1 绪言 1
1.1 生物信息学的发展历史 1
1.2 本书内容简介 3
1.3 贯穿本书的例子 4
2 序列数据资源 6
2.1 分子生物学数据库 6
2.2 序列数据存储格式 9
2.3 核酸序列数据库 14
2.3.1 GenBank数据库 14
2.3.2 RefSeq数据库 20
2.3.3 EPD数据库 21
2.4 蛋白质序列数据库 22
2.4.1 UniProt简介 22
2.4.2 UniProtKB数据库 22
2.5 基因组数据资源 27
2.5.1 基础知识 27
2.5.2 不同物种的基因组数据库 29
2.5.3 人类基因组数据库 33
2.6 数据的检索与获取 44
2.6.1 检索工具 44
2.6.2 获取序列数据的例子 46
思考题 50
3 序列比对与比对搜索 51
3.1 基本概念 51
3.1.1 比对序列的选择：核苷酸序列还是蛋白质序列 51
3.1.2 同源性、相似性和一致性 51
3.1.3 空位 54
3.1.4 多序列比对 54
3.2 Dayhoff模型：可接受点突变 57
3.2.1 PAM1矩阵 59
3.2.2 PAM250和其他PAM矩阵 60
3.2.3 从突变概率矩阵到对数比值打分矩阵 61
3.2.4 双序列比对中PAM矩阵的实际有用性 63
3.2.5 PAM矩阵的重要替代者：BLOSUM打分矩阵 64
3.2.6 双序列比对和检测限度 65
3.3 比对算法：全局和局部 66
3.3.1 全局序列比对：Needleman-Wunsch算法 67
3.3.2 局部比对：Smith-Waterman算法 71
3.3.3 Smith-Waterman算法的快速和启发式版本 73
3.4 双序列比对的显著性 74
3.4.1 双序列比对统计显著性检验 75
3.4.2 全局比对的统计显著性 75
3.4.3 局部比对的统计显著性 76
3.5 局部比对搜索基本工具BLAST 76
3.5.1 BLAST搜索的关键步骤 77
3.5.2 BLAST算法：列表、扫描、延伸 80
3.5.3 BLAST算法的统计学和E值 82
3.5.4 BLAST的各类分值 83
3.5.5 BLAST搜索示例：应用搜索原则 85
3.5.6 BLAST搜索示例：多结构域蛋白的搜索 90
3.5.7 BLAST搜索示例：改变打分矩阵 94
3.6 寻找远缘相关的蛋白质：PSI-BLAST 98
3.6.1 基本步骤 98
3.6.2 PSI-BLAST的结果评估 100
3.6.3 PSI-BLAST的错误：破坏的问题 101
3.7 模式识别BLAST（PHI-BLAST） 101
3.8 用BLASf来发现新基因 103
思考题 104
4 基因组结构注释 105
4.1 引言 105
4.1.1 基因及其结构 105
4.1.2 基因结构预测概述 107
4.2 基于EST序列数据识别基因结构 109
4.2.1 判别基因序列的真实EST匹配的措施 110
4.2.2 真实EST匹配的识别流程 112
4.2.3 确定EST对应的基因结构 114
4.3 基因结构预测的统计学建模方法 114
4.3.1 基于多级优化预测基因结构的基本思想 115
4.3.2 基因结构的分级建模 115
4.3.3 基因结构预测的动态规划算法 119
4.3.4 基于统计学方法预测基因结构的效果 120
4.4 基因组结构的自动注释 121
4.4.1 Ensembl的基因组注释流程 121
4.4.2 Ensembl自动注释结果与人工注释结果比较 122
思考题 123
5 分子系统发生分析 124
5.1 分子水平的进化介绍 124
5.1.1 问题的历史起源 124
5.1.2 分子钟 125
5.2 基本概念 126
5.2.1 系统发生树的基本概念 126
5.2.2 直系同源和旁系同源 128
5.3 分子系统发生树的构建 128
5.3.1 选择可供分析的序列 128
5.3.2 多序列比对 129
5.3.3 构建系统发生树 131
5.3.4 方法的选取 147
5.3.5 常用分析软件 147
思考题 148
6 蛋白质结构 149
6.1 蛋白质结构 149
6.2 蛋白质结构数据库和结构可视化 150
6.2.1 PDB数据库 150
6.2.2 蛋白质结构家族分类数据库 154
6.2.3 蛋白质结构的可视化 156
6.3 蛋白质结构分析 157
6.3.1 蛋白质结构比对 157
6.3.2 结构模型品质的分析 159
6.3.3 蛋白质内部相互作用分析 160
6.3.4 溶剂可接近表面的计算及分析 161
6.3.5 功能位点的分析 162
6.4 蛋白质结构预测 163
6.4.1 蛋白质结构比较建模 163
6.4.2 蛋白质结构从头预测方法 168
6.4.3 二级结构预测 168
6.4.4 结构预测的策略 169
思考题 170
7 蛋白质序列分析与功能预测 171
7.1 引言 171
7.2 功能描述 172
7.2.1 基因本体 173
7.2.2 利用GO术语的功能注释 175
7.3 基于序列相似性的功能预测 178
7.3.1 基本预测方法 178
7.3.2 分析与讨论 182
7.3.3 蛋白质家族与序列的相似性聚类 183
7.4 基于蛋白质信号的功能预测 184
7.4.1 蛋白质信号 185
7.4.2 信号的描述 188
7.4.3 蛋白质模体、结构域和家族数据库 193
7.4.4 分析与讨论 198
7.5 基于蛋白质序列特征的功能预测 198
7.5.1 序列的理化性质 198
7.5.2 跨膜与卷曲螺旋分析 200
7.5.3 蛋白质翻译后修饰分析 202
7.5.4 亚细胞定位预测 204
7.5.5 基于序列特征的蛋白质分子功能预测 205
7.6 功能预测的其他思路 205
思考题 207
8 微阵列数据分析 208
8.1 微阵列 208
8.1.1 微阵列实验过程 208
8.1.2 微阵列制备 209
8.1.3 杂交方式 209
8.1.4 图像分析 210
8.1.5 数据标准化 210
8.1.6 基因表达矩阵 211
8.1.7 基因表达数据分析 211
8.2 数据预处理 211
8.2.1 全局归一化 212
8.2.2 散点分析 212
8.2.3 数据全局归一化中的局部归一化 214
8.3 差异表达基因的检测 215
8.3.1 基本检验方法 215
8.3.2 分析实例 217
8.3.3 疾病基因表达谱差异分析 221
8.4 微阵列数据的分类分析方法 222
8.4.1 聚类分析 223
8.4.2 分类分析 232
8.5 构建基因调控网络 232
8.5.1 基因调控网络的简单例子 233
8.5.2 微分方程模型 235
8.5.3 布尔网络模型 236
8.5.4 贝叶斯网络模型 237
8.6 微阵列数据与分析软件 238
8.6.1 数据交换标准 238
8.6.2 微阵列数据库 239
8.6.3 微阵列数据分析流程 242
8.6.4 微阵列数据分析工具 244
思考题 247
9 蛋白质组数据分析 249
9.1 二维凝胶电泳数据分析 249
9.1.1 二维凝胶电泳原理 249
9.1.2 二维凝胶电泳数据及其应用 250
9.2 蛋白质质谱数据分析 253
9.2.1 质谱技术 253
9.2.2 蛋白质的质谱分析 255
9.3 蛋白质互作生物信息学 256
9.3.1 亲和层析和质谱 256
9.3.2 酵母双杂交系统 257
9.3.3 蛋白质-蛋白质互作预测 258
9.3.4 蛋白质相互作用数据库 260
9.4 分析细胞通路的生物信息学方法 261
思考题 263
10 疾病相关研究 265
10.1 疾病基因相关研究的概述 265
10.2 疾病相关的数据资源 266
10.2.1 人类在线孟德尔遗传数据库 266
10.2.2 遗传关联数据库 270
10.2.3 人类基因突变数据库 272
10.2.4 癌症数据库 273
10.2.5 单核苷酸多态性数据库 274
10.3 疾病基因发现 276
思考题 280
11 SNP芯片及深度测序数据分析 281
11.1 SNP简介 281
11.2 结构变异 282
11.3 SNP实验简介 283
11.3.1 Illumina芯片 283
11.3.2 Affymetrix芯片 285
11.4 深度测序技术 286
11.5 序列数据基本格式 288
11.5.1 FASTQ 289
11.5.2 SAM和BAM 290
11.5.3 BED 291
11.5.4 VCF 292
11.6 实例数据分析 292
11.6.1 利用深度测序发现SNV 293
11.6.2 利用SNP芯片检测拷贝数变异 294
思考题 296
参考书目 297