【正文】 ostgenome era) 的任務(wù)，即收集、整理、檢索和分析序列中表達(dá)的蛋白質(zhì)結(jié)構(gòu)與功能的信息 ，找出規(guī)律。生物信息學(xué)將在其中扮演至關(guān)重要的角色。 2022年４月１４日，國(guó)際人類基因組測(cè)序組隆重宣布：美、英、日、法、德和中國(guó)科學(xué)家歷經(jīng)１３年的共同努力，人類基因組序列圖亦稱“完成圖”，提前繪制成功。 生物學(xué)： 為前基因組 后基因組 人類正生活在后基因組時(shí)代。 人類基因組圖譜： “人體第二張解剖圖”。 第一張人體解剖圖 ：人體的構(gòu)成，器官、結(jié)構(gòu)與功能、組織與細(xì)胞， 今天的現(xiàn)代醫(yī)學(xué)。 第二張人體解剖圖 ：生物分子水平上的一張解剖圖，將成為疾病預(yù)測(cè)、預(yù)防、診斷、治療及個(gè)體醫(yī)學(xué)的參照，將奠定２１世紀(jì)生命科學(xué)、基礎(chǔ)醫(yī)學(xué)與生物產(chǎn)業(yè)的基礎(chǔ)。 新版人類基因組序列圖在2022年４月２４日出版的 《 自然 》 雜志上公布，以紀(jì)念ＤＮＡ雙螺旋結(jié)構(gòu)發(fā)現(xiàn)５０周年。 “人類歷史最神奇的一份圖譜” 克林頓，“上帝創(chuàng)造生命所用的語(yǔ)言”，“流芳百世的一天”； “醫(yī)學(xué)史上的重大革命，其影響效應(yīng)將遠(yuǎn)勝于抗生素的發(fā)現(xiàn)，這也是人類在２１世紀(jì)的第一項(xiàng)重大科技成就?！辈既R爾 它是一個(gè)學(xué)科領(lǐng)域，包含著基因組信息的獲取、處理、存儲(chǔ)、分配 、分析和解釋的所有方面。 生物信息學(xué)的研究目標(biāo)是揭示 “ 基因組信息結(jié)構(gòu)的復(fù)雜性及遺傳語(yǔ)言的根本規(guī)律 ” 。它是當(dāng)今乃至下一世紀(jì)自然科學(xué)和技術(shù)科學(xué)領(lǐng)域中 “ 基因組 、 “ 信息結(jié)構(gòu) ” 和 “ 復(fù)雜性 ” 這三個(gè)重大科學(xué)問(wèn)題的有機(jī)結(jié)合 。 生物信息學(xué)是把基因組 DNA序列信息分析作為源頭 ， 破譯隱藏在 DNA序列中的遺傳語(yǔ)言 ， 特別是非編碼區(qū)的實(shí)質(zhì)；同時(shí)在發(fā)現(xiàn)了新基因信息之后進(jìn)行蛋白質(zhì)空間結(jié)構(gòu)模擬和預(yù)測(cè) 。 FROM SEQUENCE DATA OF DNA TO 3DSTRUCTURE OF PROTEIN gene (coding regions, exons) primary sequence of protein 3Dstructure of protein biological function “Junk DNA” (uncoding regions, 95% of human genome) One of the largest challenges is identifying the unknown functions that almost certainly exist in much of the “junk” DNA. 若干重要科學(xué)研究?jī)?nèi)容 大規(guī)?；蚪M測(cè)序中的信息分析 大規(guī)模測(cè)序是基因組研究的最基本任務(wù)，它的每一個(gè)環(huán)節(jié)都與信息分析緊密相關(guān)。從測(cè)序儀的光密度采樣與分析、堿基讀出、載體標(biāo)識(shí)與去除、拼接與組裝、填補(bǔ)序列間隙、到重復(fù)序列標(biāo)識(shí)、讀框預(yù)測(cè)和基因標(biāo)注的每一步都是緊密依賴基因組信息學(xué)的軟件和數(shù)據(jù)庫(kù)的。 ? 獲取人和各種生物的完整基因組 :在基因組大規(guī)模測(cè)序的每一個(gè)環(huán)節(jié)都與信息分析緊密相關(guān)。光密度采樣、分析、堿基讀出、載體標(biāo)識(shí)與去除、拼接、填補(bǔ)序列間隙，重復(fù)序列標(biāo)識(shí)、讀框預(yù)測(cè)和基因標(biāo)注，緊密依賴生物信息學(xué)的軟件和數(shù)據(jù)庫(kù)。 序列拼接和填補(bǔ)序列間隙是最為關(guān)鍵的首要難題。其困難不僅來(lái)自它巨大的海量數(shù)據(jù)，而且在于它含有高度重復(fù)的序列。為此，這一過(guò)程特別需要把實(shí)驗(yàn)設(shè)計(jì)和信息分析時(shí)刻聯(lián)系在一起。 另一方面，必須按照不同步驟的要求，發(fā)展適當(dāng)?shù)乃惴跋鄳?yīng)的軟件，以應(yīng)對(duì)各種復(fù)雜的問(wèn)題。國(guó)際上很多著名的基因組研究中心，都有自己的拼接和組裝策略，并且這樣的工作都是在超級(jí)計(jì)算機(jī)上完成的。 人類對(duì)自身的認(rèn)識(shí)就更為細(xì)致、更為精確： 比如：發(fā)現(xiàn)在我們的基因組中真正編碼蛋白質(zhì)（稱為外顯子）等的部分很少，只占 1． 1％；外顯子與外顯子之間的區(qū)域（稱為內(nèi)含子）占了 24％；而基因與基因之間的間隔序列卻占了 75％，也就是說(shuō)在人類基因組中不編碼蛋白質(zhì)的區(qū)域占了絕大部分。發(fā)現(xiàn)人類編碼蛋白的基因較之其它生物體的基因更為復(fù)雜，有更為豐富的剪接方式。發(fā)現(xiàn)基因組中片段重復(fù)現(xiàn)象很普遍，這反映了人類復(fù)雜的進(jìn)化歷史。發(fā)現(xiàn)人的第 13號(hào)染色體比較穩(wěn)定，而男性的第 12號(hào)染色體和女性的第 16號(hào)染色體是易變的，等等。 新基因和新 SNPs的發(fā)現(xiàn)與鑒定 大部分新基因是靠理論方法預(yù)測(cè)出來(lái)的。比如啤酒酵母完整基因組 (約 1300萬(wàn) bp) 所包含的 6千多個(gè)基因，大約 60％ 是通過(guò)信息分析得到的。 a)、利用 EST 數(shù)據(jù)庫(kù) (dbEST) 發(fā)現(xiàn)新基因和 新 SNPs 國(guó)際上現(xiàn)已出現(xiàn)了幾個(gè)基于 EST的基因索引如這些基因索引數(shù)據(jù)庫(kù) (即二次數(shù)據(jù)庫(kù) )構(gòu)建了基因框架，極大地方便了相關(guān)研究者。 超大規(guī)模計(jì)算 b)、從基因組 DNA序列中預(yù)測(cè)新 ORF ? 單核苷酸多態(tài)性標(biāo)記 (SNP,single nucleotide polymorphism) ? 96年被提出 ,被稱為“ 第三代 DNA遺傳標(biāo)記 。這種遺傳標(biāo)記的特點(diǎn)是單個(gè)堿基的置換 ,與第一代的 RFLP及第二代的 STR以長(zhǎng)度的差異作為遺傳標(biāo)記的特點(diǎn)不同 , 在人類基因組中被認(rèn)為有 300萬(wàn)個(gè)以上的 SNP遺傳標(biāo)記 ,這可能達(dá)到了人類基因組多態(tài)位點(diǎn)數(shù)目的極限。稱為 cSNP(coding SNP)。 SNP位點(diǎn)通常僅含兩種等位基因 ——雙等位基因 (Biallelic),其變異不如 STR繁多 ,但 SNP在整個(gè)人類基因組的分布密集 ,數(shù)目比 STR高出數(shù)十倍到近百倍 ,因此被認(rèn)為是應(yīng)用前景最好的遺傳標(biāo)記物。 SNP的研究將幫助我們尋找新的遺傳病的原因基因 ,認(rèn)識(shí)人種、人群 ,個(gè)體間的遺傳差異 ,疾病與個(gè)體差異的關(guān)系 ,以及個(gè)體差異對(duì)藥物的耐藥性存在的不同的反應(yīng)能力等。 單核苷酸多態(tài)（ SNP） 有的人吸煙喝酒卻長(zhǎng)壽，也有人自幼就病痛纏身；同一種治療腫瘤的藥物對(duì)一些人非常有效，對(duì)另一些人則完全無(wú)效。這是為什么？答案是他們基因組中存在的差異。這種差異很多表現(xiàn)為單個(gè)堿基上的變異，也就是單核苷酸的多態(tài)性（ SNP）。 現(xiàn)在普遍認(rèn)為 SNP研究是人類基因組計(jì)劃走向應(yīng)用的重要步驟 。 這主要是因?yàn)?SNP將提供一個(gè)強(qiáng)有力的工具 ， 用于高危群體的發(fā)現(xiàn) 、 疾病相關(guān)基因的鑒定 、 藥物的設(shè)計(jì)和測(cè)試以及生物學(xué)的基礎(chǔ)研究等 。 SNP在基因組中分布相當(dāng)廣泛 ， 近來(lái)的研究表明在人類基因組中每 300堿基對(duì)就出現(xiàn)一次 。 大量存在的 SNP位點(diǎn) ， 使人們有機(jī)會(huì)發(fā)現(xiàn)與各種疾病 ， 包括腫瘤相關(guān)的基因組突變；從實(shí)驗(yàn)操作來(lái)看 ， 通過(guò) SNP發(fā)現(xiàn)疾病相關(guān)基因突變要比通過(guò)家系來(lái)得容易；有些 SNP并不直接導(dǎo)致疾病基因的表達(dá) ，但由于它與某些疾病基因相鄰 ， 而成為重要的標(biāo)記 。 SNP在基礎(chǔ)研究中也發(fā)揮了巨大的作用 ， 近年來(lái)對(duì) Y染色體 SNP的分析 ，使得在人類進(jìn)化 、 人類種群的演化和遷徙領(lǐng)域取得了一系列重要成果 。 ? 現(xiàn)代的檢驗(yàn)醫(yī)學(xué)在對(duì)疾病的診斷中 ,因?yàn)闊o(wú)法直接鑒定與疾病相關(guān)基因的異?；蛉毕?,只能通過(guò)變異基因的表達(dá)所導(dǎo)致的表型癥狀 ,從蛋白質(zhì)、血清水平對(duì)疾病作出診斷 ,稱為表型診斷。 ? SNP標(biāo)記的確立 ,將與現(xiàn)有的遺傳標(biāo)記物結(jié)合 ,與現(xiàn)有的基因診斷體系接軌 ,加速檢驗(yàn)醫(yī)學(xué)從表型診斷向基因型診斷的過(guò)渡。 ? SNP標(biāo)記的確立可望在基因分型為基礎(chǔ)的治療方面發(fā)揮巨大的作用。 比較基因組學(xué)研究 研究生命是從哪里起源的？生命是如何進(jìn)化的？遺傳密碼是如何起源的？估計(jì)最小獨(dú)立生活的生物至少需要多少基因，這些基因是如何使它們活起來(lái)的？比如， 鼠和人的基因組大小相似，都含有約三十億堿基對(duì)，基因的數(shù)目也類似?？墒鞘蠛腿瞬町惔_如此之大，這是為什么？ 同樣，有的科學(xué)家估計(jì)不同人種間基因組的差別僅為 %；人猿間差別約為 1%。但他們表型間的差異十分顯著。 這又為什么？ 完整基因組序列的比較 研究是解決這些問(wèn)題的重要途徑。 ? 一個(gè) DNA片段在人類、猴子、老鼠、雞甚至果蠅中都差不多 DNA片段就一定會(huì)有較重要的基因 。譬如引起一種 X隱性遺傳物，杜氏肌萎縮癥的基因，叫“迪姆迪（ DMD）” 2400千核苷酸長(zhǎng)， DNA片段的一部分“雜交”到猴、狗、豬、鼠、雞的基因組 DNA上去，發(fā)現(xiàn)猴、狗、豬、鼠、雞的基因組都存在并差不多，推論這個(gè)片段含重要的基因。 “動(dòng)物園雜交法”，就是在動(dòng)物園里找親戚。 ? 肥胖基因 小鼠中發(fā)現(xiàn)。有一種小鼠怎么少吃也發(fā)胖，還是“遺傳”的，大胖鼠生小胖鼠，符合孟德?tīng)柖?。有異常就有正常?有“致胖”的等位基因就有“不胖”的等位基因 ?？茖W(xué)家就用“遺傳分析”的方法，也用老鼠基因組的“遺傳標(biāo)記”。老鼠可“有序”交配，家系的“多世代，多個(gè)體”也容易做到，于是就用這個(gè)“胖小鼠”的家系，找到了這個(gè)“胖鼠”基因在小鼠基因中的位置，再根據(jù)小鼠基因組與人的基因組的對(duì)應(yīng)關(guān)系，就把人的基因組中的“胖人”基因找出來(lái)啦！結(jié)構(gòu)還很相似， “致胖”的等位基因。在小鼠身上，這個(gè)“胖”基因的正常等位基因的產(chǎn)物注射一次，一月有效，“胖”小鼠沒(méi)原先胖啦?，F(xiàn)在，凡是在小鼠里找到一個(gè)基因，那么找到人的同一個(gè)或相似的基因就指日可待！ ? 基因組數(shù)據(jù)的生物進(jìn)化研究 ? 自 1859年 Darwin 的物種起源 (Origin of Species) 發(fā)表以來(lái)，進(jìn)化論成為對(duì)人類自然科學(xué)和自然哲學(xué)發(fā)展的最重大貢獻(xiàn)之一。 進(jìn)化論研究的核心是描述生物進(jìn)化的歷史 (系統(tǒng)進(jìn)化樹(shù) )和探索進(jìn)化過(guò)程的機(jī)制。自本世紀(jì)中葉以來(lái)，隨著分子生物學(xué)的不斷發(fā)展，進(jìn)化論的研究也進(jìn)入了分子水平。當(dāng)前 分子進(jìn)化 的研究已是進(jìn)化論研究的重要手段，并建立了一套依賴于核酸、蛋白質(zhì)序列信息的理論方法。完整的理論分析過(guò)程必須包含以下步驟： 序列相似性比較 。 就是將待研究序列與 DNA或蛋白質(zhì)序列庫(kù)進(jìn)行比較 ， 用于確定該序列的生物屬性 ， 也就是找出與此序列相似的已知序列是什么 。 完成這一工作只需要使用 兩兩序列比較算法 。 常用的程序包有 BLAST、 FASTA等； ? 序列同源性分析 。 是將待研究序列加入到一組與之同源 ， 但來(lái)自不同物種的序列中進(jìn)行多序列同時(shí)比較 ， 以確定該序列與其它序列間的同源性大小 。 這是理論分析方法中最關(guān)鍵的一步 。 完成這一工作必須使用 多序列比較算法 。 常用的程序包有CLUSTAL等； ?構(gòu)建系統(tǒng)進(jìn)化樹(shù) 。 根據(jù)序列同源性分析的結(jié)果 ， 重建反映物種間進(jìn)化關(guān)系的進(jìn)化樹(shù) 。 為完成這一工作已發(fā)展了多種軟件包 ， 象PYLIP、 MEGA等； ?穩(wěn)定性檢驗(yàn) 。 為了檢驗(yàn)構(gòu)建好的進(jìn)化樹(shù)的可靠性 ， 需要進(jìn)行統(tǒng)計(jì)可靠性檢驗(yàn) ， 通常構(gòu)建過(guò)程要隨機(jī)地進(jìn)行成百上千次 ， 只有以大概率 （ 70％ 以上 ） 出現(xiàn)的分支點(diǎn)才是可靠的 。 通用的方法使用 Bootstrap算法 ， 相應(yīng)的軟件已包括在構(gòu)建系統(tǒng)進(jìn)化樹(shù)所用的軟件包當(dāng)中 。 為便于使用者查找表三給出了進(jìn)化分析相關(guān)軟件的因特網(wǎng)地址 。 大規(guī)?；蚬δ鼙磉_(dá)譜的分析 隨著人類基因組測(cè)序逐漸接近完成 ， 人們自然會(huì)提出如下的問(wèn)題：即使我們已經(jīng)獲得了人的完整基因圖譜 ， 那我們對(duì)人的生命活動(dòng)能說(shuō)明到什么程度呢 ？人們進(jìn)一步提出了一系列由上述數(shù)據(jù)所不能說(shuō)明的問(wèn)題 ， 例如：基因表達(dá)的產(chǎn)物是否出現(xiàn)與何時(shí)出現(xiàn)；基因表達(dá)產(chǎn)物的定量程度是多少；是否存在翻譯后的修飾過(guò)程 ， 若存在是如何修飾的；基因敲除 （ knockout） 或基因過(guò)度表達(dá)的影響是什么；多基因差異表達(dá)與表現(xiàn)型關(guān)系如何等等 。 概括這些問(wèn)題 ， 其實(shí)質(zhì)應(yīng)該是：知道了核酸序列和基因 ， 我們依然不知道它們是如何發(fā)揮功能的 ， 或者說(shuō)它們是如何按照特定的時(shí)間 、 空間進(jìn)行基因表達(dá)的 ， 表達(dá)量有多少 。 很多實(shí)驗(yàn)表明 ， 在 不同的組織中表達(dá)基因的數(shù)目差別 是很大的 ， 腦中基因表達(dá)的數(shù)目最多 ， 約有 3－ 4萬(wàn)個(gè)轉(zhuǎn)錄子 。 有的組織中只有幾十或幾百個(gè)基因表達(dá)。 不確切知道每種組織中表達(dá)基因的數(shù)目 ， 以及每個(gè)基因的表達(dá)量 ， 就無(wú)法從分子水平上了解這一組織在生命活動(dòng)中的功能 。 同一組織在不同的個(gè)體 生長(zhǎng)發(fā)育階段表達(dá)基因的種類 、 數(shù)量也是不同 的 ， 有些基因是在幼年時(shí)期表達(dá)的 ， 有些是中年階段表達(dá)的 ， 有些要到老年時(shí)期才表達(dá)；不考慮伴隨著生物的生長(zhǎng)發(fā)育 ， 基因表達(dá)狀況的變更 ， 也無(wú)法確切地說(shuō)明生命的過(guò)程 。 因此不少科學(xué)家認(rèn)為基因組研究應(yīng)當(dāng)進(jìn)入一個(gè)內(nèi)函更豐富 、 更深刻的階段 。 這一階段的核心是獲得基因的功能表達(dá)譜 。 按物理學(xué)家的觀點(diǎn)是應(yīng)將存在于人類基因組上的靜的基因圖譜 ， 向時(shí)間 、 空間維上展開(kāi)。 為了 得到基因表達(dá)的功能譜 ， 國(guó)際上在核酸和蛋白質(zhì)兩個(gè)層次上都發(fā)展了新技術(shù) 。 這就是在核酸層次上的 DNA 芯片技術(shù)和在蛋白