列逐一进行比对。
HHAFDEG ACDEGGG
4-2+6+5+6=19
《生物信息学》第九、十讲
A
B
C
大片段contig
小片段测序拼装
A
B
C
有特异性的分子路标，拼接准确，错误少， 但为确定分子路标而构建图谱相当耗时
A
B
C
小片段测序
计算机拼装
A
B
C
优点:不需预先了解任何基因组的情况 缺点:容易错误装配
内基因以及专一的多态性DNA标记(marker)相对位置的图谱，其研究经历了从经典的 遗传图谱到现代遗传图谱的过程。 7. 物理图谱（Physical map） 用物理学方法构建的由不同的DNA结构按其在染色体上的原始顺序和实际距离排列的 图谱。以定位的DNA标记序列如序列标签位点STS作为路标，以DNA实际长度即bp、kb、 Mb为图距的基因组图谱。 8. 转录图谱 以EST（expressed sequence tag ，表达序列标签）为标记，根据转录顺序的位置和距 离绘制的图谱。 9. 序列图谱（分子水平的物理图谱） 序列图谱是指整个人类基因组的核苷酸序列图，也是最详尽的物理图谱, 既包括可转录 序列，也包括非转录序列，是转录序列、调节序列和功能未知序列的总和。 10.旁系同源 用来描述在同一物种内由于基因复制而分离的同源基因。也可译作并系同源、横向同 源。旁系同源体常见于同一物种，但也不是绝对如此。例如鼠的a球蛋白和b球蛋白基 因是paralog；并且，鼠的a球蛋白和鸡的b球蛋白基因的关系也是paralog
2.MMDB
MMDB：分子模型数据库 — 一个关于三维生物分子结构的数据库，结构来自 于 X-ray 晶体衍射 和 NMR 色谱分析
《生物信息学》第三、四讲
“对于总是把他们亲爱的人的健康摆在 首位的美国公民来说,他们可以为他们的国 立医学图书馆而骄傲。
因为她从研究中获取生命科学的知识,加 以组织并传播给最可能利用这些知识的人, 以便他们同疾病、伤残作斗争,提高我们大 家生命的素质” 。
Blastp Blastx Tblastn TBlastx
蛋白质 核酸 蛋白质 核酸
蛋白质 蛋白质序列搜索逐一蛋白质数据库中的序列
蛋白质 核酸 核酸
核酸序列6框翻译成蛋白质序列后和蛋白质 数据库中的序列逐一搜索。
蛋白质序列和核酸数据库中的核酸序列6框 翻译后的蛋白质序列逐一比对。
核酸序列6框翻译成蛋白质序列，再和核酸 数据库中的核酸序列6框翻译成的蛋白质序
名词解释
Fasta格式：
FASTA格式又称Pearson的格式，该种序列格式要求序列的标题行以大于号议每行的字符数不超过80个，以比对程序的处理。
医学主题词MeSH
是Medical Subject Headings的缩略词，即医学主题词，是用规范化的医学术语来描
1986年1月29 日, 里根总统签署了一项声明,宣布1986年为美国国立医学图 书馆150 周年纪念年。
/
MEDLINE
Publisher supplied citations
PreMEDLINE
• MeSH是Medical Subject Headings的缩略词，即医 学主题词，是用规范化的医学术语来描述生物医 学概念。NIH的工作人员按MeSH词表规定，浏览 生物医学期刊全文后标引出每篇文献中的MeSH 主题词，其中论述文献中心的主题词称主要主题 词（major topic headings），论述主题某一方面的 内容的词称为副主题词。
去生活，去犯错，去跌倒， 去胜利，去用生命再创生命。
----詹姆斯·乔伊斯
名词翻译
STS：序列标签位点 EST：表达序列标签 ORTHOLOGS：直系同源 PARALOGS:旁系同源 CDS：编码序列 EXON：外显子 ORF：开放阅读框 PHI-BLAST：模式识别BLAST PSI-BLAST：位置特异的迭代BLAST SNP:单核苷酸多态性
截词检索只限于单词，对词组无效，
NCBI
检索文献 Entrze
PubMed
检索序列 Entrze
GenBank
比对序列 Blast
GenBank
最主要的以下三种
• High-Throughput Genomic Sequence (HTGS)
• Whole Genome Shotgun Sequences (WGS) • EST, STS, and GSS
EMBL
EBI 数据搜索系统
DDBJ
NIG
Entrze检索系统：NCBI SRS检索系统：EMBL、DDBJ
GenBank EMBL DDBJ
GenBank格式 EMBL格式 DDBJ格式
The Swiss-Prot groups from the SIB and the EBI (2002) - (Photo by : Amos Bairoch, SIB)
生物信息学 复习重点
《生物信息学》第一讲
生物信息学从事对基因组研究相关生 物信息的获取、加工、储存、分配、 分析和解释。
1. 一是对海量数据的收集、整理与服务， 也就是管好这些数据。
2. 另一个是从中发现新的规律，也就是用 好这些数据。
《生物信息学》第二讲
生物信息学数据库
生物信息学数据库
一次数据库
2、PubMed检索的四个主要特点？ 1）支持词汇自动转换 2）支持词组检索（需要加引号） 3）支持布尔逻辑运算 4）支持截词检索
4、全基因组鸟枪法测序的步骤，鸟枪法测序的特点？ 全基因组鸟枪法测序的主要步骤是：第一，建立高度随机、克隆片段的碱基总数应达到基因组5倍成流 感嗜血杆菌的基因组时，使用了14台测序仪，用三个月时间完成了必 需的28,463个测序反应，测序总长度达6倍基因组。第三，序列集合。 TIGR发展了新的软件，修改了序列集合规则以最大限度地排除错误的 连锁匹配。第四，填补缺口。有两种待填补的缺口，一是没有相应模 板DNA的物理缺口，二是有模板DNA但未测序的序列缺口。法测序的缺点
只是指出每个氨基酸出现的独立几率的概率。另一个是在序列比对中，一对残基的
出现的有意义的概率。这些概率来源于已知有效的真实的序列的比对的样本。
6. 遗传图谱（Genetic map） 又称连锁图谱（linkage map)或遗传连锁图谱(genetic linkage map) ，是指人类基因组
1、随着所测基因组总量增大，所需测序的片段大量增加。 2、高等真核生物（如人类）基因组中有大量重复序列，导致判断失
误。
2001年2月，文特尔小组所做的人类基因组测序报告发表在《科学》杂志上 科林斯带领的公共资金支持的实验室联合体的报告同时发表在《自然》杂志上
Public HGP
Celera Genomics
❖“复杂而没有生命的化学物质可以构成我们的 遗传密码，这是如此的奇妙，更能体现人类的精 神，足以让哲学家和诗人们感叹一千年”
• EST：表达序列标签 • STS：序列标签位点 • GSS：基因组短序列
《生物信息学》第五、六讲
序列比对的过程
建立评分矩阵
Pam250 blosum62
执行比对
fasta
（动态规划算法） blast
确定最佳途径
历史寻踪 简单了解 Dayhoff 矩阵
最大的成绩或许就是得分矩阵的出现， Dayhoff被称作生物信息学之父或 许更合适。
PAM模型可用于寻找蛋白质的进化起源
BLOSUM模型则用于发现蛋白质的保守域
0.3=2-（1+2/3）
局部比对
序列1：GCC-UCG 序列2：GCCAUUG
全局比对
序列1：CAGCC-UCGCUUAG 序列2：AAUGCCAUUGACGG
《生物信息学》第七、八讲
BLAST (Basic Local Alignment Search Tool) is a set of similarity search programs that explore all of the available sequence databases for protein or DNA.
Dr. Margaret Oakley Dayhoff, credited as the founder of Bio-Informatics, ca. 1980
Relationship between scoring matrices. The BLOSUM62 has become a de facto standard scoring matrix for a wide range of alignment programs. It is the default matrix in BLAST
Uniprot 特点
• 高质量 • 更新速度快 • 与其他数据库联系密切 • 使用快捷方便 • 分析工具齐全
结构数据库
1.PDB数据库
1971年建立于美国布鲁海克海文国家实验室。该数据库中收集了通过X射线衍射和核磁共振 （NMR）试验测定的蛋白质结构的精确坐标数据。这种数据即蛋白质中的原子坐标是蛋白质 结构的最细致的层次。该数据库的管理者是结构生物信息学合作研究组织（Research Collaboration for Structural Bioinformatics， RCSB
（二）短语检索
• 如果在短语上加双引号，将不执行转换功能
例如： “single cell”
（三）布尔逻辑运算： AND、OR、NOT必须大写 比如“single cell” AND “Vitamin C”
（四）截词检索：*
• 例：输入bacter*，检出bacteria、bacterium等 备注：将不执行转换功能；
BLAST (基本局部相似性比对搜索工具 ) 是一套用来探索可供使用的序列 数据库中所有DNA或者蛋白质的 相似性搜索程序