生物信息学在基因组学领域的作用

描述

生物信息学的一个跨学科领域创建技术以及软件工具对于理解生物数据,特别是在大型和复杂的数据集。生物数据分析和解释,跨学科的研究被称为生物信息学汇集了生物学、化学、物理学、计算机科学、信息工程、数学和统计数据。生物调查在网上利用计算和统计分析方法和生物信息学。大量的原始信息可以通过图像和信号处理得到有价值的结果。它支持基因组的测序和注释,他们报道的突变基因纪律。它有助于组织通过信息检索和查询的生物数据的生物研究和药理和基因本体的创建。它还有助于控制的研究和基因的表达和蛋白质。遗传和基因组的比较、分析和解释数据以及更广泛的理解进化元素分子生物学与生物信息学工具的使用更容易。

生物信息学的主要目标是提高生物过程的理解。它不同于以前的方法,虽然它专注于创建和使用计算复杂的技术。可视化数据挖掘、模式识别和机器学习的几个例子。序列比对、基因的发现,基因组组装、药物设计、药物发现,蛋白质结构对齐、蛋白质结构预测、基因表达预测蛋白质相互作用预测,进化的全基因组关联研究,建模和有丝分裂细胞分裂/在这一领域的一些主要的研究活动。核苷酸水平注释的主要功能之一是基因的发现。最有效的方法对于复杂的基因组结合遗传比较使用表达和其他生物基因组序列从头开始基因预测。基因组序列的集成与额外的基因和基因组的物理映射注释也通过核苷酸水平。

建立遗传或其他基因属性之间的相关性在其他生物形式比较基因组分析的基础。能够跟踪两个基因组的进化机制背后的色散是由这些intergenomic地图提供的。基因组进化是由一系列进化过程操作在不同的组织水平。点突变只改变单个核苷酸在最基本的水平。大型染色体片段复制,横向转移,倒、转置、删除和添加在一个更高的水平。最后,内共生,多倍体化和杂交包括完整的基因组和经常导致快速物种形成。

另一个重要的生物信息学是蛋白质结构的预测。很简单,实现蛋白质的氨基酸序列或所谓的一级结构,它的编码基因的序列。这个主要结构通常规定一个配置在其自然环境以独特的方式。至关重要的部分的蛋白质结构进化和与其他蛋白质的交互识别使用生物信息学的相同形态的分支。一旦一个基因编码的安排是已知上述知识是用于过程称为同源建模来预测蛋白质的结构。

这一直是唯一的方法,准确地预测蛋白质结构。网络分析的目标是理解存在于生物网络的连接,如蛋白质相互作用网络或代谢途径。虽然一个单一类型的分子或对象可以用来创建一个生物网络,网络生物学经常旨在集成多种数据类型,包括蛋白质、生物分子、基因表达数据和其他所有相关的生理和功能。大规模、high-information-content生物医学图像处理、量化和分析使用计算技术加速或完全自动化。通过提高准确性、客观性和速度,现代图像分析工具帮助观察员评估从一组大型或复杂的图像。观察者可能会完全取代了一个完全开发的分析系统。