癌症研究的生物信息学资源

随着癌症研究的发展,生物信息学成为癌症研究的一个非常重要的方法和手段,本文从微阵列芯片数据管理和分析软件、微阵列数据仓库、蛋白质功能预测工具和蛋白质结构预测工具等四个方面介绍癌症研究的生物信息学资源信息,以给相关研究提供帮助.     

真菌生物信息学研究概况

真菌是真核生物的一大类群,主要包含酵母、霉菌之类的微生物以及最为人所熟知的菇类,无论是在生态、生命周期以及形态都有很大的差别.然而,到目前为止,对于真菌界的了解还很少,预估大约有150万个物种,之中已知种约占5％.1986年,美国科学家Thomas Roderick提出了基因组学概念,1990年代几个物种基因组计划的启动,揭开了历史性的一页.随着生物实验技术和信息处理技术的迅速发展与提高,生物信息学的概念应运而生,利用数学、信息学、统计学和计算机科学的方法研解决生物学的问题.介绍真菌的测序技术,概述了真菌基因组学、转录组学、蛋白质组学等方面的进展,并对真菌生物信息学的未来研究内容进行展望.     

生物信息学

近年来,随着人类基因组计划（ＨＧＰ）在世界范围内的开展,破译人类及多种模式生物的遗传密码已成为生物学领域的重要学科。同时产生了巨量的基因组信息。分析这些信息是人类基因组研究必不可少的重要内容,从而也促成了生物信息学的产生与发展。生物信息学作为一门新的...     

后基因组时代的生物信息学

随着人类基因组计划的完成,不断积累的巨量的生物学数据和快速发展的信息学技术,给后基因组时代的生物信息学研究带来了新的挑战。该文对后基因组时代的生物信息学研究内容进行了比较全面的描述,分别就其研究对象和研究方向作了区别讨论,分析了生物信息学研究的现状和趋势,比较了国内外的研究发展情况和差距。针对我国在研究中所存在的主要问题,提出了建议并做了展望。     

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。     

生物信息学数据库调查分析及其利用研究

从生物信息学数据库利用的角度调查分析生物信息学数据库的现状,为我国科研人员利用网上生物信息学数据库以及生物信息中心的开发提供科学依据和参考价值。研究采用网上调查的方法,对法国生物信息中心Infobiogen建立维护的生物信息学数据库目录DBcat中收录的511个数据库进行调查统计,分析其类型分布、国家分布、更新频率和获取方式;在此基础上。进一步利用欧洲分子生物学信息网(EMBnet)中30个成员国节点对生物信息学数据库利用现状进行统计分析。     

银环蛇神经毒素的生物信息学研究

目的为银环蛇神经毒素的研究及应用提供生物信息学视角的分析,并对其应用提出展望。方法在总结前人研究成果的基础上,运用生物信息学相关数据库及软件,对银环蛇神经毒素两类主要蛋白的三维结构,及其与乙酰胆碱和乙酰胆碱受体之间的相互作用机制进行相关分析研究。结果通过生物信息学分析,得到了银环蛇神经毒素的氨基酸序列及其三维结构图像,对此神经毒素的作用机制在分子水平有了更清楚的认识。结论运用生物信息学方法进行生物大分子研究,能取得较好的分析结果。     

Phylogenetic--evolutionary approaches to bioinformatics

Phylogenies of organisms are essential to investigating a range of evolutionary questions of interest to researchers in the field of bioinformatics. Phylogenies not only help to define how to study many evolutionary questions, they must also be taken into account when conducting statistical analyses. Here it is shown how phylogenies can be used to investigate variability along the sites of a gene, reconstruct ancestral states of ancient genes and proteins, identify and characterise events of parallel and convergent evolution, find events of gene duplication, analyse predictions from molecular clocks, seek evidence for correlated changes among different parts of the same gene or genome, and test theories of molecular evolution. A table of statistical and phylogenetic methods is presented.     

Bringing Web 2.0 to bioinformatics

Enabling deft data integration from numerous, voluminous andheterogeneous data sources is a major bioinformatic challenge.Several approaches have been proposed to address this challenge,including data warehousing and federated databasing. Yet despitethe rise of these approaches, integration of data from multiplesources remains problematic and toilsome. These two approachesfollow a user-to-computer communication model for data exchange,and do not facilitate a broader concept of data sharing or collaborationamong users. In this report, we discuss the potential of Web2.0 technologies to transcend this model and enhance bioinformaticsresearch. We propose a Web 2.0-based Scientific Social Community(SSC) model for the implementation of these technologies. Byestablishing a social, collective and collaborative platformfor data creation, sharing and integration, we promote a webservices-based pipeline featuring web services for computer-to-computerdata exchange as users add value. This pipeline aims to simplifydata integration and creation, to realize automatic analysis,and to facilitate reuse and sharing of data. SSC can fostercollaboration and harness collective intelligence to createand discover new knowledge. In addition to its research potential,we also describe its potential role as an e-learning platformin education. We discuss lessons from information technology,predict the next generation of Web (Web 3.0), and describe itspotential impact on the future of bioinformatics studies.      

The Bio* toolkits--a brief overview

Bioinformatics research is often difficult to do with commercial software. The Open Source BioPerl, BioPython and Biojava projects provide toolkits with multiple functionality that make it easier to create customised pipelines or analysis. This review briefly compares the quirks of the underlying languages and the functionality, documentation, utility and relative advantages of the Bio counterparts, particularly from the point of view of the beginning biologist programmer.     

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。     

生物信息学数据库研究进展

介绍了生物信息学数据库的研究进展,及几种主要的数据库,并总结了生物信息学,数据库的发展特点及面临的主要问题。     

On the parallelisation of bioinformatics applications

This paper surveys the computational strategies followed to parallelise the most used software in the bioinformatics arena. The studied algorithms are computationally expensive and their computational patterns range from regular, such as database-searching applications, to very irregularly structured patterns (phylogenetic trees). Fine- and coarse-grained parallel strategies are discussed for these very diverse sets of applications. This overview outlines computational issues related to parallelism, physical machine models, parallel programming approaches and scheduling strategies for a broad range of computer architectures. In particular, it deals with shared, distributed and shared/distributed memory architectures.     

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。