生物信息学原理｜绪论

全文共1492字，预计阅读时间5分钟。

从今天开始，小张会把上学期学习的生物信息学相关内容的笔记整理成推文，共有九章的内容，如下：

参考书籍主要是樊龙江老师《生物信息学》第二版以及陈铭老师《生物信息学》第四版

参考网站：（内有相关资料）

http://ibi.zju.edu.cn/bioinplant/courses/bioinformatics2/zhuye.html

https://bis.zju.edu.cn/binfo/textbook/

更多的学习资源在后续笔记中会逐渐分享～

生物信息学不仅是一个技术平台，它同样需要周密的实验计划和准确的操作，同样需要丰富的想象和一瞬即逝的运气。

理解生物信息学（Bioinformatics）的定义、主要研究内容与研究方法

定义：生物信息学是一门交叉学科。它包含了生物信息的获取、处理、存储、分发、分析和解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量数据所包含的生物学意义。

主要研究内容：

生物信息学应包括三个主要部分

• 新算法和统计学方法研究
• 各类数据的分析和解释
• 研制有效利用和管理数据的新工具

研究内容围绕中心法则展开：DNA、RNA、蛋白质以及由它们衍生出来的组学研究，以及生物分子、细胞、个体、群体等不同层次的复杂网络、复杂过程、复杂现象。

• 生物学数据的收集、存储、管理与提供
• 基因组序列信息的提取和分析
• 生物大分子结构模拟和药物设计
• 分子进化与比较基因组学
• 各类组学数据分析与利用

生物信息学与传统生物学的关系

研究方法：

• 基于数据挖掘（知识发现）的方法

  从大量的实验数据中提取隐藏的模式，并形成假设。

• 基于模拟分析的方法

  用计算机实验测试假设，提供可通过体外和体内研究进行测试的预测。

了解生物信息学发展过程中的里程碑事件和重要科学家

发展历史

• 萌芽期(20世纪60-70年代)：以Dayhoff替换矩阵和Neelleman-Wunsch算法为代表，它们实际组成了生物信息学的一个最基本的内容和思路：序列联配。它们的出现，代表了生物信息学的诞生(虽然“生物信息学”一词很晚才出现) ，以后的发展基本是在这两项内容上的不断完善。

• 形成期(20世纪80年代)：以分子数据库和FASTA等相似性搜索程序为代表。在这一阶段，生物信息学作为一个新兴学科已经形成，并确立了自身学科的特征和地位

• 基因组测序时代(20世纪90年代-2005)：以模式基因组测序（鸟枪法测序）与分析方法（BLAST）为代表

• 高通量测序时代（2005－）：以第二和三代测序技术和基因组重测序及其分析方法为代表

重要科学家

• Margaret Dayhoff：分子数据库、氨基酸替代矩阵
• Michael Waterman：Smith-Waterman算法、Lander-Waterman曲线
• David Sankoff：RNA二级结构、基因组重排、进化、系统发育

理解“技术进步决定生物信息学研究热点”的理念

你认为生物信息学的下一波研究热点是什么？可能由什么技术触发？

• 深度学习在生物信息领域的应用
• 单细胞组学
• 空间组学

人类基因组计划（HGP）

人类基因组计划（HGP）与曼哈顿原子弹计划和阿波罗计划并称为三大科学计划，是人类科学史上的又一个伟大工程，被誉为生命科学的“登月计划”。

最初目标

通过国际合作，用15年时间(1990～2005)至少投入30亿美元，构建详细的人类基因组遗传图和物理图，确定人类DNA的全部核苷酸序列，定位约10万基因，并对其它生物进行类似研究。

终极目标

• 阐明人类基因组全部DNA序列；
• 识别基因；建立储存这些信息的数据库；
• 开发数据分析工具；
• 研究HGP实施所带来的伦理、法律和社会问题。

在人类基因组计划中，有一个有趣的故事：一条“鲶鱼”加速了HGP（Craig Venter）

ENCODE project

继人类基因组计划之后，生命科学最大的国际合作计划“ENCODE (Encyclopedia of DNA Elements ，DNA元件百科全书）”，2003年启动

图片来源：https://www.encodeproject.org

测序知识

熟悉sanger、Illumina测序基本原理；了解华大DNBSeq等二代测序的基本原理

熟悉三代测序(PacBio SMRT和Oxford Nanopore)的基本原理

比较一、二、三代测序的优缺点和各自应用领域

第二代测序技术的共同点

• 将目标DNA剪切为小片段
• 单分子独立扩增
• 每次只复制一个碱基(A,C,T,G)并检测信号
• 高分辨率的成像系统

第三代测序技术的特点

• 长读长
• 单分子测序，无需扩增
• 可检测碱基修饰
• 连续测序，速度快（取决于所用聚合酶的速度或通过纳米孔的速度）
• 便携（Nanopore）
• 错误率较高（近年有突破，部分产品测序准确率已>99%）
• 存在系统错误，对同聚物（如AAAAAAA）识别有问题
• 通量比二代测序低，成本比二代测序高，尚不适合定量分析

其余更加详细的内容，可关注小张的公众号：小张的生信世界