数据挖掘在生物信息学中的应用

生物信息学是一门新兴的交叉学科.人类基因组计划的启动和实施使得核酸、蛋白质数据迅速增长,如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题.数据挖掘与生物信息学有很好的结合点,在生物信息学领域的应用潜力日益受到人们的重视.文中介绍了数据挖掘的概念、生物数据的挖掘步骤,初步探讨了数据挖掘在生物信息领域的应用潜力及生物信息学挖掘工具的开发和应用.研究证明数据挖掘技术是生物信息处理的强有力工具.数据挖掘在生物信息学中的应用将取得更大的进展.     

基于并行遗传算法的蛋白质空间结构预测

1 前言蛋白质是生命的基础。从细胞分裂到细胞运动,从代谢到免疫,已知的生物功能没有一个能够离开蛋白质而实现。一个典型的细胞可能含有的蛋白质种类就有大约10万种,而且每种蛋白质的作用都不尽相同。更进一步,基因是生物细胞中的遗传物质,它也必须以蛋白质形式表达出来,才能显示出生物的各种遗传性状。因此,对于蛋白质的研究在生命科学中是最重要的课题之一。     

烟草CYP71D亚家族的生物信息学分析

细胞色素P450（CYP450）是一类超基因家族编码的多功能氧化酶,在生物合成、代谢解毒及植物防御方面具有重要作用。其中CYP71D属于CYP450的一个亚家族,主要在次生代谢物合成和病虫害防御方面起作用。为了更好地了解烟草CYP71D亚家族基因特征和功能,本研究利用生物信息学分析手段及烟草转录组数据,对CYP71D亚家族基因的结构和表达等进行了分析。结果发现,在烟草中共有42个CYP71D亚家族成员,各成员在染色体上并非均匀分布,其氨基酸长度和等电点差异较大,但基因结构、保守结构域数目和分布高度一致;二级结构分析表明,烟草CYP71D亚家族成员具备P450蛋白特征结构域;基因表达模式分析显示,多数CYP71D基因在根、叶、花中特异表达,大部分基因参与了IAA激素、黑胫病、温度等逆境胁迫反应。这为烟草CYP71D亚家族基因功能的深入研究及烟草抗逆品种的培育奠定了基础。     

基于符号化进化动力学的基因组数据采掘

提出了一种新的基因组数据模型和模式发现算法。该模型由人工基因组、人工蛋白、进化操作、进化控制、模式匹配、终止判断６个环节组成,其中抽象代数结构由格集合构形和相应有限状态机操作来动态描述,候选符号序列由符号动力学引导的进化算法所生成,进化程度由粗糙集所刻划的元进化机制所控制,模式匹配由句法模式识别器和文法推断过程所完成,终止判断依具体问题求解的约束条件而定。相应的算法为循环性的群体隐式并行搜索,数据结构以答号化粗粒度的处理为主,并与面向语义的模块化程序设计相配合。在该人工生命技术的应用中,由计算机自动生成了候选符号序列,从中获得了“真实”的氨基酸序列。实验结果表明,所提出并实现的计算方法有助于基因组学层次下的生物信息学的统一计算理论的建立和应用系统开发。     

基于SQL Server的蛋白质二级结构预测样本集数据库的构建

基于SQL Server数据库管理系统,将蛋白质二级结构预测的样本集CB513、CB396和RS126组织起来,建立了数据库DataSet,并配置了一个IIS服务器以方便网络查询.该数据库将蛋白质二级结构预测样本集有效地组织起来,实现了规范化、结构化统一管理,便于存储、检索和分析数据,减少错误的发生.通过该数据库可以提取供蛋白质二级结构预测研究的样本、序列转换、变换编码以及分析评价预测结果等,取代许多传统编程处理文本文件的繁琐工作,大大提高效率,促进工作的开展.     

迭代式特征选择的单细胞分化轨迹推断算法

通过单细胞轨迹推断方法从单细胞转录组学数据或蛋白质组学数据构建细胞的分化轨迹,有助于理解正常组织的发育过程或者提供病理学相关的信息。然而当前的单细胞轨迹推断算法在精确度和鲁棒性的提升上仍然是一个难题,原因之一是在单细胞测序中检测到大量不相关的基因而产生噪声。针对这一问题,迭代式特征选择的轨迹推断方法 iterTIPD被提出。其创新点体现在,将广泛用于筛选差异表达基因的特征选择方法迭代式地用于线性或分支结构的单细胞RNA测序数据上,通过筛选出对构建的分化轨迹贡献最大的基因子集来提高细胞伪时间排序的精确度和鲁棒性。在四种scRNA-seq数据集上的实验结果表明,iterTIPD可以有效地提高单细胞轨迹推断算法的精确度和鲁棒性。同样,iterTIPD也使其他的轨迹推断算法的性能得到提升,以此证明iterTIPD具有泛化性。iterTIPD算法成功重构了神经干细胞的分化轨迹,通过对比发现,该分化轨迹与已知的神经干细胞分化轨迹高度一致。同时发现Top2a和Gja1可能是定义活化的神经干细胞亚群的新的标志物。     

链霉菌L10608来源木聚糖酶xyn-GH10/11基因的克隆与生物信息分析

基于菌株L10608所产天然酶水解木聚糖底物时具有良好的水解木聚糖底物特性,通过设计简并引物,经巢式PCR克隆得到L10608菌株木聚糖酶基因全长(xyn-GH10与xyn-GH11),并对其进行生物信息学分析。由分析可知酶xyn-GH10全长1 469 bp,分子质量:50.677 ku;理论等电点pI:7.98;预测该木聚糖酶的信号肽为MGIQALPRAAVRQKLRTPLPALAAGVLGLTAALVPPTNADA;该木聚糖酶蛋白序列具有明显的第10族糖苷水解酶的八叠桶型保守区域,且能编码一段由108个氨基酸组成的RicinB-lectin非催化结构域。木聚糖酶xynGH11全长729 bp;分子质量:24.003 ku;理论等电点p I:8.98;预测该木聚糖酶的信号肽为MHQDGSQQDRT QNPAPFGGLSRRGFLVGGTGAAALAAGSGLLLPGTAHAA。该木聚糖酶蛋白序列具有明显的第11族糖苷水解酶的"右手半握状"保守区域。xyn-GH10与xyn-GH11基因经原核表达后其中木聚糖酶xyn-GH10酶活为160 U/mL,木聚糖酶xyn-GH11酶活为55 U/mL。     

酒酒球菌（Oenococcus oeni）相关生物组学研究进展

酒酒球菌（Oenococcus oeni）是触发葡萄酒苹果酸-乳酸发酵的主要微生物,而苹果酸-乳酸发酵有利于提高葡萄酒品质,为了进一步提高酒酒球菌在葡萄酒酿造工业中的应用,通过各种生物组学方法来探究酒酒球菌的生物调节和代谢体系是必要的。本文对不同生物组学的研究手段进行汇总,并对其在酒酒球菌相关研究中的应用进行归纳和展望。     

DfrA12蛋白的结构分析及同源建模

本文通过分析DfrA12蛋白的初级结构和空间构型,为进一步了解该蛋白的结构与功能提供了理论依据。应用Expasy、TMHMM2.0、SignalP 4.0、SOPMA、GENO3D等生物信息学软件对DfrA12蛋白的初级和高级结构进行分析和预测。结果显示,DfrA12蛋白由165个氨基酸组成,富含α螺旋和无规则卷曲结构,不形成跨膜区域,无信号肽,定位于细胞内膜。应用同源建模的方法成功构建了该蛋白的三维模型。本研究为深入探讨DfrA12蛋白的结构与生物学功能奠定了理论基础。     

枯草芽孢杆菌芽孢皮层裂解酶CwlJ基因的克隆及酶生物信息学分析

高压热杀菌（HPTS）技术是一种重要的食品杀菌技术,能有效杀灭细菌芽孢。分离纯化出芽孢皮层裂解酶CwlJ可用于研究HPTS杀灭芽孢的机理。通过基因克隆得到了皮层裂解酶基因CwlJ,并构建了表达载体pET-28a(+)-CwlJ。结果表明,CwlJ基因大小为440 bp,编码142个氨基酸;生物信息学分析表明,皮层裂解酶CwlJ为亲水性的碱性不稳定蛋白;皮层裂解酶CwlJ中α-螺旋占26.06%,β-延伸链占21.83%,β-转角占4.93%,无规则卷曲占47.18%;不是分泌性蛋白,形成包涵体的可能性为68.11%;与苏云金芽孢杆菌（Bacillus thuringiensis）、苏云金芽孢杆菌（Bacillus thuringiensis）Bt18247的同类酶CwlJ亲缘关系最近。该研究为后续皮层裂解酶CwlJ基因的表达、分离纯化以及阐明HPTS下皮层肽聚糖水解机制奠定了理论基础。