2020.11.3【读书笔记】丨生物信息学与功能基因组学（第二章 序列数据的获取 下）

学习目标 理解同源（包括直系和旁系同源）的含义； 阐释如PAM（可被接受的点突变）矩阵的生成方法； 比较PAM和BLOSUM打分矩阵的用途； 理解动态规划定义，并解释全局和局部序列比对算法是如何工作的； 在NCBI网页上进行蛋白质或DNA的双序列比对 3.1 引言 当完成对多个物种的基因组测序后，一个重要的工作室找到特定物种内和物种之间的蛋白质在进化上的相关性。 序列水平的相关表明两个蛋白质同源 具有相似或者相同的功能 蛋白质比对：通常比DNA比对包含更丰富的信息 DN

这篇文章是我的生信社群的部分内容，现在开个遗传学专栏，分享一些遗传学数据分析教程，更多教程可以加入我的生信社群查看。看完这篇文章，完全理解参考基因组比对和变异检测全流程！

基于第三代测序技术的基因组组装方法及其在烟草中的应用 卢鹏,金静静,李泽锋,曹培健,范楷,许亚龙 摘要：第三代测序技术凭借着片段读长更长的优势在基因组研究中得到广泛应用。为此，回顾了测序技术的发展，总结了三代测序技术的优缺点，重点对第三代测序技术的基因组组装方法，包括数据预处理、序列组装、组装之后的序列修补和序列的染色体定位方法进行了追踪和统计，同时介绍了测序技术和基因组组...

Genome assembly

**TGS-GapCloser** 是一个旨在通过第三代测序（如Oxford Nanopore Technology的ONT reads或PacBio的HiFi reads）产生的长读长来填充基因组组装中N-gap的软件工具。它支持使用原始或者预错误纠正的长读长数据，并且如果提供有NGS短读长数据，能够通过调用Racon和Pilon进一步抛光读长。该工具要求所有输入的第三代测序（TGS）读长必须是...

NCBI：refseq GCF……UCSC：mm10，hg38ENSEMBL：GRCH38

1. BLAST算法简介 动态规划算法如生物信息学（1）与生物信息学（2）两篇提到的NW与SW算法肯定能得到最优解（最优分为全局最优与局部最优），但是要计算一个庞大的得分矩阵。随着序列的增长，复杂度会平方级别的升高。因此，时间开销和空间开销就会很大。动态规划需要计算出(seq1+1)×(seq2+1)大小的矩阵，但绝大多数数字其实在回溯时是没有用到的，如果能够只计算最终回溯路径附近的一些单元的话，与整个矩阵全部算完，效果近似。 从一个局部来启发，找到一个方法贴近回溯路径，即找到大概会在什么地方匹配，然后顺着

本文深入探讨了生物信息学的核心领域，包括基因预测、基因组学、序列分析和蛋白质结构解析。详细介绍了基因预测工具与方法、基因组学的三大分支（功能、结构与比较基因组学）及其相关数据库，阐述了序列同源性与比对技术（如PSA和MSA）的应用，并系统梳理了蛋白质二级与三级结构的预测方法及其原理。文章还通过mermaid流程图直观展示各技术路径，分析不同预测方法的适用场景，揭示各研究领域的内在关联，并展望了算法优化、数据整合与跨学科合作等未来发展方向，为初学者提供了全面的生物信息学入门指南。

5.3 寻找远缘相关蛋白质：位置特异性迭代BLAST（PSI-BLAST）和DELTA-BLAST PAM250矩阵给探测远缘相关蛋白质提供了一个更好的打分系统，可以改变打分矩阵来检测远缘蛋白质，但仍然有局限性： BLASTP检测到匹配蛋白，但是否同源并不明确。 PSI-BLAST 更深入地搜索数据库，以发现一个与你感兴趣地蛋白远缘相关的匹配蛋白。 比对的5个步骤： 使用某个打分矩阵对查询序列在一个目标数据库中进行搜索（同常规BLASTP） 基于成分的统计数据从起始搜索..

NCBI NCBI (National Center for Biotechnology Information，美国国立生物技术信息中心）于1988年11月4日建立，是NIH（美国国立卫生研究院）的NLM（国立医学图书馆）的一个分支。目的是通过提供在线生物学数据和生物信息学分析工具来帮助人类更好的认知生物学问题。 目前有将近40个在线的文库和分子生物学数据库，包括：PubMed, PubMed Central, and GenBank等。网址： https://www.ncbi.nlm.nih.gov/

  染色体定位分析是将基因家族成员在染色体上的位置标注出来，观察基因家族成员在染色体上是否成簇分布。

在Ubuntu上使用Ensemble数据库Biomart预测目标基因可能结合的转录因子

先指定该基因在哪条染色体上（1-22，X，Y），二十三条染色体形态找到图如下： 然后指定在哪条臂上（每条染色体根据着丝点被分成长臂(q)和短臂（P）） 如上图，每条染色体都有长臂和短臂（尽管有些看起来长的和短的眼看上去很接近），我们就拿1号染色体来具体看下吧。 基因在长臂或短臂上的位置。 用各种染色体显带技术，使染色体沿其长轴显示出明暗或深浅相间的带纹，而每一号染色体都有其独特的带纹，这就构成了每条染色体的带型（band）。 每条显带染色体根据ISCN规定的界标（landma..

文章目录介绍查询某个物种的全部核酸序列和蛋白序列查看某个物种的其他信息（蛋白结构，基因，测序数据，相关文献等）Taxonomy 的相关数据下载**gi_taxid 标识的数据****taxcat 标识的数据**以尼安德特人（taxid：63221）为例 介绍 Taxonomy : NCBI公共序列数据库中所有生物的策划分类和命名法。目前包含地球上大概10%的物种。 我们现在查询到底包含有有多少物种...

5.4 谱搜索：隐马尔可夫模型（HMMs） 谱隐马尔可夫模型在生成用于识别远缘序列相似度的位置特异性打分系统时，比PSSMs更通用，如语音检测，声纳等一系列信号检测问题； 在生信领域，HMMs已经被用于各式各样的应用：序列比对、蛋白质结构预测、蛋白质跨膜区域预测、染色体拷贝数变化分析和基因发现算法等； 优势： 谱HMMs是一个概率模型，它评估在比对中的一个给定位点上发生匹配、错配、插入和确实（空位）的可能性。通过开发一个基于已知序列的统计学模型，我们可以使用谱HMM来描述一个特定序列与模型相匹配的

生物五界：动物、植物、真菌、原生生物和原核生物；生物三界：真细菌、古细菌、真核生物具有催化活性的RNA分子称为核酶（ribozyme）核酶催化的生化反应有：自我剪接 、催化切断其它RNA、合成多肽键 、催化核苷酸的合成新基因的产生：基因与基因组加倍1）整个基因组加倍； 2）单条或部分染色体加倍；3）单个或成群基因加倍。DNA水平转移：原核生物中的DNA水平转移可通过接合转移，噬菌体转染，外源DNA的摄取等不同途径发生，水平转移的基因大多为非必须基因。动物中由于种间隔离不易进行种间杂交，但其主要来源于真核细胞

文章目录常用专业名词定义生物信息学(山大国家精品课)第一章：绪论1.1 课程介绍1.2 探索生物信息学神秘岛1.3生物信息学究竟是神马？1.4 这门课到底学什么？第二章：生物数据库（第一部分）2.1为什么需要生物数据库？2.2生物数据库的分类2.3文献数据库2.4一级核算数据库GenBank2.5一级核酸数据库：人的基因组数据库 Ensemble2.5.2 一级核酸数据库：微生物宏基因组数据库 JCVI2.6二级核酸数据库第二章：生物数据库（第二部分）第三章：序列比较 第一部分3.1 认识序列3.2序列相似

基因组学-系统发育树的方法和考试递送

参见： Question: How to extract all non-seqenced positions from a genome (Fasta file)?   test.fa >chr1 NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN...