生物信息學(xué)簡介課件

生物信息基礎(chǔ)生物信息學(xué)簡介主講教師：高昇Cellmail：gaosheng@Office：教三樓803-模式識別實驗室助教：莫能斌Cellmail：monengbin@163.comOffice：教三樓803-模式識別實驗室2024/1/242參考資料孫嘯等編著,《生物信息學(xué)基礎(chǔ)》，清華大學(xué)出版社，2005年5月.王勇獻等編著,《生物信息學(xué)導(dǎo)論——面向高性能計算的算法與應(yīng)用》,清華大學(xué)出版社，2011年6月.陳寶林，最優(yōu)化理論與算法(第二版)，清華大學(xué)出版社，2005年10月.課件存放郵箱:bioinfo_bupt@163.com passwd:bioinfo2024/1/243考核方式期末成績40%大作業(yè)or考試平時成績40%小作業(yè)開放項目，鼓勵自由參與日?？记?0%2024/1/244課程定位IntroductiontoLifeScienceandArtificialLife生物信息基礎(chǔ)

生命科學(xué)中的信息科學(xué)利用信息科學(xué)的方法和技術(shù)，研究生物體系和生物過程中信息的存儲、信息的內(nèi)涵和信息的傳遞，研究和分析生物體細(xì)胞、組織、器官的生理、病理、藥理過程中的各種生物信息。Bioinformatics：分析復(fù)雜生物學(xué)數(shù)據(jù)的學(xué)科：應(yīng)用信息科學(xué)的理論、方法和技術(shù)，管理、分析和利用生物分子數(shù)據(jù)。分子生物信息學(xué)（MolecularBioinformatics）2024/1/245內(nèi)容提要生物信息學(xué)產(chǎn)生的背景什么是生物信息學(xué)生物信息學(xué)的研究意義生物信息學(xué)的發(fā)展歷史生物信息學(xué)主要研究內(nèi)容生物信息學(xué)所用的方法和技術(shù)2024/1/246歷史回顧(2)1953年，JamesWatson&FrancisCrick發(fā)現(xiàn)了DNA的雙螺旋空間結(jié)構(gòu)并推斷出了DNA的復(fù)制方式，由此揭開了分子生物學(xué)研究的序幕。1990年，人類基因組計劃啟動9人類歷史上的三大科技工程曼哈頓原子彈研制計劃人類基因組計劃阿波羅登月計劃1941.12.6-1945.7.16羅斯福批準(zhǔn)耗資20億美元原子半徑 10-10m原子體積 10-30m31990.10.1-2003.4.23克林頓、布萊爾批準(zhǔn)耗資30億美元1961.5.25-1969.7.20肯尼迪批準(zhǔn)耗資240億美元人體半徑 100m人體體積 100m3太陽系半徑 1012m太陽系體積 1034m32024/1/2410人類基因組計劃人類基因組計劃(HumanGenomeProject,HGP)1986年R.Dulbeccol在Science上撰文，建議對人類基因組進行全測序。1990年美國政府正式啟動人類基因組計劃耗資30億美元、為期15年的計劃，預(yù)期到2005年完成人類基因組大約30億個堿基的全序列測定美、英、日、法、德、中六國科學(xué)家共同參與HGP的主要任務(wù)是：人類基因組以及一些模式生物體(細(xì)菌、酵母、線蟲、果蠅等)基因組的作圖、測序和基因識別。人類基因組計劃的發(fā)展歷程前期準(zhǔn)備1984年 DOE(DepartmentofEnergy)委托Alta,WhiteR.,MendelsonhmM科學(xué)家專業(yè)會議；1985年提出人類基因組計劃的動議1986年 McKusickV稱從整個基因組層次上研究遺傳的科學(xué)為基因組學(xué)1986年 DulbeccoR在Science上發(fā)表文章”腫瘤研究的轉(zhuǎn)折人類基因組的全序列分析”,提出人類基因組計劃1986年 GilbertW&BergP主持人類基因組計劃專家會議1987年 DOE(能源部)和NIH(國家健康研究院)下?lián)苎芯拷?jīng)費1988年 NRC(原子能調(diào)整委員會)的專家發(fā)表mappingandsequencingthehumangenome報告1988年 成立了國家人類基因組研究中心。Watson第一任主任。人類基因組計劃的發(fā)展歷程正式啟動1990年 經(jīng)過5年辯論,美國國會通過“人類基因組計劃”

1990年10月1日啟動

計劃15年，30億美元

多國參與(英國1989,法國1990,德國1995,中國1999)1990年 6月,歐共體通過“歐洲人類基因組計劃”。

此外，丹麥，日本，韓國，俄羅斯和澳大利亞也加入行動行列1999年 9月1日，楊煥明教授在第五次倫敦國際人類基因組戰(zhàn)略討論會上介紹情況。會議正式接受中國加入國際合作，劃定了測序區(qū)域，正式承擔(dān)１％的測序任務(wù)2000年 6月26日各國科學(xué)家公布了人類基因組工作草圖2004年 精度大于99%的完成圖公布人類基因組計劃參與HGP的國家美國（54%）英國（33%）日本（7%）法國（2.8%）德國（2.2%）中國（1%）目標(biāo)：測定人類基因組DNA序列中的30億個堿基順序，獲取四張圖譜：遺傳圖譜物理圖譜序列圖譜基因圖譜HGP負(fù)責(zé)人柯林斯(Collins)已完成測序的基因組

(http://www.ebi.ac.uk/genomes)種類數(shù)目備注古細(xì)菌(Archaea)16真細(xì)菌(Bacteria)120其中有的測定了2個以上的菌株真核生物(Eukaryo)15包括酵母、線蟲、果蠅、蚊子、擬南芥、人等病毒(Virus)885包括不同亞類或不同株系類病毒(Viroid)40包括不同亞類或不同株系噬菌體(Phage)114包括不同亞類或不同株系細(xì)胞器(Organelle)308包括線粒體和葉綠體質(zhì)粒(Plasmid)282103Kilo106Mega109Giga1012Tera1015Peta1018Exa1021Zetta1024Yotta

一個普通生物實驗室每年產(chǎn)生的數(shù)據(jù)量 100Terra-bytes(1014)

人類迄今為止所說過的話(詞語量) ~5exa-bytes(5

1018)生物信息量至少是所有人類說過的話的200倍！巨量的數(shù)據(jù)GenBankDataYearBasePairsSequences1982680,33860619832,274,0292,42719843,368,7654,17519855,204,4205,70019869,615,3719,978198715,514,77614,584198823,800,00020,579198934,762,58528,791199049,179,28539,533199171,947,42655,6271992101,008,48678,6081993157,152,442143,4921994217,102,462215,2731995384,939,485555,6941996651,972,9841,021,21119971,160,300,6871,765,84719982,008,761,7842,837,89719993,841,163,0114,864,570200011,101,066,28810,106,023200115,849,921,43814,976,310200228,507,990,16622,318,883200336,553,368,48530,968,418200444,575,745,17640,604,319/Genbank/genbankstats.html蛋白質(zhì)序列四種數(shù)據(jù)原始數(shù)據(jù)(Originaldata)科學(xué)文獻(Scientificliterature)數(shù)據(jù)組合(Datasets)綜合性數(shù)據(jù)(Organizeddata)后基因組時代的呼喚傳統(tǒng)生物學(xué)：實驗科學(xué)現(xiàn)代生物學(xué)的發(fā)展：數(shù)據(jù)獲取日益實現(xiàn)自動化、半工業(yè)化從數(shù)據(jù)庫中實現(xiàn)數(shù)據(jù)挖掘、知識發(fā)現(xiàn)海量數(shù)據(jù)難以完全依賴實驗手段對新數(shù)據(jù)進行分析，必須借助計算機實現(xiàn)分析和篩選更復(fù)雜層次的生物學(xué)問題復(fù)雜的基因調(diào)控網(wǎng)絡(luò)、代謝網(wǎng)絡(luò)；細(xì)胞間信號轉(zhuǎn)導(dǎo)過程；生物個體全部基因表達變化……面對堆積如山的生物學(xué)數(shù)據(jù)……HGP生物數(shù)據(jù)的激增（每15個月翻一番）生物學(xué)家數(shù)學(xué)家信息科學(xué)家生物信息學(xué)（bioinfomatics)的誕生生物信息學(xué)概念2024/1/2422“Wearenotlimitedbythenumberofexperimentsthatwecando,wearelimitedbyourabilitytounderstandtheinformationthatisgeneratedasaresultoftheseexperiments.“Biologyisquicklybecominganinformationscience.生物學(xué)日益成為一門信息科學(xué)Biologyeasilyhas500yearsofexcitingproblemstoworkon.生物學(xué)中有著至少500年也解決不完的有趣問題。——DonaldE.KnuthLet’sbeginourexplorationofcomputationalandtheoreticalbiology!什么是生物信息學(xué)生物信息學(xué)是現(xiàn)代生命科學(xué)與信息科學(xué)、計算機科學(xué)、數(shù)學(xué)、統(tǒng)計學(xué)、物理學(xué)、化學(xué)等學(xué)科相互滲透而形成的交叉學(xué)科，是應(yīng)用計算機技術(shù)和信息論方法研究蛋白質(zhì)及核酸序列等各種生物信息的采集、存儲、傳遞、檢索、分析和解讀，以幫助了解生物學(xué)信息的科學(xué)。從研究涉及的學(xué)科來看：多學(xué)科交叉從研究內(nèi)容來看：基因組信息學(xué)、蛋白質(zhì)組信息學(xué)、結(jié)構(gòu)模擬與分子設(shè)計等構(gòu)成其主要組成部分生物體系和生物過程中信息的存儲、傳遞和表達細(xì)胞、組織、器官的生理、病理、藥理過程的中各種生物信息信息科學(xué)生命科學(xué)中的信息科學(xué)概念（廣義）2024/1/2426生物分子數(shù)據(jù)深層次生物學(xué)知識分子生物信息學(xué)MolecularBioinformatics挖掘獲取概念（狹義）生物分子信息的獲取、存儲、分析和利用2024/1/2427生物分子數(shù)據(jù)信息計算

+Bioinformatics2024/1/2428細(xì)胞分子存儲、復(fù)制、傳遞和表達遺傳信息的系統(tǒng)生物信息的載體生物分子信息2024/1/2429主要研究兩種信息載體DNA分子蛋白質(zhì)分子2024/1/2430生物分子至少攜帶三種信息遺傳信息與功能相關(guān)的結(jié)構(gòu)信息進化信息2024/1/2431遺傳信息的載體---DNA遺傳信息的載體主要是DNA控制生物體性狀的基因是---系列DNA片段生物體生長發(fā)育的本質(zhì)就是遺傳信息的傳遞和表達2024/1/2432DNA生物體（人）人體由上億個細(xì)胞組成每個細(xì)胞都有著相同的染色體組染色體對每條染色體是一個DNA分子，基因是DNA的功能區(qū)域DNA雙螺旋結(jié)構(gòu)7.5-10

101223對2.8-3.5萬33蛋白質(zhì)的結(jié)構(gòu)決定其功能蛋白質(zhì)功能取決于蛋白質(zhì)的空間結(jié)構(gòu)蛋白質(zhì)結(jié)構(gòu)決定于蛋白質(zhì)的序列（這是目前基本共認(rèn)的假設(shè)），蛋白質(zhì)結(jié)構(gòu)的信息隱含在蛋白質(zhì)序列之中。2024/1/2434DNA分子和蛋白質(zhì)分子

都含有進化信息通過比較相似的蛋白質(zhì)序列，如肌紅蛋白和血紅蛋白，可以發(fā)現(xiàn)由于基因復(fù)制而產(chǎn)生的分子進化證據(jù)。通過比較來自于不同種屬的同源蛋白質(zhì)，可以分析蛋白質(zhì)甚至種屬之間的系統(tǒng)發(fā)生關(guān)系，推測它們共同的祖先蛋白質(zhì)。2024/1/2435生物分子信息DNA序列數(shù)據(jù)蛋白質(zhì)序列數(shù)據(jù)生物分子結(jié)構(gòu)數(shù)據(jù)生物分子功能數(shù)據(jù)最基本直觀復(fù)雜2024/1/2436DNA核酸序列蛋白質(zhì)氨基酸序列蛋白質(zhì)結(jié)構(gòu)蛋白質(zhì)功能最基本的生物信息維持生命活動的機器第一部:遺傳密碼第二部:遺傳密碼？生命體系千姿百態(tài)的變化生物分子數(shù)據(jù)及其關(guān)系2024/1/2437生物分子信息的特征生物分子信息數(shù)據(jù)量大生物分子信息復(fù)雜生物分子信息之間存在著密切的聯(lián)系2024/1/2438生物信息學(xué)的目標(biāo)和任務(wù)收集和管理生物分子數(shù)據(jù)數(shù)據(jù)分析和挖掘開發(fā)分析工具和實用軟件生物分子序列比較工具基因識別工具生物分子結(jié)構(gòu)預(yù)測工具基因表達數(shù)據(jù)分析工具2024/1/2439實驗

數(shù)據(jù)

信息知識收集表示分析建?？坍嬏卣鞅容^推理應(yīng)用基因工程蛋白質(zhì)設(shè)計疾病診斷疾病治療開發(fā)新藥生物分子信息處理流程2024/1/2440數(shù)據(jù)源數(shù)據(jù)量生物信息學(xué)任務(wù)DNA序列11.5百萬條序列125.0億個堿基分離編碼與非編碼區(qū)域識別內(nèi)含子與外顯子基因產(chǎn)物預(yù)測基因功能注釋基因調(diào)控信息分析蛋白質(zhì)序列40.0萬條序列（每條序列平均有300氨基酸）序列比較多重序列比對識別保守的序列模式進化分析數(shù)據(jù)源數(shù)據(jù)量生物信息學(xué)任務(wù)大分子結(jié)構(gòu)1.5萬個結(jié)構(gòu)（每個結(jié)構(gòu)平均1000個原子坐標(biāo)）二級結(jié)構(gòu)、空間結(jié)構(gòu)預(yù)測三維結(jié)構(gòu)比對蛋白質(zhì)幾何學(xué)度量表面和形態(tài)計算分子間相互作用分析分子模擬基因組300個基因組標(biāo)注重復(fù)序列基因結(jié)構(gòu)分析系統(tǒng)發(fā)生分析基因與疾病的連鎖分析基因組比較遺傳語言分析數(shù)據(jù)源數(shù)據(jù)量生物信息學(xué)任務(wù)基因表達酵母6000個基因在約20時間點表達值表達模式相關(guān)分析基因基因調(diào)控網(wǎng)絡(luò)分析表達調(diào)控信息分析2024/1/2443分子生物學(xué)的三大核心數(shù)據(jù)庫GenBank核酸序列數(shù)據(jù)庫SWISS-PROT蛋白質(zhì)序列數(shù)據(jù)庫PDB生物大分子結(jié)構(gòu)數(shù)據(jù)庫2024/1/2444生物信息學(xué)研究意義認(rèn)識生物本質(zhì)了解生物分子信息的組織和結(jié)構(gòu)，破譯基因組信息，闡明生物信息之間的關(guān)系。改變生物學(xué)的研究方式改變傳統(tǒng)研究方式，引進現(xiàn)代信息學(xué)方法在醫(yī)學(xué)上的重要意義為疾病的診斷和治療提供依據(jù)為設(shè)計新藥提供依據(jù)2024/1/2445生物信息學(xué)基本思想的產(chǎn)生生物信息學(xué)的迅速發(fā)展二十世紀(jì)50年代二十世紀(jì)80-90年代生物科學(xué)和技術(shù)的發(fā)展人類基因組計劃的推動生物信息學(xué)的發(fā)展歷史2024/1/244620世紀(jì)50年代，生物信息學(xué)開始孕育20世紀(jì)60年代，生物分子信息在概念上將計算生物學(xué)和計算機科學(xué)聯(lián)系起來20世紀(jì)70年代，生物信息學(xué)的真正開端20世紀(jì)70年代到80年代初期，出現(xiàn)了一系列著名的序列比較方法和生物信息分析方法20世紀(jì)80年代以后，出現(xiàn)一批生物信息服務(wù)機構(gòu)和生物信息數(shù)據(jù)庫20世紀(jì)90年代后,HGP促進生物信息學(xué)的迅速發(fā)展2024/1/2447生物信息學(xué)主要研究內(nèi)容序列分析/SequenceanalysisSequencealignmentStructureandfunctionpredictionGenefinding結(jié)構(gòu)分析/StructureanalysisProteinstructurecomparisonProteinstructurepredictionRNAstructuremodeling表達分析/ExpressionanalysisGeneclusteringGenexpressionanalysis蛋白質(zhì)組學(xué)/ProteomicsProtein-ProteinInteraction2024/1/2448基因組數(shù)據(jù)庫蛋白質(zhì)序列數(shù)據(jù)庫蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫DDBJEMBLGenBankSWISS-PROTPDBPIR生物分子數(shù)據(jù)的收集與管理2024/1/2449序列分析從DNA序列與蛋白質(zhì)序列中進行信息及模式發(fā)現(xiàn)尋找進化聯(lián)系尋找基因組的編碼區(qū)尋找序列中的功能信號區(qū)全基因組序列的拼接與組裝識別非編碼區(qū)，探索其功能單核苷酸多態(tài)性SNP(Singlenucleotidepolymorphism)序列比對/alignment序列分析分子進化和比較基因組學(xué)結(jié)構(gòu)分析蛋白質(zhì)結(jié)構(gòu)和功能的預(yù)測分析

蛋白質(zhì)家族保守序列尋找從氨基酸組成辨識蛋白質(zhì)蛋白質(zhì)二級結(jié)構(gòu)預(yù)測

蛋白質(zhì)的三維結(jié)構(gòu)蛋白質(zhì)的物理性質(zhì)預(yù)測其他特殊局部信息：其它特殊局部結(jié)構(gòu)包括膜蛋白的跨膜螺旋、信號肽、卷曲螺旋(CoiledCoils)等，具有明顯的序列特征和結(jié)構(gòu)特征，也可以用計算方法加以預(yù)測基因表達數(shù)據(jù)分析基因表達數(shù)據(jù)：近年來biochips,microarray技術(shù)迅速發(fā)展起來，使得我們可能得到同一時間成千上萬個基因的表達水平的數(shù)據(jù)。上述基因表達數(shù)據(jù)為我們提供了深入研究基因功能，基因相互作用，基因網(wǎng)絡(luò)等復(fù)雜網(wǎng)絡(luò)問題的有力工具?；虮磉_數(shù)據(jù)分析面臨維數(shù)極高，噪聲大而且相關(guān)，數(shù)據(jù)重復(fù)度低等問題，對數(shù)理統(tǒng)計等學(xué)科提出了新問題。目前對基因表達數(shù)據(jù)的處理主要是進行聚類分析，將表達模式相似的基因聚為一類，在此基礎(chǔ)上尋找相關(guān)基因，分析基因的功能。2024/1/2455基因調(diào)控網(wǎng)絡(luò)與信號轉(zhuǎn)導(dǎo)基因的表達受到蛋白的調(diào)控，一個基因的表達與否，表達量，均受到細(xì)胞中各種蛋白的調(diào)控。所以基因的調(diào)控可以看作是細(xì)胞中各基因?qū)?yīng)的mRNA與各種蛋白的一個相互作用網(wǎng)絡(luò)。信號轉(zhuǎn)導(dǎo)指當(dāng)細(xì)胞受到某種影響，其中某個蛋白的含量發(fā)生變化，而引起一系列的蛋白的表達變化的過程和路徑。它對于研究藥理、病理、細(xì)胞的分化、發(fā)育、進化等重大問題都十分重要。信號轉(zhuǎn)導(dǎo)、基因網(wǎng)絡(luò)與基因表達的數(shù)據(jù)分析是緊密相關(guān)的。生物信息處理并行算法生物信息學(xué)主要研究內(nèi)容序列分析/SequenceanalysisSequencealignmentStructureandfunctionpredictionGenefinding結(jié)構(gòu)分析/StructureanalysisProteinstructurecomparisonProteinstructurepredictionRNAstructuremodeling表達分析/ExpressionanalysisGeneclusteringGenexpressionanalysis蛋白質(zhì)組學(xué)/ProteomicsProtein-ProteinInteraction2024/1/2458生物信息學(xué)所用的方法和技術(shù)1、數(shù)學(xué)統(tǒng)計方法2、動態(tài)規(guī)劃方法3、機器學(xué)習(xí)與模式識別技術(shù)4、數(shù)據(jù)庫技術(shù)及數(shù)據(jù)挖掘5、人工神經(jīng)網(wǎng)絡(luò)技術(shù)6、專家系統(tǒng)7、分子模型化技術(shù)8、生物分子的計算機模擬9、因特網(wǎng)（Internet）技術(shù)2024/1/2459數(shù)學(xué)統(tǒng)計方法生物活動常常以大量、重復(fù)的形式出現(xiàn)，既受到內(nèi)在因素的制約，又受到外界環(huán)境的隨機干擾。因此概率論和數(shù)學(xué)統(tǒng)計是現(xiàn)代生物學(xué)研究中一種常用的分析方法數(shù)據(jù)統(tǒng)計、因素分析、多元回歸分析是生物學(xué)研究必備的工具隱馬爾科夫模型（HiddenMarkovModels）在序列分析方面有著重要的應(yīng)用。與隱馬爾科夫模型相關(guān)的技術(shù)是馬爾科夫鏈（MarkovChain）2024/1/2460動態(tài)規(guī)劃方法動態(tài)規(guī)劃（DynamicProgramming）是一種解決多階段決策過程的最優(yōu)化方法或復(fù)雜空間的優(yōu)化搜索方法動態(tài)規(guī)劃解決問題的基本過程是：將一個問題的全局解分解為局部解，逆序遞推求出局部最優(yōu)解，隨著執(zhí)行過程的推進，“局部”逐漸接近“全局”，最終獲得全局最優(yōu)解2024/1/2461機器學(xué)習(xí)與模式識別技術(shù)機器學(xué)習(xí)機器學(xué)習(xí)是模擬人類的學(xué)習(xí)過程，以計算機為工具獲取知識、積累經(jīng)驗遺傳算法采用隨機搜索方法，具有自適應(yīng)能力和便于并行計算神經(jīng)網(wǎng)絡(luò)的理論是基于人腦的結(jié)構(gòu)，其目的是揭示一個系統(tǒng)是如何向環(huán)境學(xué)習(xí)的，這一種方法被稱為聯(lián)接主義。2024/1/2462機器學(xué)習(xí)與模式識別技術(shù)模式識別模式識別是機器學(xué)習(xí)的一個主要任務(wù)。模式是對感興趣客體定量的或者結(jié)構(gòu)的描述，而模式識別就是利用計算機對客體進行鑒別，將相同或相似的客體歸入同類中模式識別主要有兩種方法:根據(jù)對象的統(tǒng)計特征進行識別，根據(jù)對象的結(jié)構(gòu)特征進行識別

2024/1/2463環(huán)境學(xué)習(xí)知識庫執(zhí)行反饋機器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)

2024/1/2464數(shù)據(jù)庫技術(shù)及數(shù)據(jù)挖掘數(shù)據(jù)挖掘（datamining）又稱作數(shù)據(jù)庫中的知識發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase)，它是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的信息的一種新技術(shù)，它能自動分析數(shù)據(jù)，對它們進行歸納性推理和聯(lián)想，尋找數(shù)據(jù)間內(nèi)在的某些關(guān)聯(lián)，從中發(fā)掘出潛在的、對信息預(yù)測和決策行為起著十分重要作用的模式數(shù)據(jù)挖掘過程一般分為4個基本步驟：數(shù)據(jù)選擇、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘和結(jié)果分析2024/1/2465人工神經(jīng)網(wǎng)絡(luò)技術(shù)人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork,簡稱ANN）是通過模擬神經(jīng)元的特性以及腦的大規(guī)模并行結(jié)構(gòu)、信息的分布式和并行處理等機制建立的一種數(shù)學(xué)模型2024/1/2466輸入層隱藏層輸出層2024/1/2467專家系統(tǒng)專家系統(tǒng)（ExpertSystem）是一種基于知識的智能系統(tǒng)，它將領(lǐng)域?qū)＜业慕?jīng)驗用一定的知識表示方法表示出來，并放入知識庫中，供推理機使用.2024/1/2468使用界面解釋機構(gòu)推理機知識獲取知識庫數(shù)據(jù)庫領(lǐng)域?qū)＜矣脩鬉I專家專家系統(tǒng)的基本結(jié)構(gòu)2024/1/2469分子模型化技術(shù)分子模型化（Molecularmodeling）是利用計算機模擬分子結(jié)構(gòu)、研究分子之間相互作用的一種技術(shù)分子模型化是進行分子設(shè)計的基礎(chǔ)。分子圖形學(xué)（MolecularGraphics）是進行分子模型化的一項重要技術(shù)，正是由于分子圖形學(xué)和其它計算化學(xué)方法（如分子力學(xué)、分子動力學(xué)）的相互結(jié)合，才使得分子模型化方法取得成功2024/1/24702024/1/2471生物分子的計算機模擬傳統(tǒng)的生物分子研究主要是實驗方法，如利用測序技術(shù)確定DNA分子的序列，通過分子遺傳學(xué)方法確定基因的多態(tài)性，通過X-射線晶體衍射確定蛋白質(zhì)分子的結(jié)構(gòu)，通過生化實驗研究生物大分子之間的相互作用、藥物分子與靶分子的結(jié)合。所謂生物分子的計算機模擬就是從分子或者原子水平上的相互作用出發(fā)，建立分子體系的數(shù)學(xué)模型，利用計算機進行模擬實驗，預(yù)測生物分子的結(jié)構(gòu)和功能，預(yù)測動力學(xué)及熱力學(xué)等方面的性質(zhì)2024/1/2472反饋，改進模型實驗實驗現(xiàn)象數(shù)學(xué)模型計算機模擬模擬結(jié)果分析新的設(shè)想產(chǎn)生設(shè)計解釋2024/1/2473因特網(wǎng)（Internet）技術(shù)Internet已經(jīng)成為生物學(xué)研究的平臺，同時也成為分子生物學(xué)研究人員進行信息交流特別是生物分子數(shù)據(jù)的交流的場所通過網(wǎng)絡(luò)查詢或搜索所需要的生物信息，使用分析工具將所要處理的數(shù)據(jù)直接送到相應(yīng)的網(wǎng)絡(luò)服務(wù)器上，服務(wù)器接受你的處理請求，并將處理結(jié)果返回2024/1/2474復(fù)雜網(wǎng)絡(luò)分析理論

社會網(wǎng)：社交網(wǎng)，演員合作網(wǎng)，姻親關(guān)系網(wǎng)，科研合作網(wǎng)，Email網(wǎng)生物網(wǎng)：食物鏈網(wǎng)，神經(jīng)網(wǎng)，新陳代謝網(wǎng)，蛋白質(zhì)網(wǎng)，基因網(wǎng)絡(luò)信息網(wǎng)絡(luò)：WWW，專利使用，論文引用，計算機共享技術(shù)網(wǎng)絡(luò)：電力網(wǎng)，Internet，電話線路網(wǎng)交通運輸網(wǎng)：航線網(wǎng)，鐵路網(wǎng)，公路網(wǎng)，自然河流網(wǎng)75中藥方劑網(wǎng)雖然中藥方劑的數(shù)量很大，但目前還沒有統(tǒng)計用的數(shù)據(jù)庫。不得不用手工進行統(tǒng)計，因此統(tǒng)計的數(shù)據(jù)量受到很大限制。選用了1536付藥方，681種藥物進行了統(tǒng)計。節(jié)點：藥物，邊：在一付方劑中藥物的相互作用。方劑：藥物、藥物的相互作用構(gòu)成的固定完全