基因工程 绪论课件.ppt

《基因工程 绪论课件.ppt》由会员分享，可在线阅读，更多相关《基因工程 绪论课件.ppt（85页珍藏版）》请在三一办公上搜索。

1、生 物 信 息 学Bioinformatics,海南大学 农学院生物技术系杨诺2010年2月,参考文献,1、生物信息学概论 罗静初 北京大学 北京大学出版社2、生物信息学（863高科技丛书） 赵国平 中科院上海生命科学院 科学出版社3、生物信息学基因和蛋白质分析的使用指南 李衍达 清华大学 清华大学出版社4、生物信息学手册 郝柏林 中科院物理所 上海科学技术出版社5、简明生物信息学 钟扬 复旦大学 高等教育出版社6、生物信息学札记（第三版）（http:/ 樊龙江 浙江大学,第一章 生物信息学通论,第一节 生物信息与生物信息学第二节 生物信息学发展简史第三节 人类基因组计划和基因组信息学第四节

2、基因组时代：生物信息学的应用与展望,生命信息的组织、传递、表达,物理,化学,分子生物学,遗传学,信息技术,第一节 生物信息与生物信息学,一、迅速膨胀的生物信息,近20年来，分子生物学发展的一个显著特点是生物信息的剧烈膨胀，且迅速形成了巨量的生物信息库。这里所指的生物信息包括多种数据类型，如分子序列(核酸和蛋白质)，蛋白质二级结构和三维结构数据、蛋白质疏水性数据等等。由实验获得的大量核酸序列和三维结构数据被存在数据库中，这些数据库就是所谓的初级数据库(primary databases)；那些由原始数据分析而来的诸如二级结构、疏水位点和功能区(domain)数据，则组成了所谓的二级数据(seco

3、ndary databases)。那些由核酸数据库序列翻译而来的蛋白质序列数据组成的蛋白质数据库，也应被视为二级数据库。,生物信息的增长是惊人的。近年来，核酸库的数据每10个月左右就要翻一翻，2000年底，数据库数据则达到了创记录的100亿个记录，大量生物(甚至包括我们人类自身)的整个基因组序列被测定完成或正在进行中，遍布世界各地研究实验室的高通量大型测序仪在日夜不停地运转，每天都有成千上万的数据被源源不断地输入相应的生物信息库中。同时，由这些原始数据分析加工而来的蛋白质结构等数据信息也被世界各地的分子生物学、生物信息学等学科领域专家输入二级数据库中。图1.1显示出了各种生物信息的同步增长状况

4、。 迅速膨胀的生物信息给科学家们提出了一个新问题：如何有效管理、准确解读、充分使用这些信息？,图1.1各类生物信息的同步增长状况。图中依次为核酸序（GenBank）、蛋白质序（PDB）、蛋白质序列（SWISS-PROT）和文献数量增长幅度（引自NCBI，2000）。,二、生物信息学的概念,生物信息学便是在生物信息的急剧膨胀的压力下诞生了。 一般意义上，生物信息学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。 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

5、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。,从生物信息学研究的具体内容上看，生物信息学应包括这3个主要部分：(1)新算法和统计学方法研究；(2)各类数据的分析和解释；(3)研制有效利用和管理数据新工具。 Claverie （2000）的一段英文描述如下：“Bioinformatics is the science of using information to understand biology. Its the discipline of obta

6、ining information about genomic or protein sequence data. This may involve similarity searches of databases, comparing your unidentified sequence to the sequences in a database, or making predictions about the sequence based on current knowledge of similar sequences.”,Bioinformatics,生物信息学最初更多地是关注数据库

7、，那些数据库存储着来自基因组测序计划完成的序列数据。目前生物信息学已今非昔比，它所关注的是各类数据，包括生物大分子的三维结构、代谢途径和基因表达等等。生物信息学最使人们感兴趣的是它利用计算方法分析生物数据，如根据核酸序列预测蛋白质序列、结构、功能的算法等。虽然这些预测还不是非常精准，但是当可靠的实验数据还无法得到的情况下，这这一预测可以作为一盏路灯，指示你应如何开展实验。,图1-2 生物信息学“路线图”。取自http:/www.kisac.ki.se/。,生物信息学主要研究两种信息载体DNA分子蛋白质分子,生物信息学的诞生和发展最早可以追溯到上个世纪的60年代，波林(Pauling)分子进化理

8、论的出现，已预示着生物信息学的来临。而真正意义上的“生物信息学(Bioinformatics)”一词的出现则是1990年(见：“A term coined in 1990 to define the use of computers in sequence analysis” (Claverie, 2000)，据说是由出生在马来西亚的美籍学者林华安（Hwa A. Lim）首次使用的（郝柏林和张淑誉，2002）。,虽然生物信息学的历史并不长，但正象生物信息的迅猛发展一样，生物信息学已发展了大量独具学科特色的分析方法和分析软件。例如，当获得了大量序列数据以后，我们现在已能进行序列家族或同源性分析；

9、进行序列的聚类，建立进化树并确定序列间的进化关系；进行代谢途径相关基因的同源性分析，以及获取其它生物代谢途径的相关信息等。分析软件更是层出不穷，通过网络可以搜索到大量的相关信息。这些软件很多已成为商业化产品，但很多软件是可以免费获取的。这些分析软件已成为生物信息学最重要的研究手段，是生物学家获取信息的重要途径和生物信息学显示其价值的窗口。,生物信息学还有另一个经常被使用的名字：“计算生物学”(computational biology)，此外“计算分子生物学”(computational molecular biology)和“生物分子信息学”(biomolecular informatics

10、)等也被使用过。但严格意义上说，计算生物学的范围应更宽泛些见“Strictly speaking, bioinformatics is a subset of the large field of computational biology, the application of quantitative analytical techniques in modeling biological system.” (Gibas and Jambeck, 2001)。,正确认识和理解生物信息学这门新学科非常重要，它有助于该学科的科学研究和学习。Bioinformatics杂志的一篇社论文章(200

11、0,vol 16 no.3，其翻译稿见庞洪泉和樊龙江，生物技术通报，2002，2：47-52)，评析了人们对生物信息学的一些不正确的认识： (1)“人人可以从事生物信息学研究”。这一认识的根源来自对生物信息学的2个误解，一是生物信息学研究不需大量经费投入，因为有如此多的数据资源，只要找本生物学教科书，有台电脑并连到国际网上，人人可以从事生物信息学研究；二是生物信息学的软件是免费的。殊不知生物信息的巨量特征目前向计算机提出了严峻的考验，而一台大型新型计算机可能要以千万甚至亿元计算，同时大量先进、最新的生物信息学分析软件包都是商业化产品，不付钱难以到；,(2)“你最终还是需要具体的实验”。实验生物

12、学家非常羡慕生物信息学家，认为“他们只是敲敲键盘，然后便是写论文”，他们的研究结果只是一种试验结果的预测，是对实验研究的一种“支持”。在分子生物学研究中，固定的模式应是先有某一假设，然后用某一实验去验证或支持这一最初的猜测。在生物信息学研究中，也同样进行着这一模式：有一无效假设(例如某一序列在数据库中没有同源序列)，然后进行实验(如搜索数据库)并验证，拒绝或接受无效假设(如该序列的确有或无同源序列)。这是一个标准的假设实验模式。在其它学科中，计算科学已被作为深入理解科学问题的重要手段，而在生物学领域还没有形成这样的共识；,(3)“生物信息学是门新技术，但只是一门技术而已”。由此把生物信息学定位

13、为一门新的应用学科。正如前面所说，虽然生物信息学是一门新学科，但在60-70年代，该学科最重要的一些算法便已被提出，生物计算和理论研究便形成雏形。把生物信息学仅仅作为一门应用技术，是从信息学移植来的技术应用于生物学科领域，这是一个致命的误解。生物信息学实际是一门充满丰富知识内涵的学科，它有很多尚待解决的科学问题。这些问题包括生物学方面的(如分子的功能如何进化)和计算方面的(如数据库系统间如何最有效地协同)。生物信息学不仅仅是一个技术平台，它同样需要周详的实验计划和准确的操作，同样需要丰富的想象和一瞬即逝的运气。,三、生物信息学的目标和任务,收集和管理生物分子数据数据分析和挖掘开发分析工具和实用

14、软件生物分子序列比较工具基因识别工具生物分子结构预测工具基因表达数据分析工具,生物分子信息处理流程,四、生物信息学的研究意义,认识生物本质了解生物分子信息的组织和结构，破译基因组信息，阐明生物信息之间的关系。改变生物学的研究方式 改变传统研究方式，引进现代信息学方法在医学上的重要意义为疾病的诊断和治疗提供依据为设计新药提供依据,第二节 生物信息学发展简史,生物信息学基本思想的产生,生物信息学 的迅速发展,二十世纪50年代,二十世纪80-90年代,生物科学和技术的发展,人类基因组计划的推动,1962 Pauling提出分子进化理论 1967 Dayhoff构建蛋白质序列数据库 1970 Need

15、leman-Wunsch算法被提出 1977 Staden利用计算机软件分析DNA序列 1981 Smith-Waterman算法出现 1981 序列模序(motif)的概念被提出(Doolittle) 1982 GenBank数据库(Release3)公开；EMBL创立 1982 -噬菌体基因组被测序 1983 Wilbur和Lipman提出序列数据库的搜索算法 (Wilber-Lipman算法),1985 快速序列相似性搜索程度FASTP/FASTN发布 1988 美国家生物技术信息中心(NCBI)创立 1988 欧洲分子生物学网络EMBnet创立；三大核酸数据库 (GenBank、EMB

16、L和DDBJ)开始国际合作1990 快速序列相似性搜索程序BLAST发布 1991 表达序列标签(EST)概念被提出，从此开创EST测序 1993 英国Sanger中心在英国休斯顿建立 1994 欧洲生物信息学研究所在英国Hinxton成立,1995 第一个细菌基因组测序完成 1996 酶母基因组测序完成 1997 PSI-BLAST(BLAST系列程序之一)发布 1998 PhilGreen等人研制的自动测序组装系统Phred- Phrap-Consed系统正式发布 1998 多细胞线虫基因组测序完成 1999 果蝇基因组测序完成 2000 人类基因组测序基本完成 2001 人类基因组初步分

17、析结果公布,http:/www.ncbi.nlm.nih.gov/Education/BLASTinfo/milestones.html,以上这些事件大多是在“生物信息学”(bioinformatics)一词出现前便发生了。纵观生物信息学的发展历史，可将它分为3个主要阶段： (1)萌芽期(60-70年代)：以Dayhoff的替换矩阵Neelleman-Wunsch算法为代表，它们实际组成了生物信息学的一个最基本的内容和思路：序列比较。它们的出现，代表了生物信息学的诞生(虽然“生物信息学”一词很晚才出现)，以后的发展基本是在这2项内容上不断改善；,(2)形成期(80年代)：以分子数据库和BLAS

18、T等相似性搜索程序为代表。1982年三大分子数据库的国际合作使数据共享成为可能，同时为了有效管理与日俱增的数据，以BLAST、FASTA等为代表工具软件和相应的新算法大量被提出和研制，极大地改善了人类管理和利用分子数据的能力。在这一阶段，生物信息学作为一个新兴学科已经形成，并确立了自身学科的特征和地位；,(3)高速发展期(90年代-至今)：以基因组测序与分析为代表。基因组计划，特别是人类基因组计划的实施，分子数据以亿计；基因组水平上的分析使生物信息学的优势得以充分表现，基因组信息学成为生物信息学中发展最快的学科前沿。Phred-Phrap-Consed系统软件包自1993年出现，1995年已广

19、泛应用于鸟枪法测序中序列的碱基识别、拼装和编辑等，是目前人类基因组等测序计划的主要应用软件，与BLAST一起在人类基因组计划的研究历史中占有一席之地(见Science 2001年2月16日人类基因组专刊“A history of Human Genome Project”一文)。,在此阶段，生物信息学已成为举世瞻目、竞相发展的热点学科。GenBank等数据库中数据的增长在近十年来呈直线上升趋势，这条曲线很容易就使我们联想到生物信息学的发展历程，可以说，这条曲线便是生物信息学近十余年发展的写照。生物信息学在近十余年间经历了长足的发展，并迅速成为生命科学新的生长点。人类基因组计划的实施和生物医药工

20、业的介入是生物信息学迅猛发展的主要推动力。,英国剑桥大学出版社出版的Bioinformatics期刊(www.bioinformatics.oupjournal.org)是目前世界最知名生物信息学的学术期刊之一，它的前身是Computer Applications in the Bioscience(CABIOS)，1998年更名为Bioinformatics。该杂志主要发表计算分子生物学、生物数据库和基因组生物信息学方面的文章。,另外带有生物信息学字样的杂志还有Applied Bioinformatics、Briefings in Bioinformatics、Journal of bioi

21、nformatics and computational biology、Genomics, proteomics & bioinformatics、Proceedings / IEEE Computer Society Bioinformatics Conference以及网上生物信息学杂志BMC Bioinformatics()等。其它与生物信息学相关的出版物还很多，如Nucleic Acids Research、Genome Research、Genomics、J. Mol. Biol.、BioTechniques、BioTechnology Software等。,美国家生物技术信息中心

22、(NCBI)十年(1989-1999)发展简史（NCBI，1999）,图中各年主要事件说明： 1989：NCBI被国会批准于1988年11月成立； 1990：BLAST搜索程序研制完成； 1991：Entrez检索系统(光盘)建立； 1992：GenBank划归NCBI，NCBI建立EST(表达序列检签)数据库(dbEST)； 1993：Entrez检索网络系统建立，同时Entrez中增加三维大分子结构数据内容； 1994：NCBI网站建立，STS(序列标签位点)数据库(dbSTS)在NCBI建立； 1995：向GenBank发送DNA序列系统BankIt面市，随着人类基因组计划的开展和数据库

23、数据的膨胀，NCBI分别建立基因组数据库和分类浏览器；,1996：为了帮助从序列中发现基因，UniGene、GeneMap (人类基因转录图谱)、OMIM(Online Mendelian Inheritance in Man)、Cn3D数据库建立，序列发送新系统Sequin面市； 1997：文献检索库PubMed上网，新的搜索程序PSI-BLAST(Position-Specific Iterated BLAST)和Gapped BLAST(允许空位)研制完成，载体搜索工具VAST和PCR分析软件ePCR面市，COG(Clusters of Orthologous Groups)开始用于蛋白

24、质序列的直系同源分析； 1998：20种微生物基因组数据被公开，PHI-BLAST(Pattern Hit Initialed BLAST)完成，癌症基因组结构计划(CGAP)开始实施； 1999：完成一系列用于人类基因组分析工具和资源：Locuslink、RefSeq和dbSNP。,第三节 人类基因组计划和基因组信息学,一、人类基因组计划简介,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3109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

25、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。,基因组 一个物种中所有基因的整体组成,人类基因组构成24条染色体和线粒体,人类基因组计划的具体任务可以概括为建立四张图谱,1、人类基因组计划的具体任务,遗传图谱物理图谱 序列图谱转录图谱,（1）遗传图谱,遗传图谱（genetic map）又称连锁图谱(linkage map)，它是以具有遗传多态性（在一个遗传位点上具有一个以上的等位基因，在群体中的出现频率皆高于1%）的遗传标记为“路标”，以遗传学距离（在减数分裂事件中两个位点之间进行交换、重组的百分率，1%的重组率称为1cM）

26、为图距的基因组图。遗传图谱的建立为基因识别和完成基因定位创造了条件。,遗传连锁图：通过计算连锁的遗传标志之间的重组频率，确定它们的相对距离，一般用厘摩（cM，即每次减数分裂的重组频率为1%）表示。,（2）物理图谱,物理图谱（physical map）是指有关构成基因组的全部基因的排列和间距的信息，它是通过对构成基因组的DNA分子进行测定而绘制的。绘制物理图谱的目的是把有关基因的遗传信息及其在每条染色体上的相对位置线性而系统地排列出来。,敲碎基因组，分析研究内容所处的染色体位置,细菌人工染色体（80 300Kb）,酵母人工染色体（数百 2000Kb）,中心粒,一对紧密相邻的标志,一对相邻较远的标

27、志,染色体图,1998 年完成了具有52,000个序列标签位点(STS)，并覆盖人类基因组大部分区域的连续克隆系的物理图谱。,（3）序列图谱,随着遗传图谱和物理图谱的完成，测序就成为重中之重的工作。DNA序列分析技术是一个包括制备DNA片段化及碱基分析、DNA信息翻译的多阶段的过程。通过测序得到基因组的序列图谱。,大规模基因组测序,Megabace 测序仪,3700 测序仪,大规模测序基本策略,逐个克隆法：对连续克隆系中排定的BAC克隆逐个进行亚克隆测序并进行组装（公共领域测序计划）全基因组鸟枪法：在一定作图信息基础上，绕过大片段连续克隆系的构建而直接将基因组分解成小片段随机测序，利用超级计算

28、机进行组装（美国Celera公司）,运用计算机软件进行序列拼接,Francis Collins VS. J.Craig Venter,（4）转录图谱,转录图谱是在识别基因组所包含的蛋白质编码序列的基础上绘制的结合有关基因序列、位置及表达模式等信息的图谱。,通过定位克隆技术寻找疾病基因的过程,2、基因识别,基因识别（gene identification）是HGP的重要内容之一，其目的是识别全部人类的基因。基因识别包括：识别基因组编码区识别基因结构基因识别目前常采用的有二种方法：从基因组序列中识别那些转录表达的DNA片段从cDNA文库中挑取并克隆。,3、模式生物,酵母,大肠杆菌,果蝇,线虫,老鼠

29、,4、人类基因组计划的实现对医学事业的影响,对致病基因的克隆也是人类基因组计划的内容。疾病与基因直接或间接相关，通过生物学、医学等技术对相关基因进行抑制或调控，即可达到治疗某一疾病的效果。如果掌握了与某种疾病相关的基因及突变，则可以对该疾病进行预测、诊断，甚至治疗。,基因变异与疾病,基因组多态性,5、人类基因组计划的实施意义,人类基因组计划为我们研究生物信息的组织、结构、遗传、表达带来了极大的方便，使人类对自身有一个根本的了解。人类是最高级、最复杂、最重要的生物，如果搞清楚人类基因组，那么再研究其它的生物就容易得多。研究多种模式生物基因组将有助于研究地球生物的进化史。,6、我国对人类基因组计划

30、的贡献,又一次成功！ 水稻基因研究,二、人类基因组计划给生物信息学提出挑战,随着实验数据和可利用信息急剧增加，信息的管理和分析成为HGP的一项重要的工作,发现生物学规律，,解读生物遗传密码,认识生命的本质,研究基因组数据之间的关系,分析现有的基因组数据,利用数学模型和人工智能技术,1、功能基因组学,HGP即将完成，我们即将进入“后基因组学”(post-genomics)时代基因组学研究重心已开始从揭示生命的所有遗传信息转移到在分子整体水平对功能的研究上，即功能基因组学（functional genomics）功能基因组的任务是进行基因组功能注释（Genome annotation）认识基因与疾

31、病的关系掌握基因的产物及其在生命活动中的作用,功能基因组学的研究内容,进一步识别基因，识别基因转录调控信息，分析遗传语言。注释所有基因产物的功能，这是目前基因组功能注释的主要层次。研究基因的表达调控机制，研究基因在生物体代谢途径中的地位，分析基因、基因产物之间的相互作用关系，绘制基因调控网络图。比较基因组学研究，在基因组水平对各个生物进行对照比较，可以揭示生命的起源和进化、发现蛋白质功能。,人类基因组与其它生物基因组比较,例：人与鼠染色体的差别,后基因组时代,2、生物信息学与新药研制,未来的药物研究过程将是基于生物信息知识挖掘的过程,数据处理和关联分析,发现药物作用对象,确定靶目标分子,针对靶

32、目标进行合理的药物设计,3、生物信息学与疾病检测,基因组计划产生的基因及基因多态性数据与临床医学检验结果之间的关系需要利用生物信息学的方法去分析、去揭示根据这样的分析结果，科学家能够更准确地了解疾病产生的根本原因，更精确地预测某个人患癌症、糖尿病或者心脏病的可能性，从而彻底改变我们诊断、治疗和预防疾病的方式,第四节 基因组时代：生物信息学的应用与展望,生物信息学家们面对的是堆集如山的DNA片段。这是在人类基因组序列2001年完成后出现的一幅漫画：如何真正破译人类自身的庞大的基因组？,蛋白质、DNA和RNA序列的计算分析在上世纪80年代末已发生了根本性变化。高效实验新技术，特别是测序技术是这一变

33、化的推动力，这些新技术使实验数据急剧增长。当基因组测序计划持续开展，研究重点已逐步从数据的积累转向数据的解释。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研究工作的重要组成部分。这些工具有助于我们了解生命本质和进化过程，同时对新药和新疗法的发现具有重要意义。,生物信息学已成为介于生物学和计算机科学学科前沿的重要学科，在许多方面影响着医学、生物技术和人类社会。现在作为一名分子生物学者，不具备一些基本的生物信息学技能已几乎难以胜任。实验室的每一项技术，从简单的克隆、PCR到基因表达分析都需要在计算机上进行数据的处理，这些工作均需要理解DN

34、A和蛋白质分析工具的基本算法。,我们处在一个基因组时代。许多新技术，如用于大规模测序工程的毛细电泳(capillary electrophoresis)，基因芯片制造的光刻技术(photolithography)和机器人技术(robotics technology)等应用于基因组研究，使我们能在以前不可能达到的尺度和角度上观察生物学现象：某一基因组的所有基因，某一个细胞中的所有转录产物，某一组织中的所有代谢过程。这些新技术的一个共同特点是产生大量的数据。例如GenBank数据库已拥有了超过1010个DNA序列数据，并以每年翻一翻的速度增长。那些分析基因表达模式、蛋白质结构、蛋白质间互作等的新技

35、术又会产生更多的数据。如何管理这些数据、解读它们并使各领域的生物学家们能容易地使用它们是生物信息学面临的巨大挑战。,生物信息学面临着越来越多的困难，许多困难是在我们面对大规模科技工程时，所有生物学家都将碰到的问题。对初学者而言，很少有人能在计算机科学和生物学研究两方面同时拥有扎实的背景。这一问题将使那些可以培养下一代生物信息学者的人才匮乏。同时，对对方研究问题的无知可能导致误解。例如，编写用于拼接EST重叠群的程序对于生物学者来说是非常重要的，但对于计算机科学家来说，这没有任何新意。同样，证明在一定条件下不可能构建一个整体最佳系统树(phylogenetic tree)可能是计算机科学的一个重

36、要命题，但对于生物学家来说并无什么实践意义。如何找到共同感兴趣的问题是生物信息学的重要目标。所谓“真正”的生物学研究已越来越多地在计算机前完成，同时，越来越多的计算机科学的课题将来自生物学问题。,一个生物信息学研究者需要怎样的基本条件呢？Gibas and Jambeck在他们的Developing Bioinformatics Computer Skills(C. Gibas and P. Jambeck, OREILLY, 2001)书中大致给出了如下标准： You should have a fairly deep background in some aspect of molecul

37、ar biology. but without a core of knowledge of molecular biology you will, as one person told us, “run into brick walls too often.” You must absolutely understand the central dogma of molecular biology.,You should have substantial experience with at least one or two major molecular biology software

38、packages, either for sequence analysis or molecular modeling. You should be comfortable working in a command-line computing environment. You should have experience with programming in a computer language such as C/C+, as well as in a scripting language such as Perl or Python.,生物信息学作为一个组合学科，需要有多方面的数据

39、资源，这无疑又增加了生物信息学面临的困难。没有这些数据资源和以新方式组合这些数据的能力，生物信息学学科领域范围将受到极大限制。例如，基因相似性搜索程序BLAST，它的广泛应用除了得益于它的算法外，还得益于那些公共数据库，如GenBank、EMBL和DDBJ。没有这些数据库供查询，BLAST将作用有限。,生物信息学研究的一个核心问题是数据库的开发：如何整合和最有效地查询来自诸如基因组DNA序列、mRNA表达的空间和时间模式(spatial and temporal pattern)、蛋白质结构、免疫反应、文献记录等数据。其次是从诸如组装完成的核酸或蛋白质序列中识别模式的算法、用于相似性比较或系统

40、发育构建的序列列线(alignment)、线性序列或高维结构的模序(motif)识别和基因表达的共有模式等等。,如上所述，数据的共享性和应用性非常重要，这引起人们对数据释放(公开)政策的关注：初级数据(primary data)的组成、谁应拥有这些数据、应什么时候和如何公开、对数据的进一步使用可否设置限制等。目前已经隐现的两方面问题可能阻碍生物信息学研究的进展，即(1)数据公开前的使用问题和(2)对已公开数据的保存限制。认识到数据尽早释放对许多研究具有重要意义，人类基因组计划(Human Genome Project，HGP)采用了一种数据正式公布前即上网释放的政策，许多其它基因组计划目前也采

41、用了相同的做法。由于生物信息学强烈依赖于各种来源的数据资源，所以希望一些基因组水平的研究计划(如表达分析和蛋白质组学研究)也能采取相同的政策。,但是，这种利他主义的数据释放政策需要一些保护，如对产生初级数据的人应能使之得到应有的认可。有人最近提出用类似于“私人通信”的方式来处理这些尚未正式公布的数据，这样可以在一定程度上保护这些数据的知识产权。生物信息学研究面对的第二个问题并不是对数据使用的限制而是对下游研究的限制，如将一些数据并入新的或已有的数据库中。这一问题对于生物信息学研究更为关键，因为这不仅涉及何时可以进行生物信息学分析并可进行何种分析。塞莱拉(Celora)公司最近公布的人类基因组初

42、步分析结果便集中引发了这一问题。该公司测得的原始数据(即初级数据)仅由这家私人公司释放，并对这些数据的进一步存储和加工设定了限制。,不妨想象一下，基因组学研究处于这样一种境地，公共数据库(GenBank/EMBL/DDBJ)没有相应数据，由于所有权的限制使数据拼接无法进行。5年前，百慕大协定(Bermuda Conventions)为基因组序列的释放建立了一个很好的标准；鉴于数据释放和使用政策对生命科学研究的深远影响，我们有必要认真考虑为接下来的5年制定些什么标准。在后基因组时代(postgenomic era)，人们期待在对生物发育机理、代谢过程和疾病认识方面有所突破。可以肯定地预言，生物信息学研究将对我们的一些认识产生根本性改变，如基因表达调控、蛋白质结构预测、比较进化学和药物开发等领域。只有在数据共享的情况下，基因组水平的研究才有可能进行。捆住手脚，要在数据的海洋中畅游是很困难的。,在中国，生物信息学随着人类和水稻等基因组研究的展开已显露出蓬勃发展的势头。许多大学和科研院所已经投入大量人力开设生物信息学专业、建立生物信息学研究所（中心）并从事这方面的研究工作，例如北京大学生物信息中心 (http:/,