生物信息學(xué)概述下

生物信息學(xué)概述下第1頁(yè)/共83頁(yè)非編碼區(qū)功能研究Whatisthetotalnumberofhumangenes?28,000±4,000Only1.1%ofthegenomeisspannedbyexons,whereas24%isinintrons,with75%ofthegenomebeingintergenicDNA.Oneofthelargestchallengesisidentifyingtheunknownfunctionsthatalmostcertainlyexistinmuchofthe“junk”DNA.第2頁(yè)/共83頁(yè)OrganismYearMillionsTotalPredictedNumberofgenesofbasescoveragenumberpermillionbasessequenced(%)ofgenessequenced

Humangenomeroughdraft20012,6938431,78012(publicsequence)Humangenomeroughdraft20012,6548339,11415(Celerasequence)Arabidopsisthaliana

20001159225,498221

Drosophilametanogaster20001166413,601117

Caenorhabditiselegans

1998979919,099197

Saccharomycescerevisiae

199612935,800483第3頁(yè)/共83頁(yè)人類基因組非編碼區(qū)(“Junk”DNA)的構(gòu)成至少包含如下類型的DNA成份或由其表達(dá)的RNA成分：內(nèi)含子(intron)、衛(wèi)星(Satellite)DNA、小衛(wèi)星(minisatellite)DNA、微衛(wèi)星(Microsatellite)DNA、非均一核RNA(簡(jiǎn)稱hnRNA)、短散置元(shortinterspersedelements．簡(jiǎn)稱SINE)、長(zhǎng)散置元(1onginterspersedelements，簡(jiǎn)稱LINE)、偽基因(Pseudogenes)、順式調(diào)控元件，如啟動(dòng)子、增強(qiáng)子等也屬于非編碼序列。第4頁(yè)/共83頁(yè)重復(fù)序列在基因組中的比例

Human45%

Arabidopsis11%

C.elegans7%

D.melanogaster3%

Highereukaryotesarebelievedtocarryalargeburdenof“junkDNA”intheirgenomes.Although>98%ofthehumangenomecomprisesnon-protein-codingDNA(1),thetruedensityanddistributionoffunctionalnucleotidesintheseregionsiscurrentlyunknown.第5頁(yè)/共83頁(yè)WhoshareUltraconservedElements?humanmouseratchickenfishdog#ofUltraconservedElements第6頁(yè)/共83頁(yè)Theinsertionofarepetitivesequenceintoagenecaninfluenceitstranscription.TheSINEsandotherrepeatscanactastissue-specificenhancersorsilencersoftheadjacentgenes.SmallRNA,microRNA,andRNAInterference(RNAi）第7頁(yè)/共83頁(yè)EncyclopediaofDNAElements“DNA元件百科全書”計(jì)劃（EncyclopediaofDNAElements，簡(jiǎn)稱ENCODE）發(fā)表了一系列重要研究成果，挑戰(zhàn)了關(guān)于人類基因組的傳統(tǒng)理論，即我們的基因組不是由孤立的基因和大量“無用DNA片段”組成的，而是一個(gè)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)。編碼基因、調(diào)控元件以及非編碼RNA基因之間，有著復(fù)雜的相互作用，共同控制著人類的生理活動(dòng)。第8頁(yè)/共83頁(yè)6.研究生物進(jìn)化1859，Darwin的物種起源對(duì)人類自然科學(xué)和自然哲學(xué)發(fā)展的最重大貢獻(xiàn)之一。進(jìn)化論研究的核心是描述生物進(jìn)化的歷史(系統(tǒng)進(jìn)化樹)和探索進(jìn)化過程的機(jī)制。當(dāng)前分子進(jìn)化的研究已是進(jìn)化論研究的重要手段，并建立了一套依賴于核酸、蛋白質(zhì)序列信息的理論方法。

第9頁(yè)/共83頁(yè)第10頁(yè)/共83頁(yè)序列相似性比較。常用的程序包有BLAST、FASTA等；序列同源性分析。完成這一工作必須使用多序列比較算法。常用的程序包有CLUSTALW等構(gòu)建系統(tǒng)進(jìn)化樹。象PYLIP、MEGA等；穩(wěn)定性檢驗(yàn)。通用的方法使用Bootstrap算法，相應(yīng)的軟件已包括在構(gòu)建系統(tǒng)進(jìn)化樹所用的軟件包當(dāng)中。第11頁(yè)/共83頁(yè)一：發(fā)現(xiàn)同一種群基于不同分子序列所重構(gòu)出的進(jìn)化樹可能不同。二：對(duì)“

垂直進(jìn)化”和“水平演化”之間關(guān)系的討論正逐漸引起人們的重視。三、基因的“橫向遷移現(xiàn)象”。即：基因可以在同時(shí)存在的種群間遷移，其結(jié)果雖可導(dǎo)致序列差異，但這種差異與進(jìn)化無關(guān)。如：對(duì)人類基因組的分析發(fā)現(xiàn)，有幾十個(gè)人的基因只與細(xì)菌基因相似，而在果蠅、線蟲中都不存在。所以在當(dāng)前的分子進(jìn)化研究中必須選擇垂直進(jìn)化的分子作為樣本。序列差異和進(jìn)化關(guān)系的爭(zhēng)論：第12頁(yè)/共83頁(yè)

分子進(jìn)化分析中，“

相似性”和“同源性”是兩個(gè)不同的概念。相似性只反映兩者類似，并不包含任何與進(jìn)化相關(guān)的暗示。同源性則是與共同祖先相關(guān)的相似性。

不同的生物分子替代速率不同。纖維蛋白約200萬年有一個(gè)aa被替代。而組蛋白約3000萬年才被替換一個(gè)，一些非編碼序列一兩萬年就可能被替換。這些變化速率不同的分子可作為進(jìn)化研究的分子時(shí)標(biāo)，有人稱之為分子鐘。但隨著序列的增加，不支持分子鐘的假設(shè)。第13頁(yè)/共83頁(yè)植物L(fēng)FY同源基因系統(tǒng)樹第14頁(yè)/共83頁(yè)P(yáng)hylogenyof23completelysequencedBacteriaandArchaeaspeciesonthebasisof16srRNA.

A)Phylogenetictreebuiltbyournewmethod.B)PhylogenetictreebuiltbyClustalwprogram.(MadebyR.S.Chen)第15頁(yè)/共83頁(yè)P(yáng)hylogenyof24completelysequencedBacteria,ArchaeaandEukaryaspecies.A)genomictree.(MadebyR.S.Chen)

第16頁(yè)/共83頁(yè)P(yáng)hylogenyofT.tengcongensisbasedonWholeGenome(MadebyR.S.Chen)第17頁(yè)/共83頁(yè)AfterPaceNR(1997)Science276:734第18頁(yè)/共83頁(yè)7.完整基因組的比較研究生命的起源？生命的進(jìn)化？遺傳密碼的起源？最小獨(dú)立生活的生物體至少需要多少基因？這些基因是如何使生物體活起來的？啤酒酵母，它有5932個(gè)基因，最小的是生殖道枝原體．它只有470個(gè)基因。黑猩猩和人的基因組大小相似，都含有約3

0億堿基對(duì)，基因的數(shù)目也類似，且大部同源。但黑猩猩和人差異大,為什么？第19頁(yè)/共83頁(yè)人類基因組與其它生物基因組比較第20頁(yè)/共83頁(yè)通過幾個(gè)完整基因組的比較，統(tǒng)計(jì)出維持生命活動(dòng)所需要的最少基因個(gè)數(shù)為250個(gè)左右。比較鼠和人的基因組就會(huì)發(fā)現(xiàn)，盡管兩者基因組大小和基因數(shù)目類似，但基因組的組織卻差別很大。例如存在于鼠1

號(hào)染色體上的基因已分布到人的1、2、5、6、8、13、18號(hào)7個(gè)染色體上了。在同一界中，某些核糖體蛋白排列順序的差異能反映出物種間的親緣關(guān)系，親緣關(guān)系越近，基因排列順序越接近。這樣就可以通過比較基因的排列順序來研究物種間的系統(tǒng)發(fā)育關(guān)系。

第21頁(yè)/共83頁(yè)人與鼠染色體的差別Thedistributionofmousehomologygenesinthehumanchromosome

(DatafromGenBank，CoordinatebyR.S.Chen)

第22頁(yè)/共83頁(yè)Thedistributionofmousehomologygenesinthehumanchromosome

(DatafromGenBank，CoordinatebyR.S.Chen)

*************************************************************************

genesinthisNo.chromosomeofdistributionofmousehomologygenesmouseinhumanchromosome11、2、5、6、8、13、1822、7、9、10、11、15、2031、3、4、841、6、8、951、4、7、12、13、18、2262、3、7、10、1276、10、11、15、16、1981、4、8、13、16、1993、6、11、15、19106、10、12、19、21、22112、5、7、16、17、22122、7、14131、5、6、7、9、15、17143、8、10、13、14、X155、8、12、22163、8、16、21、22176、16、19、21185、10、18199、10、11、XXX***********************************************************************第23頁(yè)/共83頁(yè)8.從功能基因組到系統(tǒng)生物學(xué)功能基因組研究:不僅需要了解基因的序列，還要了解基因的功能，也就是要了解在不同的時(shí)間、不同的組織中基因的表達(dá)譜。研究不同時(shí)間、不同組織的基因表達(dá)譜的技術(shù)有：在核酸層次上的基因芯片（或稱DNA芯片）；在蛋白質(zhì)層次上的大規(guī)模蛋白質(zhì)分離和序列鑒定技術(shù)，也稱蛋白質(zhì)譜技術(shù)和蛋白質(zhì)組研究。芯片雜交：DNA芯片基質(zhì)有硅片、玻片和金屬片。蛋白質(zhì)二維凝膠電泳和測(cè)序質(zhì)譜相結(jié)合的技術(shù)在蛋白質(zhì)水平上監(jiān)測(cè)基因表達(dá)的功能譜。酵母雙雜交技術(shù)研究蛋白質(zhì)的相互作用。第24頁(yè)/共83頁(yè)需要解決的關(guān)鍵問題：表達(dá)譜數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)就成了該研究成功與否的關(guān)鍵。需要發(fā)展新的方法和工具。對(duì)大規(guī)?；蚬δ鼙磉_(dá)譜的分析也導(dǎo)致了新的方法學(xué)問題?；虮磉_(dá)譜的數(shù)據(jù)和蛋白質(zhì)譜的數(shù)據(jù)，既有圖象，又是在時(shí)空多維水平上展開的數(shù)據(jù)。芯片等的設(shè)計(jì)上也需要從理論到軟件的支持。第25頁(yè)/共83頁(yè)第26頁(yè)/共83頁(yè)第27頁(yè)/共83頁(yè)第28頁(yè)/共83頁(yè)應(yīng)用分析系統(tǒng)獲得的48小時(shí)晝夜交替的表達(dá)譜信息cDNA微陣列雜交的聚類分析第29頁(yè)/共83頁(yè)第30頁(yè)/共83頁(yè)二維電泳圖第31頁(yè)/共83頁(yè)第32頁(yè)/共83頁(yè)第33頁(yè)/共83頁(yè)質(zhì)譜分析雙向電泳原位酶解肽指紋圖數(shù)據(jù)庫(kù)質(zhì)譜

Edman降解N端，C端測(cè)序生物信息學(xué)分析分子生物學(xué)實(shí)驗(yàn)第34頁(yè)/共83頁(yè)P(yáng)roteininteractionnetwork:

direct/indirect;static/dynamic第35頁(yè)/共83頁(yè)

第36頁(yè)/共83頁(yè)

第37頁(yè)/共83頁(yè)FromtheCelltoProteinMachines

第38頁(yè)/共83頁(yè)ByR.S.Chen第39頁(yè)/共83頁(yè)9.蛋白質(zhì)結(jié)構(gòu)模擬與藥物設(shè)計(jì)蛋白質(zhì)功能取決于蛋白質(zhì)的空間結(jié)構(gòu)

蛋白質(zhì)結(jié)構(gòu)決定于蛋白質(zhì)的序列（這是目前基本共認(rèn)的假設(shè)），蛋白質(zhì)結(jié)構(gòu)的信息隱含在蛋白質(zhì)序列之中。第40頁(yè)/共83頁(yè)9.蛋白質(zhì)結(jié)構(gòu)模擬與藥物設(shè)計(jì)要找到蛋白質(zhì)功能的分子基礎(chǔ)，必須知道它們的三維結(jié)構(gòu)，與此同時(shí)，設(shè)計(jì)藥物也需要了解與藥物相應(yīng)的蛋白質(zhì)受體的三維結(jié)構(gòu)。目前，X射線晶體學(xué)技術(shù)、多維核磁共振（NMR）波譜學(xué)技術(shù)、二維電子衍射和三維圖像重構(gòu)技術(shù)等是蛋白質(zhì)空間結(jié)構(gòu)測(cè)定的有效手段。每天可測(cè)出幾個(gè)生物大分子空間結(jié)構(gòu)，但遠(yuǎn)小于蛋白質(zhì)序列信息增長(zhǎng)的速度。預(yù)測(cè)這些蛋白的空間結(jié)構(gòu)，進(jìn)而實(shí)現(xiàn)針對(duì)性的藥物設(shè)計(jì)，就成了迫在眉睫的任務(wù)。這也是大規(guī)模的計(jì)算問題。第41頁(yè)/共83頁(yè)蛋白質(zhì)的生物功能由蛋白質(zhì)的結(jié)構(gòu)所決定，蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)成為了解蛋白質(zhì)功能的重要途徑。蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)分為:二級(jí)結(jié)構(gòu)預(yù)測(cè)空間結(jié)構(gòu)預(yù)測(cè)第42頁(yè)/共83頁(yè)第43頁(yè)/共83頁(yè)二級(jí)結(jié)構(gòu)預(yù)測(cè)在一定程度上二級(jí)結(jié)構(gòu)的預(yù)測(cè)可以歸結(jié)為模式識(shí)別問題

在二級(jí)結(jié)構(gòu)預(yù)測(cè)方面主要方法有：立體化學(xué)方法圖論方法統(tǒng)計(jì)方法最鄰近決策方法基于規(guī)則的專家系統(tǒng)方法分子動(dòng)力學(xué)方法人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)準(zhǔn)確率超過70%的第一個(gè)軟件是基于神經(jīng)網(wǎng)絡(luò)的PHD系統(tǒng)第44頁(yè)/共83頁(yè)空間結(jié)構(gòu)預(yù)測(cè)在空間結(jié)構(gòu)預(yù)測(cè)方面，比較成功的理論方法是同源建模法該方法的依據(jù)是：相似序列的蛋白質(zhì)傾向于折疊成相似的三維空間結(jié)構(gòu)運(yùn)用同源模型方法可以完成所有蛋白質(zhì)10-30%的空間結(jié)構(gòu)預(yù)測(cè)工作

第45頁(yè)/共83頁(yè)DNARNAproteinCentraldogmaofmolecularbiologygenometranscriptomeproteomeCentraldogmaofbioinformaticsandgenomics第46頁(yè)/共83頁(yè)DNARNAcDNAESTsUniGenephenotypegenomicDNAdatabasesproteinsequencedatabasesprotein第47頁(yè)/共83頁(yè)第48頁(yè)/共83頁(yè)P(yáng)ic5Phenylketonuria(PKU)iscausedbyadeficiencyoftheiron-containingenzymephenylalaninehydroxylase(PAH),whichconvertsphenylalaninetotyrosine.第49頁(yè)/共83頁(yè)第50頁(yè)/共83頁(yè)P(yáng)ic6第51頁(yè)/共83頁(yè)P(yáng)ic7第52頁(yè)/共83頁(yè)后基因組時(shí)代

Post-genomeera后基因組時(shí)代的挑戰(zhàn):

1.蛋白組學(xué):序列->結(jié)構(gòu)->功能2.研究生物的生長(zhǎng)代謝的過程和疾病的機(jī)制3.基因組藥物………生物信息學(xué)離不開高性能計(jì)算機(jī)。并需要信息學(xué)家的參與。急需有自主知識(shí)產(chǎn)權(quán)的生物信息處理軟件平臺(tái)和大量高效的快速的新算法的開發(fā)及改進(jìn)。第53頁(yè)/共83頁(yè)后基因組時(shí)代

Post-genomeera第54頁(yè)/共83頁(yè)

基因組數(shù)據(jù)DNA,Protein

序列生物信息學(xué)軟件平臺(tái)BlastGenscanBlocks生物學(xué)家計(jì)算生物學(xué)模型/算法軟件計(jì)算機(jī)專家串行后基因組學(xué)數(shù)據(jù)并行……數(shù)據(jù)庫(kù)第55頁(yè)/共83頁(yè)

第56頁(yè)/共83頁(yè)proteomicsdata第57頁(yè)/共83頁(yè)P(yáng)roteomicstools

IdentificationandcharacterizationDNA->ProteinSimilaritysearchesPatternandprofilesearchesPost-translationalmodificationpredictionPrimarystructureanalysisSecondarystructurepredictionTertiarystructureTransmembraneregionsdetectionAlignment第58頁(yè)/共83頁(yè)

四、生物信息學(xué)的應(yīng)用與發(fā)展研究

生物信息學(xué)相關(guān)的分析與應(yīng)用算法、軟件和數(shù)據(jù)庫(kù)，都具有重要的經(jīng)濟(jì)價(jià)值，最終都會(huì)形成商品，提供經(jīng)濟(jì)和社會(huì)效益。1.疾病相關(guān)的基因信息及相關(guān)算法和軟件開發(fā)2.建立與動(dòng)、植物良種繁育相關(guān)的基因組數(shù)據(jù)庫(kù)，發(fā)展分子標(biāo)記輔助育種技術(shù)3.研究與發(fā)展藥物設(shè)計(jì)軟件和基于生物信息的分子生物學(xué)技術(shù)第59頁(yè)/共83頁(yè)MajorApplicationsI:OverallGenomeCharacterizationOverallOccurrenceofaCertainFeatureintheGenomee.g.howmanykinasesinYeastCompareOrganismsandTissuesExpressionlevelsinCancerousvsNormalTissuesDatabases,Statistics第60頁(yè)/共83頁(yè)II:From

FindingHomologs

todrugdesign第61頁(yè)/共83頁(yè)III:DrugDesigningUnderstandingHowStructuresBindOtherMolecules(Function)DesigningInhibitorsDocking,StructureModelingThree-dimensionalmolecularstructureisoneofthefoundationsofstructure-baseddrugdesign.Often,dataareavailablefortheshapeofaproteinandadrugseparately,butnotforthetwotogether.Dockingistheprocessbywhichtwomoleculesfittogetherin3Dspace.

第62頁(yè)/共83頁(yè)生物信息學(xué)與新藥研制未來的藥物研究將是基于生物信息知識(shí)挖掘的過程數(shù)據(jù)處理關(guān)聯(lián)分析發(fā)現(xiàn)藥物作用對(duì)象確定靶標(biāo)分子針對(duì)靶標(biāo)設(shè)計(jì)藥物第63頁(yè)/共83頁(yè)

基因組學(xué)與藥靶的選擇已有數(shù)十種模式菌或致病菌基因組完成測(cè)序，所有的基因都是潛在的靶，根據(jù)不同標(biāo)準(zhǔn)進(jìn)行優(yōu)選。通過分析某一化合物是否為某一特定生化反應(yīng)或分子間相互作用（藥靶)的抑制物，確定有無成藥的可能。產(chǎn)生于基因組學(xué)的信息極大地方便了靶的選擇。利用基因組DNA序列信息指導(dǎo)生化及功能研究（抗菌素），克服致病菌抗藥性。第64頁(yè)/共83頁(yè)P(yáng)rotein

inhibitors（Virus

asanexample)attachment,entryandfusioninhibitorsDNApolymeraseinhibitorsintegraseinhibitorsinterferonsmaturationinhibitorsmonoclonalantibodiesneuraminidaseinhibitorsNS3proteaseinhibitorsnucleosidereversetranscriptaseinhibitorsproteaseinhibitorsreversetranscriptaseinhibitorsRNApolymeraseinhibitors第65頁(yè)/共83頁(yè)Designingnucleicacidinhibitors(AntisenseoligonucleotidesorRNAi)TargetingmRNATargetingmicroRNATargetinggenomicDNAInterferemRNAprocessingAptamersoligonucleotideorpeptidemoleculesthatbindtoaspecifictargetmoleculePLoS

ONE

paperWangX,GouD,XuS-y(2010)Polymerase-EndonucleaseAmplificationReaction(PEAR)forLarge-ScaleEnzymaticProductionofAntisenseOligonucleotides.PLoSONE5(1):e8430.doi:10.1371/journal.pone.0008430第66頁(yè)/共83頁(yè)BioinformaticsandPharmacutics在BIOINFORMATICS沒有誕生之前，一個(gè)新藥的問世需要十年時(shí)間，數(shù)億美元的R&D，而BIOINFORMATICS已將這個(gè)過程減少三分之二，R&D的費(fèi)用也相應(yīng)大大減少。許多中小BIOTECH公司也看到了BIOINFORMATICS的巨大作用和潛在的商機(jī)，紛紛投資BIOINFORMATICS研究項(xiàng)目。第67頁(yè)/共83頁(yè)(PGP)第68頁(yè)/共83頁(yè)第69頁(yè)/共83頁(yè)P(yáng)ersonalgenetictesting第70頁(yè)/共83頁(yè)23andme第71頁(yè)/共83頁(yè)ToprovideanintroductiontobioinformaticswithafocusontheNationalCenterforBiotechnologyInformation(NCBI)andEBITofocusontheanalysisofDNA,RNAandproteinsTointroduceyoutotheanalysisofgenomesTocombinetheoryandpracticetohelpyousolveresearchproblemsWhatarethegoalsofthiscourse?第72頁(yè)/共83頁(yè)五、生物信息學(xué)的現(xiàn)狀今后DNA序列數(shù)據(jù)的增長(zhǎng)將更為驚人。生物學(xué)數(shù)據(jù)的積累并不僅僅表現(xiàn)在DNA序列方面，與其同步的還有蛋白質(zhì)的一級(jí)結(jié)構(gòu)，即氨基酸序列的增長(zhǎng)。與正在以指數(shù)增長(zhǎng)的生物學(xué)數(shù)據(jù)相比，人類相關(guān)知識(shí)的增長(zhǎng)（粗略地用每年發(fā)表的生物、醫(yī)學(xué)論文數(shù)來代表）顯得十分緩慢。一方面是巨量的數(shù)據(jù)，另一方面是我們?cè)卺t(yī)學(xué)、藥物、農(nóng)業(yè)和環(huán)保等方面對(duì)新知識(shí)的渴求，這些新知識(shí)將幫助人們改善其生存環(huán)境和提高生活質(zhì)量。第73頁(yè)/共83頁(yè)各國(guó)政府和工業(yè)界對(duì)生物信息學(xué)研究極為重視，投入了大量資金。歐美各國(guó)及日本相繼成立了生物信息中心，如美國(guó)的國(guó)家生物技術(shù)信息中心、歐洲生物信息學(xué)研究所、日本信息生物學(xué)中心等。這些機(jī)構(gòu)相互合作，共同維護(hù)著GenBank、EMBL、DDBJ三大基因序列數(shù)據(jù)庫(kù)。美國(guó)一些最著名的大學(xué)，如哈佛、斯坦福和普林斯頓大學(xué)等都投資幾千萬到一億多美元成立了生物、物理、數(shù)學(xué)等學(xué)科交叉的新中心，諾貝爾獎(jiǎng)獲得者朱棣文領(lǐng)導(dǎo)的斯坦福大學(xué)的中心還命名為

B

io-X。第74頁(yè)/共83頁(yè)據(jù)報(bào)導(dǎo)，只有50名員工的德國(guó)Lion生物信息學(xué)公司，將通過掃描公共數(shù)據(jù)庫(kù)中的序列來發(fā)現(xiàn)500個(gè)可能的藥物作用靶點(diǎn)，以一億美元的價(jià)格預(yù)售給德國(guó)Bayer公司。NIH已向美國(guó)國(guó)會(huì)建議投資160億美元在美國(guó)建立5~20個(gè)將生物學(xué)與計(jì)算結(jié)合起來的中心，來處理海量的基因組相關(guān)信息。法國(guó)議會(huì)科技決策評(píng)估辦公室，最近評(píng)估了基因工程、生物信息學(xué)和組合化學(xué)等學(xué)科的應(yīng)用前景及法國(guó)的對(duì)策。美國(guó)出現(xiàn)了大批的基于生物信息學(xué)的公司，實(shí)施了許多生物信息學(xué)研究計(jì)劃，主要與藥物設(shè)計(jì)，基因工程藥物，生物芯片，代謝工程與化學(xué)工程密切相關(guān)。第75頁(yè)/共83頁(yè)生物信息學(xué)工業(yè)屬于基礎(chǔ)研究，以探索生物學(xué)自然學(xué)自然規(guī)律為己任；又屬于應(yīng)用研究，它的許多研究成果可以較快或立即產(chǎn)業(yè)化，成為價(jià)值很高的產(chǎn)品。人類基因組計(jì)劃的完成為生物醫(yī)藥工業(yè)提供了大量可用于新藥開發(fā)的原材料。有些基因產(chǎn)物可以直接作為藥物，而有些基因則可以成為藥物作用的對(duì)象（“靶點(diǎn)”）。生物信息學(xué)為分子生物學(xué)家提供了大量對(duì)基因序列進(jìn)行分析的工具，不但可以從資料的獲取、基因功能的預(yù)測(cè)、藥物篩選過程中的信息處理等方面大大加快新藥開發(fā)的進(jìn)程，而且可以大大加快傳統(tǒng)的基因發(fā)現(xiàn)和