Bioinformatik ist die Ansammlung, die Organisation und die Analyse der großen Mengen der biologischen Daten, unter Verwendung der Netze der Computer, der Software und der Datenbanken.
Karte des menschlichen x-Chromosoms (von der NCBI Web site). Zusammenbau des menschlichen Genoms ist eine der größten Ausführungen von Bioinformatik.
Die Ausdruckbioinformatik und die Computerbiologie ist austauschbar häufig benutzt. Gleichwohl Bioinformatik richtig die Kreation und die Zuführung von Algorithmen, Computer- und statistische Techniken und Theorie anspricht, um die formalen und praktischen Probleme zu lösen, warf durch auf oder spornte vom Management und von der Analyse der biologischen Daten an. Computerbiologie spricht einerseits Hypothese-angetriebene Untersuchung eines spezifischen biologischen Probleme unter Verwendung der Computer an, durchgeführt mit den experimentellen und simulierten Daten, mit dem Primärziel der Entdeckung und der Zuführung des biologischen Wissens. Eine ähnliche Unterscheidung wird von den nationalen Instituten der Gesundheit in ihren Arbeitsdefinitionen von Bioinformatik und von Computerbiologie getroffen, in der es weiter hervorgehoben wird, dass es eine feste Koppelung von Entwicklungen und von Wissen zwischen der Hypothese-angetriebenen Forschung in der Computerbiologie und Technik-angetriebener Forschung in der Bioinformatik gibt. Computerbiologie umfaßt auch die weniger bekannten aber gleichmäßig wichtigen Vordisziplinen wie Computerbiochemie und Computerbiophysik.
Ein geläufiges Gewinde in den Projekten in der Bioinformatik und in der Computerbiologie ist der Gebrauch der mathematischen Hilfsmittel, nützliche Informationen von den Daten zu extrahieren, die durch Hochdurchsatz biologische Techniken wie Genomsequenziell ordnen vorgelegt werden. Ein Repräsentativproblem in der Bioinformatik ist der Zusammenbau der hochwertigen Genomreihenfolgen vom fragmentarischen „Schrotflinte“ DNA-Sequenziell ordnen. Andere geläufige Probleme umfassen die Studie der Genregelung unter Verwendung der Daten von den Microarrays oder von der Massenspektrometrie.
Seit das Bakteriophagen-Φ-X174 1977 sequenziell geordnet wurde, sind die DNA-Reihenfolgen von Hunderten Organismen in den Datenbanken decodiert worden und gespeichert worden. Diese Daten werden analysiert, um Gene, die für Proteine codieren, sowie regelnde Reihenfolgen festzustellen. Ein Vergleich der Gene innerhalb einer Sorte oder zwischen verschiedener Sorte kann Ähnlichkeiten zwischen Proteinfunktionen oder Relationen zwischen Sorten (der Gebrauch von molekularer Systematik,phylogenetische Bäume zu konstruieren) zeigen. Mit der wachsenden Menge von Daten, wurde es vor langer Zeit unpraktisch, DNA-Reihenfolgen manuell zu analysieren. Heute werden Computerprogramme verwendet, um das Genom der Tausenden Organismen zu suchen und enthalten Milliarden Nukleotide. Diese Programme würden Veränderungen (ausgetauschte, gelöschte oder eingesetzte Unterseiten) in der DNA-Reihenfolge entschädigen, um Reihenfolgen zu identifizierenen, die in Verbindung stehend sind, aber nicht identisch. Eine Variante dieser Reihenfolgenausrichtung wird im sequenziell ordnenden Prozess selbst verwendet. Die so genannte Schrotflinte, die Technik sequenziell ordnet (das z.B. vom Institut benutzt wurde, damit Genomic Forschung das erste bakterielle Genom sequenziell ordnet, den Hämophilus-Influenzae) gibt nicht eine sequenzielle Liste der Nukleotide, aber anstatt die Reihenfolgen von Tausenden der kleinen DNA-Fragmente (jede ungefähr 600-800 Nukleotide lang). Die Enden dieser Fragmente lappen sich über und, wenn sie auf die rechte Art übereingestimmt werden, bilden das komplette Genom. Die Schrotflinte, die Erträge sequenziell ordnet, ordnen Daten schnell sequenziell, aber die Aufgabe des Zusammenbauens der Fragmente kann für größere Genome ziemlich schwierig sein. Im Falle des menschliches Genom-Projektes dauerte es einige Monate der Zentralprozessor-Zeit (auf einem Weinlese circa-2000 Dez-Alphacomputer) um die Fragmente zusammenzubauen. Das Schrotflintesequenziell ordnen ist die Methode der Wahl für praktisch alle Genome, die heute sequenziell geordnet werden, und Genomversammlungsalgorithmen sind ein kritischer Bereich der Bioinformatikforschung.
Ein anderer Aspekt der Analyse der Bioinformatik in der Folge ist die automatische Recherche nach Genen und regelnden Reihenfolgen innerhalb eines Genoms. Nicht alle Nukleotide innerhalb eines Genoms sind Gene. Innerhalb des Genoms der höheren Organismen, dienen große Teile der DNA keinen offensichtlichen Zweck. Diese so genannte Trödel DNA kann unerkannte Funktionselemente jedoch enthalten. Bioinformatik hilft, den Abstand zwischen Genom und proteome Projekten zu füllen--z.B. im Gebrauch von DNA-Reihenfolgen für Proteinkennzeichen.
Im Rahmen des Genomics ist Anmerkung der Prozess der Markierung der Gene und anderer biologischer Merkmale in einer DNA-Reihenfolge. Das erste Genomanmerkungssoftware-System wurde 1995 vom Dr. Owen White, der ein Teil des Teams war, das das erste Genom eines frei-lebendecodiert zu werden sequenziell ordnete und analysierte organismus, der Bakterium Hämophilus-Influenzae konzipiert. Dr. White baute ein Software-System, um die Gene (Plätze in der DNA ordnen, die sequenziell ein Protein kodieren), die Übergangs-RNS und andere Merkmale zu finden, auf und Anfangsanweisungen von der Funktion zu jenen Genen zu bilden. Die meisten aktuellen Genomanmerkungssysteme arbeiten ähnlich, aber die Programme, die für Analyse von genomic DNA vorhanden sind, ständig ändern und verbessern.
Computerevolutionsbiologie
Evolutionsbiologie ist die Studie des Ursprung und des Abfalls der Sorte, sowie ihre Änderung im Laufe der Zeit. Informatik hat Evolutionsbiologen auf einige Schlüsselarten unterstützt; sie hat Forscher aktiviert:
vollziehen Sie die Entwicklung vieler Organismen nach, indem Sie Änderungen in ihrer DNA, eher als durch körperliche Taxonomie oder physiologische Beobachtungen alleine messen,
Vielfalt eines Oekosystems konnte als die genomic totalergänzung einer bestimmten Umgebung, von allem Sortegeschenk definiert werden, ob es ein biofilm in einer verlassenen Grube, in einem Tropfen des Meerwassers, in einer Schaufel des Bodens oder in der gesamten Biosphäre der Planet Erde ist. Datenbanken werden benutzt, um die Sortenamen, die Beschreibungen, die Verteilungen, die genetischen Informationen, den Status und die Größe der Bevölkerungen zu sammeln, Lebensraumnotwendigkeiten und wie jeder Organismus auf andere Sorte einwirkt. Fachkundige Software-Programme werden verwendet, um die Informationen zu finden, sichtbar zu machen und am wichtigsten zu analysieren und, mitteilen sie zu anderen Leuten. Computersimulationen formen solche Sachen wie Bevölkerungsdynamik oder berechnen die kumulative genetische Gesundheit eines züchtend Pools (in der Landwirtschaft) oder der gefährdeten Bevölkerung (in der Erhaltung). Ein sehr aufregendes Potenzial dieses Feldes ist, dass gesamte DNA-Reihenfolgen oder Genome desbedrohte Art konserviert werden können und erlauben, an dass der Resultate des genetischen Experimentes der Natur im silico erinnert werden, und vielleicht zukünftig wiederverwendet, selbst wenn diese Sorte schließlich verloren ist.
Der Ausdruck vieler Gene kann festgestellt werden, indem man mRNA-Stufen mit mehrfachen Techniken einschließlich Microarrays misst, die ausgedrückte cDNA Reihenfolgenmarke (EST) sequenziell ordnend, Serienanalyse der Marke des Genausdrucks (SALBEI), die sequenziell ordnet, massiv die parallele sequenziell ordnende Unterzeichnung (MPSS) oder die verschiedenen Anwendungen der multiplexen in-situhybridation. Alle diese Techniken sind und/oder abhängig von Vorspannung im biologischen Messen extrem Geräusch-vornübergeneigt, und ein Hauptforschungsbereich in der Computerbiologie bezieht mit ein, statistische Hilfsmittel zu entwickeln, um Signal von denGeräuschen in den Hochdurchsatz Genausdruckstudien zu trennen. Solche Studien sind häufig benutzt, die Gene festzustellen, die in einer Störung impliziert werden: ein konnte Microarraydaten von den krebsartigen Epithelzellen mit Daten von den non-cancerous Zellen vergleichen, um die Abschriften festzustellen, die in einer bestimmten Bevölkerung der Krebszellen oben-geregelt und unten-geregelt werden.
Analyse der Regelung
Regelung ist die komplizierte Orchestrierung der Ereignisse, die mit einem extrazellularen Signal beginnen und schließlich zu eine Zunahme oder eine Abnahme an der Aktivität einer oder mehrerer Proteinmoleküle führen. Bioinformatiktechniken sind angewendet worden, um verschiedene Jobstepps in diesem Prozess zu erforschen. Z.B. bezieht Fördereranalyse die Erklärung und die Studie der Reihenfolgenmotive in die genomic Region mit ein, welche die Kodierungregion eines Gens umgibt. Diese Motive beeinflussen den Umfang, in dem diese Region in mRNA übertragen wird. Ausdruckdaten können verwendet werden, um Genregelung zu schließen: ein konnte Microarraydaten von einer großen Vielfalt der Zustände eines Organismus mit Formularhypothesen über die Gene vergleichen, die in jeden Zustand mit einbezogen wurden. In einem einzelligen Organismus konnte man Stadien der Zellenschleife, zusammen mit verschiedenem Druck vergleichen bedingt (Hitzeschlag, Verhungern, etc.). Ein kann bündelnde Algorithmen an diesen Ausdruckdaten dann anwenden, um festzustellen, welche Gene Co-ausgedrückt werden. Z.B. können die aufwärts gerichteten Regionen (Förderer) der Co-ausgedrückten Gene nach geüberrepräsentierten regelnden Elementen gesucht werden.
Analyse des Proteinausdrucks
Protein Microarrays und hohe Massenspektrometrie des Durchsatzes (HT) (Mitgliedstaat) können einen Schnappschuß der Proteine zur Verfügung stellen, die in einer biologischen Probe vorhanden sind. Bioinformatik ist sehr viel beteiligt, wenn sie sinnvoll von Protein Microarray und VON HT-Mitgliedstaat-Daten ist; die ehemalige Annäherung stellt ähnliche Probleme gegenüber, wie in die Microarrays, die auf mRNA abgezielt werden, das letztere das Problem des Abgleichens der großen Mengen der Massendaten gegen vorausgesagte Massen von den Proteinreihenfolgendatenbanken und die schwierige statistische Analyse der Proben miteinbezieht, in denen Mehrfachverbindungsstelle, aber unvollständige Peptide von jedem Protein entdeckt werden.
Analyse von Veränderungen in Krebs
Massive sequenziell ordnende Bemühungen sind aktuell laufend, Punktveränderungen in einer Vielzahl der Gene in Krebs zu identifizierenen. Der bloße Datenbestand vorgelegt benötigt automatisierte Systeme, Reihenfolgendaten zu lesen, und das Sequenziell ordnen zu vergleichen resultiert zur bekannten Reihenfolge des menschlichen Genoms, einschließlich bekannte germline Polymorphien.
Oligonucleotide Microarrays, einschließlich vergleichbare genomic Hybridation und einzelnen die Nukleotidpolymorphiereihen, fähig, bis zu mehrerees hundert tausend Sites während des Genoms gleichzeitig zu prüfen werden verwendet, um chromosomale Gewinne und Verluste in Krebs zu identifizierenen. Versteckte Markov Modell- und Ändernpunkt Analysenmethoden werden entwickelt, um reale Exemplarzahländerungen von den häufig lauten Daten zu schließen. Weitere Informatikansätze werden entwickelt, um die Implikationen der Verletzungen zu verstehen, die gefunden werden, um über vielen Tumoren rückläufig zu sein.
Einige moderne Hilfsmittel (z.B. Quantum 3.1) stellen Hilfsmittel für das Ändern der Proteinreihenfolge an den spezifischen Sites durch Änderungen zu seinen Aminosäuren zur Verfügung und sagen Änderungen in der Bioaktivität nach Veränderungen voraus.
Proteinstrukturvorhersage ist eine andere wichtige Anwendung von Bioinformatik. Die Aminosäurereihenfolge eines Proteins, die so genannte Primärstruktur, kann von der Reihenfolge auf dem diesem Gen leicht festgestellt werden Codes für sie. In der überwiegenden Mehrheit von Fällen, stellt diese Primärstruktur eindeutig eine Struktur in seiner gebürtigen Umgebung fest. (Selbstverständlich, gibt es Ausnahmen, wie die schwammförmige Rinderenzephalopathie - aka Rinderwahn - Prion.) Wissen dieser Struktur ist lebenswichtig, wenn man die Funktion des Proteins versteht. Für Mangel an besseren Ausdrücken, werden strukturelle Informationen normalerweise als eine der Sekundär-, tertiären und quaternären Struktur eingestuft. Eine entwicklungsfähige allgemeine Lösung zu solchen Vorhersagen bleibt ein geöffnetes Problem. Ab jetzt sind die meisten Bemühungen auf Heuristik gerichtet worden, die meistens arbeiten.
Eine der Schlüsselideen in der Bioinformatik ist der Begriff der Homologie. Im genomic Zweig von Bioinformatik, wird Homologie verwendet, um die Funktion eines Gens vorauszusagen: wenn die Reihenfolge von Gen A, dessen Funktion bekannt, zur Reihenfolge von Gen B übereinstimmend ist, dessen Funktion unbekannt ist, könnte man schließen, dass B Funktion a teilen kann. Im strukturellen Zweig von Bioinformatik, wird Homologie verwendet, um festzustellen, welche Teile eines Proteins in der Strukturanordnung und -interaktion mit anderen Proteinen wichtig sind. In einer Technik, die die formende Homologie genannt wird, werden diese Informationen verwendet, um die Struktur eines Proteins vorauszusagen, sobald die Struktur eines übereinstimmenden Proteins bekannt. Dieses bleibt aktuell die einzige Methode, Proteinstrukturen zuverlässig vorauszusagen.
Ein Beispiel von diesem ist die ähnliche Proteinhomologie zwischen Hämoglobin in den Menschen und dem Hämoglobin in den Hülsenfrüchte (leghemoglobin). Beide dienen den gleichen Zweck Transportieren des Sauerstoffes im Organismus. Obwohl beide Proteine vollständig verschiedene Aminosäurereihenfolgen haben, sind ihre Proteinstrukturen praktisch identisch, das ihre nahen identischen Zwecke reflektiert.
Andere Techniken für die Vorhersage der Proteinstruktur umfassen das verlegende und Physik-gegründete Formung Protein de Novo (vom Kratzer).
Der Kern der vergleichbaren Genomanalyse ist die Einrichtung der Korrespondenz zwischen Genen (orthology Analyse) oder anderen genomic Merkmalen in den verschiedenen Organismen. Es ist diese intergenomic Karten, die es möglich, die Evolutionsprozesse zu verfolgen machen, die für die Abweichung von zwei Genomen verantwortlich sind. Eine Menge Evolutionsereignisse, die auf verschiedenen organisatorischen Niveaus fungieren, formen Genomentwicklung. Auf dem niedrigsten Niveau beeinflussen Punktveränderungen einzelne Nukleotide. An hochgradigen, großen chromosomalen Segmenten machen Sie Verdopplung, seitliche Übertragung, Umstellung, Umstellung, Auslassung und Einfügung durch. Schließlich werden vollständige Genome in Prozesse der Hybridation, des polyploidization und des endosymbiosis miteinbezogen und häufig führen zu schnellen Speciation. Die Kompliziertheit der Genomentwicklung stellt viele aufregenden Herausforderungen zu den Entwicklern der mathematischen Modelle und der Algorithmen, die Entschädigung zu Spektren der algorithmischen, statistischen und mathematischen Techniken haben und reicht von genauem, Heuristik, örtlich festgelegter Parameter und Näherungswertalgorithmen für die Probleme dar, die auf Kargheitmodellen bis zu Markovkette-Carlo-Algorithmen für bayesische Analyse der Probleme basieren, die auf Wahrscheinlichkeitsmodellen basieren.
Viele dieser Studien basieren auf der Homologieabfragung und dem Proteinfamilienübertragen auf lochkarten.
Computertechnologien werden eingesetzt, um die Verarbeitung, die Quantifikation und die Analyse der großen Mengen Hoch-Informationinhalt der biomedizinischen Bilder zu beschleunigen oder völlig zu automatisieren. Moderne Bildanalysesysteme vergrößern die Fähigkeit eines Beobachters, Messen von einem großen oder komplizierten Set Bildern zu bilden, indem sie Genauigkeit, Objektivität oder Geschwindigkeit verbessern. Ein völlig entwickeltes Analysensystem kann den Beobachter vollständig ersetzen. Obgleich diese Systeme nicht zu den biomedizinischen Bildern eindeutig sind, wird biomedizinische Darstellung für Diagnosen und Forschung wichtiger. Einige Beispiele sind:
Generationbioinformatik bearbeitet bestandene Anwendungen, normalerweise mit einer Text gegründeten Schnittstelle, die eine spezifische Aufgabe gute Leistung brachte. Das Computerbiologiehilfsmittel, das unter Biologen am bekanntesten ist, ist vermutlich BÖE, ein Algorithmus für das Suchen der großen Datenbanken des Proteins oder DER DNA-Reihenfolgen. Das NCBI liefert eine populäre web-basiert Implementierung, die ihre massiven Reihenfolgendatenbanken sucht. Auch ziemlich früh an, passend zum Ansammeln der Reihenfolge und der Anmerkungsdaten, der Schlüsselwortrecherchemaschinen, die waren zu lösen, waren Gen- und Proteinsynonyme wichtig. Scripting Sprachen des Computers wie Perl (dank seine Verladeanlagen der regulären Ausdrücke) und Pythonschlange sind häufig benutzt, an biologische Datenbanken anzuschließen und Ausgabe von den Bioinformatikprogrammen zu analysieren, die in Sprachen wie C oder C++ geschrieben werden. Gemeinschaften der Bioinformatikprogrammierer haben freie Quelleenbioinformatikprojekte installiert, um die Hilfsmittel und die Module zu entwickeln und zu verteilen, die sie produzieren.
Während die Datenquellen, im Inhalt und in der Geographie erweiterten und variierten, tauchten bioinformatic Meta-Recherchemaschinen, wie Reihenfolge, die Hilfsmittel ein Profil erstellt auf, um zu helfen, relevante Information von einigen Datenbanken zu finden. Diese Meta-Recherchemaschinen konnten Daten von einem lokalen Server oder sogar von einem Panel der Drittparteidienstleistungen registrieren.
Vor kurzem, sind Seife-gegründete Schnittstellen für eine große Vielfalt der Bioinformatikanwendungen entwickelt worden, eine Anwendung erlaubend, die auf einen Computer in einem Teil der Welt läuft, um der Daten und der Datenverarbeitung die Betriebsmittel der Algorithmen, auf Servers in anderen Teilen der Welt zu benutzen. Eine große Verwendbarkeit dieser Seife-gegründeten Bioinformatikweb-Services, zusammen mit den Quelleenbioinformatikansammlungen, führen zu das folgende Erzeugung der Bioinformatikhilfsmittel: die integrierte Bioinformatikplattform. Strecke dieser Hilfsmittel von einer Ansammlung unabhängigen Hilfsmitteln mit einem geläufigen Datenformat unter einer einzelnen, glatten unabhängigen oder web-basiert Schnittstelle, zur integrativen und ausdehnbaren Bioinformatikarbeitsfluss-Entwicklungsumgebung.
Elektronische Labornotizbücher (ELNs) werden wegen der Regierungsverordnungen wie 21CFR11, die spezifizieren, wie Sätze erstellt werden müssen, digital beglaubigt worden und archiviert in zunehmendem Maße populär und wichtig. Digital-Laborsätze, die 21CFR11 sind-, die gefällig sind, sind in den zugelassenen oder regelnden Verfahren zulässig. Für es gibt einige freie ELN heraus dort, aber Sie erhalten, was Sie zahlen. Ein Beispiel eines modernen ELN ist CERF durch Rescentris Inc. CERF ist ein Java gegründetes ELN, das das Mac und Windows ist, die kompatibel ist, 21CFR11, das gefällig und für Biowissenschaftforschung optimiert ist.
