https://www.bilibili.com/video/BV1by4y1k7rc?from=search&seid=8006130703787982050
北大的生物信息学公开课
课程目录
信号通路的分析 常见KEGG 和GO 分析
基于已知的模型对未知的模型进行预测,主要是通过(隐)马尔可夫模型(HMM)
如何构建模型,训练模型和预测
如何通过MM 进行序列比对,如何利用HMM预测给定DNA 序列种的编码区域
使用MM 和HMM方法
GeneScan 预测工具的原理
数据库及软件
遗传变异的鉴定
常用的MAQ,BWA 和GATK 软件
如何利用已知知识鉴定新的基因 SIFT 、polyphen、 SAPRAD算法
新一代的测序技术检测基因表达,短片段的拼接2010年开发的算法TopHat、Cufflinks
如何判断一个转录本是否编码蛋白,非编码RNA 的可能的功能,利用已知的编码和非编码RNA简历RNA 编码能力预测的潜能 2007年开发的CPC 软件的使用
利用生物信息学工具和方法解决生物学问题
生物信息学从中心法则开始 各部分常见的分析
从DNA 的层面主要包括
寻找新的基因,
比较基因学,
从进化的角度分析生物的演变
DNA 的甲基化的分析
从RNA 的角度主要包括
差异表达的基因的分析DEG
基因共表达网络分析
蛋白质水平
蛋白质普分析
蛋白质的结构
序列比对
分子网络分析
蛋白质互作网络
转录调控网络
代谢和信号网络
动态网络分析
那么最终通过以上各个部分的分析我们可以从个体到群体的分析 也就是所谓的群体遗传学
那么在这个数据挖掘的过程中
主要包括以下的过程
1.数据的处理 数据的注释
2.算法软件工具 以及网页工具
3.数据挖掘 生物学发现
4.模型预测和构建