k-长DNA子序列计数算法研究

生物信息学-生物信息学入门●生物信息与生物信息学●发展进程●初代DNA测序技术●sanger测序法（链终止反应）●改良●荧光标记●毛细管电泳体系●自动化信号读取和分析●鸟枪法shotgun测序●高通量测序●序列性质●碱基组合●CG含量●Codon数量:三联体密码子的可能组合数●碱基互补规则●重复序列的比例●微卫星分子标记（串联重复序列）三个或以上的重复单元●组学基础●DNA测序技术●常规测序技术（一代测序技术sanger法）●碱基精度高●读长相对较长 700bp左右●单个碱基的测序成本较高●用于短片段测序，验证性测序●高通量测序技术●二代测序技术●碱基精度较高●读长短＜300bp●模板需要扩增，单个剪辑测试成本低●用于群体测序，大样本量测序等●三代测序技术●未校正的碱基精度低●读长长●无需扩增，单分子测序●主要应用于基因组组装，基因全长捕获等●组学●基因组●性质●常见物种的基因组大小●一套完整基因组序列的长度●C值悖论●一般多倍体的基因组往往最大●越早作为模式物种的往往基因组较小●转座元件●倍形变化●常见物种的基因数量●基因数和基因组大小大致成正相关●基因结构●基因组包含编码区，非编码区●外显子exon，内含子intron，启动子promoter，UTR（untranslatedregion），增强子enhancer，沉默子silencer，poly-A tail（RNA）●基因组变异●单核苷酸多态性（single-nucleotide polymorphism,SNP）●插入缺失insertion and deletion●拷贝数变异copy number variation●结构变异structural variation●基因定位●用连锁方法定位性状相关基因●基于自然变异个体●人类QTL定位●基于家系●关联法●转录组（时空特异性）●转录出所有RNA的总和●蛋白质组（时空特异性）●表型组●组学分析数据来源●基因组测序●shotgun●用于基因组组装，DNA变异检测●转录组测序●将RNA反转录成cDNA测序，或三代Nanopore（纳米管通道）直接测序●用于表达量分析，剪接形式分析●具有时空特异性●甲基化测序●通过试剂处理使非甲基化位点发生碱基变化，常用亚硫酸氢盐处理（BS-seqor WGBS）●用于甲基化水平分析●靶向测序:设计引物/探针先扩增靶向片段，再测序●芯片技术（荧光原位杂交）●分子数据库与序列比对●生物信息常用数据库●国际核酸序列数据联合中心INSDC●GeneBank（America）●EMBL（Europe）●DDBJ（Japan）●1级数据库（存储实验直接获得的原始数据）●蛋白序列数据库UniProt●Swiss-Prot●人工核验,数据准确,数据量小●TrEMBL●计算机生成,数据量大●PIR●2级数据库（存储分析结果）●蛋白结构数据库●PDB●PDBe（europe）●PDBj（Japan）●RCSB（America）●BMRB（生物核磁共振）●综合性数据库●NCBI（存放序列,提供BLAST,文献检索等）●CNCB●高通量测序/组学数据库●NCBI-SRA●CNCB-NGDC●大部分数据库用户都可以按规范提交自己获得的序列●常见文件格式●FASTA●＞标记序列名称●既可以存放原始序列，又可以存放比对之后的序列●GeneBank●主要存放原始序列,可以转换成FASTA等其他格式●header,features,sequences●完整记录后以//结尾●FASTQ●主要存放高通量测序原始数据,包含每个碱基的精度信息●序列比对方法●生物学意义●寻找同源基因●通过比对未知功能序列和已知功能序列的相似性判断其功能●寻找演化上可能存在功能限制的保守区域●检测群体内的变异位点●同源建模预测高级结构●序列比对算法●全局匹配算法Needleman-Wunsch算法（打分矩阵）（global alignment）●局部匹配算法Smith-Waterman（local alignment）●精确匹配,准确度较高 ,速度较慢●调方法Word methods/K-mer methods●BLAST算法:近似比对算法，效率更高●比对结果评价●一致性identity=一致的剪辑/匹配长度（越高匹配程度越好）●覆盖度coverage=匹配长度/序列长度●Score值越高匹配程度越好●E-value越低匹配程度越好●多序列比对Clustal算法（累进算法）●分子系统发生与群体遗传●分子进化的研究方法●序列比较●差异估算●分子进化分析●系统发生树●同源性homology●直系同源ortholog:来源于物种分化●旁系同源paralog:来源于基因复制●系统发生关系●单系分类群●包含一个特定共同祖先的所有已命名的后裔的分类群●并系分类群●包含一个特定共同祖先的一些但不是全部后裔●多系分类群●包括来自两个不同祖先的物种，每个祖先都拥有分布于不同类型的后裔●分支:定义进化关系●支长:代表相邻节点差异程度的大小●系统发育树:既反应相互关系，又反映相互差异（分支长度有意义）●分支树:只表示相互关系（分支长度无意义）●进化树的类型●有根树 :能够确定共同祖先●无根树●外群:已知的比其他研究序列更早分化出来的序列●物种树（需要选择保守性较高的序列构建e.g.16SrRNA,线粒体,叶绿体）与基因树●构树方法●距离法●非加权组平均法UPGMA●邻接法（基于状态变化）●最大简约法●最大似然法●贝叶斯法●蛋白质功能与结构预测●蛋白功能预测（依据序列，结构，特征等的相似性进行功能的归纳和类推）●基于序列进行预测●序列同源比对●序列特征结构域domain，模体motif●基因组分布特征，表达特征等●基于结构进行预测●蛋白完整三维结构●三维结构特征模体●预测方法●同源建模法homology modeling●折叠识别法（穿线法）threading●从头预算法●基于理化性质进行分子力学，分子动力学模拟。

外显子测序生物学重复-概述说明以及解释1.引言1.1 概述外显子测序（exome sequencing）是一种基于高通量测序技术的生物学研究方法，其目的是对生物体中的外显子区域进行快速、准确地测序和分析。

外显子是基因组中编码蛋白质的片段，它们占据了整个基因组的仅0.5至1.5的区域，但却承载着80以上的已知致病突变。

因此，外显子测序被广泛应用于寻找蛋白质编码基因的突变，以及与遗传性疾病、肿瘤和其他复杂疾病相关的致病突变的鉴定和研究。

外显子测序的基本原理是使用高通量测序技术对DNA样本进行测序，然后利用生物信息学方法将测序结果与参考基因组进行比对和分析，从而确定样本中外显子的序列和存在突变的位置。

与全基因组测序相比，外显子测序具有较低的成本和更高的效率，因为外显子相对较小且具有较高的功能重要性，可以更准确地筛选和鉴定潜在致病突变。

外显子测序在生物学研究中的应用广泛而重要。

它不仅可以用于研究人类遗传性疾病和肿瘤突变，还可应用于农业、畜牧业和其他生物领域的基因组学研究。

通过对不同个体的外显子进行测序，我们可以了解个体间的遗传差异、突变积累和遗传进化规律，为人类进化和适应性研究提供重要依据。

然而，外显子测序也面临一些挑战。

首先，由于外显子区域相对较小，它只能提供关于外显子的信息，对非编码区域的突变鉴定有限。

其次，外显子测序在处理复杂疾病和疾病相关基因组变异时可能会遇到困难，因为这些变异可能位于基因的调控区域或与功能相关的非编码RNA中。

此外，外显子测序对测序深度和准确性要求较高，因此需要高质量的测序平台和数据分析方法的支持。

总之，外显子测序作为一种高效、准确的测序技术，在生物学研究和临床诊断中发挥着重要作用。

随着技术的不断发展和应用的不断扩大，外显子测序将为我们揭示生物体的基因组变异与功能之间的关系，为疾病的早期诊断和个性化治疗提供更多可能性。

同时，对于生物学重复的研究也为我们提供了全新的视角和理解，有助于揭示生命的奥秘和进化的规律。

利用位点特异性打分矩阵对大肠杆菌启动子的预测 闫妍;万平 【摘 要】启动子是基因转录起始的一个关键性元件。本研究利用数据库中提供的大肠杆菌启动子数据，基于位点特异性打分矩阵（ Position⁃specific scoring matrix，PSSM）算法建立了大肠杆菌启动子预测方法，并采用ROC曲线对预测结果进行评估。结果显示，本方法对大肠杆菌sigma24、sigma28、sigma32、sigma38、sigma54和sigma70启动子预测的准确度分别达到86％，96％，93％，96％，97％和74％。由于原核生物启动子序列的保守性，可将该方法推广至其他原核生物的启动子预测。%Promoter is an essential element in transcription initiation. In this study, we proposed a method for the promoter prediction based on the position⁃specific scoring matrix( PSSM) constructed with the data from RegulonDB database,and evaluated the performance through the receiver operating characteristic ( ROC ) . We predicted the Escherichia coli K⁃12 promoters, the accuracies of predictions for sigma24, sigma28, sigma32, sigma38, sigma54 and sigma70 are 86%, 96%, 93%, 96%, 97% and 74%, respectively. Since promoter sequences are conserved among prokaryotes, PSSM could be applied to the prediction of prokaryotic promoters.