它是一门理论概念与实践应用并重的学科 ❖ bioinformatics这一名词在1991年左右才在文献中出现，还
只是出现在电子出版物的文本中。
5
产生 生物信息学的
❖ ２０世纪后期，生物科学技术迅猛发展，无论从数量上还是从质量上都 极大地丰富了生物科学的数据资源。数据资源的急剧膨胀迫使人们寻求 一种强有力的工具去组织这些数据，以利于储存、加工和进一步利用。 而海量的生物学数据中必然蕴含着重要的生物学规律，这些规律将是解 释生命之谜的关键，人们同样需要一种强有力的工具来协助人脑完成对 这些数据的分析工作。
❖ 基因组时代--基因寻找和识别、网络数据库系统的 建立、交互界面的开发；
❖ 后基因组时代--大规模基因组分析、蛋白质组分析。
8
重要性 生物信息学的
❖ 生物信息学不仅是一门学科，更是一种重要的研究开发工具。 ❖ 从科学的角度来讲，生物信息学是一门研究生物和生物相关
系统中信息内容与信息流向的综合系统科学。只有通过生物 信息学的计算处理，人们才能从众多分散的生物学观测数据 中获得对生命运行机制的系统理解。 ❖ 从工具的角度来讲，生物信息学几乎是今后所有生物（医药） 研究开发所必需的工具。只有根据生物信息学对大量数据资 料进行分析后，人们才能选择该领域正确的研发方向。 ❖ 生物信息学不仅具有重大的科学意义，而且具有巨大的经济 效益。它的许多研究成果可以较快地产业化，成为价值很高 的产品。
分析(主要研究内容) 应用(多个领域)
主要由数据库、计算机网络和应用软件三大部分构成
2
定义
❖ 收集、维护、传播、分析以及利用在分子生物学研究中获得的大量数据。
生物信息学（bioinformatics）是生物学与计算机科学以及应用数学等学
科相互交叉而形成的一门新兴学科。它通过对生物学实验数据的获取、
绪论
❖ 什么是生物信息学？
❖ 生物信息学的产生
❖ 生物信息学发展过程
❖ 生物信息学的基本方法
❖ 生物信息学的研究内容
❖ 生物信息学的应用
❖ 基因组信息学的首要任务
❖ 生物信息学的重要研究课题
❖ 生物信息学的商业价值
❖ 通过学习应逐渐掌握的内容
1
什么是生物信息学？
产生(分子生物学研究中获得的大量数据) 收集(数据库) 维护(产生高质量数据) 传播(互联网，搜索引擎)
理解这些生物大分子信息的生物学意义的交叉学科。现代分子生物学的
发展，特别是人基因组计划的实施，使生物学家所面对的数据不再是实
验记录本上或文献上的几行简单数字，而是公共数据库中数以千兆计的
记录。
3
定义
❖ 基因组信息是生物信息中最基本的表达形式，并且 基因组信息量在生物信息量中占有极大的比重，但 是，生物信息并不仅限于基因组信息，生物信息学 也不等于是基因组信息学。广义的说，生物信息不 仅包括基因组信息，如基因的DNA序列、染色体定 位，也包括基因产物（蛋白质或RNA）的结构和功 能及各生物种间的进化关系等其他信息资源。
加工、存储、检索与分析，进而达到揭示数据所蕴含的生物学意义的目
的。由于当前生物信息学发展的主要推动力来自分子生物学，生物信息
学的研究主要集中于核苷酸和氨基酸序列的存储、分类、检索和分析等
方面，所以目前生物信息学可以狭义地定义为：将计算机科学和数学应
用于生物大分子信息的获取、加工、存储、分类、检索与分析，以达到
9
生物信息学的基本方法：
❖ 建立生物数据库：核苷酸顺序数据库(GENBANK)、Protein Data Bank(PDB)、氨基酸顺序数据库(SWISS-PRO)、酵母基因组数据库 (YEASTS)、美国种质保藏中心(ATCC)、美国专利局数据库(USPO)。
❖ 数据库检索：Blast ❖ 序列分析：序列对位排列、同源比较、进化分析。 ❖ 统计模型：如隐马尔可夫模型(hidden Markov model, HMM)--基因识别、
❖ 对基因组研究相关生物信息的获取、加工、存储、分配、分 析和解释：
❖ 人类基因组计划（human genome project,HGP）：1990年启动，10年 时间完成草图（3x10e9个碱基对，并对30,000多个基因进行了注释）。
❖ 越来越多的微生物和其他模式生物也完成了全基因组测序工作。

发展过程 生物信息学的
大致经历了3个阶段：
❖ 前基因组时代--生物数据库的建立、检索工具的开 发、DNA和蛋白质序列分析、全局和局部的序列对 位排列；
4
产生 生物信息学的
❖ 80年代未人类基因组计划（Human genome project)的启动 ❖ 生物实验和衍生数据的大量储存 ❖ 涉及生物学、数学、计算机科学和工程学，依赖于计算机科
学、工程学和应用数学的基础 ❖ 建立、更新生物数据库及获取生物数据而联合使用多项计算
机科学技术的应用性学科 ❖ 不仅仅是只限于生物信息学这一概念的理论性学科。事实上，
药物设计。最大似然模型(maximun likelihood model, ML)、 最大简约法 (Maximun Parsimony, MP)--分子进化分析。 ❖ 算法：如自动序列拼接、外显子预测和同源比较、遗传算法、人工神经 网络(artificial neural network)。
10
研究内容 生物信息学的
❖ 另一方面，以数据分析、处理为本质的计算机科学技术和网络技术迅猛 发展，并日益渗透到生物科学的各个领域。于是，一门崭新的、拥有巨 大发展潜力的新学科——生物信息学——悄然兴起。
生物信息学=生物学数据+计算机科学技术+网络技术
6
生物信息学发展过程
❖ 早在１９５６年，在美国田纳西州盖特林堡召开的首次“生物学中的信 息理论研讨会”上，便产生了生物信息学的概念。
❖ 20世纪50年代末 数学模型、统计学方法和计算机处理宏观生物学数据。 数量分类学、数学生态。
❖ １９８７年，这一学科被正式命名为“生物信息学”（bioinformatics）。 此后，其内涵随着研究的深入和现实需要的变化而几经更迭。
❖ 应用于分子生物学：分子生物学数据库、蛋白质结构分析与预测。
❖ １９９５年，在美国人类基因组计划第一个五年总结报告中，给出了一 个较为完整的生物信息学定义