考研专业解读：微生物与生化药学 一、专业介绍 微生物与生化药学是一门以先进的分子生物学技术如DNA重组技术，分子克隆技术和生物化学技术来研究生化药物的一门新的学科。是药学下的一个二级学科。 二、培养方案 培养德、智、体全面发展，具有坚实药学基础，掌握现代生物技术制药理论和技术的高级复合型人才。掌握一门外语，能熟练地进行专业阅读和写作，具有从事药学科学研究和独立承担生物技术制药、天然产物制药的能力，能胜任高等教育、科研开发以及生产单位的技术和管理工作，具有进一步深造的学业基础和开拓创新的素质基础。 各研究生招生单位的研究方向和考试科目不同，在此以中国药科大学为例： 1、研究方向 01微生物药物和生化与生物技术药物的开发与应用 02微生物药物和生化与生物技术药物的制造工艺技术及制造鉴定规程研究 03生物分离工程技术与现代生物技术的原理方法及其在生物药物研究和生产中的应用研究 04基因药物与基因治疗 05生物药物分析及其体内过程监测 2、硕士研究生入学考试科目： ①101思想政治理论 ②201英语一 ③710药学基础综合(一) 三、推荐院校 全国高校中实力较强招生院校： 中国药科大学、沈阳药科大学、北京化工大学、四川大学、浙江大学、江南大学、上海交通大学、华南师范大学、中山大学、山东大学 四、该专业研招单位索引 北京师范大学、贵州大学、河北大学、河北农业大学、吉林大学、兰州理工大学、山东大学、四川抗菌素工业研究所、天津科技大学、中国人民解放军军事医学科学院、重庆医科大学、安徽医科大学、北京化工大学、北京协和医学院、北京中医药大学、长春中医药大学、大连医科大学、第二军医大学、第三军医大学、第四军医大学、福建医科大学、哈尔滨医科大学、河北医科大学、河南大学、河南工业大学、湖北大学、华南师范大学、吉林大学、济南大学、暨南大学、江南大学、兰州大学、辽宁医学院、南京大学、南京师范大学、南京医科大学、山东中医药大学、上海医药工业研究院、沈阳药科大学、四川大学、四川交通大学、苏州大学、天津科技大学、武汉工业学院、西安交通大学、西南大学、浙江工业大学、郑州大学、中国海洋大学、中国药科大学、中山大学 五、就业方向 可从事生物化学与分子生物学、生物工程、应用化学等生命科学相关领域方面的教学、科研以及药品、保健食品、化妆品、生物材料的开发、生产、管理等工作。 五、相同一级学科下其他相关专业 药物化学、药剂学、生药学、药物分析学、药理学 六、课程设置(以重庆工学院为例)
研究生课程考试卷 学号、姓名： j20112001 苗天锦 年级、专业：2011生物化学与分子生物学 培养层次：硕士 课程名称：生物信息学 授课学时学分： 32学时 2学分 考试成绩： 授课或主讲教师签字：
生物信息学现状与展望 摘要：生物信息学是一门新兴学科，起步于20世纪90年代，至今已进入"后基因组时代"，本文对生物信息学的产生背景及其研究现状等方面进行了综述，并展望生物信息学的发展前景。生物信息学的发展在国内、外基本上都处在起步阶段。 关键词：生物信息学；生物信息学背景；发展前景 一、生物信息学概述 1.生物信息学发展历史 随着生物科学技术的迅猛发展，生物信息数据资源的增长呈现爆炸之势，同时计算机运算能力的提高和国际互联网络的发展使得对大规模数据的贮存、处理和传输成为可能，为了快捷方便地对已知生物学信息进行科学的组织、有效的管理和进一步分析利用，一门由生命科学和信息科学等多学科相结合特别是由分子生物学与计算机信息处理技术紧密结合而形成的交叉学科——生物信息学(Bioinformatics)应运而生,并大大推动了相关研究的开展, 被誉为“解读生命天书的慧眼”【1】。 研究生物细胞的生物大分子的结构与功能很早就已经开始，1866年孟德尔从实验上提出了假设：基因是以生物成分存在。1944年Chargaff发现了著名的Chargaff规律，即DNA中鸟嘌呤的量与胞嘧定的量总是相等，腺嘌呤与胸腺嘧啶的量相等。与此同时，Wilkins与Franklin用X射线衍射技术测定了DNA纤维的结构。1953年James Watson 和FrancisCrick在Nature杂志上推测出DNA 的三维结构（双螺旋）。Kornberg于1956年从大肠杆菌（E.coli）中分离出DNA 聚合酶I（DNA polymerase I），能使4种dNTP连接成DNA。Meselson与Stahl （1958）用实验方法证明了DNA复制是一种半保留复制。Crick于1954年提出了遗传信息传递的规律，DNA是合成RNA的模板，RNA又是合成蛋白质的模板，称之为中心法则（Central dogma），这一中心法则对以后分子生物学和生物信息学的发展都起到了极其重要的指导作用。经过Nirenberg和Matthai（1963）的努力研究，编码20氨基酸的遗传密码得到了破译。限制性内切酶的发现和重组DNA的克隆（clone）奠定了基因工程的技术基础【2】。自1990年美国启动人类基因组计划以来，人与模式生物基因组的测序工作进展极为迅速。迄今已完成了约40多种生物的全基因组测序工作，人基因组约3x109碱基对的测序工作也接近完成。至2000年6月26日，被誉为生命“阿波罗计划”的人类基因组计划终于完成了工作草图，预示着完成人类基因组计划已经指日可待。生物信息学已成为整个生命科学发展的重要组成部分，成为生命科学研究的前沿。 2.生物信息学研究方向 2.1 序列比对
1、BLAST教案所程序中，哪个方法是不存在的？（D） A：BLASTP B：BLASTN C：BLASTX D:BLASTQ 2、下列哪个软件不是常用来观察蛋白质结构视图的？（D） A：AVS B：Chimera C:MICE D:HMM 3、下列哪个不是点突变的类型?(A) A:染色体畸变 B：错义突变 C：无义突变 D：移码突变 4、基因突变的效应不包括：（C） A：有利突变 B：中性突变 C：移码突变D：遗传多态现象 5、人类基因组的结构特点不包括：（A） A：基因进化 B：基因数目 C：基因重复序列 D：基因组复制 6、世界上三大数据库不包括：（B） A:NCBI B:BLAST C:UCSC D:Ensembl 7、常用序列比对方法错误的是：（C） A：编辑距离 B：点阵描图 C：局部比对 D：记分模式 8、下列哪个不是蛋白质结构模型？（D） A：同源性模型 B：折叠识别 C：ab initio折叠 D： MoLScript结构9、下列哪个选项不是微阵列实验设计的内容？（A） A：贝叶斯网络法 B：对照组的选择 C：重复样本的使用 D：随机化原则10、构建序列进化树的一般步骤不包括：（A） A：建立DNA文库 B：建立数据模型 C：建立取代模型 D：建立进化树 11、下列中属于一级蛋白质结构数据库的是：（C） A. EMBL B. DDBJ C. PDB D.SWISS-PROT 12．蛋白质结构预测分为：（B） A．一级和三级结构预测 B. 二级和空间结构预测 C. 三级和空间结构预测 D. 二级和三级结构预测 13．数据挖掘的四个步骤不包括下列哪个：（C） A. 数据选择 B. 数据转换 C. 数据记录 D. 结果分析 14．下列哪项不是生物学研究必备的工具：（A） A.数据分析Ｂ．数据统计Ｃ．因素分析Ｄ．多元回归分析 15.Linux中rmdir 命令的功能是：（D） A．改变工作目录 B.删除工作目录 C. 创建目录 D.删除空目录 16．BLAST教案所程序中，哪个方法是不存在的？（D） A：BLASTP B：BLASTN C：BLASTX D:BLASTQ 17．下列哪个不是蛋白质结构模型？（D） A：同源性模型 B：折叠识别 C：ab initio折叠 D： MoLScript结构18．人类基因组的结构特点不包括：（A） A：基因进化 B：基因数目 C：基因重复序列 D：基因组复制 19、下列哪个选项不是微阵列实验设计的内容？（A） A：贝叶斯网络法 B：对照组的选择 C：重复样本的使用 D：随机化原则20、构建序列进化树的一般步骤不包括：（A） A：建立DNA文库 B：建立数据模型 C：建立取代模型 D：建立进化树三、填空题
常用数据库 在DNA序列方面有GenBank、EMBL和等 在蛋白质一级结构方面有SWISS-PROT、PIR和MIPS等 在蛋白质和其它生物大分子的结构方面有PDB等 在蛋白质结构分类方面有SCOP和CATH等 生物信息学的主要研究内容 1、序列比对（Alignment） 基本问题是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，非常重要。两个序列的比对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BLAST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。 2、结构比对 基本问题是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。已有一些算法。 3、蛋白质结构预测，包括2级和3级结构预测，是最重要的课题之一 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（Homology）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。 4、计算机辅助基因识别(仅指蛋白质编码基因)。最重要的课题之一 基本问题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.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。 5、非编码区分析和DNA语言研究，是最重要的课题之一 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。 6、分子进化和比较基因组学，是最重要的课题之一 早期的工作主要是利用不同物种中同一种基因序列的异同来研究生物的进化，构建进化树。既可以用DNA序列也可以用其编码的氨基酸序列来做，甚至于可通过相关蛋白质的结构比对来研究分子进化。以上研究已经积累了大量的工作。近年来由于较多模式生物基因组测序任务的完成，为从整个基因组的角度来研究分子进化提供了条件。 7、序列重叠群（Contigs）装配 一般来说，根据现行的测序技术，每次反应只能测出500或更多一些碱基对的序列，这就有一个把大量的较短的序列全体构成了重叠群（Contigs）。逐步把它们拼接起来形成序列更长的重叠群，直至得到完整序列的过程称为重叠群装配。拼接EST数据以发现全长新基因也有类似的问题。已经证明，这是一个NP-完备
医药生物信息学 生物医学数据应用概述 举例说明常用的数据库，用数据库进行阿尔兹海默症蛋白的筛选。 常用的数据库有PubMed，GWAS，HMBD，TTD，DrugBank，OMIM..... 例：用组学数据挖掘阿尔茨海默病的重用药物 1.获得与AD相关的蛋白质 AD相关的基因：GWAS； AD相关的代谢物质：HMDB； AD相关的蛋白：PubMed检索。 2.将上述与AD相关蛋白与现有药物联系起来 治疗靶标数据库，TTD； 药物数据库，DrugBank database； 筛选出靶标-药物对。 3.获取致病机理和抗AD重用药物的作用模式 资源：检索PubMed； 抽取关于人类和动物药物靶标作用的信息：GOF或LOF； 利用药物数据库中得到的靶标致病机制信息和药物作用模式信息； 合理列出有潜质的抗AD药物。 4.抗AD药物靶标的排序 用特定的算法给靶标打分： 与疾病-靶标相关程度（标准1和3） 支持AD发病机制证据的强度（标准2） 5.候选靶标和重用药物的计算分析：检验。 例：用组学数据挖掘阿尔茨海默病的重用药物 1.获得与AD相关的蛋白质 AD相关的基因：GWAS（Genome-wide association study）全基因组关联分析 （基因组学） AD相关的代谢物质：Human Metabolome Database(HMDB) 与两种以上代谢物质有关的蛋白（代谢组学数据）AD相关的蛋白：PubMed检索，如“Alzheimer’s disease and proteomics”等。 （蛋白质组学、表观基因组学） 524个与AD有关的蛋白 2.将上述与AD相关蛋白与现有药物联系起来 治疗靶标数据库，TTD(Therapeutic Target Database) 药物数据库，DrugBank database 筛选出靶标-药物对：药物必须是批准或者通过临床试验检验的，分别从两个数据库中抽取：1)药物靶标名字;2)药物名;3)药物原来适应症;4)药物作用模式等信息。 496种药物，97种蛋白 3.获取致病机理和抗AD重用药物的作用模式 资源：检索OMIM database、PubMed 抽取关于人类和动物药物靶标作用的信息：
生物信息学课程设计报告 题目：用blast、clustalx2和mega来分析鼠伤寒沙门氏菌的四环素抗性基因 专业：生物技术 班级：11-2 学号：11114040235 姓名：邹炜球 指导教师：马超 广东石油化工学院生物工程系 2013年 12 月 21 日
摘要 生物信息学(Bioinformatics)是研究生物信息的采集，处理，存储，传播，分析和解释等各方面的一门学科，它通过综合利用生物学，计算机科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。本课程设计主要通过分析鼠伤寒沙门氏菌的四环素抗性基因来介绍生物信息学里面常用的数据库NCBI和一些常用的软件（如blast、clustalx2、Primer Premier 5和mega），由于生物信息学这一门课在生物研究领域所起到的作用非常大，所以熟练一些常用的生物信息学软件和数据库是非常有必要的。 关键词：NCBI、blast、clustalx2、Primer Premier 、mega、生物信息学、序列比对、系统发育树
目录 1绪论 (4) 1.1生物信息学的发展概况 (4) 1.2生物信息学的发展展望 (4) 2 课题设计内容 (5) 2.1以某一基因或蛋白为研究对象搜索一条序列（DNA长度为300-1500bp,蛋白质序列 为100-500）及相关信息，并分别表示出他的GENBANK和FASTA格式 (6) 2.2以设计内容1为目标序列进行BLAST分析 (7) 2.3通过BLAST或相关软件下载8条基因或蛋白质序列 (9) 2.4以8条基因序列进行多序列比对 (10) 2.5依照设计内容4构建系统发育树 (10) 2.6以其中一条基因序列设计一条长度为200-500bp的一对引物 (12) 参考文献 (16)
浅谈生物信息学在生物方面的应用 生物信息学（bioinformaLics）是以核酸和蛋白质等生物大分子数据库及其相关的图书、文献、资料为主要对象，以数学、信息学、计算机科学为主要手段，对浩如烟海的原始数据和原始资料进行存储、管理、注释、加工，使之成为具有明确生物意义的生物信息。并通过对生物信息的查询、搜索、比较、分析，从中获得基因的编码、凋控、遗传、突变等知识；研究核酸和蛋白质等生物大分子的结构、功能及其相互关系；研究它们在生物体内的物质代谢、能量转移、信息传导等生命活动中的作用机制。 从生物信息学研究的具体内容上看，生物信息学可以用于序列分类、相似性搜索、DNA 序列编码区识别、分子结构与功能预测、进化过程的构建等方面的计算工具已成为变态反应研究工作的重要组成部分。针对核酸序列的分析就是在核酸序列中寻找过敏原基因，找出基因的位置和功能位点的位置，以及标记已知的序列模式等过程。针对蛋白质序列的分析，可以预测出蛋白质的许多物理特性，包括等电点分子量、酶切特性、疏水性、电荷分布等以及蛋白质二级结构预测，三维结构预测等。 生物信息学中的主要方法有：序列比对，结构比对，蛋白质结构的预测，构造分子进化树，聚类等。基因芯片是基因表达谱数据的重要来源。目前生物信息学在基因芯片中的应用主要体现在三个方面。 1、确定芯片检测目标。利用生物信息学方法，查询生物分子信息数据库，取得相应的序列数据，通过序列比对，找出特征序列，作为芯片设计的参照序列。 2、芯片设计。主要包括两个方面，即探针的设计和探针在芯片上的布局，必须根据具体的芯片功能、芯片制备技术采用不同的设计方法。 3、实验数据管理与分析。对基因芯片杂交图像处理，给出实验结果，并运用生物信息学方法对实验进行可靠性分析，得到基因序列变异结果或基因表达分析结果。尽可能将实验结果及分析结果存放在数据库中，将基因芯片数据与公共数据库进行链接，利用数据挖掘方法，揭示各种数据之间的关系。 生物信息学在人类基因组计划中也具有重要的作用。 大规模测序是基因组研究的最基本任务，它的每一个环节都与信息分析紧密相关。目前，从测序仪的光密度采样与分析、碱基读出、载体标识与去除、拼接与组装、填补序列间隙，到重复序列标识、读框预测和基因标注的每一步都是紧密依赖基因组信息学的软件和数据库的。特别是拼接和填补序列间隙更需要把实验设计和信息分析时刻联系在一起．拼接与组装中的难点是处理重复序列，这在含有约30％重复序列的人类基因组中显得尤其突出。 人类基因组的工作草图即将完成，因此发现新基因就成了当务之急。使用基因组信息学的方法通过超大规模计算是发现新基因的重要手段，可以说大部分新基因是靠理论方法预测出来的。比如啤酒酵母完整基因组（约1300万bp）所包含6千多个基因，大约60％是通过信息分析得到的。 当人类基因找到之后，自然要解决的问题是：不同人种间基因有什么差别；正常人和病人基因又有什么差别。”这就是通常所说的SNPs（单核苷酸多态性）。构建SNPs及其相关数据库是基因组研究走向应用的重要步骤。1998年国际已开展了以EST为主发现新Spps 的研究。在我国开展中华民族SNPs研究也是至重要的。总之，生物信息学不仅将赋予人们各种基础研究的重要成果，也会带来巨大的经济效益和社会效益。在未来的几年中DNA 序列数据将以意想不到的速度增长，这更离不开利用生物信息学进行各类数据的分析和解释，研制有效利用和管理数据新工具。生物信息学在功能基因组学同样具有重要的应用目前应用最多的是同源序列比较、模式识别以及蛋白结构预测。所谓同源序列，是指从某一共同祖先经趋异进化而形成的不同序列。利用数据库搜索找出未知核酸或蛋白的同源序列，是序列分析的基础[lol。如利用BLASTn和BLASTx两种软件分别进行核苷酸和氨基
我想象中的生物信息学 作为一个习惯于游走于各大实验室，经常需要称量和测定的生物学专业的我来说，生物信息学是一个复合词，也是一个较为“高大上”的词汇，毕竟，它与当今最热门、最具吸引力和最伟大的计算机技术挂钩了。这种奇妙的组合，就像具有不同优良性状作物之间的远缘杂交，不由让我对生物信息学这个新兴学科臆想连篇。 今天是2050年12月1日。夏鑫正坐在办公室里，聚精会神地看着来自国家电视台有关新型病毒HIL(High Infection Lethal)在东南亚肆虐的新闻报道。夏鑫的办公室位于北京的中国生物大数据研究中心大夏里。中国生物大数据研究中心直属于国家信息部，以各种生物数据挖掘与开发为核心内容，集产、学、研为一体的科研机构。夏鑫，作为药物生物信息学领域的专家之一，已经在这个行业深耕差不多40多年了。“这次要来的家伙可能不好对付。”夏鑫自言自语说道。的确，这次新爆发的疫情与以前有所不同，其侵染的病毒是一种极其凶险与难缠的核糖核酸类病毒。丝条状，长约1000纳米，能够通过血液、唾液、汗液等体液进行传播，一旦被它侵染，感染者会在10分钟以内全身发黑、抽搐、直至死亡。从现场的一些尸检发现，死者血液里的红细胞不足0.1%，且骨髓内的造血干细胞全部死亡。夏鑫不由寒颤，脸上出现少有的不安，但很快，他的注意力就被办公室电脑吸引，如他所料，东南亚愈演愈烈的疫情，必将引起中国政府的高度重视，现在他的电脑就接受到上级分派的任务。任务是快速对HIL病毒的RNA 分析并依照目前利用X射线衍射晶体结构得到的某些重要的病毒表达调节分子，设计能与其作用的药物。这项任务对一位有多年经验的专家来说，并非难事，只是速度一定要快！夏鑫首先对手上的RNA利用特定算法进行全方位分析，划分出调控区，编码区，并进行世界各大病毒基因组数据库的比对，锁定重要区域。这些步骤并不需要多长时间，大概2min。这有赖于全球各大数据库的双轨道链接以及超高速的带宽传输，另外，每位生物信息学工作者都配备了高性能的计算机并掌握凝集众多科研人员心血的多功能信息学大软件。接着就是对分析的数据进行生物学注释。在未开发基因组和蛋白组注释数据库时，生物学注释对于大多拥有高超计算机能力但生物知识缺乏的生物信息学工作者来说，可以说是一大难题。这种不对称不单大大影响生物信息的效率，而且引起某些错误的注释。经过两个
一、名词解释(每小题4分,共20分) 1、生物信息学 广义：生命科学中的信息科学。生物体系和过程中信息的存贮、传递和表达；细胞、组织、器官的生理、病理、药理过程的中各种生物信息。 狭义：生物分子信息的获取、存贮、分析和利用。 2、人类基因组计划 人类基因组计划准备用15年时间，投入30亿美元，完成人类全部24条染色体的3×109脱氧核苷酸对(bp)的序列测定，主要任务包括作图(遗传图谱、物理图谱的建立及转录图谱的绘制)、测序和基因识别。其中还包括模式生物(如大肠杆菌、酵母、线虫、小鼠等)基因组的作图和测序，以及信息系统的建立。作图和测序是基本的任务，在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息。 3、蛋白质的一级结构 蛋白质的一级结构是指多肽链中氨基酸的序列 4、基因 基因--有遗传效应的DNA片断,是控制生物性状的基本遗传单位。 5、中心法则 是指遗传信息从DNA传递给RNA，再从RNA传递给蛋白质，即完成遗传信息的转录和翻译的过程。也可以从DNA传递给DNA，即完成DNA的复制过程。这是所有有细胞结构的生物所遵循的法则。 6 、DNA序列比较 序列比较的根本任务是：（1）发现序列之间的相似性；（2）辨别序列之间的差异 目的： 相似序列 相似的结构，相似的功能 判别序列之间的同源性 推测序列之间的进化关系 7、一级数据库 数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释 8、基因识别 基因识别，是生物信息学的一个重要分支，使用生物学实验或计算机等手段识别DNA 序列上的具有生物学特征的片段。基因识别的对象主要是蛋白质编码基因，也包括其他具有一定生物学功能的因子，如RNA基因和调控因子。 9、系统发生学 系统发生学(phylogenetics)——研究物种之间的进化关系。 10、基因芯片 基因芯片（gene chip），又称DNA微阵列（microarray），是由大量cDNA或寡核苷酸探针密集排列所形成的探针阵列，其工作的基本原理是通过杂交检测信息。
生物信息学在药物设计中的应用 SJ 摘要：生物信息学是在数学、计算机和生命科学的基础上形成的一门新型交叉学科，是指为理解各种数据的生物学意义，运用数学、计算机科学与生物学手段进行生物信息的收集、加工、储存、传播、分析与解析的科学。随着生物信息学的发展，其在药物开发中起着越来越重要的作用。本文简要的综述了生物信息学在药物设计中的应用。 关键词：生物信息学；药物设计；靶标 1 生物信息学 1.1生物信息学概述 自1990年人类基因组计划正式启动以来，其迅猛发展造成了生物学数据的迅速膨胀，大量多样化生物学数据蕴含着大量生物学规律，这些规律是解决许多生命之谜的关键所在。因此人们对生物学数据搜集、管理、处理、分析、释读能力的要求迅速提升，计算机技术也越来越多地应用于处理人类基因组研究产生的海量数据及相关生物信息。一门由生物学、计算机科学及应用数学等学科交叉形成的新兴学科——生物信息学应运而生。生物信息学利用计算机科学技术，结合生物学、数学、物理学、化学、信息学和系统科学等理论和方法，通过高容量的数据库、繁多的搜索系统、快速的网络通讯和分析工具对生物信息资源进行收集、存储、分析、利用、共享、服务、研究与开发。 其研究重点主要体现在基因组学和蛋白组学两方面。具体说，是从核酸和蛋白质序列出发，分析序列中表达的结构与功能的生物信息。目前基因组学的研究出现了几个重心的转移：一是将已知基因的序列与功能联系在一起的功能基因组学研究；二是从作图为基础的基因分离转向以序列为基础的基因分离；三是从研究疾病的起因转向探索发病机理；四是从疾病诊断转向疾病易感性研究。生物芯片(Biochip)的应用将为上述研究提供最基本和必要的信息及依据，将成为基因组信息学研究的主要技术支撑。生物信息学的发展为生命科学的进一步突破及药物研制过程革命性的变革提供了契机。就人类基因组来说，得到序列仅仅是第一步，后一步的工作是所谓后基因组时代的任务，即收集、整理、检索和分析序列中表达的蛋白质结构与功能的信息，找出规律。 1.2生物信息学的阶段 前基因组时代（20世纪90年代前）：这一阶段主要是各种序列比较算法的建立、生物数据库的建立、检索工具的开发以及DNA和蛋白质序列分析等。
药物信息学在新药研发中的作用 药物信息学是应用人类基因组计划产生的大量数据和全球分子生物学研究的结果，探讨发现药物的新靶点，新方法，促进药物研究过程的交叉学科，涉及生物信息学，化学信息学，计算机化学，组合化学等多领域学科，并包括药物代谢动力学性质和毒性预测，高内涵筛选及代谢模型等综合信息在新药发现和发展中的整合，分析和应用。药物信息学对于加快新药发现。缩短新药的研发周期起着非常重要的作用！同时介绍网络时代国内外药物研究进展检索、药物研究实验数据检索、药物研究专利状况检索、药品市场、药品企业收益等医药信息检索方法、途径。 在生物信息学概念提出的同时，研究人员就认识到生物信息学在药物研究中的重要性，应用生物信息学开展新药研究已成为生物信息学研究的重要方向之一，在生物信息学研究中，最早被确定的应用目标之一就是药物研究，药物研究是生物信息学用途最广价值最高的应用领域。药物研究花费昂贵而且过程漫长，一个新药从发现到临床应用，大约需要10年时间，所需花费5亿~10亿美元。特别是在药物发现的过程中，需要消耗的时间和费用更高，直接制约着新药研究的速度。将药物信息学引入到新药研究的过程，可以极大的加快新药研究的过程，缩短研究周期，降低研究费用。从药物研究的全过程来看，几乎每一个环节都与药物信息学有着密切的关系。如新药发现，药物的临床前研究和临床研究，都可以通过药物信息学的技术方法。深入全面的认识药物的作用机制，解释药物的作用，评价药物的效果，确
定药物的应用前景，近年来关于基因组药物学的研究，为药物信息学在药物研究领域的应用开辟了新的途径。应用药物信息学研究基因组药物学，不仅能为药物研究提供新的技术和方法，加快药物研究的进展，提高药物研究的水平；同时应用药物信息学方法，也可以直接获得新药的信息。 药物靶点的发现技术，其主要方式是进行药物合计和筛选，其主要围绕药物作用靶点进行，药物研究的主要瓶颈就在于药物靶点的发现，目前全世界治疗药物的作用生物靶标分子大约有500个。发现型的药物靶点已成为新药发现或药物筛选的主要任务之一。药物作用巴靶点是猪具有重要生理或者病理功能，能够与药物相结合并产生药理作用的生物大分子及其特定的结构位点。 海量化合物虚拟筛选技术，在进行药物靶点研究的同时，应用生物信息学技术和计算机辅助筛选相结合，开辟了新的药物发现途径。在生物信息学研究基础上，利用获得的蛋白质结构和功能信息，采用以多样性分析为基础的虚拟库技术和以模式识别为基础的计算机虚拟筛选技术直接进行药物筛选，可显著提高药物筛选速度。 利用药物信息学整合高效合成技术，化合物数目不足是制约先导化合物发现与优化的主要瓶颈之一。目前主要通过结合一多样性分析为基础的虚拟库技术和以模式识别为基础的虚拟筛选技术针对不同的靶标筛选命中的化合物，然后经过合成得到实体分子，在进行生物评价以确定筛选的准确性。再生个过程中，化合物的合成效率制约着新药发现的速度，需要利用已有药物的信息学简历合成库提供综合的
初试部分科目考试内容范围（仅供参考、不作为命题依据） 考试科目及代 码 书目名称，编著者及出版者、版本 710 药学基础综合（一）分析化学部分： 1．《分析化学》孙毓庆、胡育筑主编，科学出版社，第三版。 2．《分析化学习题集》孙毓庆、胡育筑主编，科学出版社，第二版。 有机化学部分： 1．《有机化学》王积涛主编，南开大学出版社，第三版。 2．《有机化学》陆涛主编，人民卫生出版社，第七版。 3. 《有机化学学习指导与习题集》陆涛等主编，人民卫生出版社，第三版。 生理学部分： 1．《人体解剖生理学》郭青龙、李卫东主编，中国医学科技出版社，第二版，2015年8月。 2．《生理学》姚泰主编，人民卫生出版社，第六版。 生物化学部分： 《生物化学》姚文兵主编，人民卫生出版社，第七版。 711 药学基础综合（二）分析化学部分： 1．《药物分析化学》王志群主编，东南大学出版社，第二版。 2．《分析化学习题集》孙毓庆、胡育筑主编，科学出版社，第二版。 有机化学部分： 《有机化学》芦金荣主编，东南大学出版社，2009年第一版。 生理学部分： 1．《人体解剖生理学》郭青龙、李卫东主编，中国医学科技出版社，第二版，2015年8月。 2．《生理学》姚泰主编，人民卫生出版社，第六版。 生物化学部分： 《生物化学》姚文兵主编，人民卫生出版社，第七版。 712生物化学《生物化学》姚文兵主编，人民卫生出版社，第七版。《生物化学》吴梧桐主编，中国医药科技出版社，第二版。 713有机化学《有机化学》王积涛主编，南开大学出版社，第三版。 《有机化学》陆涛主编，人民卫生出版社，第七版。 《有机化学学习指导与习题集》陆涛等主编, 人民卫生出版社，第三版。 714思想政治教育学《思想政治教育学原理》陈万柏、张耀灿主编，高等教育出版社，第2版，2007年7月版。 811分析化学《分析化学》孙毓庆、胡育筑主编，科学出版社，第三版。 《分析化学习题集》孙毓庆、胡育筑主编，科学出版社，第二版。 812管理学原理《管理学》[美]斯蒂芬.P.罗宾斯等著，孙健敏等译，中国人民大学出版社，第十一版，2012年6月。 《医药企业管理学》邱家学主编，中国医药科技出版社，2012年6月。 18
一、名词解释 1. 生物信息学： 1）生物信息学包含了生物信息的获取、处理、分析、和解释等在内的一门交叉学科； 2）它综合运用了数学、计算机学和生物学的各种工具来进行研究； 3）目的在于阐明大量生物学数据所包含的生物学意义。 2. BLAST（Basic Local Alignment Search Tool） 直译：基本局部排比搜索工具 意译：基于局部序列排比的常用数据库搜索工具 含义：蛋白质和核酸序列数据库搜索软件系统及相关数据库 3. PSI-BLAST：是一种迭代的搜索方法，可以提高BLAST和FASTA的相似序列发现率。 4. 一致序列：这些序列是指把多序列联配的信息压缩至单条序列，主要的缺点是除了在特 定位置最常见的残基之外，它们不能表示任何概率信息。 5. HMM 隐马尔可夫模型：一种统计模型，它考虑有关匹配、错配和间隔的所有可能的组合 来生成一组序列排列。（课件定义）是蛋白质结构域家族序列的一种严格的统计模型，包括序列的匹配，插入和缺失状态，并根据每种状态的概率分布和状态间的相互转换来生成蛋白质序列。 6. 信息位点：由位点产生的突变数目把其中的一课树与其他树区分开的位点。 7. 非信息位点：对于最大简约法来说没有意义的点。 8. 标度树：分支长度与相邻节点对的差异程度成正比的树。 9. 非标度树：只表示亲缘关系无差异程度信息。 10. 有根树：单一的节点能指派为共同的祖先，从祖先节点只有唯一的路径历经进化到达其 他任何节点。 11. 无根树：只表明节点间的关系，无进化发生方向的信息，通过引入外群或外部参考物种， 可以在无根树中指派根节点。 12. 注释：指从原始序列数据中获得有用的生物学信息。这主要是指在基因组DNA中寻找基 因和其他功能元件（结构注释），并给出这些序列的功能（功能注释）。 13. 聚类分析：一种通过将相似的数据划分到特定的组中以简化大规模数据集的方法。 14. 无监督分析法：这种方法没有内建的分类标准，组的数目和类型只决定于所使用的算法 和数据本身的分析方法。 15. 有监督分析法：这种方法引入某些形式的分类系统，从而将表达模式分配到一个或多个 预定义的类目中。 16. 微阵列芯片：将探针有规律地排列固定于载体上，与标记荧光分子的样品进行杂交，通 过扫描仪扫描对荧光信号的强度进行检测，从而迅速得出所要的信息。 17. 虚拟消化：是基于已知蛋白序列和切断酶的特异性的情况下进行的理论酶切（课件定 义）。是在已知蛋白质序列和蛋白外切酶之类切断试剂的已知特异性的基础上，由计算机进行的一种理论上的蛋白裂解反应。 18. 质谱(MS)是一种准确测定真空中离子的分子质量/电荷比(m/z)的方法，从而使分子质量 的准确确定成为可能。 19. 分子途径是指一组连续起作用以达到共同目标的蛋白质。 20. 虚拟细胞：一种建模手段，把细胞定义为许多结构，分子，反应和物质流的集合体。 21. 先导化合物：是指具有一定药理活性的、可通过结构改造来优化其药理特性而可能导致 药物发现的特殊化合物。就是利用计算机在含有大量化合物三维结构的数据库中，搜索能与生物大分子靶点匹配的化合物，或者搜索能与结合药效团相符的化合物，又称原型物，简称先导物，是通过各种途径或方法得到的具有生物活性的化学结构
生物信息学在医学领域的应用研究现状 摘要生物信息学是研究生物信息处理(采集、管理和分析应用),并从中提取生物学新知识的一门科学,它连接生物数据和医学科学研究。生物信息数据库几乎覆盖了生命科学的各个领域，截止至2010年，总数已达1230个。生物信息学已不断渗透到医学领域的研究中。生物信息学在医学领域中主要应用于医学基础研究、临床医学、药物研发和建立与医学有关的生物信息学数据库。 关键词生物信息学，医学，应用 前言据统计,生物学信息正以每14个月翻一倍的速度增长。随着基因组及蛋白质序列数据库的快速增长,以及从这些序列中获取最大信息的需求,生物信息学(bioinformatics)作为一门独立学科应运而生。简言之,生物信息学就是利用计算和分析工具去收集、解释生物学数据的学科。生物信息学是一门综合学科,是计算机科学、数学、物理、生物学的结合。它对于管理现代生物学和医学数据具有重大意义,其研究成果将对人类社会和经济产生巨大推动作用。生物信息学的基础是各种数据库的建立和分析工具的发展。 数据库 迄今为止,生物学数据库总数已达500个以上。归纳起来可分为4大类:即基因组数据库、核酸和蛋白质一级结构数据库、生物大分子三维空间结构数据库,以及以上述3类数据库和文献资料为基础构建的二级数据库。 生物信息学在临床医学上的应用 1.疾病相关基因的发现:很多疾病的发生与基因突变或基因多态性有关。发 现新基因是当前国际上基因组研究的热点,使用生物信息学的方法是发现新基因的重要手段。目前发现新基因的主要方法有多种:(1)基因的电脑克隆:所谓基因的“电脑克隆”, 就是以计算机和互联网为手段,发展新算法,对公用、商用或自有数据库中存储的表达序列标签(express sequence tags,EST)进行修正、聚类、拼接和组装, 获得完整的基因序列, 以期发现新基因。(2)通过多序列比对从基因组DNA 序列中预测新基因[1]:从基因组序列预测新基因,本质上是把基因组中编码蛋白质的区域和非编码蛋白质的区域区分开来。(3)发现单核苷酸多态性[2]:现在普遍认为SNPs研究是人类基因组计划走向应用的重要步骤。这主要是因为SNPs将提供一个强有力的工具,用于高危群体的发
生物信息学在生物医学文献中自动提取疾 病基因点突变信息的运用 生物信息学(Bioinformatics)一词由美籍学者林华安博士(Hwa A．Lim)首先创造和使用。生物信息学是多学科的交叉产物，涉及生物、数学、物理、计算机科学、信息科学等多个领域。狭义的讲，生物信息学是对生物信息的获取、存储、分析和解释；计算生物学则是指为实现上述目的而进行的相应算法和计算机应用程序的开发。这两门学科之间没有严格的分界线，统称为生物信息学。生物医学研究的重要目标就是找到突变和相应的疾病表型。但是大多数的疾病相关的突变数据都以文本的形式埋藏在生物医学文献之中，缺乏必要的结构来便于检索和查找。 信息的快速更新和持续增长的文献储存使得提取这些突变信息变得困难。蛋白质和DNA的突变信息储存在像Mendelian inheritance in man(OMIM)和Swiss-Prot 等数据库中。数据挖掘的方法从这些数据库中提取突变信息可以达到0.98的准确性，但是还没有正确的自动转到疾病相关的突变的方法。现有算法可以实现鉴定点突变（比如MutationFinder）或者突变和其相关的基因以及蛋白质的名称（比如MEMA和MuteXe）。大多数“突变+基因”的方法可以通过各自不同的界面和算法来实现对点突变信息的表述和文本数据收集。比如：Mutation Grab采用基于图表的（Graph based）的方法，而MutationMiner采用结构可视化的方法来表现。但是所有方法都关注于提取点突变和相关基因的正确性。 新的高效的从生物医学文献中鉴别点突变以及他们和疾病表型的关系。结合了数据挖掘（data mining）和序列分析（sequence analysis）来鉴定点突变和相关疾病。采用PubMed引擎来从MEDLINE中检索一系列摘要。将词汇索引控制在MEDLINE's Medical Subject Heading (MeSH)。根据MeSH提交一个简单的查询“mutation"然后下载所有可用的摘要，为XML格式。用MetaMap来鉴定疾病 状态。在生物领域中，最大的词汇资源为United Medical Language System （UMLS）Metathesaurus。MetaMap是专门发现Metathesaurus中的生物医学实体的软件。用MetaMap来鉴定题目和摘要中的疾病的名称。其方法如下：（1） EMU突变抽取工具被用来从突变疾病相关的文库中来鉴定和检索突变。同时也从文本中识别基因的名称。（2）应用一个过滤器(SEQ_Filter)来排除所有氨基酸和报道的相关蛋白序列中的不同的突变。（3） SEQ前后的结果可以人为建立一个全注释的疾病突变数据库。 首先，用EMU来鉴定基因信息。在生物医学文献中，基因和蛋白质的记录没有一个标准的形式。所以自动抽取基因和蛋白质信息是在数据挖掘上的一个很大的挑战。我们采用在内部词典中来进行字串查找(string look up)来确的基因的名字。使用Human Gnome Organization(HUGO)和National Center for Biotechnology Information (NCBI)的数据库来进行。所有和密码子一样的基因名称被除去了。其次，用SEQ_Filter来过滤氨基酸位置上不一致的突变。对于在摘要中鉴定的基因名称和突变，都可以在NCBI中查找了相应的蛋白质信息。对于每个蛋白质，根据相应位置上的突变来确定野生型的氨基酸。如果在突变位置的野生型氨基酸（或者突变型）至少有一个相关的蛋白质，那么基因和突变之间的联系证明是有效的。最后，建立黄金标准(gold standards)。和疾病基因相
浅谈生物信息学在生物医药方面的应用 生物信息学（Bioinformatics）是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。它是当今生命科学和自然科学的重大前沿领域之一，同时也将是21世纪自然科学的核心领域之一。其研究重点主要体现在基因组学（Genomics）和蛋白质组学（Proteomics）两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。 具体而言，生物信息学作为一门新的学科领域，它是把基因组DNA序列信息分析作为源头，在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。基因组信息学，蛋白质空间结构模拟以及药物设计构成了生物信息学的3个重要组成部分。是结合了计算机科学、数学和生物学的一门多学科交叉的学科。它依赖计算机科学、工程和应用数学的基础，依赖实验和衍生数据的大量储存。他将各种各样的生物信息如基因的DNA序列、染色体定位、基因产物的结构和功能及各种生物种间的进化关系等进行搜集、分类和分析，并实现全生命科学界的信息资源共享。 从生物信息学研究的具体内容上看，生物信息学可以用于序列分类、相似性搜索、DNA序列编码区识别、分子结构与功能预测、进化过程的构建等方面的计算工具已成为变态反应研究工作的重要组成部分。针对核酸序列的分析就是在核酸序列中寻找过敏原基因，找出基因的位置和功能位点的位置，以及标记已知的序列模式等过程。针对蛋白质序列的分析，可以预测出蛋白质的许多物理特性，包括等电点分子量、酶切特性、疏水性、电荷分布等以及蛋白质二级结构预测，三维结构预测等。 基因芯片是基因表达谱数据的重要来源。目前生物信息学在基因芯片中的应用主要体现在三个方面。 1、确定芯片检测目标。利用生物信息学方法，查询生物分子信息数据库，取得相应的序列数据，通过序列比对，找出特征序列，作为芯片设计的参照序列。 2、芯片设计。主要包括两个方面，即探针的设计和探针在芯片上的布局，必须根据具体的芯片功能、芯片制备技术采用不同的设计方法。 3、实验数据管理与分析。对基因芯片杂交图像处理，给出实验结果，并运用生物信息学方法对实验进行可靠性分析，得到基因序列变异结果或基因表达分析结果。尽可能将实验结果及分析结果存放在数据库中，将基因芯片数据与公共数据库进行链接，利用数据挖掘方法，揭示各种数据之间的关系。 大规模测序是基因组研究的最基本任务，它的每一个环节都与信息分析紧密相关。目前，从测序仪的光密度采样与分析、碱基读出、载体标识与去除、拼接与组装、填补序列间隙，到重复序列标识、读框预测和基因标注的每一步都是紧
生物信息学在医学领域的应用前沿 摘要：生物信息学是有生命科学、信息学、数学、物理、化学等学科相互交融而形成的新兴学科。生物信息数据库几乎覆盖了生命科学的各个领域，截止至2010年，总数已达1230个。生物信息学已不断渗透到医学领域的研究中。生物信息学在医学领域中主要应用于医学基础研究、临床医学、药物研发和建立与医学有关的生物信息学数据库。 关键词：生物信息学；医学；基因；应用 生物信息学是20世纪80年代以来随着人类基因组生命科学与信息科学以及数学、物理、化学等学科相互交融而形成的新兴学科，是当今最具发展前途的学科之一。人类基因组计划的顺利推进产生了海量基因数据，这些数据中蕴藏着丰富的生物学内涵，如果能充分挖掘并加以利用，可能揭示出很多对人类有用的信息。生物信息学已经成为生物学、医学、农学、遗传学、细胞生物学等学科发展的强大推动力量。随着生物信息学研究的深入与发展，它已不断渗透到医学领域的研究中。近年来，伴随着对基因组的研究不断深入，部分应用领域取得了令人瞩目的突破，其潜在的经济利益更是吸引了众多国家、企业及大量科研人员投入到相关研究中，生物信息学得到了迅猛的发展。 一、主要数据库 数据库是生物信息学的主要内容，各种数据库几乎覆盖了生命科学的各个领域。截止至2010年，生物信息数据库总数已达1230个。生物信息数据可可分为一级数据库和二级数据库。一级数据库的数据都直接来源于实验获得的原始数据，只经过简单的归类整理和注释，如Genbank数据库、SWISS-PROT数据库；二级数据库是在一级数据库、实验数据和理论分析的基础上针对特定目标衍生而来，是对生物学知识和信息的进一步整理，如人类基因组图谱库GDB。 在医学领域中常用的生物信息数据库主要有：核酸类数据库，如NCBI核苷酸序列数据库(Gen Bank )、欧洲核苷酸序列数据库(EMBL)、日本DNA 数据库(DDB)等；蛋白相关数据库，如蛋白质数据库(SWISS-PROT)、蛋白质信息资源库(HR)、Entrez 的蛋白三维结构数据库(MMDB)、蛋白质交互作用数据库(DIP)等；疾病相关数据库，包括综合临床数据库，如NCBI疾病基因数据库、Gene Cards等；遗传性疾病数据库，如遗传性疾病数据库(GDB)、人类遗传性疾病数据库(Gene Dis)等；肿瘤相关数据库，如肿瘤基因组解剖工程(CGAP)等；心血管疾病相关数据库，如心血管疾病相关生物医学数据库(Cardio)、心脏疾病计划及临床决策支持系统(HDP &CDM)等；免疫性疾病数据库，如免疫功能分子数据库( HMM)、免疫缺陷资源库(IDR)等；药物相关数据库，如药物和疾病数据库(Drugs)、FDA药品评审与研究中心(CDER)等。 二、生物信息学在医学领域的应用 2.1 生物信息学在医学基础研究中的应用 2.1.1 新基因的发现与鉴定 疾病的发生发展与特异基因的改变有关，鉴定与疾病相关的基因是科学家在积极探索的一个方向，对治疗某些疑难杂症带来新的契机。发现新基因是当前国际上基因组研究的热点，使用生物信息学的方法是发现新基因的重要手段。现在很多疾病的致病基因已经发现，包括癌症、肥胖、哮喘、心脑血管病等，其中与癌症相关的原癌基因约有1000个，抑癌基因约有100个。 目前发现新基因的主要方法有以下3种：①通过多序列比对从基因组DNA序列中预测新基因，其本质是把基因组中编码蛋白质的区域和非编码蛋白质的区域区分开来。②基因的电子克隆，即以计算机和互联网为手段，通过发展新算法，对生物信息数据库中存储的表达序列标签进行修正、聚类、拼接和组装，获得完整的基因序列，以期发现新基因。③发现单核苷酸多态性。 例如，2010年我国学者通过生物信息学EST 拼接技术，RT－PCR等技术，克隆出30个人类未知功能的新基因，并通过生物信息学分析该基因