生物信息学的现状与未来_郑伟国
生物信息学的发展与展望
生物信息学的发展与展望生物信息学是一门涵盖生物学、计算机科学和数学等多学科的交叉学科，它致力于研究生物领域的相关数据，并利用计算机技术进行处理和分析，从而推动生物学研究的发展。
近年来，随着生物学研究领域的不断扩展和计算机科学的飞速发展，生物信息学也迎来了发展的机遇与挑战。
一、生物信息学的发展历程生物信息学的起源可以追溯到上世纪60年代初，当时研究人员开始利用计算机对生物学数据进行分析。
随着计算机技术和互联网的普及，生物信息学研究逐渐走向成熟。
在20世纪90年代初，人类基因组计划的推出奠定了生物信息学研究的基础，也为生物信息学在科学研究、医疗保健等领域的应用提供了广阔的空间。
二、生物信息学的现状当前，生物信息学应用广泛，它已经渗透到了许多领域，如新药开发、疾病预防、遗传学研究、生物智能及农业等。
结合云计算、人工智能等技术，生物信息学在科学研究中的价值也越来越被人们认可。
例如，癌症等重大疾病的治疗往往需要基因测序技术，生物信息学的迅速发展使得基因测序费用不断降低，为更多患者提供更为精准的个性化治疗。
三、生物信息学的发展趋势未来，生物信息学的发展趋势将会更加广阔。
其中，基于大数据的生物信息学将会成为未来的研究重点之一。
基于大数据，研究人员可以完善和分析生物大数据，为研究人员提供更多样的生物信息，协助研究人员进行更深入的生物学研究。
同时，随着人工智能技术的成熟和发展，生物信息学的应用也将更加广泛，如生物学图像识别、生物判定等，这将极大地推动生物学研究的发展。
总的来说，生物信息学的发展是多学科交叉的产物，它为生物学研究提供了新的思路和方法。
通过海量数据的挖掘和分析，人们对生命的理解也将更加深刻。
未来，生物信息学的应用将会更加广泛，为生物学，医学甚至环保等领域带来更多的价值。
生物信息学研究新进展与展望
生物信息学研究新进展与展望随着科技的发展，生物信息学这一交叉学科的研究也越来越受到关注。
生物信息学的研究基于生物学和计算机科学的交叉，主要探究生物信息的获取、存储、处理和分析等方面。
下面将介绍生物信息学的新进展以及未来可能的发展方向。
1. 大数据时代下生物信息学的新挑战随着测序技术的不断发展，科学家们获得了大量的生物数据，如基因组、转录组、蛋白组等。
这些数据不仅数量庞大，而且在科研中应用的难度也越来越高，给生物信息学研究带来了新的挑战。
为了有效地使用这些数据，科学家们开始研究生物信息学的新方法和技术，如机器学习、深度学习以及自然语言处理等。
这些技术的引入使得生物信息学的分析效果更加准确、高效。
2. 人工智能在生物信息学领域应用的新趋势随着人工智能技术的不断发展，人工智能在生物信息学领域的应用也日益增多。
人工智能可以快速分析生物数据，识别模式和趋势，以及预测疾病和药物反应等因素。
例如，科学家们利用深度学习算法，预测肺癌病人的生存期和药物反应等指标。
这一技术的应用可以帮助医生更加准确地诊断肺癌，并根据患者的特征选择最佳的治疗方案。
3. 多组学数据整合的挑战生物信息学的另一个重要领域是多组学数据整合的研究。
从基因组、转录组、蛋白质组等多个层面获取的数据需要整合起来分析，以便更好地理解生物体系统的功能和调控机制。
然而，不同类型的数据来源不同，数据结构和处理方法也不同，这给多组学数据整合带来了很大的挑战。
因此，科学家们致力于研究多组学数据整合的方法，并探索采用深度学习等新技术来帮助整合分析。
4. 未来展望未来，生物信息学的研究将更加聚焦于生命科学中更加深入、复杂的问题。
例如，从生物个体层面到群体层面，探索基因调控、信号通路、代谢途径和细胞、组织、器官及整个生物体系统的功能和调控等方面。
同时，生物信息学和人工智能、机器学习等交叉学科的结合，也将会有更多新的应用和发展。
人工智能在诊断、治疗和药物开发等方面将会扮演更加重要的角色，为我们更好地理解生物体系统提供更加科学、可靠的方法。
生物信息学研究的现状及未来发展趋势
生物信息学研究的现状及未来发展趋势一、概述生物信息学是一门交叉学科，是生物学、计算机科学、数学和统计学等多个学科的交叉融合。
生物信息学广泛应用于生命科学领域的大量数据处理、计算和分析工作，并有助于发现生命科学重要的模式和关联性，解析生物过程和机制的本质。
近年来，大规模测序技术的突破以及计算机硬件的不断升级，让生物信息学迎来了一个蓬勃发展的时期。
二、现状1. 生物信息学的至关重要性由于生物医学研究的不断发展，生物信息学的重要性越来越得到重视。
大量的生物学数据涌现，从DNA、RNA、蛋白质、代谢物到生物图像、病历等，这些数据是生物医学研究不可或缺的，而如何高效地存储、分析和解释这些数据是生物信息学家的责任。
在日益依赖大数据的时代，生物信息学专家可以利用计算机算法进行数据分析和建模，从而为基于证据的医学研究和转化提供支持和强大的工具。
2. 遗传信息学的进步随着高通量测序技术的不断进步，人类对生命科学的认识逐渐深入，也让生物信息学领域的知识不断壮大。
通过遗传信息学研究，我们可以对基因组、转录组、蛋白质组进行分析和解析，实现基因和表达信息的大规模描述和研究。
生物信息学专家可以利用遗传信息学来寻找基因和表达谱上的模式，为此我们需要建立和运用分子生物学、生物物理学和化学等方面的知识。
3. 基于计算机的方法随着计算机技术的不断发展，基于计算机的方法也愈加完善。
随着硬件和软件技术的不断推进，生物信息学专家可以使用更加高效且灵活的算法实现生物数据的处理。
同时，深度学习和人工智能的进步，为生物信息学的发展带来了无限的可能性。
它们不仅可以进行生物信息数据的分类和交互式可视化，还可以对此进行预测和模拟等工作，这样可以从生物数据中挖掘出新的知识和洞见。
三、未来发展趋势1. 可视化工具的发展可视化是生物信息学的重要组成部分，因为它可以让研究人员更加直观地理解和分析大量的数据。
现在有很多生物信息学的可视化工具，例如序列分析软件、蛋白质结构可视化、基因表达的空间分布和网络分析等等。
生物信息学的应用与发展前景
生物信息学的应用与发展前景一、引言生物信息学是生物学、计算机科学和数学等领域的交叉学科，它借助计算机技术和数学模型等工具，对生物学数据进行处理、存储、分析和解释。
随着生物学研究的进展和技术的发展，生物信息学在生物医学、农业、环境保护等领域中的应用越来越广泛，展现出巨大的发展潜力。
二、现状分析1. 生物信息学在基因组学领域的应用基因组学是生物信息学最重要的应用领域之一。
通过高通量测序技术，人们可以迅速测定生物体内基因组的DNA序列。
生物信息学的应用使得科学家们能够分析基因组中的基因、非编码RNA等元素，揭示基因与组织、器官、疾病之间的关系。
生物信息学还能帮助科学家们研究人类基因组的多样性，为个性化医疗提供有力支持。
2. 生物信息学在蛋白质组学领域的应用蛋白质组学是研究生物体内所有蛋白质的结构、功能和相互作用的科学。
生物信息学在蛋白质质谱分析、3D结构预测和蛋白质相互作用网络构建等方面发挥着重要作用。
例如，通过生物信息学的方法，科学家们可以预测蛋白质的二级结构和三级结构，帮助解析蛋白质功能和动态变化规律。
生物信息学还能帮助科学家们预测蛋白质间的相互作用，探索细胞信号传导、药物作用等重要领域。
3. 生物信息学在系统生物学领域的应用系统生物学是研究生物体内各个组成部分及其相互关系的科学。
生物信息学在系统生物学中有着广泛应用。
通过整合大量的生物学数据，生物信息学能够构建复杂的生物网络模型，揭示生物体内基因调控、信号传导、代谢途径等的网络结构和调控机制。
这有助于科学家们深入理解生物体的生物学功能，为疾病治疗和药物开发提供新的思路和方法。
三、存在问题1. 数据质量问题生物信息学的应用离不开大量的生物学数据，但当前存在着数据质量不高的问题。
例如，高通量测序技术产生的数据中可能存在测序误差、序列缺失等问题，这使得数据分析的结果可能不准确。
要解决这个问题，需要不断改进实验技术和数据分析方法，提高数据的质量和可靠性。
生物信息学的发展现状和未来趋势
生物信息学的发展现状和未来趋势生物信息学是计算机科学、统计学、生物学和数学等学科交叉的领域，它将生物学和计算机科学的理论和技术相结合，对生物学研究进行信息化处理和分析。
生物信息学在生命科学、医学和生态环境等方面具有广泛的应用，重要程度不言自明。
本文将从生物信息学的发展现状、未来趋势、重要应用和技术变革等方面进行讨论。
一、生物信息学的发展现状随着人类基因组计划、生命科学的快速发展和计算机科学的进步，生物信息学得到了快速的发展。
生物序列分析、结构生物学、功能基因组、系统生物学等领域的技术和方法也得到了快速的发展和应用。
在基因组学领域，生物信息学应用于序列测定、基因标注、宏基因组分析等方面。
在蛋白质组学方面，生物信息学应用于蛋白质功能预测、结构预测和蛋白质相互作用网络等方面。
在系统生物学方面，生物信息学应用于代谢组学、转录组学和蛋白质组学等方面，通过系统集成分析，揭示细胞、组织和生物体的整体性质。
二、生物信息学的未来趋势生物信息学在未来发展中，趋势主要是三个方向：多样化应用、多学科交叉和高性能计算。
1. 多样化应用未来生物信息学的发展将更加多样化，将涉及到更多的领域。
例如：精准医疗、人工合成生物学、基因编辑等。
生物信息学将在未来的发展中，将越来越广泛地应用于医疗保健、农业、环境保护、食品安全等方面。
2. 多学科交叉生物信息学不仅仅是生命科学和计算机科学的交叉，也涉及到统计学、数学、物理学、工程学等多个学科的交叉。
未来，生物信息学将更加深入地涵盖其他各种交叉学科，从而更好地支持生物学研究进展。
3. 高性能计算大数据时代对计算能力的要求非常高，未来的生物信息学也需要更加高效、高性能、低成本的计算圣杯。
未来，使用巨型计算机和云计算等技术将成为生物信息学的重要手段。
三、生物信息学的重要应用生物信息学在许多领域广泛应用的，具有重要意义。
1. 癌症研究：生物信息学技术可以帮助科学家预测肿瘤分类、发展速度和患病率，从而帮助医生选择最佳治疗方案，甚至帮助构建最佳治疗方案。
生物信息学的发展现状及未来趋势分析
生物信息学的发展现状及未来趋势分析生物信息学的发展现状及未来趋势引言：生物信息学是一门快速发展的交叉学科，通过整合生物学、计算机科学和统计学等多个领域的知识，以理解和解释生物学中的大规模数据。
生物信息学的发展已经取得了显著的进展，并在许多领域产生了重要的应用。
本文将探讨生物信息学的发展现状，并展望未来发展的趋势。
第一部分：生物信息学的发展现状1.1 基因组学基因组学是生物信息学的重要领域之一，它研究生物体的全基因组，帮助科学家理解基因组的结构、功能和进化。
通过高通量测序技术的发展，生物科学家现在能够更加快速、准确地测序DNA片段，并研究某个生物体的所有基因。
1.2 蛋白质组学蛋白质组学是对生物体内所有蛋白质的综合研究。
通过质谱仪等高通量技术，科学家们能够更好地研究蛋白质的结构和功能。
蛋白质组学在药物研发、疾病诊断和治疗方面发挥着重要作用。
1.3 转录组学转录组学研究的是某个生物组织或细胞中所有的RNA分子。
通过转录组学的研究，科学家们可以更深入地了解基因表达的调控机制以及生物体对内外环境的适应能力。
1.4 蛋白质结构预测蛋白质结构预测是生物信息学中的一个重要问题。
准确地预测蛋白质的三维结构对于深入了解其功能和药物设计具有关键作用。
目前，生物信息学的发展使得蛋白质结构预测的准确性大大提高，但仍然存在许多挑战。
第二部分：生物信息学的未来趋势2.1 单细胞转录组学随着单细胞技术的不断发展，单细胞转录组学将成为未来生物信息学的重要方向之一。
通过分析单个细胞的转录组，科学家们能够更准确地了解细胞之间的异质性，从而深入研究生物发育、疾病发展等过程。
2.2 人类表型组学人类表型组学是研究人类基因与表型间关系的一个新兴领域。
通过整合基因组、转录组和蛋白质组等数据，科学家们能够更好地研究人类的性状、疾病易感性和药物反应等问题。
2.3 人工智能与深度学习人工智能和深度学习技术在生物信息学领域的应用越来越广泛。
通过利用机器学习算法，生物学家可以更好地分析和解释大规模生物数据，快速发现新的生物学模式和规律。
2024年生物信息技术市场发展现状
生物信息技术市场发展现状概述生物信息技术作为一种新兴领域，融合了生物学和计算机科学，广泛应用于基因组学、蛋白质组学、代谢组学等领域。
随着人类对生物学研究的深入和技术的不断突破，生物信息技术市场迅速发展，呈现出多样化的发展现状。
本文将对生物信息技术市场的现状进行分析，并对其未来发展趋势进行展望。
生物信息技术市场规模及增长趋势生物信息技术市场规模庞大，随着新技术的不断涌现和生物学研究的深入，预计市场规模将继续扩大。
根据市场研究报告，全球生物信息技术市场的规模从2019年的100亿美元增长到2025年的250亿美元，年复合增长率预计将超过15%。
生物信息技术市场应用领域多样化生物信息技术在医疗健康、农业科技、环境保护等领域都有广泛的应用。
在医疗健康领域，生物信息技术可以用于基因诊断、个体化治疗等，为传统医学带来了重大的改变。
在农业科技领域，生物信息技术可以应用于作物基因改良、疫病监测等，提高了农作物的产量和质量。
在环境保护领域，生物信息技术可以用于生态系统监测、物种鉴定等，有助于环境保护和生物多样性保护。
生物信息技术市场的主要参与者生物信息技术市场的主要参与者包括生物信息技术公司、传统生物技术公司、制药公司等。
生物信息技术公司主要从事基因测序、生物信息分析、基因编辑等方面的研发和服务，如Illumina、Thermo Fisher Scientific等。
传统生物技术公司将生物信息技术应用于其现有的生物研发和生产流程中，如Roche、Qiagen等。
制药公司则利用生物信息技术加速新药研发和临床试验过程，如Merck、Novartis等。
此外，大型科技公司如谷歌、微软也开始涉足生物信息技术领域。
生物信息技术市场的挑战和机遇生物信息技术市场面临着一些挑战。
首先，生物信息技术的应用还存在一定的技术和法律风险，例如基因保密性、个人隐私等问题。
其次，市场上存在着很多生物信息技术公司，竞争激烈，需要不断推出创新产品和服务来保持竞争优势。
生物信息学的发展与应用前景展望
生物信息学的发展与应用前景展望随着科技的不断发展，大数据时代的到来以及医疗保健和基础科学的需求，生物信息学成为了一个快速发展并且应用广泛的领域。
生物信息学是将计算机科学和生物学相结合，研究和处理生物数据所用的学科，主要用于 DNA 序列分析、蛋白质结构预测、基因表达调控网络分析等方面。
本文将会对生物信息学的发展和应用前景进行探讨。
一、生物信息学的历史生物信息学的历史可以追溯到 20 世纪 60 年代。
在当时，科学家们已经开始利用计算机对生物学数据进行处理，但是由于硬件和软件的限制，这些工作还很有限。
到了 80 年代，计算机和软件技术的飞速发展，让生物信息学开始蓬勃发展。
在这个时期，几乎所有生命科学领域的研究人员都使用了计算机技术进行数据分析。
二、生物信息学的应用1. 基因组学生物信息学在基因组学领域的应用主要包含两个方面：DNA序列分析和蛋白质结构预测。
DNA 序列分析可以通过测定不同的DNA 序列之间的相似性来鉴定同源基因。
而蛋白质结构预测可以根据蛋白质的氨基酸序列来推测出蛋白质的三维结构。
通过蛋白质预测，科学家们可以更好地理解蛋白质的结构与功能之间的关系。
2. 基因表达基因表达调控网络分析是生物信息学在基因表达领域的应用之一。
通过基因表达调控网络分析，科学家们可以探索基因在不同化学物质和环境因素的作用下，对整个基因表达调控网络的影响。
从而建立更好的基因表达模型，去发现基因调控的规律。
3. 生物信息学在疾病诊断和治疗中的应用生物信息学在疾病诊断和治疗中的应用也日益重要。
比如在癌症治疗中，科学家们可以利用生物信息学和人工智能的技术，建立更好的疾病模型，对患者进行个性化治疗设计，同时还可以根据患者的遗传特征，在疾病的早期阶段进行预防和治疗。
三、生物信息学的未来由于人们对医疗保健和基础生命科学研究的需求越来越大，生物信息学的未来可以预计会更加广阔。
未来的发展可能包括以下几个方面:1、进一步发展算法和技术，以精准预测和模拟生物现象。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
纵观生物信息学丰富多彩的相关学科 、研究领 域及其由信息流方向主导的研究过程 , 现归纳出如 下定义 :生物信息学是一门采用计算机技术和信息 论方法对蛋白质及其核酸序列等多种生物信息采 集 、加工 、储存 、传递 、检索 、分析和解读的科学 , 是 现代生命科学与信息 科学 、计算机科学 、数学 、统计 学 、物理学和化学等学科相互渗透而形成的交叉学科 。
图 1 结构基因组研究生产线
2 .1 .2 比较基因组学和模式生物体
鉴定基因功能最有效的方法 是观察基因表达
· 42 · ห้องสมุดไป่ตู้口PORT岸H
卫生控制 EALTH CONTROL
第 9 Vol
卷 第5 .9 No
期 .5
被阻断或增加后在细胞和整体水平上所产生的表 型变化[ 12] , 这就需要建 立一个有效的 模式生物体 (model organism)。 迄今为止 已有多种生物 被当作 模型使用 , 如大肠杆菌 、酿酒酵母 、美丽线虫 、果蝇 、 小鼠等 , 但在研究人类疾病和哺乳动 物发育时 , 小 鼠显得更有优势 。
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] 。
生物信息学自产生以来大致经历了前基因组
时代 、基因组时代和后基因组时代三个发展阶段 。 前基因组时代的标志性工作包括生物数据库的建 立 、检索工具的开发以及 DNA 和蛋白 质序列分析 等 ;基因组时代 的标志性 工作包括 基因识别 与发 现 、网络数据库系统的建立和交互界面工具的开发 等 ;后基因组时代的标志则是大规模基因组分析 、 蛋白质组分析以及各种数据的比 较与整合 。 三个 阶段虽无明显的界限 , 却真实地反映了整个研究重 心的转移变化历程 。
· 41 ·
一种生物的全部遗传构成称为该种生物的基 因组 , 有关基因组的研究称为基因组 学 , 它包含对 基因组信息的获取 、处理 、存储 、分配和解释等 。 其 中 , 序列基因组学(Sequence genomics)主要研究测序 和核苷酸序列 , 为绘制图谱提供材料[ 2] ;结构基因 组学(Structural genomics)着 重于遗传 图谱 、物理图 谱和测序等方面的研 究 ;功能基因组 学(Functional genomics)则研究以转录图为基础的基 因组表达图 谱[ 3 , 4] ;比较基因组学(Comparative genomics)的研究 内容则包括对不同进化阶段基因组的比较和不同 种群和群体基因组的比较[ 5] 。
摘要 生物信息学已成为整个生命科学发展的重要组成部分 , 是生命科学研究的前沿领域 。 现对生物信息学研究对象 、重要技术 、数据库建设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 。
关键词 生物信息学 基因组学 蛋白组学 功能蛋白质组学
Abstract Bioinformatics is an important component of the whole life science , has become the advanced research domain of life science .These paper overviews on its research subject , the main technolosies , its current status in erection of biology database and research work , also propect its foreground .
微点阵技术是指将几百甚至上万个寡核苷酸 或 DNA 密集排列在硅片 、玻璃片 、聚丙烯等固相支 持物上 , 作为探针 。 把要研究的样品(称为靶 DNA) 标记后与微点阵进行杂交 , 用合适的检测系统进行 检测 。 根据杂交信号强弱及探针位置和序列 , 确定 靶 DNA 的表达情况以及突变和多态性的存在 。 根 据制作方法的不同 , 微阵列技术可分为合成和点样 两大系别 。
3 .研究现状
3 .1 生物学数据库的建设 数据库是生物信息学的主要内容 , 至今世界各
国纷纷建立了生物信息数据库[ 17] , 其数量呈爆炸性 增长 , 几乎涉及了生命科学的各个研究领域 。目前 主要有美国国立卫生研究院全国生物技术研究中 心(NCBl)的 GenBank(www .ncbi .nlm .nih , gov);欧洲 生物信息学研究所(EBl)的(EMBL)(www .emblheidelberg .de)数据库 ;日本国立遗传学研究所(NIG)的 DNA 数据库(DDBJ)(www .nig .ac .jp)(瑞士生物信息 学研究所(SIB)的 SWISSPROT(www .expasy .ch/sprottop .html);美国 Brookhaven 国家实验室的 PDB(www . rcsb .org/ pdb/);NCBI 开发的 ENTERZ 系统综 合了 上述各大 数据库的信息和 MEDLINE 的文献信 息 。 目前我国在生物信息数据库领域的主要任务是 :实 验室数据信息化管理 、数据库标准化 、数据库共享 与集成 ;建立基因信息的评估与检测系统 ;构建我 国自己特殊需 要的二 级 、三级 数据库和 专业 数据 库 , 并与国际常用数据库有效连接和及时更新[ 18] 。
Key words Bioinformatics Genomics Proteonic Functional proteoni
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 , 为了快捷方便地对己 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
所有生物都可以通过一株共同的进化树而联 系在一起 , 因此研究一个生物可为其它生物提供有 用的信息 。人 类基因组计划(HGP)已 把比较基因 组学(Comparative genomics)作为今后工作重点之一 , 预计到 2005 年完成小鼠的 全基因组测序 , 同时逐 渐从结构的比较转向功能的比较[ 13] 。 2 .1 .3 功能基因组与微点阵 、SAGE 技术
2 .2 功能基因组学与诱变技术 2 .2 .1 定向诱变(targeted mutagenesis) 定向诱变 是利用 同 源重 组 技术 , 使胚 胎 干细 胞(Embryonic stemcell EScell)内目的基因产生定点突变 。 这些突 变可进一步用于基因敲除 、转基因动 物 、显性负突 变等研究 。 近几年发展了许多构建靶结构的新方 法 , 如酿酒酵母中微同源重组(micro homologous re-
对生物信息学的定义 , 国内外至今尚未形成统 一的认识 。以下是一些较有影响的看法 :
美国国家基因组研究中心认为 , 生物信息学是
一个代表生物学 、数学和计算机的综合力量的新兴 学科 。
北京生物技术和新医药产业中心认为 , 生物信 息学是在生命科学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[ 2] 。
· 40 · 口PORT岸H
卫生控制 EALTH CONTROL
第 9 Vol
卷 第5 .9 No
期 .5
生物信息学的现状与未来
郑伟国 郭 英 中国民用航空学院理学院(300300) 常春艳 天津出入境检验检疫局(300456)
SAGE 技术的主要理论依据有两个 :一个 9 ～ 10 碱基的短核苷酸序列标签包含有足够信息 , 能够唯 一确认一种转录物 ;如果能将 9 碱基的标签集中于 一个克隆中进行测序 , 并将得到的短序列核苷酸顺 序以连续的数据形式输入计算机中进行处理 , 就能 对数以千计的 mRNA 转录物进行 分析 。 这种方法 在癌组织基因的差异表达研究方面有独到的优点 , 有助于发现肿瘤特异基因 。
combination)[ 15] 。 2 .2 .2 表型诱变(phenotype -driven mutagenesis) 定向诱变用于已知基因的突变 , 而表型诱变是用于 未知基因 。 主要优点是无需知道 哪个基因以及这 些基因的何种突变导致特定的表型或疾病[ 16] 。 用 表型诱变剂进行诱变后 , 可以用筛查整个基因组的 办法来寻找新的显性或隐性突变 。
2 重要技术
2 .1 .1 结构基因组学与生产线模式 把结构基因组的研究机构称之为 蛋白质结构
工厂 , 而把它的研究流程称为生产线(见图 1)[ 10] 。 这一过程是以传统的结构解析法为基础设计的 , 但 与传统的结构解析法相比 , 生产线模式增添了自动 化操作 , 使整个过程得以快速高效地完成 , 这也使 得大规模解析蛋白质结构得以实现 。 首好的基础 , 而与表达 、纯化 及结构测定相关的技术的发展与设备的改进也为 这一过程自动化提供了良好的条件 。 此过程中的 重要步骤 , 蛋白质的结构测定技术 ———X 光衍射和 核磁共振光谱法(NMR)[ 11] , 近几年也有了很多新的 改进 , 出现了很多新的功能完善的仪器 , 为生产线 的顺利完成提供了设备保障 。
功能基因组学(Functional genomics)的研究通常 被称为后基因组学(Postgenomics)研究 , 它是利用结 构基因组学提供的信息和产物 , 系统地研究基因功 能 , 以高通量 、大规模实验方法及统计与计算机分 析为特征[ 14] 。高通量的基因表达分析方法需要借 助新技术 ———微点阵(micro array)技术和基因表达 系列分析(Serial analysis of gene expression SAGE)。