生物信息学在基因芯片中的应用

生物信息学和基因芯片是生命科学研究领域中的两种新方法和新技术,生物信息学与基因芯片密切相关,生物信息学促进了基因芯片的研究与应用,而基因芯片则丰富了生物信息学的研究内容。本论文探讨生物信息学在基因芯片中的应用,将生物信息学方法运用到高密度基因芯片设计和芯片实验数据管理及分析。从信息学的角度提出基因芯片设计准则,提出寡核苷酸探针的优化设计方法,将该方法运用于再测序型芯片和基因表达型芯片的设计,在此基础上研制出高密度基因芯片设计软件系统和实验结果分析系统。     

生物信息学及其在新药发现中的应用

人类基因组计划和蛋白质组计划的开展,为生物医药研究提供丰富的生物学信息。而在这纷繁复杂的生物信息中寻找合适的药物作用靶标是生物信息学的重要目的之一。目前,生物信息学已成为新药发现的重要工具和手段。     

数据挖掘在生物信息学中的应用

借助各种应用数学和计算机技术 ,将大量积累并急需处理的生物信息数据利用起来 ,探索生物信息中的规律 ,是当前国内国际生物信息学研究的热点和重点。其中数据挖掘技术在生物信息研究中发挥着巨大的作用。     

生物信息学及其在蛋白质组学中的应用

随着基因组学和蛋白质组学的发展,生物信息学在数据处理中的应用已经越来越广泛。作为数据处理中越来越重要的分析手段,蛋白质组学数据库是蛋白质组学的主要内容之一。本文分别从生物信息学的蛋白质双向电泳数据库和基于蛋白质质谱结果的数据库两个方面,概述了发展中的蛋白质数据库的最新动态和有关信息,同时对主要的热门蛋白质组学数据库站点和资源进行了评价和分析。     

分子对接在基于结构药物设计中的应用

分子对接是研究分子间（如配体如受体）相互作用,并预测其结合模式和亲合力的一种理论模拟方法。近年来,分子对接方法已成为计算机辅助药物研究领域的一项重要技术,在数据库搜寻,组合库设计及蛋白作用研究方面得到了广泛发展。     

生物信息学及其在环境微生物研究中的应用

生物信息学的快速发展,推动了微生物信息学的建立。模式微生物基因组学的研究,极大地丰富了生物信息学的内容。微生物结构基因组学和功能基因组学研究试图揭示基因结构与功能的内在联系,绘制出基因调控网络图。基因组功能注释是功能基因组学研究的主要目的。基因芯片技术的运用,成为环境微生物生态研究和功能酶基因定位的有力工具。生物信息学为环境微生物的研究和发展提供了一个崭新的信息平台和技术手段。介绍了一些相关数据库和专业网站。     

自然语言处理技术在生物信息学中的应用

从信息处理的角度来看,生物信息学与自然语言处理中的许多问题是非常相似的,因此,可以将一些自然语言处理中的经典方法应用到生物信息学文字中。本文介绍了自然语言处理和生物信息学中共有的问题,如比对、分类、预测等,以及这些问题的解决方法。通过对两个领域形似问题的分析可知,优秀的自然语言处理技术也可用来解决生物信息学方面的问题,并且一些还未在生物信息学领域得到应用的自然语言理解技术也有其潜在的应用价值。最后给出了一个分类问题的解决方案,演示了如何在生物数据上应用算法进行实验。     

生物信息学技术进展

生物信息学是一门对生物信息进行采集、储存、传递、检索、分析和解读的学科,它已经渗透于现代生物学、数学、信息学、计算科学、统计学、物理、化学各个方面。本概述和分析了生物信息学研究中的一些方法。     

生物信息学在食用菌研究中的应用

食用菌因其富含多种氨基酸及微量元素等物质,具有较高的营养价值和药用价值,越来越受到人们的关注和喜爱。我国作为最重要的食用菌生产国,食用菌生产规模不断扩大,产量也在逐年提高。为了更好地发展食用菌产业,迫切需要在传统的食用菌产业链,如优良品种选育及栽培生产中融入新技术。生物信息学作为一门研究分析生物生命结构的技术门类,通过运用数学、计算机科学等工具揭示了数据所蕴含的生物学意义,极大地促进了生命科学研究的发展,也为食用菌更深入的研究与应用提供了技术保障。本文从食用菌育种及种质资源调查、病虫害防治、基因组学、食用菌安全等几方面阐述了生物信息学在食用菌领域的具体应用,对生物信息学在食用菌及农业领域的发展进行了展望,以期为促进食用菌研究和生产发展提供参考。     

生物信息学在昆虫学研究中的应用

随着深度测序和基因芯片技术的不断发展,基因组、转录组、表达谱数据大量积累。目前,至少有10多个昆虫的基因组已被测序,30多个昆虫的转录组数据被报道。显然,传统的生物统计学方法无法处理如此海量的生物数据。量变引发质变,生物数据的大量积累催生了一门新兴学科,生物信息学。生物信息学融合了统计学、信息科学和生物学等各学科的理论和研究内容,在医学、基础生物学、农业科学以及昆虫学等方面获得了广泛的应用。生物信息学的目标是存储数据、管理数据和数据挖掘。因此,建立维护生物学数据库、设计开发基于模式识别、机器学习、数据挖掘等方法的生物软件,以及运用上述工具进行深度的数据挖掘,是生物信息学的重要研究内容。本文首先简要介绍了生物信息学的历史、研究现状及其在昆虫学科中的应用,然后综述了昆虫基因组学和转录组学的研究进展,最后对生物信息学在昆虫学研究中的应用前景进行了展望。     

生物信息技术加速开发旧药新用途

传统的技术路线研发新药,不仅周期很长而且耗资巨大,开发已获批准药物新的治疗用途,又称为药物重定位,比传统的新药研发具有明显的优势．基于芯片的基因表达谱分析,已常规地广泛用于各种人类疾病的临床研究,提供了在全基因组水平描述疾病状态的特征信号．同时,基因芯片也广泛地用于对比药物处理前后细胞基因表达模式的变化,这也提供了反映药物效应的高质量信号．最近出版的Science Translational Medicine杂志同时发表了一个研究组的两篇论文,为我们展示了如何利用生物信息学手段重新解析和比较全基因组基因表达谱数据,以高效地预测药物的新用途．这两篇论文使用了公共数据库中的100种疾病基因表达谱数据,以及164种药物处理前后细胞基因表达谱数据,通过比较和配对疾病与药物基因表达谱,得到了一些可以逆转疾病异常表达基因的药物,其中证实了一些已知的药物-疾病组合,也预测了一些新的药物-疾病组合．最后通过实验验证了抗溃疡药可用于治疗肺癌,而抗癫痫药可治疗炎症性肠道疾病,进一步证实了他们所采用研究策略的正确性．于是,肺癌和炎性肠道疾病这两种临床上难治的疾病有了新的候选治疗药物,我们也有了一种挖掘已有数据快速发现药物新用途的思路和方法．     

生物信息学在发现新基因方面的应用

自生物信息学作为一门交叉学科诞生以来,其在计算机、农业和生命科学等各方面发挥了重要的作用,在后基因组时代,更是成为发现新基因的重要手段。对生物信息学的概况做了回顾与展望,并简述了生物信息学近年在发现新基因方面所取得的成果。     

农业生物信息数据库发展现状及应用

农业生物信息数据库是农业科学研究者的基础工具,利用数据库中的大量信息,便于进行农业生物的改良与保护。本文介绍了农业生物信息数据库的发展状况及其应用,并讨论了目前农业生物信息数据库存在的问题。     

基于生物信息学方法发现潜在药物靶标

药物靶点通常是在代谢或信号通路中与特定疾病或病理状态有关的关键分子.通过绑定到特定活动区域抑制这个关键分子进行药物设计.确定特定疾病有关的靶标分子是现代新药开发的基础.在药物靶标发现的过程中,生物信息学方法发挥了不可替代的重要的作用,尤其适用于大规模多组学数据的分析.目前,已涌现了许多与疾病相关的数据库资源,基于生物网络特征、多基因芯片、蛋白质组、代谢组数据等建立了多种生物信息学方法发现潜在的药物靶标,并预测靶标可药性和药物副作用.     

Parallel Clustering Algorithm for Large Data Sets with Applications in Bioinformatics

Large sets of bioinformatical data provide a challenge in time consumption while solving the cluster identification problem, and that is why a parallel algorithm is so needed for identifying dense clusters in a noisy background. Our algorithm works on a graph representation of the data set to be analyzed. It identifies clusters through the identification of densely intraconnected subgraphs. We have employed a minimum spanning tree (MST) representation of the graph and solve the cluster identification problem using this representation. The computational bottleneck of our algorithm is the construction of an MST of a graph, for which a parallel algorithm is employed. Our high-level strategy for the parallel MST construction algorithm is to first partition the graph, then construct MSTs for the partitioned subgraphs and auxiliary bipartite graphs based on the subgraphs, and finally merge these MSTs to derive an MST of the original graph. The computational results indicate that when running on 150 CPUs, our algorithm can solve a cluster identification problem on a data set with 1,000,000 data points almost 100 times faster than on single CPU, indicating that this program is capable of handling very large data clustering problems in an efficient manner. We have implemented the clustering algorithm as the software CLUMP.     

The Conformational Analysis of Serine Protease Inhibitors and Its Applications for Drug Design

Abstract

Introduction

In our laboratory we have focused on several enzymes, among them β-glucuronidase, which have been shown to be released in abnormal quantities during chronic inflammatory diseases such as Rheumatoid Arthritis.^1,2 This enzyme, which is involved in the catalysis of β-glucuronides, has been characterized in mammalian tissues.³ In previous studies^4,5 we have demonstrated that it was inhibitied by a number of synthetic antiinflammatory gold (I) complexes, such as gold (I) thiomalate (Myochrisin) and gold (I) thiosulfate (Solganol). although the mechanism of inhibition has not been verified we have suggested from these and previous studies⁶ that a thiol group on the enzyme may be the primary site of binding to the gold complex.     

Exploring Strong Interactions in Proteins with Quantum Chemistry and Examples of Their Applications in Drug Design

Objectives

Three strong interactions between amino acid side chains (salt bridge, cation-π, and amide bridge) are studied that are stronger than (or comparable to) the common hydrogen bond interactions, and play important roles in protein-protein interactions.

Methods

Quantum chemical methods MP2 and CCSD(T) are used in calculations of interaction energies and structural optimizations.

Results

The energies of three types of amino acid side chain interactions in gaseous phase and in aqueous solutions are calculated using high level quantum chemical methods and basis sets. Typical examples of amino acid salt bridge, cation-π, and amide bridge interactions are analyzed, including the inhibitor design targeting neuraminidase (NA) enzyme of influenza A virus, and the ligand binding interactions in the HCV p7 ion channel. The inhibition mechanism of the M2 proton channel in the influenza A virus is analyzed based on strong amino acid interactions.

Conclusion

(1) The salt bridge interactions between acidic amino acids (Glu^- and Asp^-) and alkaline amino acids (Arg⁺, Lys⁺ and His⁺) are the strongest residue-residue interactions. However, this type of interaction may be weakened by solvation effects and broken by lower pH conditions. (2) The cation- interactions between protonated amino acids (Arg⁺, Lys⁺ and His⁺) and aromatic amino acids (Phe, Tyr, Trp and His) are 2.5 to 5-fold stronger than common hydrogen bond interactions and are less affected by the solvation environment. (3) The amide bridge interactions between the two amide-containing amino acids (Asn and Gln) are three times stronger than hydrogen bond interactions, which are less influenced by the pH of the solution. (4) Ten of the twenty natural amino acids are involved in salt bridge, or cation-, or amide bridge interactions that often play important roles in protein-protein, protein-peptide, protein-ligand, and protein-DNA interactions.     

生物信息学在植物谷氨酰胺合成酶同工酶基因研究中的应用

介绍了生物信息学在植物谷氨酰胺合成酶同工酶基因研究中的应用进展。     

Non-parametric Decoding on Discrete Time Series and Its Applications in Bioinformatics

We address the question: How do we non-parametrically decode the unknown state-space vector underlying a lengthy discrete time series? The time series of concern is governed by one non-autonomous dynamics with only two internal states. This question pertinently reflects the dilemma of computing infeasibility against inferential bias found in many scientific areas. This dilemma becomes an issue when considering whether to have, or not to have likely very unrealistic structural assumptions on the state-space dynamics in most of real-world applications. To resolve this dilemma, the decoding problem is transformed into an event-intensity change-point problem without prior knowledge of the number of change-points involved. A new decoding algorithm, called Hierarchical Factor Segmentation (HFS), is proposed to achieve computability and robustness. Performance of the HFS algorithm in terms of total decoding error is compared to the decoding benchmark Viterbi algorithm through computer experiments. Under Hidden Markov Model (HMM) settings with true parameter values, our HFS algorithm is competitive against the Viterbi algorithm. Interestingly, when the Viterbi algorithm operates with maximum likelihood estimated (MLE) parameter values, our HFS algorithm performs significantly better. Similar favorable results are found when the Markov assumption is violated. We further demonstrate one very important application of our HFS algorithm in bioinformatics as a promising computational solution for finding CpG islands—DNA segments with aggregated CpG dinucleotides—on a genome sequence. A real illustration on a subsequence of human chromosome ^#22 is carried out and compared with one popular search algorithm.     

金纳米粒在药物传递系统中的应用

金纳米粒是一种新型纳米载体,具有独特的理化、光学和生物学性质,且具有低毒性、低免疫原性、生物相容性好、体表面积大、易制备、粒径和形态可控、表面易修饰等优点,在生物医学领域和药物传递系统中具有广阔的应用前景。综述金纳米粒在小分子药物和基因药物传递系统中的应用研究新进展。