第1講 生物信息學(xué)緒論

第一章生物信息學(xué)緒論2什么是生物信息學(xué)？3一、生物信息學(xué)定義4生物信息學(xué)（Bioinformatics）名詞的由來(lái)

八十年代末期，林華安博士認(rèn)識(shí)到將計(jì)算機(jī)科學(xué)與生物學(xué)結(jié)合起來(lái)的重要意義，開(kāi)始留意要為這一領(lǐng)域構(gòu)思一個(gè)合適的名稱。起初，考慮到與將要支持他主辦一系列生物信息學(xué)會(huì)議的佛羅里達(dá)州立大學(xué)超型計(jì)算機(jī)計(jì)算研究所的關(guān)系，他使用的是“CompBio”；之后，又將其更改為兼具法國(guó)風(fēng)情的“bioinformatique”，看起來(lái)似乎有些古怪。因此不久，他便進(jìn)一步把它更改為“bio-informatics（bio/informatics）”。但由于當(dāng)時(shí)的電子郵件系統(tǒng)與今日不同，該名稱中的-或/符號(hào)經(jīng)常會(huì)引起許多系統(tǒng)問(wèn)題，于是林博士將其去除，今天我們所看到的“bioinformatics”就正式誕生了，林博士也因此贏得了“生物信息學(xué)之父”的美譽(yù)。Dr.HwaA.Lim（林華安）1987年提出“Bio-informatique”→“Bioinformatics”

生物信息學(xué)（Bioinformatics）的來(lái)源Prof.DrPaulienHogeweg

誰(shuí)是生物信息學(xué)的提出者？？？Bioinformaticsgroup,UtrechtUniversity

6生物信息學(xué)之父——林華安

Dr.HwaA.Lim（林華安）1987年提出“Bio-informatique”→“Bioinformatics”1955年出生于馬來(lái)西亞。聯(lián)合國(guó)Bioinformatics專家，UniversityofTexasatDallas分子與細(xì)胞生物學(xué)AdjunctProfessor、中國(guó)科學(xué)院基因遺傳研究所客座教授。1981年英國(guó)倫敦大學(xué)帝國(guó)學(xué)院(ImperialCollege,LondonUniversity)畢業(yè)，1986年獲得美國(guó)RochesterUniversity生化物理學(xué)博士學(xué)位，30歲取得佛羅里達(dá)州立大學(xué)終生教授。1992年受聘擔(dān)任美國(guó)國(guó)家癌癥中心及美國(guó)國(guó)家科學(xué)基金會(huì)審核委員。1995年后，歷任多家生物科技公司生化信息執(zhí)行長(zhǎng)、副總裁等高層管理職位。1997年，創(chuàng)立結(jié)合軟件與數(shù)據(jù)分析的專業(yè)顧問(wèn)公司D’Trends，服務(wù)生物技術(shù)、制藥及衛(wèi)生保健等機(jī)構(gòu)。什么是生物信息學(xué)

？美國(guó)國(guó)家衛(wèi)生研究院（NIH）的定義：Bioinformatics為拓展生物學(xué)、醫(yī)學(xué)、行為學(xué)和衛(wèi)生學(xué)數(shù)據(jù)的用途，而進(jìn)行有關(guān)計(jì)算機(jī)方法手段的研究、開(kāi)發(fā)與應(yīng)用，包括此類數(shù)據(jù)的采集、存貯、整理、歸檔、分析與可視化。

ComputationalBiology開(kāi)發(fā)和應(yīng)用數(shù)據(jù)分析、理論方法、數(shù)學(xué)模型和計(jì)算機(jī)仿真技術(shù)，用于生物學(xué)、行為學(xué)和社會(huì)群體系統(tǒng)的研究。生物信息學(xué)/計(jì)算生物學(xué)生物信息學(xué)說(shuō)文解字：生物

+信息

+學(xué)

(bioinformatics)biology+information+theory廣義：

應(yīng)用信息科學(xué)的方法和技術(shù)，研究生物體系和生物過(guò)程中信息的存貯、信息的內(nèi)涵和信息的傳遞，研究和分析生物體細(xì)胞、組織、器官的生理、病理、藥理過(guò)程中的各種生物信息，或者也可以說(shuō)成是生命科學(xué)中的信息科學(xué)。狹義：

應(yīng)用信息科學(xué)的理論、方法和技術(shù)，管理、分析和利用生物分子數(shù)據(jù)。

生物信息學(xué)

從人類基因組計(jì)劃（HGP),ENCODE計(jì)劃和千人基因組計(jì)劃說(shuō)起曼哈頓原子彈計(jì)劃阿波羅登月計(jì)劃三大科學(xué)計(jì)劃人類基因組計(jì)劃1984.12猶他州阿爾塔組織會(huì)議，初步研討測(cè)定人類整個(gè)基因組DNA序列的意義1985Dulbecco在《Science》撰文“腫瘤研究的轉(zhuǎn)折點(diǎn):人類基因組的測(cè)序”人類基因組計(jì)劃為什么要開(kāi)展人類基因組計(jì)劃？有助于認(rèn)識(shí)自身、掌握生老病死規(guī)律、疾病的診斷和治療、了解生命的起源。

人類基因組計(jì)劃(HGP，HumanGenomeProject)目標(biāo)：整體上破解人類遺傳信息的奧秘人類基因組計(jì)劃目標(biāo)HumanGenome=threebillion(3*10^9)basepairs人類基因組計(jì)劃-DNA測(cè)序技術(shù)新的測(cè)序技術(shù)焦磷酸測(cè)序法（454，Solexa，Solid）,單分子測(cè)序新的整合技術(shù)Sanger測(cè)序法Sanger測(cè)序法雙脫氧鏈終止法

第一個(gè)自由生物體流感嗜血菌(H.inf)的全基因組測(cè)序完成1996完成人類基因組計(jì)劃的遺傳作圖啟動(dòng)模式生物基因組計(jì)劃H.inf全基因組Saccharomycescerevisiae釀酒酵母Caenorhabditiselegans秀麗線蟲(chóng)1997大腸桿菌(E.coli)全基因組測(cè)序完成1998完成人類基因組計(jì)劃的物理作圖開(kāi)始人類基因組的大規(guī)模測(cè)序

Celera公司加入，與公共領(lǐng)域競(jìng)爭(zhēng)啟動(dòng)水稻基因組計(jì)劃1999.7第5屆國(guó)際公共領(lǐng)域人類基因組測(cè)序會(huì)議，加快測(cè)序速度大腸桿菌及其全基因組水稻基因組計(jì)劃1999.7第5屆國(guó)際公共領(lǐng)域人類基因組測(cè)序會(huì)議，加快測(cè)序速度2000Celera公司宣布完成果蠅基因組測(cè)序國(guó)際公共領(lǐng)域宣布完成第一個(gè)植物基因組——擬南芥全基因組的測(cè)序工作Drosophilamelanogaster果蠅Arabidopsisthaliana擬南芥人類基因組序列的組裝人類基因組計(jì)劃幕后英雄JimKent.“黃金之路”(TheGoldenPath)

GigAssemblerKent&Haussler,GenomeRes.2001.11:1541-1548為什么需要組裝呢？人類基因組序列的組裝和注釋DNA測(cè)序技術(shù)組裝人類基因組生物信息學(xué)分析技術(shù)基因（gene）轉(zhuǎn)座元件進(jìn)化保守性基因的鑒定HumanGenome=threebillion(3*10^9)basepairs:基因--有遺傳效應(yīng)的DNA片斷,是控制生物性狀的基本遺傳單位

編碼蛋白質(zhì)或RNA等具有特定功能產(chǎn)物的遺傳信息的基本單位基因的鑒定-隱馬爾可夫模型11/621/631/641/651/661/6FairLoaded0.050.10.950.911/1021/1031/1041/1051/1065/1021621665666352321264622533314315136163516312314636513356135546324162542442123263666456224661463426462222222222211111111111111111111111111111111111111111111111111111111111111111112222222222222222222222隱狀態(tài)：那個(gè)骰子例子：偶爾作弊的賭場(chǎng)基因的鑒定跟線蟲(chóng)的基因數(shù)差不多暗示著。。。。。。人類基因組序列的顯示VisualizationHGCCelera2001年2月15日《Nature》封面2001年2月16日《Science》封面2000.6.26

公共領(lǐng)域和Celera公司同時(shí)宣布完成人類基因組工作草圖2001.2.15《Nature》刊文發(fā)表國(guó)際公共領(lǐng)域結(jié)果2001.2.16《Science》刊文發(fā)表Celera公司及其合作者結(jié)果我國(guó)對(duì)人類基因組計(jì)劃的貢獻(xiàn)基因組學(xué)研究2003年人類基因組計(jì)劃的完成僅僅標(biāo)志著人類向著利用基因信息診斷、治療和預(yù)防疾病的目標(biāo)邁出了重要的第一步。生物學(xué)的挑戰(zhàn)人類基因組大?。杭s30億個(gè)堿基對(duì)28

人類基因組計(jì)劃準(zhǔn)備用15年時(shí)間投入30億美元，完成人全部24(22+X+Y)條染色體中3.2×109個(gè)堿基對(duì)的序列測(cè)定，主要任務(wù)包括做圖（遺傳圖譜＼物理圖譜以及轉(zhuǎn)錄圖譜的繪制）、測(cè)序和基因識(shí)別，其根本任務(wù)是解讀和破譯生物體的生老病死以及與疾病相關(guān)的遺傳信息。29人類基因組人類基因組的組成線粒體基因組(16.6kb)細(xì)胞核基因組(3200Mb)基因外序列基因和基因有關(guān)序列約10%約90%專一或中等重復(fù)序列Non-codingDNA假基因內(nèi)含子基因片段<10%>90%專一的或低拷貝數(shù)序列中度至高度重復(fù)序列20~30%70~80%分散重復(fù)序列串聯(lián)重復(fù)序列/成簇重復(fù)序列約60%約40%蛋白編碼基因rRNA基因tRNA基因CodingDNA估計(jì)10萬(wàn)→最初公布3.5萬(wàn)→目前研究確定2.45萬(wàn)30籠統(tǒng)的說(shuō)，人類基因組計(jì)劃為我們研究生物信息的組織、結(jié)構(gòu)、遺傳、表達(dá)帶來(lái)了極大的方便，使人類對(duì)自身有一個(gè)根本的了解。人類是最高級(jí)、最復(fù)雜、最重要的生物，如果搞清楚人類基因組，那么再研究其它的生物就容易得多。研究多種模式生物基因組將有助于研究地球生物的進(jìn)化史。人類基因組計(jì)劃的實(shí)施意義

引言HGP帶來(lái)的科學(xué)挑戰(zhàn)隨著實(shí)驗(yàn)數(shù)據(jù)和可利用信息急劇增加，信息的管理和分析成為HGP的一項(xiàng)重要的工作發(fā)現(xiàn)生物學(xué)規(guī)律解讀生物遺傳密碼認(rèn)識(shí)生命的本質(zhì)研究基因組數(shù)據(jù)之間的關(guān)系分析現(xiàn)有的基因組數(shù)據(jù)利用數(shù)學(xué)模型和計(jì)算技術(shù)32基因組計(jì)劃帶來(lái)的科學(xué)挑戰(zhàn)隨著實(shí)驗(yàn)數(shù)據(jù)和可利用信息急劇增加，信息的管理和分析成為基因組計(jì)劃的一項(xiàng)重要的工作。1、信息的整合2、信息的儲(chǔ)存3、信息的比較4、信息的分析5、信息的分解基因組學(xué)功能基因組學(xué)33EncyclopediaofDNAElements（ENCODE）計(jì)劃人類基因組計(jì)劃的延伸DNA元件百科全書計(jì)劃DNA元件百科全書計(jì)劃(ENCODE)目標(biāo)：對(duì)人類基因組功能元件進(jìn)行全面的鑒定和分析

ENCODE計(jì)劃目標(biāo)[HumanMolecularGenetics,3rdEdition]“JunkDNA”?98.5%？2004年Science的10大突破排名第4ENCODE計(jì)劃研究規(guī)劃ENCODE計(jì)劃主要分為三個(gè)階段進(jìn)行：①試點(diǎn)研究階段（ENCODEpilotproject）②技術(shù)開(kāi)發(fā)階段③實(shí)際生產(chǎn)階段gene目標(biāo)：對(duì)人類基因組1%的序列功能元件進(jìn)行全面的鑒定和分析ENCODE試點(diǎn)研究計(jì)劃（ENCODEpilotproject）高通量技術(shù)-芯片技術(shù)基因的異常表達(dá)大規(guī)模集成的固相雜交腫瘤，疾病等相關(guān)腫瘤基因表達(dá)譜差異研究基因突變基因多態(tài)性分析遺傳病產(chǎn)前診斷等基因芯片的應(yīng)用生物信息學(xué)技術(shù)高通量技術(shù)-芯片數(shù)據(jù)分析

選擇技術(shù)，設(shè)計(jì)實(shí)驗(yàn)

準(zhǔn)備樣品，雜交到芯片上

可視化顯示數(shù)據(jù)歸一化數(shù)據(jù)評(píng)價(jià)數(shù)據(jù)的質(zhì)量移除低質(zhì)量尋找差異表達(dá)的基因構(gòu)建和應(yīng)用分類器解析結(jié)果ENCODE試點(diǎn)研究計(jì)劃-比較基因組學(xué)開(kāi)發(fā)比較基因組學(xué)軟件JunkDNA是什么？ENCODE試點(diǎn)研究計(jì)劃-轉(zhuǎn)錄組高通量芯片技術(shù)測(cè)序的表達(dá)數(shù)據(jù)生物信息技術(shù)整合分析ENCODERegion：93%是轉(zhuǎn)錄的>74%轉(zhuǎn)錄能被兩種不同方法檢測(cè)暗示著……ENCODE試點(diǎn)研究計(jì)劃-轉(zhuǎn)錄組注釋HopeorHype？ENCODE試點(diǎn)研究計(jì)劃-轉(zhuǎn)錄調(diào)控高通量ChIP技術(shù)轉(zhuǎn)錄組數(shù)據(jù)蛋白結(jié)合位點(diǎn)的peak整合分析ENCODERegion：組蛋白的修飾相鄰與轉(zhuǎn)錄起始位點(diǎn)DNaseI超敏位點(diǎn)有特異的組蛋白修飾模式gene暗示……ENCODE試點(diǎn)研究計(jì)劃-非編碼RNA支持向量機(jī)概率罰分模型非編碼RNA(ncRNA)一類以RNA形式行使功能的非蛋白編碼的RNA功能在細(xì)胞的生長(zhǎng)、分化和死亡以及癌癥和腫瘤的發(fā)生和發(fā)展等方面發(fā)揮重要作用。ENCODE試點(diǎn)研究計(jì)劃-非編碼RNA（1）支持向量機(jī)（RNAz）如何選取向量特征？最低自由能（MFE）進(jìn)化保守（2）隨機(jī)上下文無(wú)關(guān)文法（evoFold）ModENCODEProject為什么要開(kāi)展模式生物ENCODE計(jì)劃？模式生物DNA元件百科全書計(jì)劃28篇相關(guān)的文章ENCODE試點(diǎn)研究計(jì)劃-研究論文1000HumanGenomesProject

千人基因組計(jì)劃（ADeepCatalogofHumanGeneticVariation）千人基因組計(jì)劃的目標(biāo)目標(biāo)：構(gòu)建最全面的人類遺傳變異圖

解釋為什么有些人會(huì)得某種疾病新一代高通量測(cè)序技術(shù)海量的生物學(xué)數(shù)據(jù)任何兩個(gè)人的基因有99%多是相同生物信息學(xué)分析技術(shù)遺傳變異為什么需要新一代高通量測(cè)序技術(shù)High-throughputsequencing(HTS)Next-generationsequencing(NGS),NextisNowSangerSequencingTheHumanGenomeProject(HGP):(i)Time:1990-2003(expect:15years)(ii)Cost:the$3billionproject(iii)Output:96sequencereads/runGoalsforNGS:(i)Howtosignificantlyshortenthetime?(ii)Howtosignificantlyreducethecosts?(iii)millionsofsequencereadsinparallel

Shendure&Ji,2008;Naturebiotechnology,26,1135-1145新一代高通量測(cè)序技術(shù)OneFragment=OneBead=OneReadOneFragment=OneBeadOneBead=OneReadJonathanM.Rothberg

1.theinventorofmassivelyparallelsequencing

2.thefounderof454LifeSciencesMardis.2008;Annu.Rev.GenomicsHum.Genet.9:387–402/29um20umCCD(電荷耦合元件,Nobelprize,2009)Charge-coupledDevice(CCD)>1millionreadsinexcessof400bp400-600millionbases/run~$60/Mb新一代高通量測(cè)序技術(shù)高通量測(cè)序技術(shù)帶來(lái)的挑戰(zhàn)和機(jī)遇Company:Bioinformaticsbottleneckthreatenstolimitinstrumentsales.NGSdataagrowinggapdata-analysiscapabilitiesVisualizationhumaneyesarealwaysbetterMapping

ultra-fastprogramformappingNGSreads?AnnotationNGSdataderivedfromwhatknowgenomicelements?StorageHowstoragenewNGSdataDiscoveryRNA-seq,CNV-seq,SNP,ChIP-seqMcPherson,etal.2009;NatureMethods.,6:S2-S5高通量測(cè)序技術(shù)-存儲(chǔ)最小的空間存儲(chǔ)最快的速度查詢+壓縮和二進(jìn)制法索引表BAM格式+內(nèi)存：～9M索引查詢速度：幾秒BinaryAlignment/Map(BAM)高通量測(cè)序技術(shù)-比對(duì)最小的內(nèi)存最快的速度+哈希索引測(cè)序序列哈希索引基因組BWT索引基因組解決方法Burrows-Wheelertransformfull-textminute-space(FM)index高通量測(cè)序技術(shù)-可視化比對(duì)數(shù)據(jù)可視化人類的眼睛是最靈敏的。Customerexperiments規(guī)模可伸縮性（scalability）用有限的內(nèi)存顯示巨大的比對(duì)數(shù)據(jù)（如：10~100GB）便攜性（portability）能用于多個(gè)操作系統(tǒng)平臺(tái)（如：Linux，Mac和Windows）遠(yuǎn)程可操作性（efficiencyovernetwork

）在臺(tái)式機(jī)上瀏覽在服務(wù)器上巨大的數(shù)據(jù)回答各種各樣的生物學(xué)問(wèn)題rnaNGS:discoveringsmallandlongncRNAsfrompooledNGSdatarnaNGS:軟件界面deepView可視化瀏覽千人基因組計(jì)劃數(shù)據(jù)（a）超快速：在<1秒，裝載和瀏覽不限大小的BAM數(shù)據(jù)和人類基因組序列區(qū)域（>3G）（b）占用內(nèi)存?。簽g覽人類基因組序列區(qū)域和>900兆BAM數(shù)據(jù)，只需25兆內(nèi)存（c）發(fā)現(xiàn)SNP,InDel（insertordelete）位點(diǎn)deepView各式各樣的功能（a）支持各式各樣的輸入格式（b）改變和移動(dòng)Track的位置（c）隱藏和顯示Track（d）改變Track顏色（e）改變背景顏色（f）改變Track設(shè)置課程小結(jié)實(shí)驗(yàn)技術(shù)Sanger測(cè)序法基因組整合、注釋等生物信息學(xué)的應(yīng)用人類基因組計(jì)劃芯片技術(shù)基因鑒定、表達(dá)和調(diào)控網(wǎng)絡(luò)ENCODE計(jì)劃新一代測(cè)序技術(shù)整合、比對(duì)、可視化和變異千人基因組計(jì)劃生物信息學(xué)的應(yīng)用隨著實(shí)驗(yàn)數(shù)據(jù)和可利用信息急劇增加，信息的管理和分析成為一項(xiàng)重要的工作62基因組數(shù)據(jù)庫(kù)蛋白質(zhì)序列數(shù)據(jù)庫(kù)蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)DDBJEMBLGenBankSWISS-PROT

PDBPIR1生物分子數(shù)據(jù)的收集與管理632數(shù)據(jù)庫(kù)搜索及序列比較搜索同源序列在一定程度上就是通過(guò)序列比較尋找相似序列序列比較的一個(gè)基本操作就是比對(duì)（Alignment），即將兩個(gè)序列的各個(gè)字符（代表核苷酸或者氨基酸殘基）按照對(duì)應(yīng)等同或者置換關(guān)系進(jìn)行對(duì)比排列，其結(jié)果是兩個(gè)序列共有的排列順序，這是序列相似程度的一種定性描述多重序列比對(duì)研究的是多個(gè)序列的共性。序列的多重比對(duì)可用來(lái)搜索基因組序列的功能區(qū)域，也可用于研究一組蛋白質(zhì)之間的進(jìn)化關(guān)系。

643運(yùn)用計(jì)算機(jī)軟件進(jìn)行序列拼接654基因識(shí)別與定位665基因相關(guān)的SNP研究SingleNucleotidePolymorphisms(SNP)，是指在基因組上單個(gè)核苷酸的變異,一般而言,SNP

是指變異頻率大于1%的單核苷酸變異6767基因變異與疾病68與以前的該RILs的重組圖譜比較分析，在150個(gè)RILs中鑒定出2334個(gè)重組框，平均每個(gè)框的大小約164kb利用slidingwindow方法分析SNP位點(diǎn)與表型間的關(guān)系與重組位點(diǎn)利用全基因組重測(cè)序分析表型差異Slidingwindow方法696非編碼區(qū)信息結(jié)構(gòu)分析在微生物中，非編碼區(qū)只占整個(gè)基因組序列的10%~20％；但在高等生物和人類基因組中，非編碼序列則占了基因組序列的絕大部分。在人的基因組中，非編碼序列超過(guò)95%70

非蛋白編碼區(qū)約占人類基因組的95%，其生物學(xué)意義目前尚不是很清楚，但從演化觀點(diǎn)來(lái)看，其中必然蘊(yùn)含著重要的生物學(xué)功能，由于它們并不編碼蛋白，一般認(rèn)為，它們的生物學(xué)功能可能體現(xiàn)在對(duì)基因表達(dá)的時(shí)空調(diào)控上。

對(duì)非蛋白編碼區(qū)進(jìn)行生物學(xué)意義分析的策略有兩種，一種是基于已有的已經(jīng)為實(shí)驗(yàn)證實(shí)的所有功能已知的DNA元件的序列特征，預(yù)測(cè)非蛋白編碼區(qū)中可能含有的功能已知的DNA元件，從而預(yù)測(cè)其可能的生物學(xué)功能，并通過(guò)實(shí)驗(yàn)進(jìn)行驗(yàn)證；另一種則是通過(guò)數(shù)理理論直接探索非蛋白編碼區(qū)的新的未知的序列特征，并從理論上預(yù)測(cè)其可能的信息含義，最后同樣通過(guò)實(shí)驗(yàn)驗(yàn)證。716比較基因組學(xué)比較基因組學(xué)(ComparativeGenomics)是基于基因組圖譜和測(cè)序基礎(chǔ)上，對(duì)已知的基因和基因組結(jié)構(gòu)進(jìn)行比較，來(lái)了解基因的功能、表達(dá)機(jī)理和物種進(jìn)化的學(xué)科。72比較基因組分析各類功能基因中氨基酸在物種間差異比例差異同源蛋白GO分類進(jìn)化關(guān)系分析737基因組演化與物種演化

(生命之樹(shù))74生物進(jìn)化譜系樹(shù)大鼠、小鼠、狗、大熊貓、?！译u、火雞……斑馬魚(yú)……擬南芥、水稻、楊樹(shù)、釀酒葡萄、短柄草、黃瓜、高粱、玉米……1535個(gè)細(xì)菌基因組、49個(gè)真菌基因組和78個(gè)古細(xì)菌……

利什曼原蟲(chóng)、椎體蟲(chóng)……四類藍(lán)藻……隱藻……蜜蜂……75

盡管已經(jīng)在分子演化方面取得了許多重要的成就，但僅僅依靠某些基因或者分子的演化現(xiàn)象，就想闡明物種整體的演化歷史似乎不太可靠。例如，智人與黑猩猩之間有98%-99%的結(jié)構(gòu)基因和蛋白質(zhì)是相同的，然而表型上卻具有如此巨大的差異，這就不能不使我們聯(lián)想到形形色色千差萬(wàn)別的建筑樓群，它們的外觀如此不同，但基礎(chǔ)的部件組成卻是幾乎一樣的，差別就在于這些基礎(chǔ)部件的組織方式不同，這就提示我們基因組整體組織方式而不僅僅是個(gè)別基因在研究物種演化歷史中的重要作用。由于基因組是物種所有遺傳信息的儲(chǔ)藏庫(kù)，從根本上決定著物種個(gè)體的發(fā)育和生理，因此，從基因組整體結(jié)構(gòu)組織和整體功能調(diào)節(jié)網(wǎng)絡(luò)方面，結(jié)合相應(yīng)的生理表征現(xiàn)象，進(jìn)行基因組整體的演化研究，將是揭示物種真實(shí)演化歷史的