生命科学领域的前沿科学:生物信息学

从生物信息学兴起的历史条件,常用的生物信息数据库,生物信息学的基本分析方法,生物信息学和计算机的关系,生物信息学的主要研究内容等方面介绍了生物信息学,阐述了生物信息学的发展前景和亟待解决的问题.     

计算机科学在生物信息学中的应用

计算机科学如何更快更好地发挥其在生物信息学中的作用是我国的广大计算机研究和开发人员面临的一个重要的新课题。本文通过对计算机在生物信息学中的若干应用的现状分析与前景展望,为计算机研究人员如何寻找计算机科学在生物信息学中的切入点提供了某些启示。     

生物信息学及生物信息查询与应用

本文介绍了基因组学与蛋白质组学和生物信息学的基本内容,列举了主要核酸、蛋白质数据库及其查询软件并说明如何利用查询工具对生物信息资源进行查询和对核酸蛋白质进行分析.     

生物信息学中的双序列比对算法

生物信息学是生物技术的核心,序列比较是生物信息学中最基本、最重要的操作,通过序列比较可以发现生物序列中的功能、结构和进化的信息,序列比较的基本操作是比对。描述了常用的各类双序列比对算法,并结合实例进行了详细的解释,最后指出了序列比对算法目前存在的问题。     

组合数学在生物信息学教学中的应用

从试验中获取的生物信息进行储存、检索和分析是生物信息学研究的基本工作,所得的生物信息往往是离散的数据,而组合数学研究的对象就是离散数据,并有成熟的理论体系和组合算法思想,因此可以利用组合算法模型,以计算机为工具研究生物信息数据。本文浅谈组合数学在生物信息学教学中应用,以及在生物信息学专业中开设的重要性。     

生物信息学基础

本书内容简练而全面，是一本很好的生物信息学教材。本书主要特点有：（1）尽可能避开繁琐的数学公式，详细介绍了算法的技术细节，免去了读者必须具备复杂的计算背景才能理解算法的前提；（2）恰当地使用图例，使读者更容易理解书中的内容；（3）广泛参阅并综合了生物信息学各关键领域的文献，帮助读者尽快掌握生物信息学的全貌。本书不仅介绍了结构生物信息学，还涵盖了比较基因组学和功能基因组学等较新领域的内容。     

基因组学与蛋白质组学

介绍了基因组与基因组学、蛋白质与蛋白质组学的概念及功能基因组学和蛋白质组学的研究方法。     

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DNA序列比对算法研究

基于典型CLUSTALW序列比对算法,研究一种局部优化的多序列比对算法,用减少序列比对过程中总评分的方法来达到优化算法的目的,并对基因库中的序列进行了测试．     

基于遗传算法的序列比对方法

为有效解决大尺度基因组序列的比对分析,提出了一种基于遗传算法的序列比对方法。该算法通过对序列比对问题进行编码,将其转换成了搜索空间中的一个优化问题。实验结果表明,这种新的比对算法是有效的,它在占用少量内存的情况下可以获得近似于Need lem an-W unsch算法结果的最优解。     

基于知识表达系统的序列比对研究

序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的双序列比对算法以及多序列比对算法进行了描述和评价;针对目前序列比对算法普遍存在的不足,提出了一种新的思想--基于知识表达系统的序列比对研究,应用知识表达系统对序列比对相似性发现进行定义及其处理。     

论信息资源与生命科学研究

讨论了现代计算机信息技术、Internet和情报科学的发展方向，介绍了人类基因组计划和生物信息学产生的科学背景，并对Internet上的生物信息学资源进行了阐述，说明了计算机信息技术对生命科学的研究和发展，特别是对基因组研究和后基因组研究的重要性。     

基于模拟退火遗传算法的多序列比对方法

针对MSA问题提出了将遗传算法与模拟退火算法结合在一起的混合算法.该算法充分发挥了遗传算法和模拟退火算法的优越性,可提高求解多序列比对MSA问题的计算精度和计算速度,整个算法模拟了自然界进化的周期性,较好的解决了群体的多样性和收敛深度的矛盾.实验表明,该方法算法是有效的.     

生物序列比对算法分析与比较

序列比对是生物信息学的一个非常重要的操作．它可以预测生物序列的功能、结构和进化过程等．文中首先介绍双序列比对的基本算法;接着分析和比较多序列比对的四个常用模型和三类算法以及并行比对算法;最后,给出一些研究问题．     

基于生物信息的未知二进制协议聚类方法

协议聚类是协议逆向工程技术中非常重要的一步，针对二进制协议更加透明且满足的协议种类更加广泛的特点，提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法，能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式，使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵，并用UPGMA计算最小距离生成树得到初始分簇；其次，将每一簇四进制协议报文转化成十六进制蛋白质链，得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明，该方法能够对二进制协议实现高效并且高准确率的聚类，具有较高的应用价值.