基于知识发现的生物信息学

生物信息学的研究热点及方向的基本工具是知识发现,而知识发现是计算机科学近期研究的热点,具有一定的理论基础,基于知识发现的生物信息学是理论、应用相结合的必由之路 。     

生物信息学数据库研究文献引文与热点分析

以Web of Science为数据源,简要概括生物信息学数据库研究的发展趋势。利用Cite Space可视化工具展现生物信息学数据库研究的知识基础和研究热点图谱,为开展生物信息学数据库领域相关的理论研究和实践活动提供借鉴,以便推动生物信息学数据库研究的发展。研究表明：1990年Altschul SF发表的＂局部比对搜索工具——BLAST＂是生物信息学数据库研究的重要知识来源文献;热点主题集中在序列库、基因组数据库、分类数据库、蛋白质数据库、数据库更新、集成系统等。     

共词分析国内外生物信息学领域研究态势

生物信息学作为自然科学领域中多学科交叉的新兴学科,其发展研究得到了众多学者的关注。为了解生物信息学在国内外的研究态势,以CNKI中文数据库和Web of science外文数据库中生物信息学领域期刊论文为研究对象,利用R语言编程工具,文献计量和共词分析归纳了国内外生物信息学领域的研究现状、热点及趋势。结果表明:国内外生物信息学研究均处于高速发展期,文献量呈逐年增长趋势,研究领域也在不断拓宽;国内外研究热点均聚焦在基因挖掘、蛋白质结构与功能预测、miRNA分析等,但国内偏向于理论研究,而国际更注重其在疾病治疗、药物设计等方面的应用研究。     

生物信息学软件研究的可视化分析

以Web of Science数据库为数据来源,利用Cite Space和UCINET软件对发表在Nucleic Acids Research期刊上有关生物信息学软件研究的文献做了可视化分析,揭示了该领域的研究力量、作者团队与高被引作者、知识基础、期刊分布、研究热点与前沿,为生物信息学软件的研究和发展提供必要的参考依据。     

基于共词分析的国内生物信息学热点领域研究

利用共词分析和可视化方法对生物信息学的关键词进行聚类分析,探讨该研究领域的学科分类和热点内容.以中国知网、中华医学会数据库中期刊论文为统计来源,对1998～2013年间的5 707篇生物信息学相关文献进行计量分析,提取出40个高频关键词.利用ROST软件得到关键词共词矩阵,在此基础上利用SPSS进行因子分析、聚类分析和多维尺度分析.结合因子分析和聚类分析将生物信息学领域主要研究内容分为7类,结合多维尺度分析对研究热点及变化趋势进行了初步探讨.研究结果较为客观地反映了当前生物信息学领域的学科分类和研究热点,为科研人员进行生物信息学研究提供一些思路.     

生物信息学在工业生物催化研究中的应用

随着石油等不可再生资源的日益减少以及环境污染问题的日益严重,应用工业生物催化技术改造或取代传统化工工艺已经成为新世纪化学工业可持续发展的研究热点。工业生物催化技术的研究对象是生物催化剂及其催化过程。近来,利用生物信息学技术进行工业生物催化研究已经越来越受到人们的重视。随着工业生物催化的发展,生物信息学将直接指导并加快新型高效生物催化剂的发现及功能改造进程。     

生物信息学创新教学模式初探

生物信息学是生物科学中一门新兴的前沿学科。针对目前国内生物信息学教学现状,基于其他学科的成功教学模式,结合生物信息学课程特点,提出“以知识为中心,理论教学与实验教学有机结合”的教学模式。     

国际生物信息学研究的可视化分析

利用当前主流的信息可视化分析软件Cite Space对2005~2014年间SCI收录的生物信息学的5种高影响力外文期刊所刊载论文的题录数据进行统计和可视化分析,绘制该领域的关键词共现、膨胀词共现、经典文献共现、高被引文献共现和关键节点文献共现的网络可视化图谱,试图揭示生物信息学领域的研究热点、研究前沿以及知识基础,以期帮助研究人员了解该领域在国际范围内的研究态势。     

基于微阵列数据构建基因调控网络

随着微阵列数据的快速增长, 微阵列基因表达数据日益成为生物信息学研究的重要数据源。利用微阵列基因表达数据构建基因调控网络也成为一个研究热点。通过构建基因调控网络, 可以解读复杂的调控关系, 发现细胞内的调控模式, 并进而在系统尺度上理解生物学进程。近年来, 人们引入了多种算法来利用基因芯片数据构建基因调控网络。文章回顾了这些算法的发展历史, 尤其是其在理论和方法上的改进, 给出了一些相关的软件平台, 并预测了该领域可能的发展趋势。     

肿瘤表观基因组学、生物芯片和生物信息学

肿瘤的分子生物学研究一直是生命科学和医学研究的热点,随着科学技术的发展,高通量的分析方法在分子生物学研究中的广泛应用,使其成为肿瘤研究的一种高效手段,同时表观基因组学和生物信息学也促进了肿瘤学的发展,本文就表观基因组学、生物芯片和生物信息学方法在肿瘤研究中的应用进行综述,并对未来的发展和展望进行了讨论。