生物信息学-01-1-生物信息学的大众认识和专家谈.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,CCTV10_Bioinfomatics生物信息学大众,视频播放,生物信息身份证,视频播放,背景,：,当前人类基因组研究已进入一个重要时期，2000年将获得人类基因组的全部序列，这是基因组研究的转折点和关键时刻，意味着人类基因组的研究将全面进入信息提取和数据分析阶段，即生物信息学发挥重要作用的阶段。,到1999年12月15日发布的第115版为止，GenBank中的DNA碱基数目已达46亿5千万，DNA序列数目达到535万；其中EST序列超过339万条；UniGene的数目已达到7万个；已有25个模式生物的完整基因组被测序完成，另外的70个模式生物基因组正在测序当中；,到2000年1月28日为止，人类基因组已有16%的序列完成测定，另外37.7%的序列已经初步完成；同时功能基因组和蛋白质组的大量数据已开始涌现。如何分析这些数据，从中获得生物结构、功能的相关信息是基因组研究取得成果的决定性步骤。,核心,：,生物信息学是在此背景下发展起来的综合运用生物学、数学、物理学、信息科学以及计算机科学等诸多学科的理论方法的崭新交叉学科。生物信息学是内涵非常丰富的学科，其核心是基因组信息学，包括基因组信息的获取、处理、存储、分配和解释。,研究内容,：,从目前生物信息学的研究情况来看，国际上公认的生物信息学的研究内容，大致包括以下几个方面：,生物信息的收集、存储、管理与提供。包括建立国际基本生物信息库和生物信息传输的国际联网系统；建立生物信息数据质量的评估与检测系统；生物信息的在线服务；生物信息可视化和专家系统。,基因组序列信息的提取和分析。包括基因的发现与鉴定，如利用国际EST 数据库(dbEST)和各自实验室测定的相应数据，经过大规模 并行计算发现新基因和新SNPs以及各种功能位点；基因组中非编码区的信息结构分析，提出理论模型，阐明该区域的重要生物学功能；进行模式生物完整基因组的信息结构分析和比较研究；利用生物信息研究遗传密码起源、基因组结构的演化、基因组空间结构与DNA折叠的关系以及基因组信息与生物进化关系等生物学的重大问题。,研究内容,：,功能基因组相关信息分析。包括与大规模基因表达谱分析相关的算法、软件研究，基因表达调控网络的研究；与基因组信息相关的核酸、蛋白质空间结构的预测和模拟，以及蛋白质功能预测的研究。,生物大分子结构模拟和药物设计。包括RNA(核糖核酸)的结构模拟和反义RNA的分子设计；蛋白质空间结构模拟和分子设计；具有不同功能域的复合蛋白质以及连接肽的设计；生物活性分子的电子结构计算和设计；纳米生物材料的模拟与设计；基于酶和功能蛋白质结构、细胞表面受体结构的药物设计；基于DNA结构的药物设计等。,研究内容,：,生物信息分析的技术与方法研究。包括发展有效的能支持大尺度作图与测序需要的软件、数据库以及若干数据库工具，诸如电子网络等远程通讯工具；改进现有的理论分析方法，如统计方法、模式识别方法、隐马尔科夫过程方法、分维方法、神经网络方法、复杂性分析方法、密码学方法、多序列比较方法等；创建一切适用于基因组信息分析的新方法、新技术。包括引入复杂系统分析技术、信息系统分析技术等；建立严格的多序列比较方法；发展与应用密码学方法以及其他算法和分析技术，用于解释基因组的信息，探索DNA序列及其空间结构信息的新表征；发展研究基因组完整信息结构和信息网络的研究方法等；发展生物大分子空间结构模拟、电子结构模拟和药物设计的新方法与新技术。,研究内容,：,应用与发展研究。汇集与疾病相关的人类基因信息，发展患者样品序列信息检测技术和基于序列信息选择表达载体、引物的技术，建立与动植物良种繁育相关的数据库以及与大分子设计和药物设计相关的数据库。,北京大学 生物信息学中心 罗静初教授,中国科学院院士,第三世界科学院院士,中国科学院理论物理研究所研究员,上海复旦大学理论生命科学研究中心主任郝柏林院士,中国科学院院士郝柏林教授,郝柏林 1934年6月生于北京市。1959年毕业于乌克兰国立哈尔科夫大学物理数学系。后在中国科学院物理研究所工作。1978年晋升为研究员、副所长。1980年11月当选为中国科学院院士。现任物理学系研究员、博士生导师。兼任中国博士后基金会副理事长、陈嘉庚国际学会常务董事。曾任中国科学院理论物理研究所副所长、所长。,主要从事理论物理、计算物理、非线性科学和理论生命科学的研究。涉及固体电子能谱和声子谱、金属红外性质、高分子半导体理论、统计物理模型、相变和临界现象、临界动力学、闭路格林函数方法、动力电网计算、天线计算、地震活动性统计分析、群论知识工程系统、计算机程序设计、混沌动力学和符号动力学、DNA序列分析等领域。,1997年夏，在把英文专著实用符号动力学与混沌书稿送出之后，郝柏林着重转向理论生命科学领域研究。早在1985年，他就着手补充生物学知识。之后，又访问国际生物学数据库并下载软件。1995年与生物学部邹承鲁院士，共同组织香山会议，并主编出版理论物理与生命科学一书。1999年郝柏林在一份院士建议中提出，尽快建立国家级的生物医学信息中心，引起政府有关部门的重视。第二年，他与合作者共同撰写生物信息学手册。之后又在联合举办的研究生班系统讲课，批量培养年青一代生物信息学人才。,从学科交叉漫谈生物信息学,郝柏林,复旦大学理论生命科学研究中心,中国科学院理论物理研究所,何用浮名绊此身,杜甫,耳目之察，不足以分,物理,。,淮南子。览冥训,需要仪器观测和理论思维,物理学与生物学的相互促进由来已久,电学和电生理学同时诞生,C.A.de Coulomb,1785,L.Galvani,1791,生物学为物理学启示过能量守恒,医生R.J.Mayer(1842)：受动、静脉血色差别启发，第一个给出热功当量。,物理学家J.P.Joule(1843)：热功当量。,现役军医H.von Helmholtz(1847)：把能量守恒从机械运动推广到热、电、磁乃至生命现象。（24年后任物理教授）,（感谢刘寄星博士核实姓名年代）,物理学为生物学提供过大量工具,光学显微镜(1590)：,细胞(1665),细菌(Antonie van Leeuwenhoek,1683),(Muller确认细菌为一类生物,1773),X射线衍射晶体结构分析,DNA双螺旋结构（JD Watson,FHC Crick,1953）,肌红蛋白、血红蛋白晶体结构（1957,1959）,电子显微镜、扫描电镜、隧道扫描电镜,物理学为生物学提供过大量工具,各种光谱方法、荧光标记,中子衍射,示踪原子、放射性标记,核磁共振波谱,质谱仪,“化学”仪器：超速离心机、液相色谱分析、圆偏振二向色性分析、凝胶电泳,物理学为生物学提供了新思想,负熵,非周期晶体,对热涨落的担心,三联码（George Gamow,1954）,生物中的“标度”和“分形”,Erwin Schrodinger,What is Life?,The Physical Aspect of the,Living,Cell,1944,Michael P.Murphy and Luke A.J.ONeill,eds.,What is Life?The,Next Fifty Years,Cambridge University Press,1995,1997.,数学是关于,形,和,数,的科学,分析,代数,几何,统计、概率和随机过程,离散数学：组合学、图论、语言学,生物有,形,生物有,数,生物有形，人所共识。地球上自然之美，多数来自生物本身和它们的营造。生物有数，则经历了漫长的认识过程。,生物有,形,HIV,病毒,粘,菌,(Slime mold),：,自组织现象的实例,“数学的应用:生物学中的数学=0.”,（恩格斯：1885）,于光远等译,自然辩证法,人民出版社,1984,172页,生物有,数,生物多样性（宏观数据）,现存物种知多少？,从2 百万到10亿的种种估计,2003年11月初GenBank核酸数据库中有,154 089 种生物至少有1条数据,其中只有约半数有某些分类学信息,目前地球上存活着约 5000 种哺乳动物,约9000种鸟类,细菌是地球上最成功的物种,然而我们不知道它们的数目有多少,生物数据的产量,中国科学院基因组学研究所（“华大基因”）每天的测序能力：5000万碱基对（5*10,7,）,一个人的基因组：3.2*10,9,碱基对,籼稻基因组：4.3*10,8,碱基对,全世界每年生物数据产出量：10,15,字节,英国Sanger中心今后5年每年新增硬盘：80-100TB，即(0.81)*10,14,字节,GenBank 138版(2003年10月15日),序列数:,29 819 397(2981万),核苷酸(字母)数:,35 599 621 471(355亿),序列平均长度:1193,计算机：用火以来的最伟大发明,ENIAC（1944）：每秒330次乘法运算,神威计算机：每秒3840亿次浮点运算,曙光3000计算机：每秒4000亿次浮点运算,每秒1万亿次=10,12,次/秒,数学、物理和计算机科学大有可为,生物学引论,地球上的自然史,13 Bys:,大爆炸,4.9 Bys:,太阳系和地球诞生,3.8 Bys:,地球上出现原始生命,2.7 Bys:,细菌、光和作用,1.7 Bys:,多细胞生物,550,Mys,:,寒武纪,(Cambrian),物种大爆发,425,Mys,:,志留纪,(Silurian),物种爆发,65,Mys,:,恐龙灭绝,3.5,Mys,:,化石古猿科与人科分离,0.7,Mys,:,人类与黑猩猩分离,0.5,Mys,:,北京人,(Homo erectus),0.4,Mys,:,智人,(Homo sapiens),100-20,Kys,:,山顶洞人,221 BC,2224,年前：秦始皇统一中国,模式生物,噬菌体,(,Bacteriophage,:lambda,T4,T7),病毒,(Viruses:SV40,HIV),大肠杆菌,(Escherichia coli),酵母,(,Saccharomyces,cerevisiae,yeast budding),线虫,(,Caenorhabitidis,elegans,nematode,worm),果蝇,(Drosophila,melanogaster,fruitfly,),拟南芥,(Arabidopsis thaliana),水稻,(,Oryza,sativa,rice),非洲爪蟾,(,Xenopus,laviae,African frog),斑马鱼,(,Danio,rerio,Zebra fish),小鼠,(,Mus,musculus,mouse),智人,(Homo sapiens),遗传物质,核酸,(DNA),：,线性和环状,质粒,(Plasmids),：,线性和环状,染色体：,DNA+,组蛋白,线粒体：有自己的,DNA,叶绿体：也有自己的,DNA,生命现象的众多层次,系统生物学、生物复杂性、生态系统,生物多样性、种群动力学,动物行为科学,个体、器官、组织,细胞及其通信、信号传导,免疫网络、调控网络、代谢网络,复制、转录、剪接、翻译、运输,生物大分子:蛋白质与核酸（DNA、RNA）,小分子(糖、脂肪、核苷酸、氨基酸)、金属离子、水,分子和原子的相互作用,来自我们工作的几个具体例子,完全基因组中的缺失和稀少字串：相关的组合学和语言学问题,籼稻基因组框架图：测序读出大量短串的拼接、重复序列带来的困难、长DNA链中寻找基因,细菌亲缘关系和分类学,细菌完全基因组中的缺失和稀少短核苷酸串,以大肠杆菌为例：,一个DNA环：4 639 221 个a,c,g,t字母,长度为8的短串共有种65536种,同长随机序列中平均每种串出现71次,实际情形如何？,seeDNA程序演示,C语言+Xlib+Xtoolkit,UNIX或LINUX平台,由GenBank取得基因组数据,背后的组合学和语言学问题,水稻叶绿体基因组,可能曾经是一种光合细菌,全部由a、c、g、t四种核苷酸组成的序列,粳稻（日本1989）：134525个字母籼稻（中国2001）：134559个字母,cccaatatcttgcttcagcaagatattgggtatttctagctttcctttcttcaaaaattgctatatgttagcagaaaagccttatccattaagagatggaacttcaagagcagctaggtctagagggaagttgtgagcattacgttcgtgcattacttccataccaagattagcacggttgatgatatcagcccaagtattaataacgcgaccttggctatcaactacagattggttgaaattgaatccgtttagattgaaagccatagtactaatacctaaagcagtgaaccaaatccctactacaggccaagcagccaagaagaagtgtaaagaacgagagttgttaaaactagcatattggaagattaatcggccaaaataaccatgagcggccacaatattataagtttcttcctcttgaccaaatctgtaaccctcattagcagattcgttttcagtggtttccctgatcaaactagaggttaccaaggaaccatgcatagcactgaatagggaaccgccgaatacaccagctacacctaacatgtgaaatggatgcataaggatgttatgctctgcctggaatacaatcataaagttgaaagtaccagatattcctaaaggcataccatcagagaaacttccttgaccaatagggtaaatcaagaaaacagcagtagcagctgcaacaggagctgaatatgcaacagcaatccaaggacgcatacccagacggaaactcagttcccactcacgacccatataacaagctacaccaagtaagaagtgtagaacaattagctcataaggaccaccattgtataaccactcatcaacagatgcagcttcccaaattgggtaaaagtgcaatccgatcgccgcagaagtaggaataatggcaccagagataatattgtttccgtaaagtaaagaaccagaaacaggctcacgaataccatcaatatctactggaggggcagcgatgaaggcgataataaatacagaagttgcggtcaataaggtagggatcatcaaaacaccgaaccatccgatgtaaagacggttttcggtgctagttatccagttgcagaagcgaccccacaggcttgtactttcgcgtctctctaaaattgcagtcatggtaagatcttggtttattcaaattgcaaggactcccaagcacacgtattaactagaaagataatagaaggcttgttatttaacagtataatatagactatataccaatgtcaaccaagccagccccgacagttgtatatccatacaacaaaatttaccaaaccaaaaaattttgtaaatgaagtgagtgaaaaatcaaaactcagattgctcctttctagtttccatatgggttgcccgggactcgaacccggaactagtcggatggagtagataattattccttgttacaatagagaaaaaacctctccccaaatcgtgcttgcatttttcattgcacacgactttccctatgtagaaataggctatttctattccgaagaggaagtctactaatttttttagtagtaagttgattcacttactatttattatagtacagagaacatttcagaatggaaactgtgaaagttttaccttgatcatttatcaatcatttctagtttattagttttgtttaatgattaattaagaggattcaccagatcattgatacggagaatatccaaataccaaatacgctcactgtgcgatccacggaaagaaaagtaagttgttttggcgaacatcaaagaaaaaacttgctcttcttccgtaaaaaattcttctaaaaataccgaacccaaccattgcataaaagctcgtaccgtgcttttatgtttacgagctaaagttctagcgcatgaaagtcgaagtatatactttagtcgatacaaagtcttcttttttgaagatccactgtgataatgaaaaagatttctacatatccgaccaaaccgatcaagaatatcccaatccgataaatcggtccaaattggtttactaataggatgccccgatccagtacaaaattgggcttttgctaaagatccaatgagaggagtaacagggactttggtatcgaattttttcatttgagtatctattagaaatgaattctccagcatttgattccttactaacaaagaatttattggtacacttgaaaagtaccccagaaaatcgaagcaagagttttctaattggtttagatggatcctttgcggttgagtccaaaaagagaaagaatattgccacaaacggacaaggtaacatttccatttcttcttcaaaagaagagttccttttgatgcaagaattgcctttccttgatatcgaacataatgcataaggggatccataacgaaccatatggttttccgaaaaaaagcagggtacattaacccaaaatgttccatcttcctagaaaagatgattcgttccagaaaggttccggaagaagttaatcgcaagcaagaagattgtttacgaagaaacaacaagaaaaattcatattctgatacataagagttatataggaaccgaaatagtcttttattttcttttttcaaaataaaaatggatttcattgaagtaataaaactattccaattcgagtagtagttgagaaagaatcgcaataaatgcaaggatggaacatcttggatccggtattgaaggagttgaagcaagatatccaaatggataggatagggtatttctatatgtgctagataatgtaagtgcaaaaatttgtcttctaaaaaaggaaatattgaatgaatagatcgtaaattctgaaactttggtatttctttttcttccggacaagactgttctcgtagcgagaatgggatttctacaacgatcgcaaacccctcagatagaatctgagaataaaactcagaataaaaaaaattgttgtaatccaataatcgatcttggttaggatgattaaccaaattaatccaaaaattctgctgatacattcgaatcattaaccgtttcacaagtagtgaactaaatttcttgttattagaaccaataatttcgacaagttcggaaccatttaatccataatcatgggcaaacacataaatgtactcctgaaagagtagtgggtagacgaaatattgtctaggaaatttaagtttttctgaataaccctcgaatttttccatttgtatttctacttgaatcagagagagagaaatatttctcggtttatcaaatggtgatacatagtacaatatggtcagaacagggtgttgcattttttaatacaaacccctggggaagaaaaggagtctaatccacggatctttttccgctccttttctatccaatttgtttatgtttgttctaattacaaaagagaacaaatcctttatttttgcaggccaattgctcttttgactttgggatacagtctctttatcaatatactgcttcttttacacattcaatccataacatccttttcaatccaaaatcaagaataattaggatttctaaaaaaaaaagaaaaaatcaaaggtctactcataggaaaaccagcttttccctacatcaggcactaatctatttttaacgtctaattagatcagggagttcttccaattaagaagttaagctcgttgctttttgttttaccagaattggagccaggctctatccatttattcattagacccagaaaatcagaatttttttattccattccaaaaatccaaaataagaaattgattttattacgacatgctattttttccattcattacccttgaggatcagtcgcggtcttatagactctaccaagagtctggacgaattttttgcttcatccaaatgtgtaaaagatcatagtcgcacttaaaagccgagtactctaccattgagttagcaacccagataaactaggatcttagatacgatcgaaatccaaaaatcaatggaattacaccgcacacccctgtcaaaatcttaaaatagcaagacattaaaagaaagattttatcaccattgaaaacactcagataccaaaaggaacgggtctggttaaatttcactaaggttaaaagtggcaccaatcacgatcgtaaaattgtcatttttttagcatttttatttaaataaataaataaatcttgtatgagagtacaaacaagagggacaaccctaccatttgagcaaagtgtaggcaaaaaacctaatagggagtgaggataaagagacttatccatctacaaattctagatgttcaatggacctttgtcaatggaaatacaatggtaagaaaaaaattagatagaaaaactcaaaaaaataaaggcttatgttggattggcacgacataaatccagtcaaaaataggattaagaaagaggcaaattatttctaaatagttagacaacaagggatactagtgagcctctcctagttttttattcatttagttcttcaattaactcaaagttctttctttttctttaaagaattccgccttccttaaaatatcagaaacggttcttgtaggttgagcacctttttcaaggaaatagagaatagctggaacatttaaacaagtttgattctttatcggatcataaaaacctacttttcgaagatctcttccttctcttcgagatcgaacatcaattgcaacgattcgatagacagcttattgggatagatgtagataaataaagccccccctagaaacgtataggaggttttctcctcatacggctcgagaatatgacttgcattaatttccgtacagaaaaaacaaatttcatttatactcatgactcaagttgactaattttgattgacagacttgaaagaaaaaaatcctttgaaattttttgagtcgtctctaaactcttttctttgcctcatctcgaacaaattcacttttattccttattccggtccaattctattgttgagacagttgaaaatcgtgtttacttgttcgggaatcctttatctttgatttgtgaaatccttgggtttaaacattacttcgggaattcttattcttttttctttcaaaagagtagcaacatacccttttttcttatttccttcgataaagcatttccctcttctatagaaatcgaatatgagcgattgattctgatagactttaatcaaaagagttttcccatatcttccaaaattggactttcttcttattttaaccttttgatttctatattatttcgatttctatattaagggtagaatgacaaagttggcctaatttattagttttcactaaccctagattctttcccttgataaaaaataaattctgtcctctcgagctccatcgtgtactatttacttagcttacttacaaacaacccagcgaaaattcggttcgggacgaatagaacagactatgtcgagccaagagcattttcattactatggaaaatggtggatagcaaaatccacaatcgatcgtgtccttcaagtcgcacgttgctttctaccacatcgttttaaacgaagttttaacataacattcctctaatttcattgcaaagtgttatagggaattgatccaatatggatggaatcatgaatagtcattagtttcgttttttgtatactaattcaaacttgctttgctatctatggagaaatatgaataaaagaaattaagtatttatcgggaaagactccgcaaagagccaatttatttaaacccatattctatcatatgaatgaaatatagttcgaaaaaagggaataaacaagtttgcttaagacttatttattatggaatttccatcctcaacagaggactcgagatgatcaatccaatcctgaaatgataagagaagaattgactcttctccaacaaataaactatcaacctcccgtttaattaatttaattaatatattagattagcaatctatttttccataccatttttccgtaacaaaactaattaactattaactagttaaactattgcaatgaaaagaaagttttttggtagttatagaattctcgtatttcttcgactcgaataccaaaagaaagaaaaaaatgaagtaaaaaaaacgcatttcctgtaaagtaaaattaaggtctttgcttttacttattttttcttttacctaaaagaagcaactccaaatcaaaattgaatccattctatctaacgagcagttcttatcttatctttaccgggatggatcattctggatatttaaaaaatcgcggatcgagatcgtttttgcttaaccaaagaaagaaaaagaagaaggaaccttttttactaataaaatactataaaaaaaatttatctctatcataaatctatctctaccataaaggaataggtctcgttttttatacaatgttctacgtcaagtttaaaattttttcatgaaaaaaagattttcaatttgactggacttgacactggattatgttttctgagacagaaaatgaacgcattaggactgcatcgaatctaagagtttataagagaaaaaaattctctttaataaactttatgtctcgtgcagaatacaatacgatttcatctttcgtttcatcagaaaaaatctgggacggaaggattcgaacctccgagtaacgggaccaaaacccgctgccttaccacttggccacgccccatttcgggttttatgcgacactaataaacagtattatgtttatttcttattcgtcaatcctacttcaattacataaaaatggggggtattctcttggtaggattctagacatgcgaataatatagaatccaaaaaatgcattgatcattacatggaattctattaagatattatatgaaagtcgaatttcttccactctcatttgagagtgcgaatacaaggaggtattttgtgtttgggaaagtccgaagaaaaaaggattttgaatcctccttttcctttttcccttagaaaaataactcaatcaaaatccaattatctactctacaagaacgaaacgcttgttatgcctaatatacttagtttaacctgtatttgttttaattctgttatttatccgactagttttttcttcgccaaattgcccgaagcttatgccattttcaatccaatcgtggattttatgcctgtcatacctgtactcttttttctattagcctttgtttggcaagctgctgtaagttttcgatgaaatctttactactctgtctgccaaattgaatcatgtattcattctaaaaaaattcgaaaaatggataagagccgagaagtcttatattatgaaccttcgattctaaaattcaaattcttctacattgaatgtatagctgcagcaataaatttggatcagcctttctactccctgcatctacgttgagcaggtatctttaggtaaccgcacaatacctaacctaatttattgataagagtgcttattataaatcaattcttgcaatttttttcaaaaattgatttttgcatttttaggtgtcaaaataaacaaaacccatcctagtggatttgtgtggtaaggaaaaacgggtaatctattccttaaaaaaaaatcttggagattatgtaatgcttactctcaaactttttgtttatacagtagtgatattctttgtttccctctttatctttggattcttatctaatgatccaggacgtaatcctgggcgtgacgagtaaaaatccaaaattttttcttacaaattggatttgtttcatacatttatctacgagaaaatccgggggtcagaattccttccaattcgaaagtcccaaacgatccgagggggcggaaagagagggattcgaaccctcggtacaaaaaaattgtacaacggattagcaatccgccgctttagtccactcagccatctctccccgttccaaatcgaaaggtttccgtgatatgacagaggcaagaaataacgattgcaaaaaatccttcctttttctttcaaaagttcaaaaaaattatattgccaattccattttagttatattcttttttcttaatgttaataaaaaaaagaagaaaattcttcttttttctttctaattctaaaattggatattggctaaaagacaatcagatagattttctcttcagcaggcatttccatataggacttgttataataaaacaagcaggttatagaaaaaaactcttttttttattatttatcaacaaagcaaaaaggggtcttatcaaaccaacccaccccataaaattggaaagaaagataaagtaagtggacctgactccttgaatgaggcctctatccgctattctgatatataaattcgatgtagatgaaattgtataagtggatttttttgtatttccttagacttagaccacgcaaggcaagaatttctcgctatttactatttcatattcttgttactagatgttctataggaataagaagaaatcgcaacccctttccgctacacataaaaatggatttcgaaagtcaatttttcttttcaatatctttactttttttcagaatcctatttttgttcttatacccatgcaatagagagcgagtgggaaaagggaggttactttttttcattttttccttaaaaaataggctttcttggaaataggaatcatggaataatctgaattccaatgtttatttctatagtataagaaaaactaattgaatcaaattcatggatttaccacgacctcggctgtgaccccatagataaaaatgcaaaatttctatcttcgagaccattgaaaaaaggcattgaacgagaaaaaatcgtccacagataatctatcgtatgccttggaagtgatataaggtgctcggaaatggttgaagtaattgaataggaggatcactatgactatagcccttggtagagttactaaagaagaaaatgatttatttgatattatggacgactggttacgaagggaccgttttgtttttgtaggatggtctggcctattgctttttccttgtgcttatttcgctttaggaggttggtttacagggacaacttttgtaacttcttggtatacccatggattggcgagttcctatttggaaggttgcaatttcttaaccgcagcagtttccacccctgccaatagtttagcacactctttgttgctactatggggcccggaagcacaaggggattttactcgttggtgtcaattaggtggtctgtggacttttgttgctctccatggggcttttgcactaataggtttcatgttacgtcaatttgaacttgctcggtctgttcaattgcggccttataatgcaatttcattctctggcccaatcgctgtttttgtttccgtattcctgatttatccactggggcaatccggttggttctttgcgccgagttttggcgtagcagcgatatttcgattcatcctcttcttccaaggatttcataattggacgttgaacccatttcatatgatgggagttgccggagtattaggcgcggctctgctatgcgctattcatggggcaaccgtgga,寻找基因,生物知识体现为基因模型,基因模型的数学实现,马可夫、半马可夫和隐马可夫链,动态规划算法,语言学模型：生成语法,各种数学模型和算法,独立随机模型,马可夫、隐马可夫、半隐马可夫模型,聚类分析,判别分析（discriminance analysis）,动态规划算法,形式语言学方法,细菌分类,难处：形态性状少,形状：杆、球（单、双、链、葡萄）、,分枝、弯曲,着色：革兰氏阳性和阴性,生化：厌氧、固氮、脱硫,进展：16S rRNA序列、三界论(Carl Woese),困惑：完全基因组带来问题,基因横向传递？,基因树不等于物种树,基于组分矢量的构树方法,基于K-肽计数的代表矢量,20,K,维空间中的距离,用K-2阶马可夫链扣除随机背景,基于132个完全基因组的亲缘树(K=6),16 个古细菌,110 个真细菌,6 个真核生物,Towar