生物信息学综述

[摘要]:生物信息学(Bioinformatics)是建立在数学,计算机科学和生命科学基础之上的一门交叉学科.早在19xx年美国田纳西州的Gatlinburg召开的首次"生物学中的信息理论讨论会"上就已产生了这一概念.随着相关生物技术的革命性发展和生物学相关信息量呈现的"革命性爆炸",生物信息学已成为当今最具发展前途的学科之一.

生物信息学极大的推动了分子生物学，基因组学，蛋白质组学和代谢组学等的发展，已成为医学,农学，生物学等学科发展的强大推动力，也是药物设计，环境监测等的重要技术支撑。生物信息学在基因的功能发现，疾病基因诊断，蛋白质结构预测，基于结构的药物设计，药物合成和制药工业中起着重要的作用，生物信息学的应用大大加快了药物的研究开发进程。

[关键词]:生物信息学、产生背景、主要研究内容、发展

现状、发展前景

一、生物信息学的产生

21世纪是生命科学的世纪，伴随着人类基因组计划的胜利完成，与此同时，诸如大肠杆菌、结核杆菌、啤酒酵母、线虫、果蝇、小鼠、拟南芥、水稻、玉米等等其它一些模式生物的基因组计划也都相继完成或正在顺利进行。人类基因组以及其它模式生物基因组计划的全面实施，使分子生物数据以爆炸性速度增长。在计算机科学领域，按照摩尔定律飞速前进的计算机硬件，以及逐步受到各国政府重视的信息高速公路计划的实施，为生物信息资源的研究和应用带来了福音。及时、充分、有效地利用网络上不断增长的生物信息数据库资源，已经成为生命科学和生物技术研究开发的必要手段，从而诞生了生物信

息学。

二、生物信息学研究内容

（一）序列比对

比较两个或两个以上符号序列的相似性或不相似性。序列比对是生物信息学的基础。两个序列的比对现在已有较成熟的动态规划算法，以及在此基础上编写的比对软件包BALST和FASTA，可以免费下载使用。这些软件在数据库查询和搜索中有重要的应用。有时两个序列总体并不很相似，但某些局部片断相似性很高。Smith-Waterman算法是解决局部比对的好算法，缺点是速度较慢。两个以上序列的多重序列比对目前还缺乏快速而又十分有效的算法。

（二）结构比对

比较两个或两个以上蛋白质分子空间结构的相似性或不相似性。

（三）蛋白质结构预测

从方法上来看有演绎法和归纳法两种途径。前者主要是从一些基本原理或假设出发来预测和研究蛋白质的结构和折叠过程。分子力学和分子动力学属这一范畴。后者主要是从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构。同源模建和指认（Threading）方法属于这一范畴。虽然经过30余年的努力，蛋白结构预测研究现状远远不能满足实际需要。

（四）计算机辅助基因识别

给定基因组序列后，正确识别基因的范围和在基因组序列中的精确位置.这是最重要的课题之一，而且越来越重要。经过20余年的努力，提出了数十种算法，有十种左右重要的算法和相应软件上网提供免费服务。原核生物计算机辅助基因识别相

对容易些，结果好一些。从具有较多内含子的真核生物基因组序列中正确识别出起始密码子、剪切位点和终止密码子，是个相当困难的问题，研究现状不能令人满意，仍有大量的工作要做。

（五）非编码区分析和DNA语言研究

在人类基因组中，编码部分进展总序列的3－5%，其它通常称为“垃圾”DNA，其实一点也不是垃圾，只是我们暂时还不知道其重要的功能。分析非编码区DNA序列需要大胆的想象和崭新的研究思路和方法。DNA序列作为一种遗传语言，不仅体现在编码序列之中，而且隐含在非编码序列之中。

三、国内生物信息学的现状与未来展望

生命科学与信息科学是目前发展最快的两大领域，作为

这两大学科的交叉产物之一，生物信息学同样发展迅速，并在基因组学研究中发挥巨大的作用。

国外一直很重视生物信息学的发展，各种专业研究机构

和公司涌现很多，生物科技公司和制药工业内部的生物信息学部门的数量也与日俱增。由于对生物信息学人才的需求迅猛，发达国家也面临着供不应求，人才匮乏的局面。

国内对生物信息学领域也越来越重视，取得了一定的成

绩，甚至在国际上还占有一席之地，但从全国总体水平来看和国际水平还是有很大差距，需要努力。生物信息学将会揭示人类及重要动植物种类的基因信息,为生物大分子结构模拟和药物设计提供巨大帮助.生物信息学不仅对认识生物体和生物信息的起源、遗传、发育与进化的本质有重要意义,而且将为人类疾患的诊治开辟全新的途径,还可以为动植物的物种改良提供坚实的理论基础.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.一只小鼠的肥胖基因都值上亿美元,

关系到人类自身生老病死的基因的价值就更高了.生物信息学的许多研究成果可以较快地产业化,成为价值很高的产品.生物信息学的这一特点在现有的许多学科中几乎是独一无二的.目前生物信息学的发展已经超越了它的最初目标.现在可以说生物信息学的重要目标在于理解生物学数据和揭示生命本质,但是它的前景仍是不可估量的可以的.可以肯定,在不远的将来,生物信息学的研究成果不仅被应用于生物、医学等相关领域,同时它将对其他学科,包括信息科学、数学、计算机科学、物理学等的研究产生巨大的影响.

经过十几年或更长的时间的努力，逐渐使我国成为生物信息学研究强国，是完全有可能的。信息学的商业价值十分显著。国外很多大学，研究机构，软件公司甚至政府机构纷纷成立各种生物信息机构，建立自立的生物信息集成系统，研制这方面的软件，重金招聘人才，期望从中获取更多的生物信息和数据加以研究和利用，缩短药物开发周期，抢注基因专利，获取更大利润。我国如不加大资金投入力度，将来可能会花更多的钱去购买别人的软件，使用专利基因或购买新的药物。所幸，我国也开始重视这一学科：南、北方人类基因组中心的相继建成，北大生物城的破土动工等，标志着我国对生物信息学的重视。我们有理由相信，我国的生物信息学在21世纪会有巨大的飞跃。

第二篇：生物信息学综述

摘 要:对生物信息学的产生背景及概念进行论述,对生物信息学、计算生物学、基因组信息

学等概念进行区别,重点对生物信息学的研究内容进行综述,并对研究的热点问题进行讨论,

最后对发展前景提出展望。

关键词:生物信息学;基因组信息学;蛋白质结构预测;药物设计

生物信息学的起源

生物信息学是20世纪80年代末随着人类基因组计划的启动而兴起的一门新的交叉学科。基因组学的出现始于19xx年，美国Johns Hopkins大学著名人类遗传学家和内科教授McKusick创造了基因组学（Genomics）这个名词，意指从基因组水平研究遗传的学科。虽然基因组信息量在生物总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，生物信息学也并不等同于基因组信息学。目前，我们普遍认为生物信息学是把基因组DNA序列信息分析作为源头，破译隐藏在DNA序列中的遗传语言，找到代表蛋白质和DNA基因的编码区，特别是阐明非编码区的实质，从而认识生物有机体代谢、发育、分化和进化的规律；同时在发现了新基因信息之后进行蛋白质空间结构的模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。因此，现代生物信息学主要包括3个重要内容，它们分别是基因组信息学、蛋白质的结构模拟以及药物设计。

从20世纪90年代以来,随着各种生物基因组测序计划的展开与分子结构测定技术的突破以及Internet的普及，无数的生物学数据如雨后春笋般迅速涌现。20xx年2月12日，美国Celera公司与美国国家人类基因组计划分别在Science和Nature上公布了人类基因组的精细图谱及其初步分析结果。20xx年4月5日出版的Science杂志又把水稻基因组的序列框架图公布出来。20xx年8月23日出版的Science杂志公布了河豚的全基因组序列。到目前为止，已经测出了上百种生物体的完整基因组序列。如何分析这些从实验过程中获得的大量原始数据,并从中获得与生物结构、功能相关的有用信息是当前困扰理论生物学家的一个棘手问题。生物信息学（Bioinformatics）就是在此背景下发展起来的综合运用生物学、数学、统计学、物理学、化学、信息科学以及计算机科学等诸多学科的理论方法而形成的一门崭新交叉学科。

2 生物信息学主要研究内容

从生物信息学研究的具体内容上看,生物信息学主要包括序列比对、序列分析、功能基因组、基因表达数据分析、蛋白质结构、药物设计等方面。

2.1 序列比对

在生物学中序列是指核酸或氨基酸序列,序列比对是指比较两个或两个以上符号序列的相似性双序列比较是将待研究序列与DNA或蛋白质序列库进行比较,用于确定该序列的生物属性,也就是找出与此序列相似的序列。常用的程序包有BLAST、FASTA等。多重序列比较是将待研究序列加入到一组与之同源,但来自不同物种的序列中进行多序列比较,以确定该序列与其它序列间的同源性大小。根据序列同源性分析的结果,重建反映物种间进化关系的进化树。常用的构建进化树的算法是UPGMA,软件包有PYLIP、MEGA等。多重序列比对是当前一个研究热点,常用算法有分治法,HMM及聚类法等。目前基因组比对也引起研究者们的关注。不同物种间的基因组比对既能够解释和预测他们蛋白质功能的相似性,又能够揭示不同物种间的联系。基因组比对由于涉及上亿的核酸,计算量很耗时,Delcher提出一种后缀树的方法比较两个基因组。研究基因组比对算法也是一个研究方向。

2.2 序列分析

随着越来越多生物体的DNA序列被人类测定,人们希望通过序列分析来获知其对应的基因和基因调控序列。重新组装在散弹法DNA测序过程中被打散的DNA序列,即研究基因重组算法是生物信息学研究的重点课题。基因重组的难点是DNA有很多重复的区域,相同的片段可能属于不同的区域由于基因组中并非所有的核酸都构成基因,所以序列分析的另一个研究内容是对基因组中的基因和基因调控序列进行自动识别。基因识别是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置。从具有较多内含子的真核生物基因组序列中正确识别出起始密码子、剪切位点、内含子、外显子和终止密码子等。目前在基因识别方面的算法大体可分为基于统计的方法、基于同源性的方法和基于机器学习(如人工神经网络)方法。同

时对非编码区域的识别也很重要。在人类基因组中,编码部分仅占总序列的3%～5%,其它的非编码区可能具有未被识别的功能。分析非编码区DNA序列需要大胆的想象和崭新的思路。

2.3 功能基因组

功能基因组的任务是进行基因组功能注释(Genome annotation),了解基因的功能,认识基因与疾病的关系,掌握基因的产物及其在生命活动中的作用。功能基因组学的研究主要包括以下几个方面的内容:(1)进一步识别基因,识别基因转录调控信息,分析遗传语言。(2)注释所有基因产物的功能,这是目前基因组功能注释的主要层次。19xx年Owen White设计出了第一套基因组注释软件系统。该系统能够自动识别基因、转录基因和其他生物学特征,并能够初步分析它们的功能。序列同源性分析、生物信息关联分析、生物数据挖掘是进行功能注释的主要生物信息学手段。(3)研究基因的表达调控机制,研究基因在生物体代谢途径中的地位,分析基因、基因产物之间的相互作用关系,绘制基因调控网络图。(4)比较基因组学研究,是识别和建立不同生物体的基因或其他基因组特征的联系。在基因组水平对各个生物进行对照比较,可以揭示生命的起源和进化、发现蛋白质功能。(5)功能基因组相关信息分析。包括与大规模基因表达谱分析相关的算法、软件研究,基因表达调控网络的研究;与基因组信息相关的核酸、蛋白质空间结构的预测和模拟,以及蛋白质功能预测。

2．4 基因表达数据的分析

对基因表达数据的分析可以获取基因功能和基因表达调控信息,这是生物信息学的重大挑战之一。目前对基因表达数据的处理主要是进行聚类分析虽然聚类方法是基因表达数据分析的基础,但是目前这类方法只能找出基因之间简单的、线性的关系需要发展新的分析方法以发现基因之间复杂的、非线性的关系。最近国际上在基因调控网络分析方面出现了许多有意义的工作,建立起一些基因调控网络的数学模型,如布尔网络模型、线性关系网络模型、微分方程模型、互信息相关网络模型等,在此基础研究基因调控网络的动力学性质。

2．5 蛋白质结构预测

蛋白质结构预测是生物信息学的重要应用。蛋白质的氨基酸序列(也称为一级结构)可以容易地由它的基因编码序列获得。蛋白质的结构对于理解蛋白质的功能十分重要。目前尚没有普遍可行方案实现蛋白质结构的准确预测;大多数方案为启发式的。蛋白质结构预测分为二级结构预测和空间结构预测。理论和实验表明,不同的氨基酸残基在不同的局域环境下具有形成特定二级结构的倾向性,因此在一定程度上二级结构的预测可以归结为模式识别问题。二级结构预测的目标就是预测某一个片段中心的残基是α螺旋,还是β折叠,或是其它。常用方法有立体化学方法、图论方法、统计方法、最邻近决策方法、基于规则的专家系统方法、分子动力学方法和人工神经网络方法。目前较为常用的几种方法有:PHD、PSIPRED、Jpred、PSEDATOR、PSA。在空间结构预测方面,比较成功的理论方法是同源模型法。运用同源模型方法可以完成所有蛋白质10%～30%的空间结构预测工作。得到蛋白质结构后就可以进一步分析研究蛋白质的功能。

药物设计

基于生物大分子结构的药物设计是生物信息学中极为重要的研究领域。生物信息学可用于药物靶标基因的发现和验证。有许多数据库可用来获得不同组织在正常/疾病状态下基因表达的差异,通过搜索这些数据库,可以得到候选基因作为药物靶标,特异性地针对某一种疾病。另外,还可根据蛋白质功能区和三维结构的预测来对药物靶标进行鉴定,以便早期了解所研究蛋白的属性,预测它是否适用于药物作用。计算机辅助药物设计主要包括活性位点分析法、数据库搜寻、全新药物设计。目前,活性位点分析软件有DRID、GREEN、HSITE等。另外还有一些基于蒙特卡罗、模拟退火技术的软件如MCSS、HINT、BUCKETS等。目前数据库搜寻方法分为两类。一类是基于配体的,即根据药效基团模型进行三维结构数据库搜寻。该类方法中比较著名的软件有Catalyst和Unity,而以前者应用更普遍。另一类方法是基于受体的,也称为分子对接法,具代表性的分子对接软件主要有DOCK、F1exX和GOLD。全新药物设计方法出现的时间虽然不长,但发展极为迅速,现已开发出一批实用性较强的软件,其主要软件有LUDI、Leapfrog、GROW、SPROU以及北京大学来鲁华等开发的LigBuilder等,其中LUDI最为常用。

3.结束语

生物信息学是一门新兴的极具发展潜力的学科,对计算机工作者也提出极高的要求,在序列比对中目前的研究热点主要有多序列比对算法及基因组比对算法。在序列分析中重点是研究基因重组及基因识别算法,同时对非编码区的识别也是个重点。同时后基因组时代从结构转向功能的研究涉及到基因组功能的注释,基因的表达调控机制,比较基因组的研究等内容。同时蛋白质的结构预测对蛋白质的功能理解也非常重要,然后依据特定蛋白质的功能进行必要的药物设计。