拟穴青蟹细丝蛋白C的生物信息学分析及重组表达

为了探讨抗原表位与细丝蛋白C（filamin C,FLN c）结构之间的构效关系，对FLN c进行生物信息学分析及分段重组表达。生物信息学分析结果表明，FLN c二级结构以β折叠及无规则卷曲为主，确定其具有9个结构域，三级结构呈免疫球蛋白样折叠，具有典型的细丝蛋白家族特征。基于生物信息学分析，将拟穴青蟹（Scylla paramamosain）FLN c通过分段原核表达，纯化出带有麦芽糖结合蛋白（maltose binding protein，MBP）标签的重组表达蛋白rFLN c1（AA:1-335）、rFLN c2（AA:336-531）、rFLN c3（AA:532-847）。血清学分析结果显示，rFLN c2与蟹类过敏患者血清IgE结合能力最强，推测此区域含有大部分抗原表位。因此，定位拟穴青蟹FLN c氨基酸336-531结构域为抗原表位优势区，rFLN c2可用于FLN c的晶体学研究。     

浅谈生物信息学课程教学

生物信息学是生物学中一门新兴的前沿学科,针对目前国内生物信息学教学现状,结合生物信息学课程特点,对本科生物信息学课程教学中的教材、教学内容、教学模式、考核办法等进行了初步的探索．     

我国现有《生物信息学》教材和网络资源的分析

分析了目前我国出版的14种《生物信息学》教材和有关生物信息学网络资源的特点,探讨了目前我国出版发行的《生物信息学》教材存在的问题,提出应该尽快编写出版系统完整的生物信息学实验操作教材和具有我国原创性的生物信息学教材.     

国外生物信息学发展动态分析

生物信息学是生命科学倡导的学科发展方向之一，生物信息学的发展涉及多个学科。生物信息学在基因发展、疾病基因诊断、蛋白质结构预测、基于结构的药物设计、药物合成和制药工业中起着极其重要的作用。生物信息的应用大大加快了药物的研究开发进程。国外生物信息学在网络数据库资源建设、软件开发、机构、人才培养、学会和会议、专著、期刊出版等方面均呈现出快速发展的态势。     

寄生虫生物信息学研究

介绍生物信息学的含义及寄生虫生物信息学研究概况,对如何充分利用生物信息学技术来进行寄生虫学研究作了综述.     

生物信息学与数学

综述了生物信息学的研究情况,讨论了生物信息学与数学的关系,并介绍了与生物信息学有关的几个数学问题。     

基于XML的生物信息数据模型

各大研究机构之间生物信息数据是异地、异构和高度自治的，并且信息之间的存放是分散无序的．这给生物信息数据的交换和利用带来了很多困难．因此生物信息检索挖掘更着重于过程中相关信息有序的提取和集成，本文提出了一种新的基于xml表达的有序的层次分形数据模型，更有利于生物信息数据的集成和融合．     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代,探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题,有效及廉价的方法是非常必要的.机器学习是一个崭新的计算机应用领域,而生物信息学是生物学与计算机科学以及应用数学等学科相互交叉而形成的一门新兴学科.本文分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展.     

生物信息学研究的军事应用前景

叙述了生物信息学的研究现状及生物信息学在未来军事领域的应用前景.指出大规模基因测序中的信息分析、新基因识别、蛋白质结构预测、"数字化基因"获取、非编码区分析、完整基因组比较、基因功能表达谱分析等都是生物信息学应用于未来军事领域的重要研究内容.     

生物信息学研究进展

本文就目前生物信息学研究的热点问题做了简单的概述.对如何利用生物信息技术进行电子克隆、RNA二级结构的预测做了分析,并对现存的生物信息学问题进行了讨论.     

生物信息学现状及其在水稻基因组研究中的应用

阐述了生物信息学理论的概念和范围、国际生物信息学发展趋势与国内研究现状，探讨了生物信息学在水稻基因组研究中的应用．     

生物信息学在直肠癌相关基因分析中的应用

目的,利用生物信息学方法研究直肠癌相关基因的结构与功能。方法:选择一条在直肠癌和正常组织有差异表达的表达序列标签(EST),利用生物信息学方法,对其进行结构与功能的分析。结果:电子克隆了其全长cDNA序列并预测其编码蛋白为SETprotein。结论:利用生物信息学及网络资源可作为克隆研究基因的新方法。     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

Bioinformatics, robust realm based upon multidisciplinary knowledge of biological data and computational techniques

The accumulation of the large amount of biological data concerning with gene and protein research has proposed that it is necessary to abstract the biological significance from these data. Then the bioinformatics, equipped with the most advanced computational techniques and supported by the latest biological research, has emerged for this purpose. Some recent information on the developing bioinformatics, associated with the uniform resource location addresses of those available resource sites that support hyper-text or general file transfer protocols on the Internet, from points like bioinformation databases of gene sequence or protein structure, general biocomputing softwares for genome analysis or protein structure analysis, online biocomputing servers dedicated for genomic database search or protein steric structure recognition and prediction, artificial life, etc. is reviewed. There are also other various approaches like Usenet, Newsgroup that focus on their specific topics introduced. Finally, the hottest problems and most gifted respects of the bioinformatics are discussed, whereas the bioinformatics has been regarded as an international cooperation in sciences, as well as a new challenge for life scientists in China.     

A modified non-homogeneous model for codon preference and primary sequence structure in protein-coding regions

Based on non-homogeneous model, a modified model is proposed. The new model deals with codon preference in protein-coding regions, reflects more accurately the key biological features of the regions. In addition, it is demonstrated, via an example, the modified model offers better solutions than previous model does. Foundation item: Supported by the Zi-qiang Science Foundation of Wuhan University Biography: Han Le (1977-), female, Master candidate, research direction: optimization and bioinformatics     

生物信息学社区数据空间的设计与实现

针对现有网格系统缺乏专有文件系统,导致数据在终端与网格间的传递以及数据在网格环境中的迁移、共享与管理比较困难的问题,利用清华云计算平台,以其中的分布式文件系统Carrier为底层、Corsair为存储管理软件,为用户设计了数据空间.系统的共享机制分为3个层次:为每个用户分配一定数目的个人私有空间;为每个组分配相应的存储空间;为生物信息学领域的热点资源建立全局共享的存储空间.设计的数据空间实现了层次化的数据共享与管理,为类似问题的解决提供了一种思路.     

面向生物信息学计算的网格工作流系统

针对生物信息学网格计算需求,提出了一种网格工作流管理系统模型,系统以Web方式为用户提供服务,通过与软件模块的交互实现良好的可定制的人机交互界面,使得不熟悉网格计算和工作流系统的人也可以快捷直观地操作使用.该系统能够自动地对工作流任务进行调度,然后通过网格中间件进行执行,并对任务进行监控和管理.论述了该系统的框架和实现原理,通过一个生物信息学计算实例说明工作流的定义、描述和使用流程;并且,通过与中国教育科研网格公共支撑平台CGSP工作流系统的对比,说明了该系统在可视化、便捷性上更符合生物信息学计算需求的特点.     

我国生物信息学研究的发展策略

介绍了人类基因组计划的实施及我国在人类基因组计划中的作用;指出了我国生物信息学研究的现状及存在的问题,并从国际合作、人才培养、政策支持、产权保护、学术团体等方面着重阐述了我国生物信息学研究的发展策略。     

生物信息学社区中图形界面软件的共享方案

分析了目前几种可用的图形界面软件的共享方案在中国国家网格生物信息学社区环境下的可行性,提出了一种新的共享图形界面软件的方案.该方案从3个方面进行了改进:从应用-虚拟机服务模式切换到应用-应用服务模式;采用NX远程控制协议代替原有的VNC协议;增加用户数据的自动挂载功能.实验结果表明:新方案服务器端的负载更小,对网络带宽的需求更低.     

细粒棘球绦虫AgB1抗原表位的生物信息学预测

 以细粒棘球绦虫AgB1基因序列为基础,采用PredictProtein软件预测其编码蛋白的二级结构;应用在线预测软件Bcepred、Abcpred、IEDB及SYFPEITHI等对细粒棘球绦虫AgB1的B细胞表位和T细胞表位进行预测。结果提示,AgB1抗原蛋白存在可以构成抗原表位的区域,经软件分析,分值高的B细胞表位区域:2~9、15~20、22~35和41~52氨基酸序列;T细胞表位区域:3~12、26~33、34~44和52~61氨基酸序列。研究运用生物信息学确定AgB1抗原的4个B细胞优势表位和4个T细胞优势表位,对进一步研究AgB1的抗原性和研发更有价值的免疫诊断方法具有重要意义。