Welcome to Molecular Station! Добре дошли в молекулярна станция!

You have to register before you can post on our forums or use our advanced features. Трябва да се регистрирате преди да можете да публикувате на нашите форуми, или да използвате допълнителни функции. Register Now! Регистрирайте се! Its Free and Fast! Тяхното свободно и бързо!

Already registered? Вече сте регистрирани? Login now below. Вход за сега по-долу.

User Name: Име:

Password: Парола:

Remember Me? Запомни ме?

Already registered and Forgot your password? Вече сте регистрирани и Забравили сте паролата си? Click below to recover it. Кликнете по-долу, за да го възстанови.

Recover Lost Password Забравена Забравена парола

Join now - it's fast and free! Присъединете се към момента - това е бързо и безплатно!

Molecular Station is THE largest network of researchers, scientists and science lovers anywhere! Молекулярна станция е най-голямата мрежа от изследователи, учени и любители на науката навсякъде!

Recent Forum Posts Нова Форум постове

Bioinformatics Биоинформатика

Bioinformatics Home Биоинформатика Начало	Bioinformatic Tools categorized Bioinformatic Инструменти категоричен	Learn About Bioinformatics Научете повече за Биоинформатика	Bioinformatics FAQ Биоинформатика Въпроси и отговори	Research Articles on Bioinformatics Научни статии по Биоинформатика	Bioinformatics Forum Биоинформатика форум	Bioinformatic News Bioinformatic Новини	Bioinformatics Blog Биоинформатика Blog	Bioinformatic Books Bioinformatic Книги

At Molecular Station Bioinformatics, you will find almost every bioinformatic tool you will need. На молекулярна станция Биоинформатика, ще намерите почти всички bioinformatic инструмент, който трябва. We have over 800 bioinformatic tools for DNA bioinformatics, RNA bioinformatics, Protein Bioinformatics, and Proteomic bioinformatic tools. Ние имаме над 800 bioinformatic инструменти за биоинформатиката ДНК, РНК биоинформатиката, протеинови Биоинформатика и Proteomic bioinformatic инструменти. We also provide databses for each of these categories in order to easily find your sequence of interest from several sequence databases. Ние също така предоставя databses за всяка една от тези категории с цел лесно да намерят своята последователност на интерес от няколко последователност бази данни.

Bioinformatics Articles Биоинформатика членове

Biological Databases Бази данни за биологичното

OMIM OMIM

Protein Bioinformatics Протеин Биоинформатика

Protein Motifs Domains Протеин мотиви домейни

Protein Subcellular Localization Протеин Subcellular локализация

Protein Secondary Structure Протеин вторична структура

Protein Mutant Analysis Протеин мутант анализ

Gene Expression Analysis Джийн словото анализ

Protein Expression Analysis Протеин словото анализ

Protein Protein Interactions Протеин протеинови взаимодействия

Comparative Genomics Сравнителна геномика

Our Bioinformatic tools database has all the bioinformatic tools you will ever need and includes online programs and tools on: DNA Bioinformatics , RNA Bioinformatics , Protein Bioinformatics , Proteomic Bioinformatics , and Molecular Model Organisms . Нашите Bioinformatic инструменти база данни има всички bioinformatic средства ще всякога необходимостта и включва онлайн програми и инструменти за: Биоинформатика ДНК, РНК Биоинформатика, протеинови Биоинформатика, Proteomic Биоинформатика, и молекулярна Модел организми.

The Latest Bioinformatics News Най-новите биоинформатиката новини

Multimarker analysis and imputation of multiple platform pooling-based genome... Related Articles Multimarker анализ и изчисляване на множество базирана платформа за обединяване на генома ... Свързани членове

Multimarker analysis and imputation of multiple platform pooling-based genome-wide association studies. Multimarker анализ и изчисляване на множество базирана платформа за обединяване на генома-широк сдружение проучвания.

Bioinformatics. Биоинформатика. 2008 Jul 10; 2008 10 юли;

Authors: Homer N, Tembe WD, Szelinger S, Redman M, Stephan DA, Pearson JV, Nelson SF, Craig D Автори: Омир N, Tembe WD, Szelinger S, M Redman, Стефан DA, Pearson JV, Нелсън SF, Крейг D

SUMMARY: For many genome-wide association (GWA) studies individually genotyping one million or more SNPs provides a marginal increase in coverage at a substantial cost. ОБОБЩЕНИЕ: За много геном-широк асоциация (GWA) проучвания индивидуално генотипа милион или повече SNPs предвижда минимално увеличение на обхвата на значителна стойност. Much of the information gained is redundant due to the correlation structure inherent in the human genome. Голяма част от информацията, натрупан е излишно, дължащи се на съответствието, структура, присъщи на човека геном. Pooling based GWA studies could benefit significantly by utilizing this redundancy to reduce noise, improve the accuracy of the observations, and increase genomic coverage. Обединяването на базата GWA проучвания биха могли значително да се възползват от използването на тази излишното за намаляване на шума, за да се подобри точността на наблюдения, както и увеличаване на genomic покритие. We introduce a measure of correlation between individual genotyping and pooling, under the same framework that r(2) provides a measure of linkage disequilibrium between pairs of SNPs. Ние се въведе мярка за съответствието между отделните генотипа и пулове, по силата на същия този член рамка (2) предвижда мярка за връзката дисбаланс между двойки SNPs. We then report a new non-haplotype multimarker multi-loci method that leverages the correlation structure between SNPs in the human genome to increase the efficacy of pooling based GWA studies. Ние след това доклад на нов не-haplotype multimarker мулти-loci метод, че като структура на съответствието между SNPs в генома на човека да се повиши ефикасността на обединяването на базата GWA проучвания. We first give a theoretical framework and derivation of our multimarker method. Ние първо даде теоретична рамка и деривацията на нашите multimarker метод. Next, we evaluate simulations using this multimarker approach in comparison to single marker analysis. След това, ние оценяваме симулации multimarker използването на този подход в сравнение с едно маркер анализ. Finally, we experimentally evaluate our method using different pools of HapMap individuals on the Illumina 450S Duo, Illumina 550K, and Affymetrix 5.0 platforms for a combined total of 1,333,631 SNPs. И накрая, ние експериментално оценка на нашия метод, с помощта на различни басейни HapMap лица по Illumina 450S Duo, Illumina 550K, и Affymetrix 5,0 платформи за комбиниран общо 1333631 SNPs. Our results show that use of multimarker analysis reduces noise specific to pooling based studies, allows for efficient integration of multiple microarray platforms, and provides more accurate measures of significance than single marker analysis. Нашите резултати показват, че използването на multimarker анализ намалява шума, специфични за обединяване на базата проучвания, дава възможност за ефективно интегриране на microarray множество платформи, и осигурява по-точни мерки от значение, отколкото едно маркер анализ. Additionally, this approach can be extended to allow for imputing the association significance for SNPs not directly observed using neighboring SNPs in linkage disequilibrium. Освен това, този подход може да бъде продължен за да се позволи imputing асоциацията значение за SNPs не се наблюдават пряко използване на съседните SNPs във връзка дисбаланс. This multimarker method can now be used to cost-effectively complete pooling-based GWA studies with multiple platforms across over one million SNPs and to impute neighboring SNPs weighted for the loss of information due to pooling. Този метод multimarker сега могат да бъдат използвани за цена-ефективно да завършите обединяването базирани GWA проучвания с множество платформи в над един милион SNPs и да impute съседни SNPs претеглят за загубата на информация поради обединяването. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online. Допълнителна информация: Допълнителни данни са на разположение на Биоинформатиката онлайн.

PMID: 18617537 [PubMed - as supplied by publisher] PMID: 18617537 [PubMed - както е предоставена от издателя]

Assessing CMT cell line stability by two dimensional polyacrylamide gel electrophoresis and mass spectrometry based proteome analysis. Оценка на стабилността CMT клетъчна линия от две тримерни полиакриламидна гел-електрофореза и масова спектрометрия основава proteome анализ.

J Proteomics. J Proteomics. 2008 Jul 21;71(2):160-167 2008 21 юли; 71 (2) :160-167

Authors: Zhang K, Wrzesinski K, Fey SJ, Mose Larsen P, Zhang X, Roepstorff P Автори: Джан K, Wrzesinski K, Fey SJ, Mose Ларсен P, Джан X, Roepstorff P

Two-dimensional polyacrylamide gel electrophoresis (2-D PAGE) followed by mass spectrometric identification of the proteins in the protein spots has become a central tool in proteomics. Двумерни полиакриламидна гел-електрофореза (2-D страница), последвано от масови спектрометричен идентификация на протеини в протеин петна се е превърнал в инструмент в централната proteomics. CMT167(H), CMT64(M) and CMT170(L) cell lines, selected from a spontaneous mouse lung adenocarcinoma, with high-, middle- or low-metastatic potential have been characterized in vivo. CMT167 (H), CMT64 (М) и CMT170 (L) клетъчни линии, подбрани от спонтанни мишката аденокарцином на белия дроб, с високо-, средно-и ниско-метастатичен потенциал са характеризирани в живея. In this study, the comprehensive protein expression profiles of the CMT cell lines were analyzed at passages 5, 15 and 35 in order to assess the cell line stability. В това проучване, на изчерпателната протеин словото профили на CMT клетъчни линии са анализирани по пасажи 5, 15 и 35, с цел да направи оценка на клетъчна линия стабилност. During the passages 5 to 15, the expression profiles of CMT cells remained reasonably stable as evidenced by only 0.7%, 3.9% and 1.1% proteins changed in CMT167(H), CMT64(M) and CMT170(L) respectively. По време на пасажи от 5 до 15, изразът профили на CMT клетки логично остана стабилна, както е видно от само 0,7%, 3,9% и 1,1% протеини промени в CMT167 (H), CMT64 (М) и CMT170 (L) съответно. However, the number of differentially expressed proteins were considerably increased at passage 35 in CMT64(M) and CMT170(L) while CMT167(H) remained stable. Въпреки това, броят на differentially изразени протеини са значително се увеличи до 35 преминаване в CMT64 (М) и CMT170 (L), докато CMT167 (H) остана стабилна. Based on our selection criteria, 22, 109 and 84 spots in CMT167(H), CMT64(M) and CMT170(L) were selected for protein identification by MS and 99 unique proteins were identified. Въз основа на нашите критерии за подбор, 22, 109 и 84 места в CMT167 (H), CMT64 (М) и CMT170 (L) бяха избрани за идентификация на г-жа протеин и 99 уникални протеини, бяха идентифицирани. Bioinformatics analysis indicated that most of these proteins participate in cellular metabolism. Биоинформатика анализ показва, че повечето от тези протеини участват в клетъчен метаболизъм. In conclusion, proteomics was found to be a useful tool for assessing differences in cell line stability. В заключение, proteomics се оказа, че е полезен инструмент за оценка на разликите в клетъчна линия стабилност. This approach provided a tool to select the best cell line and optimal subculture period for studies of cancer related phenomena and for testing the effect of potential anticancer drugs. Този подход, предвидени инструмент, за да изберете най-клетъчна линия и субкултура оптимален срок за проучване на явленията, свързани с рака и за изпитване на въздействието на потенциалните противоракови лекарства.

PMID: 18617143 [PubMed - as supplied by publisher] PMID: 18617143 [PubMed - както е предоставена от издателя]

The Genome Sequencer FLXtrade mark System-Longer reads, more applications, straightforward bioinformatics and more complete data sets. В Genome Sequencer FLXtrade марка система-Дългосрочни пише, повече приложения, ясна биоинформатиката и още пълен набор от данни.

J Biotechnol. J Biotechnol. 2008 Jun 21; 2008 21 юни;

Authors: Droege M, Hill B Автори: Droege M, Хил Б

The Genome Sequencer FLX System (GS FLX), powered by 454 Sequencing, is a next-generation DNA sequencing technology featuring a unique mix of long reads, exceptional accuracy, and ultra-high throughput. В Genome Sequencer FLX система (GS FLX), задвижвани от 454 секвениране, е един от най-ново поколение секвениране на ДНК технология, с участието на уникална комбинация от дълги гласи, изключителна точност, както и ултра-висока производителност. It has been proven to be the most versatile of all currently available next-generation sequencing technologies, supporting many high-profile studies in over seven applications categories. Тя е доказала, че най-разностранни от всички налични в момента най-ново поколение секвениране технологии, в подкрепа на много висококачествени профил изследвания в продължение на седем приложения категории. GS FLX users have pursued innovative research in de novo sequencing, re-sequencing of whole genomes and target DNA regions, metagenomics, and RNA analysis. GS FLX потребители са преследвани иновационни изследвания в де добавено секвениране, ре-секвениране на цялата ДНК, геноми и целеви региони, metagenomics и РНК анализ. 454 Sequencing is a powerful tool for human genetics research, having recently re-sequenced the genome of an individual human, currently re-sequencing the complete human exome and targeted genomic regions using the NimbleGen sequence capture process, and detected low-frequency somatic mutations linked to cancer. 454 секвениране е мощен инструмент за човешка генетика изследвания, след като наскоро отново sequenced в генома на човека от човека, който в момента ре-секвениране пълния човешки exome и целеви региони genomic използвайки NimbleGen последователност за улавяне на процеса, както и открити с ниска честота на соматични мутации, свързани до рак.

PMID: 18616967 [PubMed - as supplied by publisher] PMID: 18616967 [PubMed - както е предоставена от издателя]

[Prediction of outer membrane proteins using support vector machine with combined features] [Прогнозиране на външната мембрана на протеини чрез подкрепа вектор машина с комбинирани функции]

Sheng Wu Gong Cheng Xue Bao. Sheng Wu Гонг Ченг Xue Bao. 2008 Apr;24(4):651-8 Април 2008; 24 (4) :651-8

Authors: Zou L, Wang Z, Wang Y Автори: Zou L, Ван Z, Y Ван

Outer membrane proteins (OMPs) are embedded in the outer membrane of Gram-negative bacteria, mitochondria, and chloroplasts. Външна мембрана протеини (OMPs) са вградени във външната мембрана на Грам-отрицателните бактерии, mitochondria, и chloroplasts. The cellular location and functional diversity of OMPs makes them an important protein class. В клетъчен местоположение и разнообразието от функционални OMPs ги прави важен протеин клас. Researches on prediction of OMPs by bioinformatics methods can bring helpful methodologies for identifying OMPs from genomic sequences and for the successful prediction of their secondary and tertiary structures. Изследвания върху прогнозиране на OMPs от биоинформатиката методи може да донесе полезна методологии за идентифициране на OMPs от genomic последователности и за успешно прогнозиране на тяхната вторична и третична структури. In this paper, three feature classes were calculated from protein sequences: amino acid compositions, dipeptide compositions and weighted amino acid index correlation coefficients. В тази книга, три функция класове бяха изчислени от протеинови последователности: аминокиселина композиции, dipeptide композиции и претеглят аминокиселина индекс на съответствието коефициенти. Then, three feature classes were combined and inputted into a support vector machine (SVM) based predictor to identify OMPs from other folding types of proteins. Тогава, три функция класове са комбинирани и inputted в подкрепа на вектор машини (SVM) на базата предиктор за идентифициране OMPs от другите сгъваеми видове протеини. The results of discrimination using several combined features including four amino acid index categories were calculated, and the influence on discrimination accuracy using different correlation coefficients with different orders and weights was discussed. Резултатите от дискриминация, използвайки няколко комбинирани функции, включително четири аминокиселини индекс категории бяха изчислени, както и влияние върху дискриминацията точност с помощта на различни коефициенти на съответствието с различни ордени и теглилки беше обсъден. In cross-validated tests and independent tests for identifying OMPs from a dataset of 1087 proteins belonging to all different types of globular and membrane proteins, the method using combined features obtains an overall accuracy of 96.96% and 97.33% respectively. Транс-утвърдени тестове и независими тестове за идентифициране на OMPs от данни от 1087 протеини, принадлежащи към всички различни видове globular и мембранни протеини, използвайки метода, комбинирани функции получи цялостна точността на 96,96% и 97,33% съответно. And these results outperform that of other methods in the literature. И тези резултати outperform този на другите методи в литературата. Using this method, high specificities are shown from the results of identifying OMPs in five bacterial genomes, and over 99% OMPs with known three-dimensional structures in the PDB database are correctly discriminated. Използвайки този метод, са показани високи спецификите на резултатите от идентифицирането OMPs в пет бактериални геноми, както и над 99% OMPs известен с триизмерна структури в ППБ база данни са правилно дискриминирани. These results indicate that the method is a powerful tool for OMPs discrimination in genomes. Тези резултати показват, че методът е мощен инструмент за OMPs дискриминация в геноми.

PMID: 18616178 [PubMed - in process] PMID: 18616178 [PubMed - в процес]

[Rapid detection of Pseudomonas aernginosa by the fluorescence quantitative TaqMan PCR assay targetting ETA gene] [За бърза детекция на Pseudomonas aernginosa от флуоресценция TaqMan количествен PCR тест за насочване ЕТА ген]

Sheng Wu Gong Cheng Xue Bao. Sheng Wu Гонг Ченг Xue Bao. 2008 Apr;24(4):581-5 Април 2008; 24 (4) :581-5

Authors: Xiao X, Zhang J, Gong J, Pan Y, Yu Y, Yang X, Wu H Автори: Xiao X, Джан J, J Гонг, Пан Ш, Ю Y, Ян Х, У Н

Pseudomonas aernginosa (PA) is one of the most universal pathogens in clinical diagnosis, and conventional detection assay has many disadvantages. Pseudomonas aernginosa (БКП) е един от най-универсалните патогени в клиничната диагноза, както и конвенционални откриване тест има много недостатъци. In this research, a pair of specific primers and a TaqMan fluorescent probe were designed in the conservative region of ETA gene by the method of bioinformatics analysis, the detection method for PA was successfully developed. В това изследване, един чифт специални грундове и TaqMan флуоресцентни сонда бяха създадени в района на консервативните ЕТА, произлязъл от метода на биоинформатиката анализ, метод за откриване на БКП бе успешно развива. Different gradient concentrations of PA DNA and various pathogen DNA were amplified by fluorescence quantitative PCR (FQ-PCR) to confirm the specificity and sensitivity of the developed method. Различни наклон на концентрациите на ПА на ДНК и различни патогенни ДНК бяха допълнени с флуоресценция количествен PCR (FQ-PCR), за да потвърдите специфичност и чувствителност на развитите метод. Results showed that the developed detection assay is more sensible and specific by comparison to the conventional FQ-PCR method, and it is valuable for research and application prospects. Резултатите показват, че развитите откриване тест е по-разумно и специфични в сравнение с конвенционалните FQ-PCR метод, и е ценен за изследване и прилагане на потенциални клиенти.

PMID: 18616166 [PubMed - in process] PMID: 18616166 [PubMed - в процес]