【正文】 。所包含的 6千多個基因，大約 60％ 是通過信息分析得到的。a)、利用 EST數(shù)據(jù)庫 (dbEST)發(fā)現(xiàn)新基因和 新 SNPs國際上現(xiàn)已出現(xiàn)了幾個基于 EST的基因索引如這些基因索引數(shù)據(jù)庫 (即二次數(shù)據(jù)庫 )構(gòu)建了基因框架，極大地方便了相關(guān)研究者。 超大規(guī)模計算 b)、從基因組 DNA序列中預(yù)測新 ORF168。 單核苷酸多態(tài)性標(biāo)記 (SNP,singlenucleotidepolymorphism)168。 96年被提出 ,被稱為 “第三代 DNA遺傳標(biāo)記 。這種遺傳標(biāo)記的特點是單個堿基的置換 ,與第一代的 RFLP及第二代的 STR以長度的差異作為遺傳標(biāo)記的特點不同 ,在人類基因組中被認(rèn)為有 300萬個以上的 SNP遺傳標(biāo)記 ,這可能達(dá)到了人類基因組多態(tài)位點數(shù)目的極限。稱為 cSNP(codingSNP)。?? 每個 SNP位點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)識人種、人群 ,個體間的遺傳差異 ,疾病與個體差異的關(guān)系 ,以及個體差異對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壽，也有人自幼就病痛纏身；同一種治療腫瘤的藥物對一些人非常有效，對另一些人則完全無效。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劃走向應(yīng)用的重要步驟。這主要是因為 SNP將提供一個強(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)計和測試以及生物學(xué)的基礎(chǔ)研究等。 SNP在基因組中分布相當(dāng)廣泛，近來的研究表明在人類基因組中每 300堿基對就出現(xiàn)一次。大量存在的 SNP位點，使人們有機(jī)會發(fā)現(xiàn)與各種疾病，包括腫瘤相關(guān)的基因組突變；從實驗操作來看，通過 SNP發(fā)現(xiàn)疾病相關(guān)基因突變要比通過家系來得容易；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，近年來對 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。168。 現(xiàn)代的檢驗醫(yī)學(xué)在對疾病的診斷中 ,因為無法直接鑒定與疾病相關(guān)基因的異?；蛉毕?,只能通過變異基因的表達(dá)所導(dǎo)致的表型癥狀 ,從蛋白質(zhì)、血清水平對疾病作出診斷 ,稱為表型診斷。168。 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 ,加速檢驗醫(yī)學(xué)從表型診斷向基因型診斷的過渡。168。 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？估計最小獨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的？比如， 鼠和人的基因組大小相似，都含有約三十億堿基對，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 研究是解決這些問題的重要途徑。168。 一個 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， 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，推論這個片段含重要的基因。 “動物園雜交法 ”，就是在動物園里找親戚。168。 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，符合孟德爾定律。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，多個體 ”也容易做到，于是就用這個 “胖小鼠 ”的家系，找到了這個 “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應(yīng)關(guān)系，就把人的基因組中的 “胖人 ”基因找出來啦！結(jié)構(gòu)還很相似， “致胖 ”的等位基因。在小鼠身上，這個 “胖 ”基因的正常等位基因的產(chǎn)物注射一次，一月有效， “胖 ”小鼠沒原先胖啦?，F(xiàn)在，凡是在小鼠里找到一個基因，那么找到人的同一個或相似的基因就指日可待！l 基因組數(shù)據(jù)的生物進(jìn)化研究 l 自 1859年 Darwin的物種起源 (OriginofSpecies)發(fā)表以來，進(jìn)化論成為對人類自然科學(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 )和探索進(jìn)化過程的機(jī)制。自本世紀(jì)中葉以來，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；l序列同源性分析 。是將待研究序列加入到一組與之同源，但來自不同物種的序列中進(jìn)行多序列同時比較，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；l構(gòu)建系統(tǒng)進(jìn)化樹 。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。為完成這一工作已發(fā)展了多種軟件包，象PYLIP、 MEGA等；l穩(wěn)定性檢驗 。為了檢驗構(gòu)建好的進(jìn)化樹的可靠性，需要進(jìn)行統(tǒng)計可靠性檢驗，通常構(gòu)建過程要隨機(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)模基因功能表達(dá)譜的分析 隨著人類基因組測序逐漸接近完成，人們自然會提出如下的問題：即使我們已經(jīng)獲得了人的完整基因圖譜，那我們對人的生命活動能說明到什么程度呢？人們進(jìn)一步提出了一系列由上述數(shù)據(jù)所不能說明的問題，例如：基因表達(dá)的產(chǎn)物是否出現(xiàn)與何時出現(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程，若存在是如何修飾的；基因敲除（ knockout）或基因過度表達(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。概括這些問題，其實質(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，或者說它們是如何按照特定的時間、空間進(jìn)行基因表達(dá)的，表達(dá)量有多少。 很多實驗表明，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－ 4萬個轉(zhuǎn)錄子。有的組織中只有幾十或幾百個基因表達(dá)。不確切知道每種組織中表達(dá)基因的數(shù)目，以及每個基因的表達(dá)量，就無法從分子水平上了解這一組織在生命活動中的功能。同一組織在不同的個體 生長發(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期表達(dá)的，有些是中年階段表達(dá)的，有些要到老年時期才表達(dá)；不考慮伴隨著生物的生長發(fā)育，基因表達(dá)狀況的變更，也無法確切地說明生命的過程。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)家的觀點是應(yīng)將存在于人類基因組上的靜的基因圖譜，向時間、空間維上展開。為了 得到基因表達(dá)的功能譜 ，國際上在核酸和蛋白質(zhì)兩個層次上都發(fā)展了新技術(shù)。這就是在核酸層次上的 DNA芯片技術(shù)和在蛋白質(zhì)層次上的大規(guī)模蛋白質(zhì)分離和序列鑒定技術(shù)，也稱蛋白質(zhì)譜技術(shù)和蛋白質(zhì)組研究。168。 無論是生物芯片還是蛋白質(zhì)組技術(shù)的發(fā)展， 都更強(qiáng)烈地依賴于生物信息學(xué)的理論、技術(shù)與數(shù)據(jù)庫。 下一步，功能基因組研究將朝著復(fù)雜系統(tǒng)的方向發(fā)展，即：探討生物系統(tǒng)中各部分、各層次的相互作用， 從而進(jìn)入系統(tǒng)生物學(xué)的領(lǐng)域?；蚪M中非編碼蛋白質(zhì)區(qū)域的結(jié)構(gòu)與功能研究近年來的研究表明，在細(xì)菌這樣的微生物中，非編碼蛋白質(zhì)的區(qū)域只占整個基因組序列的 10％到 20％。隨著生物的進(jìn)化，非編碼區(qū)越來越多，在高等生物和人的基因組中非編碼序列已占到基因組序列的絕大部分。這表明：這些非編碼序列必定具有重要的生物功能。普遍的認(rèn)識是，它們與基因的表達(dá)調(diào)控有關(guān)。對人類基因組來說，迄今為止，人們真正掌握規(guī)律的只有 DNA上的編碼蛋白質(zhì)的區(qū)域（基因），最新資料說明這部分序列只占基因組的 1． 1％。僅占人類基因組 1． 1％的編碼區(qū)的相關(guān)研究已經(jīng)締造了數(shù)十名諾貝爾獎獲得者， 98％非編碼區(qū)蘊(yùn)含的成果數(shù)量將是十分可觀的，因此尋找這些區(qū)域的編碼特征、信息調(diào)節(jié)與表達(dá)規(guī)律是未來相當(dāng)長時間內(nèi)的熱點課題，是取得重要成果的源泉。蛋白質(zhì)結(jié)構(gòu)模擬與藥物設(shè)計 蛋白的空間結(jié)構(gòu)模擬和藥物設(shè)計已有二三十年的歷史。隨著人類基因組研究的飛速發(fā)展，這一領(lǐng)域面臨著新的態(tài)勢，即：找到人類 3—4 萬個基因的堿基序列是指日可待的事，因而確定它們表達(dá)產(chǎn)物的氨基酸順序也會逐漸實現(xiàn)，此時 預(yù)測這些蛋白的空間結(jié)構(gòu)，進(jìn)而實現(xiàn)針對性的藥物設(shè)計，就成了迫在眉睫的任務(wù)。這也是大規(guī)模的計算問題。168。 一是構(gòu) 建與疾病相關(guān)的人類基因信息數(shù)據(jù)庫（包括SNP數(shù)據(jù)庫），二是發(fā)展有效地分析基因分型數(shù)據(jù)的生物信息學(xué)算法 ，特別是將 SNP數(shù)據(jù)與疾病和致病因素相關(guān)的計算方法。168。 建立與動、植物良種繁育相關(guān)的基因組數(shù)據(jù)庫，發(fā)展分子標(biāo)記輔助育種技術(shù)根據(jù)不同物種間的進(jìn)化距離和功能基因的同源性，找到各種家畜、經(jīng)濟(jì)作物與其經(jīng)濟(jì)效益相關(guān)的基因，并進(jìn)一步認(rèn)識它們發(fā)育、 生長和抗逆的各種途徑和機(jī)制。利用相關(guān)的基因組分子標(biāo)記，加快育種的速度，按照人們的愿望加以改造。168。 人類基因組信息為藥物發(fā)展提供了新的候選分子和新的候選藥靶基因。同時，分子生物學(xué)常用的表達(dá)載體、 PCR和雜交引物以及各種試劑盒（包括 DNA芯片）的設(shè)計必須依賴于核酸的序列信息?；蚪M信息學(xué)提供的大量信息為這類技術(shù)的發(fā)展提供了廣闊的天地 。 生物信息數(shù)據(jù)庫與查詢168。 一級數(shù)據(jù)庫和二級數(shù)據(jù)庫 :168。 一級數(shù)據(jù)庫 :數(shù)據(jù)直接來源于實驗的原始數(shù)據(jù)，經(jīng)簡單的歸類整理和注釋；168。 二級數(shù)據(jù)庫 :在一級數(shù)據(jù)庫、實驗數(shù)據(jù)和理論分析的基礎(chǔ)上針對特定目標(biāo)衍生而來，是對生物學(xué)知識和信息的進(jìn)一步整理。168。 國際上著名的一級核酸數(shù)據(jù)庫 :Genbank、EMBL核酸庫和 DDBJ庫等；蛋白質(zhì)序列數(shù)據(jù)庫有 SWISSPROT、 PIR等；蛋白質(zhì)結(jié)構(gòu)庫有PDB等。國際上二級生物學(xué)數(shù)據(jù)庫非常多，它們因針對不同的研究內(nèi)容和需要而各具特色，如人類基因組圖譜庫 GDB、轉(zhuǎn)錄因子和結(jié)合位點庫 TRANSFAC、蛋白質(zhì)結(jié)構(gòu)家族分類庫 SCOP等等。168。 Genbank168。 Genbank庫包含了所有已知的核酸序列和蛋白質(zhì)序列，以及與它們相關(guān)的文獻(xiàn)著作和生物學(xué)注釋 。它是由美國國立生物技術(shù)信息中心 (NCBI)建立和維護(hù)的。它的數(shù)據(jù)直接來源于測序工作者提交的序列；由測序中心提交的大量 EST序列和其它測序數(shù)據(jù)；以及與其它數(shù)據(jù)機(jī)構(gòu)協(xié)作交換數(shù)據(jù)而來。 168。 Genbank庫里的數(shù)據(jù)按來源于約 55,000個物種，其中 56% 是人類的基因組序列 (所有序列中的 34% 是人類的 EST序列 )。每條Genbank數(shù)據(jù)記錄包含了對序列的簡要描述，它的科學(xué)命名，物種分類名稱，參考文獻(xiàn)，序列特征表，以及序列本身。序列特征表里包含對序列生物學(xué)特征注釋如：編碼區(qū)、轉(zhuǎn)錄單元、重復(fù)區(qū)域、突變位點或修飾位點等。所有數(shù)據(jù)記錄被劃分在若干個文件里，如細(xì)菌類、病毒類、靈長類、嚙齒類，以及 EST數(shù)據(jù)、基因組測序數(shù)據(jù)、大規(guī)?；蚪M序列數(shù)據(jù)等 16類，其中 EST數(shù)據(jù)等又被各自分成若干個文件。 用戶可以從 NCBI的主頁上找到這些服務(wù)。168。 蛋白質(zhì)數(shù)據(jù)庫 168。 PIR和 PSD國際上最大的公共蛋白質(zhì)序列數(shù)據(jù)庫。這是一個全面的、經(jīng)過注釋的、非冗余的蛋白質(zhì)序列數(shù)據(jù)庫 SWISSPROT是經(jīng)過注釋的蛋白質(zhì)序列數(shù)據(jù)庫，由歐洲生物信息學(xué)研究所 (EBI)維護(hù)。數(shù)據(jù)庫由蛋白質(zhì)序列條目構(gòu)成，每個條目包含蛋白質(zhì)序列、引用文獻(xiàn)信息、分類學(xué)信息、注釋等，注釋中包括蛋白質(zhì)的功能、轉(zhuǎn)錄后修飾、特殊位點和區(qū)域、二級結(jié)構(gòu)、四級結(jié)構(gòu)、與其它序列的相似性、序列殘缺與疾病的關(guān)系、序列變異體和沖突等信息。 PROSITE生物學(xué)有顯著意義的蛋白質(zhì)位點和序列模式，并能根據(jù)這些位點和模式快速和可靠地鑒別一個未知功能的蛋白質(zhì)序列應(yīng)該屬于哪一個蛋白質(zhì)家族。 PDB蛋白質(zhì)數(shù)據(jù)倉庫 (PDB)是國際上唯一的生物大分子結(jié)構(gòu)數(shù)據(jù)檔案庫 SCOP蛋白質(zhì)結(jié)構(gòu)分類 (SCOP)數(shù)據(jù)庫詳細(xì)描述了已知的蛋白質(zhì)結(jié)構(gòu)之間的關(guān)系。 COG168。 蛋白質(zhì)直系同源簇 (COGs)數(shù)據(jù)庫是對細(xì)菌、藻類和真核生物的 21個完整基因組的編碼蛋白，根據(jù)系統(tǒng)進(jìn)化關(guān)系分類構(gòu)建而成。 168。功能數(shù)據(jù)庫 168。KEGG京都基因和基因組百科全書 (KEGG)是系統(tǒng)分析基因功能，聯(lián)系基因組信息和功能信息的知識庫如代謝、膜轉(zhuǎn)運、信號傳遞、細(xì)胞周期，同系保守