化学基元组学与药物创新

化学基元组学（chemomics）是与化学信息学、生物信息学、合成化学等学科相关的交叉学科．生物系统从内源性小分子（天然砌块）出发,通过酶催化的化学反应序列制造天然产物．生物系统通过化学反应和天然砌块向目标天然产物“砌入”一组原子,这样的一组原子称为化学基元（chemoyl）．化学基元组（chemome）是生物组织中所含有的化学基元的全体．化学基元组学研究各种化学基元的结构、组装与演化的基本规律．在生存压力和繁衍需求的驱动下,生物系统已经进化出有效手段来合成天然产物以应付环境的变化,并产生了丰富多彩的生物和化学多样性．近年来,人们意识到药物创新的瓶颈之一是药物筛选资源的日益枯竭．化学基元组学可以解决这个瓶颈问题,它通过揭示生物系统制备化学多样性的规律,发展仿生合成方法制备类天然化合物库（quasi natural product libraries）以供药物筛选．本文综述了化学基元组学的主要研究内容及其在药物创新各领域中的潜在应用．     

基因调控网络推断研究进展

随着高通量技术的发展,越来越多的生物医学组学数据亟需处理与分析,基于运筹优化的生物信息学方法是有效解析高维生物医学数据的重要途径之一。综述了近年来在基因调控网络推断方面的研究进展。针对不同类型的转录组学数据和研究目的,分别建立了相应的基因调控网络推断方法,主要包括先验基因调控网络数据库的建立、基于条件互信息的因果网络推断、基于微分方程的动态基因调控网络推断、转录调控和转录后调控协同作用的网络推断以及基因调控网络活性评价等,并展望了基因调控网络推断的重要研究方向。     

北美海蓬子胆碱单加氧酶基因CMO的克隆及表达研究

胆碱单加氧酶(CMO)是合成植物小分子非毒性有机渗透调节物质甜菜碱过程中重要的限速酶.文中采用RACE技术以北美海蓬子为实验材料克隆CMO基因的全长c DNA序列(Genbank登录号:KM884944),并做相关的生物信息学分析.研究结果表明,该基因c DNA全长1 834 bp,其中开放阅读框(ORF)有1 317 bp,编码439个氨基酸,预测其蛋白分子量为49.537 k Da,理论等电点(p I)为6.15;序列分析显示北美海蓬子CMO蛋白中含有2个重要的保守域和功能域,不存在跨膜区域;除了与蒺藜苜蓿及水稻的同源性分别为46%和49%外,与其他植物CMO蛋白序列相似性均达到55%以上;系统进化树分析显示,它与欧洲海蓬子的亲缘关系最近;实时荧光定量PCR结果显示,随着Na Cl浓度的升高,北美海蓬子CMO基因的表达量增加,说明该基因可通过盐胁迫诱导表达.     

光谱法研究鸡蛋溶菌酶热变性与免疫原性的关系

利用圆二色性光谱和荧光光谱对鸡蛋溶菌酶的热变性过程进行了系统的光谱学研究,得到了鸡蛋溶菌酶热变性过程的光谱学特征;通过酶联免疫吸附实验测定鸡蛋溶菌酶热变性过程的免疫原性变化;结合生物信息学方法,分析了热变性过程中鸡蛋溶菌酶蛋白结构改变与其免疫原性变化之间的关系,建立研究食品过敏原蛋白热变性的光谱学方法.     

基于平均交互信息量的DNA序列相似性分析

序列相似性分析是生物信息学中一个重要问题,对于研究物种的进化起源有着重要的意义.序列相似性算法包括基于序列比对的方法及非比对方法两种.基于比对的方法对于序列整体的衡量略有欠缺；非比对算法中有DNA曲线化方法以及比较序列各自整体碱基分布间的信息量差异的方法,只是考虑了序列整体信息间的差异,但未考虑序列各个位点间的差异.因...     

生物信息学——揭示生物分子数据的内涵

急速增长的生物分子数据为提炼和归纳新的生物学知识提供了有利的条件。在介绍生物分子数据收集、分析和处理的基础上，能够说明生物信息学在揭示生物分子内涵方面所起的作用。     

生物信息学导论课程与进阶课程比较

本文根据生物信息学是一门交叉学科的特点,在分析国内外高校相关课程设置的基础上,系统比较了生物信息学导论课程和进阶课程的差异和共性,提出了有针对性的内容安排方法和教学方式.笔者总结了授课过程的几个要点,即概念清楚、围绕主线、因材施教和加强实践,并在生物信息学课程教学中取得较好的效果.     

全基因组序列拼接研究进展

全基因组序列拼接是生物信息学研究领域的核心问题。针对新一代测序数据读取片段reads长度短、数据海量、精确度低等特点带来的严峻挑战,能够满足实际应用的序列拼接软件的研发,已成为生物信息学领域最为迫切的研究课题。深入探讨全基因组序列拼接的发展动态、所采用的主要策略等方面,总结序列拼接相关理论,并为未来新算法的研发提出具体的改进建议。     

基于Memetic优化的智能DNA序列数据压缩算法

提出近似重复矢量(Approximate Repeat Vector,ARV)模型用于DNA序列冗余片段的描述.通过将数据生物信息学特征引入压缩预处理,并使用ARV矢量构造编码码本,提出了非对称DNA序列压缩算法BioLZMA-2.算法引入基于粒子群优化的Memetic改进方法CLIPSO-MA用于压缩码本的智能优化设计,有效提升了编码性能.在标准测试序列上的实验结果表明,BioLZMA-2可获得比现有DNA序列数据压缩方法更高的压缩率.     

基于免疫遗传算法的多重序列比对

提出一种基于免疫遗传算法的多重序列比对的方法，它将一种免疫算子加入到遗传算法的框架中，通过对个体接种疫苗来进一步提升个体的存活能力，实验结果表明，该方法可以加快收敛速度，并能求出比遗传算法更优的解。