量測序技術(shù)突破后，針對該技術(shù)產(chǎn)生的序列數(shù)據(jù)，出現(xiàn)大量生物信息學(xué)新算法和新工具；第三部分生物信息學(xué)外延與交叉，重點介紹與生物信息

7、學(xué)密切相關(guān)的其他生物學(xué)學(xué)科。生物信息學(xué)引入了這些學(xué)科的部分核心技術(shù)（或反過來被引入），如數(shù)量遺傳學(xué)、群體遺傳學(xué)和新興學(xué)科合成生物學(xué)；第四部分為生物信息學(xué)資源與實踐篇。生物信息學(xué)數(shù)據(jù)庫和軟件工具對生物學(xué)學(xué)科至關(guān)重要，所以這部分也是生物信息學(xué)重要組成部分。同時， 該篇中以實踐為目的的生物信息學(xué)教學(xué)資源是課堂教學(xué)的一個很好補充。我重點編寫了本書第一部分基礎(chǔ)篇。我的學(xué)生參與撰寫了有關(guān)章節(jié)，同時也邀請了相應(yīng)領(lǐng)域研究者參與部分章節(jié)撰寫（徐海明：數(shù)量遺傳學(xué)；阮松林：蛋白質(zhì)組學(xué)） ，最后由我統(tǒng)稿。我們盡可能完整地列出參考書目，標注材料來源，但一定還會有所遺漏。本書受浙江大學(xué)本科專業(yè)核心課程教材建設(shè)專項經(jīng)費資助

8、出版。每次拿起書稿總是能發(fā)現(xiàn)一些錯誤或不準確的地方，但由于出版計劃一再拖延，只好交稿付印了。如果你發(fā)現(xiàn)書中問題，望賜教指正（fanlj ） ，以便我們再版時更正。樊龍江2016 年 9 月生物信息學(xué)簡要目錄及 PDFT載（二校稿，以出版為準）緒論PDF第一篇：生物信息學(xué)基礎(chǔ)第1-1章生物信息類型及其產(chǎn)生途徑PDF第1-2章分子數(shù)據(jù)庫和常見記錄格式第1-3章兩條序列聯(lián)配及其算法PDF第1-4章多條序列聯(lián)配及功能域分析PDF第1-5章基因預(yù)測與功能注釋PDF第1-6章系統(tǒng)發(fā)生樹構(gòu)建第1-7章蛋白質(zhì)結(jié)構(gòu)預(yù)測與藥物設(shè)計第1-8章生物信息學(xué)計算機基礎(chǔ)第二篇：高逋量測序數(shù)據(jù)分析第2-1章基因組拼接與分析P

9、DF第2-2章基因組變異與分析第2-3章轉(zhuǎn)錄組分析弟2-4早非編碼RN初析PDF第2-5章甲基化與組蛋白修飾一第2-6章宏基因組分析第2-7章蛋白質(zhì)組分析第三篇：生物信息學(xué)外延與交叉第3-1章系統(tǒng)生物學(xué)第3-2章群體遺傳學(xué)第3-3章數(shù)量遺傳學(xué)弟3-4早合成生物學(xué)第四篇：生物信息學(xué)資源與實踐弟4-1早生物信息學(xué)常用代碼和關(guān)鍵詞弟4-2早生物信息學(xué)常用英語術(shù)語及釋義弟4-3早生物信息學(xué)主要數(shù)據(jù)庫與工具PDF第4-4章生物信息學(xué)實驗PDF參考文獻詳細目錄序郝柏林院士前百緒論生物信息與生物信息學(xué)第F生物信息學(xué)簡史與展望第三節(jié)本書的組織和使用第一篇：生物信息學(xué)基礎(chǔ)第1-1章生物信息類型及其產(chǎn)生途徑ir-

10、n?生物估息的類型第FDNA測序技術(shù)一、測序技術(shù) 二、第二代測序技術(shù) 三、第三代測序技術(shù)第三節(jié)高通量測序技術(shù)的應(yīng)用一、DNA/RNAf 關(guān)測序二、蛋白質(zhì)-DNA/RNA互作三、甲基化/宏基因組第四節(jié)蛋白質(zhì)序列及其結(jié)構(gòu)測定一、蛋白質(zhì)序列與蛋白質(zhì)互作測定 二、蛋白質(zhì)結(jié)構(gòu)測定第1-2章分子數(shù)據(jù)庫和常見記錄格式分子序列數(shù)據(jù)庫概述一、分子數(shù)據(jù)庫概念二、數(shù)據(jù)庫記錄格式三、數(shù)據(jù)庫冗余、序列遞交和檢索第F核甘酸及其相關(guān)數(shù)據(jù)庫一、DNA/RN歸列數(shù)據(jù)庫二、基因組數(shù)據(jù)庫三、非編碼RNAa據(jù)庫第三節(jié)蛋白質(zhì)及其相關(guān)數(shù)據(jù)庫第四節(jié)代謝途徑等專業(yè)數(shù)據(jù)庫一、代謝途徑數(shù)據(jù)庫二、代謝組學(xué)等數(shù)據(jù)庫第1-3章兩條序列聯(lián)配及其算法序列

11、聯(lián)配基本概念第F計分矩陣一、計分矩陣的一般原理二、氨基酸替換矩陣四、位置特異性計分矩陣（PSSM第三節(jié)兩條序列聯(lián)配算法一、Needleman-Wunsch 算法二、Smith-Waterman 算法第四節(jié)BLAST算法及數(shù)據(jù)庫搜索一、BLAST算法二、利用BLAST進行數(shù)據(jù)庫序列搜索三、序列相似性的統(tǒng)計推斷第1-4章多條序列聯(lián)配及功能域分析多序列聯(lián)配概念及其算法一、多序列聯(lián)配概念二、多序列全局聯(lián)配算法 三、多序列局部聯(lián)配算法14第F蛋白質(zhì)序列功能域分析與模型一、功能域概念 二、功能域模型第三節(jié)嫡及矩陣信息量一、不確定性與信息量 二、信息嫡的應(yīng)用第1-5章基因預(yù)測與功能注釋基因組序列構(gòu)成與基因預(yù)

12、測一、基因組序列的基本構(gòu)成 二、基因預(yù)測及其基本方法 三、基因注釋流程第F從頭預(yù)測一一隱馬爾可夫模型（HMM方法一、馬爾可夫和隱馬爾可夫模型 二、隱馬爾可夫模型問題及其算法 三、HM疑因預(yù)測模型及其應(yīng)用第三節(jié)貝葉斯統(tǒng)計及其基因預(yù)測應(yīng)用一、貝葉斯統(tǒng)計與生物信息學(xué)二、利用貝葉斯統(tǒng)計進行基因預(yù)測第四節(jié)基因功能注釋一、利用序列和結(jié)構(gòu)域數(shù)據(jù)庫進行注釋二、利用功能分類和代謝途徑信息進行注釋第五節(jié)基因序列構(gòu)成分析一、堿基構(gòu)成與分布二、DNA亍走與Z曲線二、同向重復(fù)序列分析四、蛋白質(zhì)序列跨膜等特征分析第1-6章系統(tǒng)發(fā)生樹構(gòu)建系統(tǒng)發(fā)生樹與遺傳模型一、系統(tǒng)發(fā)生樹概述二、遺傳模型第F距離法一、非加權(quán)平均連接聚類法

13、（UPGMAt）二、Fitch-Margoliash 算法三、鄰接法第三節(jié)簡約法第四節(jié)似然法一、DNA列的似然模型二、兩條序列系統(tǒng)發(fā)生樹三、三條及多條序列系統(tǒng)發(fā)生樹第五節(jié)基因組組分矢量方法一、組分矢量方法（CVTree算法）二、基因組關(guān)聯(lián)“距離”與系統(tǒng)發(fā)生樹構(gòu)建第1-7章蛋白質(zhì)結(jié)構(gòu)預(yù)測與藥物設(shè)計蛋白質(zhì)結(jié)構(gòu)概述一、蛋白質(zhì)結(jié)構(gòu)及其預(yù)測二、蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫三、蛋白質(zhì)結(jié)構(gòu)主要預(yù)測工具第F蛋白質(zhì)二級結(jié)構(gòu)預(yù)測一、二級結(jié)構(gòu)預(yù)測方法 二、結(jié)構(gòu)預(yù)測實例第二節(jié)蛋白質(zhì)三級結(jié)構(gòu)預(yù)測一、同源建模法 二、折疊識別法第四節(jié)計算機輔助藥物設(shè)計一、間接藥物設(shè)計 二、直接藥物設(shè)計第1-8章生物信息學(xué)計算機基礎(chǔ)使用Unix/Lin

14、ux 操作平臺一、Unix/Linux操作系統(tǒng)及其結(jié)構(gòu)二、Linux Shell常用命令第F掌門計算機編程語言一、計算機編程語言二、Python語百簡介三、R語言四、MySQ酷言第三節(jié)并行與自動化一、并行式計算二、并行化模型及其實例第四節(jié)其他一、算法二、可視化與畫圖第二篇：高逋量測序數(shù)據(jù)分析第2-1章基因組拼接與分析基因組序列拼接概念一、基因組短序列拼接問題二、基因組從頭拼接主要方法三、利用遺傳圖譜等進行基因組組裝第F圖論及基于德布魯因圖拼接算法一、圖論二、基于德布魯因圖的拼接算法第三節(jié)第三代測序數(shù)據(jù)拼接方法第四節(jié)基于字符串（K-mer）的基因組調(diào)查與分析一、基因組大小估計二、基因組復(fù)雜度估計

15、三、基因組“肖像”及缺失字符串分析第2-2章基因組變異與分析基因組變異類型與檢測方法一、基因組變異類型二、基因組變異檢測方法第F基因組重測序及其應(yīng)用；一、基因組重測序應(yīng)用領(lǐng)域 二、基因組重測序數(shù)據(jù)分析第2-3章轉(zhuǎn)錄組分析轉(zhuǎn)錄組測序與拼接一、轉(zhuǎn)錄組及其技術(shù)平臺 二、轉(zhuǎn)錄組序列拼接第F基因表達分析一、差異表達基因的鑒定二、差異表達基因富集分析第三節(jié)可艾男切和基因融合分析一、基因可艾男切二、融合基因第2-4章非編碼RN初析非編碼RNA簡介一、非編碼RN砥型與功能二、非編碼RNAS化三、樣品采集及其測序方法四、非編碼RNAfe要數(shù)據(jù)庫第F小RNA十算識別與靶基因預(yù)測一、miRNA±要特征及計

16、算識別 二、siRNA主要特征及計算識別 三、miRN所口 siRNA靶基因預(yù)測第三節(jié)長非編碼RNA定與功能分析一、線性IncRNA鑒定二、環(huán)化RNA定三、IncRNA功能預(yù)測第2-5章甲基化與組蛋白修飾表觀遺傳機制第F甲基化測序與分析一、甲基化測序原理二、生物信息學(xué)分析方法第二節(jié)組蛋白修飾測定與分析一、組蛋白的樣品制備二、組蛋白修飾分析方法第2-6章宏基因組分析宏基因組及其分析方法一、宏基因組概述二、宏基因組學(xué)技術(shù)應(yīng)用第F16S rDNA序列分析一、技術(shù)方法與分析流程二、物種多樣性分析三、物種豐富度估計四、群落結(jié)構(gòu)分析第三節(jié)全基因組序列數(shù)據(jù)分析一、分析流程與內(nèi)容二、基因預(yù)測及功能注釋第2-7

17、章蛋白質(zhì)組分析蛋白質(zhì)組學(xué)概述一、蛋白質(zhì)組及其分析二、高通量分離和鑒定技術(shù)第F雙向電泳圖像與質(zhì)譜組合分析一、膠圖獲取與分析二、利用指紋圖譜鑒定蛋白質(zhì)第三節(jié)質(zhì)譜數(shù)據(jù)采集與分析一、質(zhì)譜數(shù)據(jù)米集策略二、肽段數(shù)據(jù)庫搜索與質(zhì)量控制第四節(jié)定量蛋白質(zhì)組分析一、同位素標記止里分析一、非同位素標記止里分析第三篇：生物信息學(xué)外延與交叉第3-1章系統(tǒng)生物學(xué)系統(tǒng)生物學(xué)概述第F網(wǎng)絡(luò)與生物網(wǎng)絡(luò)一、無標度和階層網(wǎng)絡(luò)二、生物網(wǎng)絡(luò)模塊及其算法工具第三節(jié)基因調(diào)控網(wǎng)絡(luò)一、布爾網(wǎng)絡(luò)模型二、貝葉斯網(wǎng)絡(luò)模型第3-2章群體遺傳學(xué)群體遺傳多態(tài)性與結(jié)構(gòu)一、遺傳多態(tài)性及其估計 二、群體結(jié)構(gòu)第一節(jié)止向選擇日勺統(tǒng)計檢驗一、自然選擇與中性檢驗二、基于種

18、內(nèi)多態(tài)性的檢驗方法三、基于種內(nèi)多態(tài)和種間分歧度的檢測方法第二節(jié)群體進化的溯祖測驗一、溯祖理論二、溯祖測驗應(yīng)用第四節(jié)統(tǒng)計測驗分析問題與策略第3-3章數(shù)量遺傳學(xué)數(shù)量性狀遺傳基本概念第F連鎖分析一、連鎖分析原理二、試驗群體的連鎖分析 三、常用連鎖分析軟件第三節(jié)關(guān)聯(lián)分析一、關(guān)聯(lián)分析基本原理 二、常用關(guān)聯(lián)分析軟件第3-4章合成生物學(xué)什么是合成生物學(xué)？一、合成生物學(xué)定義和研究內(nèi)容 二、合成生物學(xué)引發(fā)的爭議第F從“基因線路”開始：模塊化工程化一、基因線路的基本概念二、幾個經(jīng)典基因線路設(shè)計第三節(jié)從最小基因組開始：基因組人工合成一、基因組的人工合成和重構(gòu) 二、噬菌體基因組人工合成與重構(gòu) 三、細菌基因組人工合成與重構(gòu)第四篇：