時間：2024-02-28 14:39:58
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇生物信息學的研究進展，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
“生物信息學”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國田納西州gatlinburg召開的“生物學中的信息理論”討論會上首次被提出的［1］，由美國學者lim在1991年發表的文章中首次使用。生物信息學自產生以來，大致經歷了前基因組時代、基因組時代和后基因組時代三個發展階段［2］。2003年4月14日，美國人類基因組研究項目首席科學家collins f博士在華盛頓隆重宣布人類基因組計劃（human genome project，hgp）的所有目標全部實現［3］。這標志著后基因組時代（post genome era，pge）的來臨，是生命科學史中又一個里程碑。生物信息學作為21世紀生物技術的核心，已經成為現代生命科學研究中重要的組成部分。研究基因、蛋白質和生命，其研究成果必將深刻地影響農業。本文重點闡述生物信息學在農業模式植物、種質資源優化、農藥的設計開發、作物遺傳育種、生態環境改善等方面的最新研究進展。
1.生物信息學在農業模式植物研究領域中的應用
1997年5月美國啟動國家植物基因組計劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經濟價值的關鍵植物的基因圖譜。國家植物基因組計劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來，通過各國科學家的通力合作，植物基因組研究取得了重大進展，擬南芥、水稻等模式植物已完成了全基因組測序。人們可以使用生物信息學的方法系統地研究這些重要農作物的基因表達、蛋白質互作、蛋白質和核酸的定位、代謝物及其調節網絡等，從而從分子水平上了解細胞的結構和功能［5］。目前已經建立的農作物生物信息學數據庫研究平臺有植物轉錄本（ta）集合數據庫tigr、植物核酸序列數據庫plantgdb、研究玉米遺傳學和基因組學的mazegdb數據庫、研究草類和水稻的gramene數據庫、研究馬鈴薯的pomamo數據庫，等等。
2.生物信息學在種質資源保存研究領域中的應用
種質資源是農業生產的重要資源，它包括許多農藝性狀（如抗病、產量、品質、環境適應性基因等）的等位基因。植物種質資源庫是指以植物種質資源為保護對象的保存設施。至1996年，全世界已建成了1300余座植物種質資源庫，在我國也已建成30多座作物種質資源庫。種質入庫保存類型也從單一的種子形式，發展到營養器官、細胞和組織，甚至dna片段等多種形式。保護的物種也從有性繁殖植物擴展到無性繁殖植物及頑拗型種子植物等［6］。近年來，人們越來越多地應用各種分子標記來鑒定種質資源。例如微衛星、aflp、ssap、rbip和snp等。由于對種質資源進行分子標記產生了大量的數據，因此需要建立生物信息學數據庫和采用分析工具來實現對這些數據的查詢、統計和計算機分析等［7］。
3.生物信息學在農藥設計開發研究領域中的應用
傳統的藥物研制主要是從大量的天然產物、合成化合物，以及礦物中進行篩選，得到一個可供臨床使用的藥物要耗費大量的時間與金錢。生物信息學在藥物研發中的意義在于找到病理過程中關鍵性的分子靶標、闡明其結構和功能關系，從而指導設計能激活或阻斷生物大分子發揮其生物功能的治療性藥物，使藥物研發之路從過去的偶然和盲目中找到正確的研發方向。生物信息學為藥物研發提供了新的手段［8，9］，導致了藥物研發模式的改變［10］。目前，生物信息學促進農藥研制已有許多成功的例子。itzstein等設計出兩種具有與唾液酸酶結合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結合活性的250倍［11］。目前，這兩種新藥已經進入臨床試驗階段。tang sy等學者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經設計出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設計合成了十多類數百個除草化合物，經生物活性測定，部分化合物的活性已超過商品化光合作用抑制劑的水平［14］。
現代農藥的研發已離不開生物信息技術的參與，隨著生物信息學技術的進一步完善和發展，將會大大降低藥物研發的成本，提高研發的質量和效率。
4.生物學信息學在作物遺傳育種研究領域中的應用
隨著主要農作物遺傳圖譜精確度的提高，以及特定性狀相關分子基礎的進一步闡明，人們可以利用生物信息學的方法，先從模式生物中尋找可能的相關基因，然后在作物中找到相應的基因及其位點。農作物的遺
傳學和分子生物學的研究積累了大量的基因序列、分子標記、圖譜和功能方面的數據，可通過建立生物信息學數據庫來整合這些數據，從而比較和分析來自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎上，育種學家就可以應用計算機模型來提出預測假設，從多種復雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標記中篩選到理想的組合，從而培育出新的優良農作物品種。
5.生物信息學在生態環境平衡研究領域中的應用
在生態系統中，基因流從根本上影響能量流和物質流的循環和運轉，是生態平衡穩定的根本因素。生物信息學在環境領域主要應用在控制環境污染方面，主要通過數學與計算機的運用構建遺傳工程特效菌株，以降解目標基因及其目標污染物為切入點，通過降解污染物的分子遺傳物質核酸 dna，以及生物大分子蛋白質酶，達到催化目標污染物的降解，從而維護空氣［16］、水源、土地等生態環境的安全。
美國農業研究中心（ars） 的農藥特性信息數據庫（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們在環境中轉運和降解途徑的16種最重要的物化特性。日本豐橋技術大學（toyohashi university of technology） 多環芳烴危險性有機污染物的物化特性、色譜、紫外光譜的譜線圖。美國環保局綜合風險信息系統數據庫（iris） 涉及 600種化學污染物，列出了污染物的毒性與風險評價參數，以及分子遺傳毒性參數［17］。除此之外，生物信息學在生物防治［18］中也起到了重要的作用。網絡的普及，情報、信息等學科的資源共享，勢必會創造出一個環境微生物技術信息的高速發展趨勢。
6.生物信息學在食品安全研究領域中的應用
食品在加工制作和存儲過程中各種細菌數量發生變化，傳統檢測方法是進行生化鑒定，但所需時間較長，不能滿足檢驗檢疫部門的要求，運用生物信息學方法獲得各種致病菌的核酸序列，并對這些序列進行比對，篩選出用于檢測的引物和探針，進而運用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重熒光定量pcr等技術，可快速準確地檢測出細菌及病毒。此外，對電阻抗、放射測量、elisa法、生物傳感器、基因芯片等［21-25］技術也是未來食品病毒檢測的發展方向。
轉基因食品檢測是通過設計特異性的引物對食品樣品的dna提取物進行擴增，從而判斷樣品中是否含有外源性基因片段［26］。通過對轉基因農產品數據庫信息的及時更新，可準確了解各國新出現和新批準的轉基因農產品，便于查找其插入的外源基因片段，以便及時對檢驗方法進行修改。目前由于某些通過食品傳播的病毒具有變異特性，以及檢測方法的不完善等因素影響，生物信息學在食品領域的應用還比較有限，但隨著食品安全檢測數據庫的不斷完善，相信相關的生物信息學技術將在食品領域發揮越來越重要的作用。 生物信息學廣泛用于農業科學研究的各個領域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報部門，以及信息中介服務機構提供相關服務，通過出版物、信息共享平臺、數字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國生物信息學發展還很不均衡，與國際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學能夠更好地為我國農業持續健康發展發揮作用。
參考文獻：
［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.
［2］鄭國清，張瑞玲.生物信息學的形成與發展［j］.河南農業科學，2002，（11）：4-7.
［3］駱建新，鄭崛村，馬用信等.人類基因組計劃與后基因組時代.中國生物工程雜志，2003，23，（11）：87-94.
［4］曹學軍.基因研究的又一壯舉——美國國家植物基因組計劃［j］.國外科技動態，2001，1：24-25.
［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.
［6］盧新雄.植物種質資源庫的設計與建設要求［j］.植物學通報，2006，23，（1）：119-125.
［7］guy d，noel e，mike a.using bioinformatics to analyse germplasm collections ［j］.spri
nger netherlands，2004：39-54.
［8］鄭衍，王非.藥物生物信息學，化學化工出版社，2004.1：214-215.
［9］俞慶森，邱建衛，胡艾希.藥物設計.化學化工出版社，2005.1：160-164.
［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.
［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.
［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.
［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.
［14］楊華錚，劉華銀，鄒小毛等.計算機輔助設計與合成除草劑的研究［j］.計算機與應用化學，1999，16，（5）：400.
［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.
［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監測分析［j］.微生物學雜志，2008，28，（4）：93-97.
［17］程樹培，嚴峻，郝春博等.環境生物技術信息學進展［j］.環境污染治理技術與設備，2002，3，（11）：92-94.
［18］史應武，婁愷，李春.植物內生菌在生物防治中的應用［j］.微生物學雜志，2009，29，（6）：61-64.
［19］趙玉玲，張天生，張巧艷.pcr 法快速檢測肉食品污染沙門菌的實驗研究［j］.微生物學雜志，2010，30，（3）：103-105.
［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測4種主要致腹瀉性大腸埃希菌［j］.微生物學雜志，2010，30，（3） ：25-29.
［21］索標，汪月霞，艾志錄.食源性致病菌多重分子生物學檢測技術研究進展［j］.微生物學雜志，2010，30，（6）：71-75
［22］朱曉娥，袁耿彪.基因芯片技術在基因突變診斷中的應用及其前景［j］.重慶醫學，2010，（22）：3128-3131.
［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態學研究方法［j］.微生物學雜志，2009，29，（4）：79-83.
［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測技術研究進展［j］.微生物學雜志，2009，29，（5）：67-72.
關鍵詞： 生物信息學 農業研究領域 應用
“生物信息學”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國田納西州gatlinburg召開的“生物學中的信息理論”討論會上首次被提出的［1］，由美國學者lim在1991年發表的文章中首次使用。生物信息學自產生以來，大致經歷了前基因組時代、基因組時代和后基因組時代三個發展階段［2］。2003年4月14日，美國人類基因組研究項目首席科學家collins f博士在華盛頓隆重宣布人類基因組計劃（human genome project，hgp）的所有目標全部實現［3］。這標志著后基因組時代（post genome era，pge）的來臨，是生命科學史中又一個里程碑。生物信息學作為21世紀生物技術的核心，已經成為現代生命科學研究中重要的組成部分。研究基因、蛋白質和生命，其研究成果必將深刻地影響農業。本文重點闡述生物信息學在農業模式植物、種質資源優化、農藥的設計開發、作物遺傳育種、生態環境改善等方面的最新研究進展。
1.生物信息學在農業模式植物研究領域中的應用
1997年5月美國啟動國家植物基因組計劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經濟價值的關鍵植物的基因圖譜。國家植物基因組計劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來，通過各國科學家的通力合作，植物基因組研究取得了重大進展，擬南芥、水稻等模式植物已完成了全基因組測序。人們可以使用生物信息學的方法系統地研究這些重要農作物的基因表達、蛋白質互作、蛋白質和核酸的定位、代謝物及其調節網絡等，從而從分子水平上了解細胞的結構和功能［5］。目前已經建立的農作物生物信息學數據庫研究平臺有植物轉錄本（ta）集合數據庫tigr、植物核酸序列數據庫plantgdb、研究玉米遺傳學和基因組學的mazegdb數據庫、研究草類和水稻的gramene數據庫、研究馬鈴薯的pomamo數據庫，等等。
2.生物信息學在種質資源保存研究領域中的應用
種質資源是農業生產的重要資源，它包括許多農藝性狀（如抗病、產量、品質、環境適應性基因等）的等位基因。植物種質資源庫是指以植物種質資源為保護對象的保存設施。至1996年，全世界已建成了1300余座植物種質資源庫，在我國也已建成30多座作物種質資源庫。種質入庫保存類型也從單一的種子形式，發展到營養器官、細胞和組織，甚至dna片段等多種形式。保護的物種也從有性繁殖植物擴展到無性繁殖植物及頑拗型種子植物等［6］。近年來，人們越來越多地應用各種分子標記來鑒定種質資源。例如微衛星、aflp、ssap、rbip和snp等。由于對種質資源進行分子標記產生了大量的數據，因此需要建立生物信息學數據庫和采用分析工具來實現對這些數據的查詢、統計和計算機分析等［7］。
3.生物信息學在農藥設計開發研究領域中的應用
傳統的藥物研制主要是從大量的天然產物、合成化合物，以及礦物中進行篩選，得到一個可供臨床使用的藥物要耗費大量的時間與金錢。生物信息學在藥物研發中的意義在于找到病理過程中關鍵性的分子靶標、闡明其結構和功能關系，從而指導設計能激活或阻斷生物大分子發揮其生物功能的治療性藥物，使藥物研發之路從過去的偶然和盲目中找到正確的研發方向。生物信息學為藥物研發提供了新的手段［8，9］，導致了藥物研發模式的改變［10］。目前，生物信息學促進農藥研制已有許多成功的例子。itzstein等設計出兩種具有與唾液酸酶結合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結合活性的250倍［11］。目前，這兩種新藥已經進入臨床試驗階段。tang sy等學者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經設計出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設計合成了十多類數百個除草化合物，經生物活性測定，部分化合物的活性已超過商品化光合作用抑制劑的水平［14］。
現代農藥的研發已離不開生物信息技術的參與，隨著生物信息學技術的進一步完善和發展，將會大大降低藥物研發的成本，提高研發的質量和效率。
4.生物學信息學在作物遺傳育種研究領域中的應用
隨著主要農作物遺傳圖譜精確度的提高，以及特定性狀相關分子基礎的進一步闡明，人們可以利用生物信息
學的方法，先從模式生物中尋找可能的相關基因，然后在作物中找到相應的基因及其位點。農作物的遺傳學和分子生物學的研究積累了大量的基因序列、分子標記、圖譜和功能方面的數據，可通過建立生物信息學數據庫來整合這些數據，從而比較和分析來自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎上，育種學家就可以應用計算機模型來提出預測假設，從多種復雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標記中篩選到理想的組合，從而培育出新的優良農作物品種。
5.生物信息學在生態環境平衡研究領域中的應用
在生態系統中，基因流從根本上影響能量流和物質流的循環和運轉，是生態平衡穩定的根本因素。生物信息學在環境領域主要應用在控制環境污染方面，主要通過數學與計算機的運用構建遺傳工程特效菌株，以降解目標基因及其目標污染物為切入點，通過降解污染物的分子遺傳物質核酸 dna，以及生物大分子蛋白質酶，達到催化目標污染物的降解，從而維護空氣［16］、水源、土地等生態環境的安全。
美國農業研究中心（ars） 的農藥特性信息數據庫（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們在環境中轉運和降解途徑的16種最重要的物化特性。日本豐橋技術大學（toyohashi university of technology） 多環芳烴危險性有機污染物的物化特性、色譜、紫外光譜的譜線圖。美國環保局綜合風險信息系統數據庫（iris） 涉及 600種化學污染物，列出了污染物的毒性與風險評價參數，以及分子遺傳毒性參數［17］。除此之外，生物信息學在生物防治［18］中也起到了重要的作用。網絡的普及，情報、信息等學科的資源共享，勢必會創造出一個環境微生物技術信息的高速發展趨勢。
6.生物信息學在食品安全研究領域中的應用
食品在加工制作和存儲過程中各種細菌數量發生變化，傳統檢測方法是進行生化鑒定，但所需時間較長，不能滿足檢驗檢疫部門的要求，運用生物信息學方法獲得各種致病菌的核酸序列，并對這些序列進行比對，篩選出用于檢測的引物和探針，進而運用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重熒光定量pcr等技術，可快速準確地檢測出細菌及病毒。此外，對電阻抗、放射測量、elisa法、生物傳感器、基因芯片等［21-25］技術也是未來食品病毒檢測的發展方向。
轉基因食品檢測是通過設計特異性的引物對食品樣品的dna提取物進行擴增，從而判斷樣品中是否含有外源性基因片段［26］。通過對轉基因農產品數據庫信息的及時更新，可準確了解各國新出現和新批準的轉基因農產品，便于查找其插入的外源基因片段，以便及時對檢驗方法進行修改。目前由于某些通過食品傳播的病毒具有變異特性，以及檢測方法的不完善等因素影響，生物信息學在食品領域的應用還比較有限，但隨著食品安全檢測數據庫的不斷完善，相信相關的生物信息學技術將在食品領域發揮越來越重要的作用。
生物信息學廣泛用于農業科學研究的各個領域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報部門，以及信息中介服務機構提供相關服務，通過出版物、信息共享平臺、數字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國生物信息學發展還很不均衡，與國際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學能夠更好地為我國農業持續健康發展發揮作用。
參考文獻：
［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.
［2］鄭國清，張瑞玲.生物信息學的形成與發展［j］.河南農業科學，2002，（11）：4-7.
［3］駱建新，鄭崛村，馬用信等.人類基因組計劃與后基因組時代.中國生物工程雜志，2003，23，（11）：87-94.
［4］曹學軍.基因研究的又一壯舉——美國國家植物基因組計劃［j］.國外科技動態，2001，1：24-25.
［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.
［6］盧新雄.植物種質資源庫的設計與建設要求［j］.植物學通報，2006，23，（1）：119-125.
［7］guy d
，noel e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.
［8］鄭衍，王非.藥物生物信息學，化學化工出版社，2004.1：214-215.
［9］俞慶森，邱建衛，胡艾希.藥物設計.化學化工出版社，2005.1：160-164.
［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.
［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.
［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.
［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.
［14］楊華錚，劉華銀，鄒小毛等.計算機輔助設計與合成除草劑的研究［j］.計算機與應用化學，1999，16，（5）：400.
［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.
［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監測分析［j］.微生物學雜志，2008，28，（4）：93-97.
［17］程樹培，嚴峻，郝春博等.環境生物技術信息學進展［j］.環境污染治理技術與設備，2002，3，（11）：92-94.
［18］史應武，婁愷，李春.植物內生菌在生物防治中的應用［j］.微生物學雜志，2009，29，（6）：61-64.
［19］趙玉玲，張天生，張巧艷.pcr 法快速檢測肉食品污染沙門菌的實驗研究［j］.微生物學雜志，2010，30，（3）：103-105.
［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測4種主要致腹瀉性大腸埃希菌［j］.微生物學雜志，2010，30，（3） ：25-29.
［21］索標，汪月霞，艾志錄.食源性致病菌多重分子生物學檢測技術研究進展［j］.微生物學雜志，2010，30，（6）：71-75
［22］朱曉娥，袁耿彪.基因芯片技術在基因突變診斷中的應用及其前景［j］.重慶醫學，2010，（22）：3128-3131.
［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態學研究方法［j］.微生物學雜志，2009，29，（4）：79-83.
［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測技術研究進展［j］.微生物學雜志，2009，29，（5）：67-72.
關鍵詞： 生物信息學 農業研究領域 應用
“生物信息學”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國田納西州gatlinburg召開的“生物學中的信息理論”討論會上首次被提出的［1］，由美國學者lim在1991年發表的文章中首次使用。生物信息學自產生以來，大致經歷了前基因組時代、基因組時代和后基因組時代三個發展階段［2］。2003年4月14日，美國人類基因組研究項目首席科學家collins f博士在華盛頓隆重宣布人類基因組計劃（human genome project，hgp）的所有目標全部實現［3］。這標志著后基因組時代（post genome era，pge）的來臨，是生命科學史中又一個里程碑。生物信息學作為21世紀生物技術的核心，已經成為現代生命科學研究中重要的組成部分。研究基因、蛋白質和生命，其研究成果必將深刻地影響農業。本文重點闡述生物信息學在農業模式植物、種質資源優化、農藥的設計開發、作物遺傳育種、生態環境改善等方面的最新研究進展。
1.生物信息學在農業模式植物研究領域中的應用
1997年5月美國啟動國家植物基因組計劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經濟價值的關鍵植物的基因圖譜。國家植物基因組計劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來，通過各國科學家的通力合作，植物基因組研究取得了重大進展，擬南芥、水稻等模式植物已完成了全基因組測序。人們可以使用生物信息學的方法系統地研究這些重要農作物的基因表達、蛋白質互作、蛋白質和核酸的定位、代謝物及其調節網絡等，從而從分子水平上了解細胞的結構和功能［5］。目前已經建立的農作物生物信息學數據庫研究平臺有植物轉錄本（ta）集合數據庫tigr、植物核酸序列數據庫plantgdb、研究玉米遺傳學和基因組學的mazegdb數據庫、研究草類和水稻的gramene數據庫、研究馬鈴薯的pomamo數據庫，等等。
2.生物信息學在種質資源保存研究領域中的應用
種質資源是農業生產的重要資源，它包括許多農藝性狀（如抗病、產量、品質、環境適應性基因等）的等位基因。植物種質資源庫是指以植物種質資源為保護對象的保存設施。至1996年，全世界已建成了1300余座植物種質資源庫，在我國也已建成30多座作物種質資源庫。種質入庫保存類型也從單一的種子形式，發展到營養器官、細胞和組織，甚至dna片段等多種形式。保護的物種也從有性繁殖植物擴展到無性繁殖植物及頑拗型種子植物等［6］。近年來，人們越來越多地應用各種分子標記來鑒定種質資源。例如微衛星、aflp、ssap、rbip和snp等。由于對種質資源進行分子標記產生了大量的數據，因此需要建立生物信息學數據庫和采用分析工具來實現對這些數據的查詢、統計和計算機分析等［7］。
3.生物信息學在農藥設計開發研究領域中的應用
傳統的藥物研制主要是從大量的天然產物、合成化合物，以及礦物中進行篩選，得到一個可供臨床使用的藥物要耗費大量的時間與金錢。生物信息學在藥物研發中的意義在于找到病理過程中關鍵性的分子靶標、闡明其結構和功能關系，從而指導設計能激活或阻斷生物大分子發揮其生物功能的治療性藥物，使藥物研發之路從過去的偶然和盲目中找到正確的研發方向。生物信息學為藥物研發提供了新的手段［8，9］，導致了藥物研發模式的改變［10］。目前，生物信息學促進農藥研制已有許多成功的例子。itzstein等設計出兩種具有與唾液酸酶結合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結合活性的250倍［11］。目前，這兩種新藥已經進入臨床試驗階段。tang sy等學者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經設計出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設計合成了十多類數百個除草化合物，經生物活性測定，部分化合物的活性已超過商品化光合作用抑制劑的水平［14］。
現代農藥的研發已離不開生物信息技術的參與，隨著生物信息學技術的進一步完善和發展，將會大大降低藥物研發的成本，提高研發的質量和效率。
4.生物學信息學在作物遺傳育種研究領域中的應用
隨著主要農作物遺傳圖譜精確度的提高，以及特定性狀相關分子基礎的進一步闡明，人們可以利用生物信息學的方法，先從模式生物
中尋找可能的相關基因，然后在作物中找到相應的基因及其位點。農作物的遺傳學和分子生物學的研究積累了大量的基因序列、分子標記、圖譜和功能方面的數據，可通過建立生物信息學數據庫來整合這些數據，從而比較和分析來自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎上，育種學家就可以應用計算機模型來提出預測假設，從多種復雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標記中篩選到理想的組合，從而培育出新的優良農作物品種。
5.生物信息學在生態環境平衡研究領域中的應用
在生態系統中，基因流從根本上影響能量流和物質流的循環和運轉，是生態平衡穩定的根本因素。生物信息學在環境領域主要應用在控制環境污染方面，主要通過數學與計算機的運用構建遺傳工程特效菌株，以降解目標基因及其目標污染物為切入點，通過降解污染物的分子遺傳物質核酸 dna，以及生物大分子蛋白質酶，達到催化目標污染物的降解，從而維護空氣［16］、水源、土地等生態環境的安全。
美國農業研究中心（ars） 的農藥特性信息數據庫（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們在環境中轉運和降解途徑的16種最重要的物化特性。日本豐橋技術大學（toyohashi university of technology） 多環芳烴危險性有機污染物的物化特性、色譜、紫外光譜的譜線圖。美國環保局綜合風險信息系統數據庫（iris） 涉及 600種化學污染物，列出了污染物的毒性與風險評價參數，以及分子遺傳毒性參數［17］。除此之外，生物信息學在生物防治［18］中也起到了重要的作用。網絡的普及，情報、信息等學科的資源共享，勢必會創造出一個環境微生物技術信息的高速發展趨勢。
6.生物信息學在食品安全研究領域中的應用
食品在加工制作和存儲過程中各種細菌數量發生變化，傳統檢測方法是進行生化鑒定，但所需時間較長，不能滿足檢驗檢疫部門的要求，運用生物信息學方法獲得各種致病菌的核酸序列，并對這些序列進行比對，篩選出用于檢測的引物和探針，進而運用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重熒光定量pcr等技術，可快速準確地檢測出細菌及病毒。此外，對電阻抗、放射測量、elisa法、生物傳感器、基因芯片等［21-25］技術也是未來食品病毒檢測的發展方向。
轉基因食品檢測是通過設計特異性的引物對食品樣品的dna提取物進行擴增，從而判斷樣品中是否含有外源性基因片段［26］。通過對轉基因農產品數據庫信息的及時更新，可準確了解各國新出現和新批準的轉基因農產品，便于查找其插入的外源基因片段，以便及時對檢驗方法進行修改。目前由于某些通過食品傳播的病毒具有變異特性，以及檢測方法的不完善等因素影響，生物信息學在食品領域的應用還比較有限，但隨著食品安全檢測數據庫的不斷完善，相信相關的生物信息學技術將在食品領域發揮越來越重要的作用。
生物信息學廣泛用于農業科學研究的各個領域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報部門，以及信息中介服務機構提供相關服務，通過出版物、信息共享平臺、數字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國生物信息學發展還很不均衡，與國際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學能夠更好地為我國農業持續健康發展發揮作用。
參考文獻：
［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.
［2］鄭國清，張瑞玲.生物信息學的形成與發展［j］.河南農業科學，2002，（11）：4-7.
［3］駱建新，鄭崛村，馬用信等.人類基因組計劃與后基因組時代.中國生物工程雜志，2003，23，（11）：87-94.
［4］曹學軍.基因研究的又一壯舉——美國國家植物基因組計劃［j］.國外科技動態，2001，1：24-25.
［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.
［6］盧新雄.植物種質資源庫的設計與建設要求［j］.植物學通報，2006，23，（1）：119-125.
［7］guy d，noel
e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.
［8］鄭衍，王非.藥物生物信息學，化學化工出版社，2004.1：214-215.
［9］俞慶森，邱建衛，胡艾希.藥物設計.化學化工出版社，2005.1：160-164.
［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.
［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.
［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.
［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.
［14］楊華錚，劉華銀，鄒小毛等.計算機輔助設計與合成除草劑的研究［j］.計算機與應用化學，1999，16，（5）：400.
［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.
［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監測分析［j］.微生物學雜志，2008，28，（4）：93-97.
［17］程樹培，嚴峻，郝春博等.環境生物技術信息學進展［j］.環境污染治理技術與設備，2002，3，（11）：92-94.
［18］史應武，婁愷，李春.植物內生菌在生物防治中的應用［j］.微生物學雜志，2009，29，（6）：61-64.
［19］趙玉玲，張天生，張巧艷.pcr 法快速檢測肉食品污染沙門菌的實驗研究［j］.微生物學雜志，2010，30，（3）：103-105.
［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測4種主要致腹瀉性大腸埃希菌［j］.微生物學雜志，2010，30，（3） ：25-29.
［21］索標，汪月霞，艾志錄.食源性致病菌多重分子生物學檢測技術研究進展［j］.微生物學雜志，2010，30，（6）：71-75
［22］朱曉娥，袁耿彪.基因芯片技術在基因突變診斷中的應用及其前景［j］.重慶醫學，2010，（22）：3128-3131.
［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態學研究方法［j］.微生物學雜志，2009，29，（4）：79-83.
［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測技術研究進展［j］.微生物學雜志，2009，29，（5）：67-72.
［25］蘇晨曦，潘迎捷，趙勇等.疏水網格濾膜技術檢測食源性致病菌的研究進展［j］.微生物學雜志，2010，30，（6）：76-81.
2009年，衛生部立項“十二五”八年制規劃教材《生物信息學》的編寫工作，并將生物信息學列為八年制醫學生的必修課。這是中國現代醫學教育的一件大事，一方面體現國家對高等醫學人才全面發展、提高理工科理論水平的重視程度；另一方面也表明生物信息學理論已經深入到生物醫學科研和實際應用層面，理論生物醫學研究已經被國內院校所接受，成為生物醫學學科群的重要組成部分[1]。
生物信息學是一門新興的交叉學科，有非常明顯的理工科特性，即在有良好的生物醫學背景下，注重數學思維和計算機操作能力，這對于我們目前以醫學專業學習為主的高等醫學教育產生一定的挑戰。如何在有限的學時基礎上，完成生物信息學教學任務的同時，讓學生初步掌握科研、臨床中應用生物信息學的能力，形成理工科處理醫學問題的思維，是目前在八年制學生中開展生物信息學教學迫切需要研討的問題。筆者作為主講教師于哈爾濱醫科大學完成了兩輪八年制生物信息學教學任務，通過教學過程、課后調研及考試分析，總結了八年制學生對學習生物信息學的一些認識和學習期間遇到的問題，在這里共同探討，以便于推進醫學院校生物信息學的教學工作，培養更高理論和實踐層次的醫學人才。
一、授課對象
課程面向臨床醫學八年制學生93人、基礎醫學八年制（基地班）學生60人，學生入學錄取分數高于生源地重本線50分以上。開課時兩個專業的學生均處于大學三年級，已經學完高數、計算機基礎等理工基礎課，分子生物、細胞生物等生物學基礎課，以及組胚、生理等醫學基礎課，開課學期同時學習遺傳、免疫、病理和藥理學課程；部分學生參加PBL教學，已經完成呼吸、消化、循環系統的知識學習。
二、教材和課程內容選擇
面向兩個軌道分別開展《醫學信息分析方法》（36學時）和《生物信息學概論》（56學時）兩門課程。兩個軌道均以人民衛生出版社規劃教材《生物信息學》2010年第一版為主講教材[2]，結合臨床醫學和基礎醫學的學科特點，采取教師自主選擇內容的方式講授。
在臨床專業中以疾病理論和分析方法為中心，專題式講解疾病分析相關資源、研究策略和常用軟件工具。36學時的《醫學信息分析方法》講授疾病數據資源和系統理論、遺傳多態與疾病定位、轉錄調控信息學與復雜疾病分析、miRNA表達與疾病分類、疾病狀態表觀遺傳改變，及測序技術與疾病研究進展等6個專題。每個專題包括4學時理論課程和2學時上機實踐。理論課程強調分子生物學基礎、實驗設計思想和分析理念，實踐課程以疾病為中心，由教師指引，學生自主完成一個小規模的實驗設計、數據下載到結果分析的全程化信息學實踐。
在基礎專業中強調生物醫學研究數據資源、計算生物醫學方法和實驗設計手段，系統講解生物信息學在生物醫學研究中的理論和實踐技術。講授內容涉及序列數據資源與分析方法、分子進化、基因表達與調控、蛋白質組學信息學、網絡系統生物學、遺傳和表觀遺傳計算分析、疾病的計算系統生物學等較全面的生物信息學方法和理論，要求學生能夠在生物醫學研究中貫穿理工科分析思維，不僅能熟練運用相應的網絡資源和軟件工具，還能對生物信息學方法理論有一定了解，熟悉不同方法的擴展性應用。理論和實踐課基本按照2比1分配，實踐課程根據內容需要選取生物學或醫學問題進行全程模擬實驗。
三、考試形式和分析
現階段，兩個八年制專業的生物信息學教學以必修考查課形式進行，采取開卷考試、實驗報告和標書設計三種考核方式，以便于了解學生對本門課程的學習和對生物信息學研究思想的領悟情況。
開卷考試試題均為主觀題，其中理論基礎題考查概念、重要的研究思路和經典的研究方法；案例分析題要求學生能夠在學過的或書本上的知識基礎上，聯系生物醫學知識進行案例分析，選取相應的方法解決特定的問題；思維拓展題給定學生主題詞，由學生進行以生物信息學方法為工具的課題流程設計。考試結果表明學生能夠通過學習了解基本的生物信息學方法，并具備初步運用新方法解決實際問題的能力，但考試也反映出，大學三年級學生還具有一定的科研思維局限性，不能夠完全把握課題設計過程的創新性和可靠性原則。
實踐能力考查主要通過實驗報告進行，實驗報告要寫明研究問題名稱、實驗數據、處理方法、處理結果和結果分析討論。通過實驗報告的提交，學生基本能夠就相應的問題自主選擇數據、進行一般性軟件分析，并能夠對實驗結果進行知識面內的討論和思考，得出符合問題要求的結論。
標書設計作為課后實踐，要求學生就自己感興趣的研究方向進行課題設計。設計內容可以為生物信息學方法研究，也可以以生物信息學為工具進行生物醫學問題的探討和分析。大多數學生能夠通過文獻查閱、原先具備的生物醫學知識總結，發現有意義的生物醫學問題，設計內容具有現實意義和一定創新性的，部分課題還有較好的可行性。很多標書設計也暴露出在三年級開展生物信息學時，學生的臨床醫學知識還比較欠缺，有時候不能很好的發現具有醫學意義或應用價值的課題，也比較難于理解生物信息學在實際應用中的價值。
四、學生反饋和教學心得
通過課堂互動、課程臨近結束時進行的問卷調查，筆者進一步了解了學生在生物信息學學習過程中的一些困惑，及一些意見和建議。主要問題如下：
1、課程理論性強，計算強度大
學生們普遍反映生物信息學與他們學習的其他課程不一樣，生物醫學課程偏向于文科性質，主要靠記憶，而生物信息學理科特性很強，需要深入理解分析。另外學生的數理知識有限，感到有些算法比較難，根本聽不懂。
2、課程內容多，課時少
許多學生通過學習對生物信息學產生了濃厚的興趣，真切感受到生物信息學對于他們未來的學習、科研和臨床工作將有很大幫助，但是課時太少，不能夠在現有課時下理解全部理論。
3、實踐課時少，計算機能力薄弱
絕大多數學生都認為生物信息學需要通過理論結合實踐的方法來學習才能更好的掌握。現有的實踐課程只能完成基本的教學任務，對于眾多的研究工具和研究方法只有感性認識。另外大家在實踐中也感覺到自身的計算機知識很有限，在高通量數據處理面前力不從心，影響對問題的分析能力。
4、課程開課偏早，背景知識不全
很多學生反映三年級時，八年制學生還沒有進行統計學、臨床各學科的培養，知識背景不足，很難理解生物信息學中重要的算法公式，也很難對醫學問題進行更為深入的思考。
學生們的反饋基本上反映出他們在學習生物信息學時所遇到的困難。筆者所在教研室教師（包括多名規劃教材的參編者）共同進行了深入探討，認為應當根據學生意愿向學校申請①增加理論課課時，分別由24和36增加為28和44學時；②增加實踐課課時，分別由12和20增加20和28學時；③適當降低理論難度，減少不必要的數學理論推導，提請學校為八年制學生增設概率統計和計算機編程課程。
生物信息學的理工科特性決定了生物信息學課程在醫學教育中開展的難度。雖然醫學院校學生課業重、訓練強度大，但是現代生物醫學發展趨勢告訴我們，生物信息學必然在未來的生物醫學研究中處于關鍵地位[3]。不斷改進教學手段、加強教學過程的趣味性，更為全面的貫徹以疾病和問題為中心的教學理念，培養理工醫結合的現代化醫學人才是生物信息教學工作者共同的努力方向，這些理念在不久的將來也會隨著教學實踐的不斷深入而在新版《生物信息學》出版時得到進一步體現。
參考文獻
[1] Wei Liping and Yu Jun; Bioinformatics in China: A Personal Perspective [J]; Plos Computational Biology， 2008， 4(4): e1000020.
在1956年美國召開的首次“生物學中的信息理論研討會”上人們提出了生物信息學的概念[1]。近幾年，隨著人類基因組計劃(HGP)的迅猛發展，各種數學軟件以及生物分析軟件的出現，將之前積累的大量不同生物基因序列、蛋白質氨基酸殘基序列、不同生物種屬之間基因序列、蛋白質以及結構序列的保守結構位點進行整合，并據此建立了龐大的數據庫系統。而對于這些數據的分析，必須依靠計算機分析技術的不斷發展，所以就形成了一門由生物科學、計算機科學、信息科學、應用數學、統計學等多門學科相互交叉的學科——生物信息學技術[2-4]。
生物信息學的基礎是各種數據庫的建立和分析工具的發展。迄今為止，生物學數據庫總數已達500個以上。歸納起來可分為4大類：即基因組數據庫、核酸和蛋白質一級結構數據庫、生物大分子三維空間結構數據庫，以及以上述3類數據庫和文獻資料為基礎構建的二級數據庫[7]。常用生物信息學數據庫[8-10]：
European Molecular Biology Laboratory(EMBL)——歐洲分子生物學實驗室http：//ebi.ac.uk/ebi_docs/embl_db/ebi/topembl.html
UK Human Genome Mapping Project-Resource Center(HGMP-RC)——英國醫學研究委員會所屬人類基因組圖譜資源中心 http：//hgmp.mrc.ac.uk/default.htm
SeqNet：UK Node of European Molecular Biology Network(EMBNet)——歐洲分子生物學信息網http：//seqnet.dl.ac.uk/default.htm
GenBank——美國國家生物技術信息中心(NCBI)所維護的供公眾自由讀取的、帶注釋的DNA序列的總數據庫http：//ncbi.nlm.nih.gov/Web/Search/index.html
National Center for Biotechnology Information(NCBI)——美國國家生物技術信息中心http：//ncbi.nlm.nih.gov/
DNA Databank of Japan(DDBJ)——日本核酸數據庫http：//ddbj.nig.ac.jp/default.htm
Genome Sequence DataBase(GSD)——美國國家基因組資源中心維護的DNA序列關系數據庫http：//seqsim.ncgr.org/default.htm
Online Mendelian Inheritance in Man(OMIM)——在線人類孟德爾遺傳數據庫http：//www3.ncbi.nlm.nih.gov/Omim/searchomim.html
European Drosophila Genome Project http：//edgp.ebi.ac.uk/default.htm
The Institute for Genomic Research(TIGR)——美國基因組研究所http：//tigr.org/default.htm
The Sanger Centre http：//sanger.ac.uk/default.htm
Swiss Institute of Bioinformatics(Expasy)http：//expasy.ch/default.htm
GenomeNet(Japan)http：//genome.ad.jp/default.htm
Australian National Genomic Information Service(ANGIS)http：//morgan.angis.su.oz.au/default.htm
Bioinformatics and Biology Resources on the Internet http：//aeiveos.wa.com/biology/index.html
List of other Genome Sites http：//hgmp.mrc.ac.uk/GenomeWeb/default.htm
Brunel University Online Teaching Programme http：//brunel.ac.uk/depts/bl/project/front.htm
Whitehead Institute for Biomedical Research(WI)http：//wi.mit.edu/
WICGR(WI/MIT Center for Genome Research)http：//www-genome.wi.mit.edu/
Cold Spring Harbor Laboratory(CSHL)——冷泉港實驗室http：//clio.cshl.org/
SMI(Stanford Medical Informatics)http：//www-smi.stanford.edu/projects/helix/
BNL(Brookhaven National Laboratory)——美國布魯克海文國家實驗室http：//genome1.bio.bnl.gov/
Weizmann Institute of Science——以色列魏茲曼科學研究所 http：//bioinformatics.weizmann.ac.il/
中國科學院上海生命科學院生物信息中心(BioSino)http：//biosino.org.cn/
北京大學生物信息中心(CBI或PKUCBI)http：//cbi.pku.edu.cn/
中國軍事醫學科學院情報研究所 http：//bmi.ac.cn/bio/
1 生物信息學在寄生蟲基礎研究中的現狀
隨著HGP的開展[11-12]，人體寄生蟲基因組研究也受到了廣泛的重視。1993年美國人類基因組研究中心對HGP 作了修訂，修訂后的HGP 將模式生物基因組列入了HGP的內容[13]，認為通過對較為簡單的模式生物基因組的研究，可為人類基因的功能鑒定提供線索，并可從簡單的基因組分析入手建立技術積累經驗。人體寄生蟲是一類結構較簡單的單細胞生物如原蟲或多細胞生物如蠕蟲[14]，是研究模式生物較理想的材料。因此，人體寄生蟲基因組計劃也已成為人類基因組計劃中模式生物基因組研究重要內容之一[15-16]。其中，基因序列測定和新基因的發現是人體寄生蟲基因組計劃的首要任務。目前應用生物信息學對下列人體寄生蟲基因組進行了研究[17-18]：
1.1 惡性瘧原蟲 基因組計劃開展較早，研究表明惡性瘧原蟲的基因組大小約30Mb，含15000～17000個基因。在GenBank 中已記載的惡性原蟲5031個基因順序資料中，有3755個為抗原/蛋白質的編基因序列。
1.2 利什曼原蟲 基因組大小約為35Mb，通過構建利什曼原蟲不同時期特異性cDNA文庫和長片段基因組文庫，已經獲得了2000多個EST 序列。
1.3 美洲錐蟲 基因組大小為55 Kb，已建立了標化cDNA 文庫，BAC 文庫和YAC 文庫。現已完成了7000個EST序列的測定，3號和4號染色體序列已測定。
1.4 絲蟲 基因組大小為100Mb(以馬來絲蟲代表)，至目前為止，在GenBank 中EST 序列已達到16500個，鑒定出新基因6000個，占預測基因總數的1/3。
1.5 碩大利什曼原蟲 已有約500個EST 序列進入數據庫，均是從含有引導序列的全長cDNA的5端測出的序列，對利什曼原蟲的目標是測出至少1500個新序列。
1.6 血吸蟲 基因組大小為270 Mb，估計基因數為20000個。血吸蟲基因組計劃始于1995年，早期研究工作主要是新基因的發現和繪制低分辨率的物理圖譜。目前在GenBank中已有的血吸蟲基因EST序列超過45900條，3500 個新基因已被鑒定，占基因總數的15%。
2 生物信息學在包蟲基礎研究中的應用前景
包蟲病是一個世界性的流行病，其防治工作倍受各國研究者重視。包蟲生活史復雜，同一包蟲的不同種株，以及在同一種株的不同發育階段，不同組織，甚至隨著環境的改變，其基因表達變化很大。目前有關包蟲的研究還不是很多，研究資源主要集中于研究包蟲單個基因的序列及其功能，隨著后基因組時代的發展，以及生物信息學的興起，包蟲的研究將從單個基因和功能向全基因組和功能研究轉變，從局部向整體轉變，從而使有目的地大規模研究疫苗和藥物相關基因成為可能。
目前，應用生物信息學在對血吸蟲的基礎研究中取得了很大的進展。這便給了我們一個提示，可以應用生物信息學對包蟲進行基礎研究。首先，可以通過生物信息學的相關網站得到目前已知的包蟲的基因或蛋白序列。目前報道包蟲的核酸序列共11106條[美國國立生物技術信息中心(NCBI)數據庫]，見下表：
核酸序列線粒體
內核酸線粒體
外核酸總核酸
序列數Nucleotide5625321097相關EST01000210002GSS077 之后可以通過生物信息學相關工具做以下工作[19]：
2.1 基因功能預測 一個新基因得到后，接下來的工作就是尋找該基因的功能。序列同源比較是預測基因功能的第一步。利用同源比較算法，將待檢測的新基因序列從DNA和蛋白質序列數據庫中進行同源檢索后，就可以得到一系列與新基因同源性較高的基因或片段。這些基因和片段的已知功能信息就為進一步分析新基因功能提供了具有相當參考價值的導向。最主要的生物學數據庫是核酸、蛋白質序列數據庫及其三維結構數據庫[20]。
2.2 尋找蛋白質家族保守序列 通過同源檢索，尋找新基因中包含的該蛋白質家族的保守序列，為進一步深入研究其功能作好準備。多重序列同源比較，被用來尋找基因家族或蛋白質家族中的保守部分[21-22]。由于保守部分常常與家族成員的功能密切相關，蛋白質家族數據庫能夠幫助科學家更好地認識基因的功能。最具代表性的蛋白質家族保守序列的數據庫有PRINTS、BLOCKS、Sbase 和Prosite等。這些數據庫可以幫助我們把新基因所屬的蛋白質家族及其保守部分找出來，并提供該家族其他成員的結構和功能信息[23]。
2.3 蛋白質結構的預測 如果一個可能的新基因通過同源檢索后沒有同源性，就成為孤獨基因了。孤獨基因可以通過結構同源比較，尋找結構同源的基因或直接預測其高級結構來推測其可能的功能。有很多蛋白質高級結構數據庫提供結構同源比較的檢索[20]。
目前，在后基因組時代，研究者們面對的不僅是序列和基因，也有越來越多的完整基因組。對不同種株包蟲基因組之間的比較性研究很可能會得到大量有用信息，而對同一種包蟲生活史不同階段基因組的比較性研究可能會使人們對于該物種的認識更加深入。因此，隨著生物信息學的迅速發展和后基因組計劃的深入，包蟲的基礎研究必將得到極大地發展。人們能夠期望從對基因和基因的生物學功能研究著手，發現更有效的抗包蟲的藥物靶位或疫苗[24-25]，并為徹底揭開包蟲的奧秘以及有效的治療與預防包蟲病打下基礎。
參考文獻
[1] 陳穎健.生物信息學[J]. 國外科技動態，2002，10(399)：39-41.
[2] Ezio Bartocci，Flavio Corradini，Emanuela Merelli.BioWMS：a web-based Workflow Management System for bioinformatics[J]. BMC Bioinformatics，2007，8(Suppl 1)：S2.
[3] Stephen H，Wefer Keith Sheppard.Bioinformatics in High School Biology Curricula：A Study of State Science Standards[J]. CBE-Life Sciences Education，2008，7：155-162.
[4] 馮毅.生物信息學在藥物研發中的應用與展望[J].西部醫學，2007，19(5)：971-973
[5] 孫敏，馬月輝.生物信息學研究進展[J].家畜生態學報，2006，27(1)：6-10.
[6] 汪凡軍.生物信息學在醫學上的應用[J].國際檢驗醫學雜志，2006，27(2)：161-163.
[7] Yang Yong Mei.Application Development of Bioinformatics in Medicine Study[J]. Medical Recapitulate，2007，13(22)：1681-1683.
[8] Michelle D，Brazas BF，Francis Ouellette.2008 update on the Bioinformatics Links Directory[J]. Nucl Acid Res，2008，36：W2-W4.
[9] Benson D，Karsch-Mizrachi I，Lipman D，et al.Gen-Bank：update[J]. Nucleic Acids Res，2004，6：23-26.
[10] Apweiler R，Bairoch A，Wu C，et al.UniProt：the Universal Protein knowledgebase[J]. Nucleic Acids Res，2004，6：115-119.
[11] International Human Genome Sequencing Consortium：Initial sequencing and analysis of the human genome[J]. Nature，2001，409：860-921.
[12] Pennisi E.The sequence of the human genome[J]. Science，2001，291：1173-1180.
[13] Collins F，Galas D.Human genome[J]. Science，1993，262(130)：43-46.
[14] Alan F，Cowman Brendan S.Functional genomics：identifying drug targets for parasitic diseases[J]. Crabb Trends Parasitology，2003，19(11)：538-543.
[15] Rick L，Tarleton Jessica Kissinger.Parasite genomics：current status and future prospects[J]. Current Opinion in Immunology，2001，13(4)：395-402.
[16] David A，Johnston Mark L.Genomics and the biology of parasites[J]. BioEssays，2008，21(2)：131-147
[17] Sara E，Melville Christiane，Neil Hall.Methods in Molecular Biology Parasite Genomics Protocols[M]. Humana Press，2004：
[18] Yvan Strahm，David Powell，Christophe Lefebvre.EST-PAC a web package for EST annotation and protein sequence prediction[J]. Source Code for Biology and Medicine，2006，(1)：2
[19] Samuel Karlin.Statistical signals in bioinformatics[J]. PNAS，2005，102(38)：13355-13362.
[20] Sebastien Ribrioux，Adrian Brüngger.Bioinformatics prediction of overlapping frameshifted translation products in mammalian transcripts[J]. BMC Genomics，2008，9：122.
[21] Catherine H，Schein Ovidiu Ivanciuc，Werner Braun. Bioinformatics Approaches to Classifying Allergens and Predicting Cross-Reactivity[J]. Immunol Allergy Clin North Am，2007，27(1)：1-27.
[22] Chua Kek Heng，Rofina Yasmin Othman.Bioinformatics in molecular immunology laboratories demonstrated：Modeling an anti-CMV scFv antibody[J]. Bioinformation，2006，1(4)：118-120.
[23] Omar J，Jabado Sean Conlan P. Comprehensive viral oligonucleotide probe design using conserved protein regions[J]. Nucl Acid Res，2008，36(1)：10.
生物信息學教學模式探索任務引領生物信息學是用數理和信息科學的觀點、理論和方法研究生命現象、組織和分析呈現指數增長的生物醫學數據的一門學科，它是生物醫學、數學、信息科學以及計算機科學等諸多學科的嶄新交叉學科。生物信息學幾乎是今后所有生物（醫藥）研究開發所必需的工具。
21世紀是生物科學的世紀。近年，我國生物技術公司對生物信息學人員的相關需求也迅速增加，浙江理工大學生命科學學院生物技術專業在進行了行業調研并進行專業課程體系構建研究后，于2006年定位和開設了生物信息學課程。該門課程經過8年多的建設后，對教學團隊的建設、課程目標的設定、教學內容及教學教法的選擇等方面進行了卓有成效的探索，這些探索所形成的結論，可為即將開設或正在進行該課程教學改革的學校提供可借鑒的經驗。
一、生物信息學的課程特點
諾貝爾獎獲得者W.Gilbert1991年提出了這樣一個觀點：傳統生物學解決問題的方式是實驗的，而現在，基于全部基因都將知曉，并以電子可操作的方式駐留在數據庫中，新的生物學研究模式的出發點應是理論的，是一個科學家先從理論推測出發設定研究目標，然后再回到實驗中去追蹤或驗證這些理論假設。而生物信息學研究正是從英特網上源源不斷地采集數據，進行分析、歸類與重組，發現新線索、新現象和新規律，用以指導實驗工作設計，是一條既快又省的研究路線。它對于找尋一個研究項目的突破口是非常重要的，選定合適的研究出發點，可避免許多不必要的重復，最大程度節約研究資源，使研究成果最大化。鑒于該門技術對生物科學的理論、實踐要求以及對信息技術掌握的要求，生物信息學課程與其他課程的教學有很大不同。
1.在課程目標定位中，提高學生對相關網絡資源的使用能力是該門課程的重要目標之一。學生必需使用強大的搜索功能實現數據儲存、檢索和分析，學校在教學資源配置上必需向此傾斜。
2.該門課程學科交叉性強，所涉及的生物及計算機等學科的相關知識更新都很快，導致其理論和實踐內容不斷推陳出新，這使得在教學內容選擇上要緊跟這些更新，不斷進行調整。
3.課程教學實踐性強，同時涉及生物技術專業實踐和計算機應用技術的實踐，這需要教師在授課過程中根據學生的學習規律合理安排實踐項目，發揮好這兩種技術的協同作用。
二、生物信息學課程教學模式探索
1.教學目標與其所培養學生的核心技能
合理的課程目標與定位是決定課程建設成敗和教學效果的基礎，其主要依據是人才培養需求與授課對象的實際情況。經過對該門課程教學對象的研究發現，在生物專業課程體系下培養的本科生，其前導課程主要集中在生物領域，通常沒有系統的學習過計算機、信息技術、編程等知識。對信息檢索、模型建立、軟件的識別及應用的能力相當薄弱。因此，本門課程將提高學生的信息技術能力也作為一個重要的課程目標。學生在本門課程中將學習與生物技術相關的各種數據庫和軟件的使用。當然，對學生信息技術能力的要求也定位在能使用、會使用就行，不需要將學生掌握生物數據庫構建和軟件開發作為課程教學的目標。
在課程目標的設定過程中，應牢記高校對文化的傳承的功能，要使學生了解生物信息學發展的歷程。在生物信息學學科發展過程中所涌現出來的著名學者，眾所周知的震撼人心、啟迪心靈的奇聞秩事，能使學生對這門課程產生濃厚的興趣，甚至更深刻地領會這門課程的含義。
熟練掌握生物數據庫的檢索和使用是生物信息學課程教學的首要目標。到目前為止，生物學數據庫總數已達500個以上，在DNA序列方面有GenBank、EMBL和DDBJ等；在蛋白質一級結構方面有UniProt、SWISS-PROT、PIR和MIPS等；在蛋白質和其他生物大分子的結構方面有PDB等；在蛋白質結構分類方面有SCOP和CATH等。各數據庫均通過Internet提供多種形式的數據檢索服務。例如，NCBI-GenBank數據庫就提供Retrieve（Email），Entrez（Web集成信息檢索）及Query（Email集成檢索）等多種方式的檢索服務。這類檢索服務是生物數據庫所能提供的多種服務中最基本的信息共享和應用服務，也是生物專業學生和科研工作者經常使用的。在教學過程中需通過設計檢索任務來完成對這些數據庫使用方法的學習，如通過生物數據庫檢索家蠶profilin基因的相關信息。
增強學生使用生物信息處理軟件的能力，是生物信息學課程教學的重要目標。在世界各地，科學家每天都要通過序列比對軟件進行成千上萬次的序列比對。學生需要通過課程的學習熟練掌握各種生物信息處理軟件，有時還有必要進行一些簡單程序的設計，進而掌握發現新線索、查找新規律的工具。例如，目前，借助于生物信息手段的蛋白質預測是提供蛋白質結構及功能信息的重要方法，對這種預測方法的學習將使學生更多更快地了解蛋白質的信息，加深對生物技術科學的理解和運用。除了生物數據庫和生物軟件使用學習外，還要著重體現生物學文獻調研和閱讀、論文撰寫等基本能力的訓練，如EndNote文獻管理軟件的使用。
2.教學內容選擇和教學順序的組織
生物信息學的課程教學內容的選擇，要緊隨生物信息學的發展方向，涵蓋最前沿知識和最先進技術領域。與此同時，教學內容的選擇還應充分考慮學生基礎和對該門課程的需求。生物信息學選課學生通常有兩類，一類是具有較為扎實的生物學基礎的學生，他們學習目的非常明確，其學習重點在于提高對生物信息實驗所得結果的分析解釋和驗證能力。另一類是生物學基礎相對較弱的學生，這些學生主要是為了了解生物信息學發展前沿、掌握檢索能力以及初步的分析技能，對分析、處理、預測結果的驗證涉及不多。無論哪種學生，都比較欠缺信息技術方面的知識，因此，這類知識在前面部分介紹。而后面部分則隨學生的類型有所改變，我們根據授課學生的分類選擇不同的授課內容和授課重點，嘗試據此來劃分教學組織的各個階段，在每個教學節點精心設置任務（如表1所示）。
與其他課程的教學一樣，生物信息學課程的教學需遵守學生對知識的掌握規律，其內容的選擇與安排應按照循序漸進的原則。從第一階段到第二階段，教學內容“由易到難”。隨著教學過程的深入，課程內容更側重于對生物信息學某一專業領域的引導，此時授課教師的指導更加重要，這類領域往往與開課院系專業的優勢研究領域和導師研究方向相結合。
3.課程教學方法的改革
生物信息學是一門涉及知識面深刻而廣泛，學生獨立自學的難度很大的交叉科學。依據建構主義教學理論的特點，這類難度大、技術性和實踐性強的課程要特別重視以學生為教學主體的教學方法，應嘗試從任務引領入手，將生物信息學的一些重要學習內容逐步展現出來。
在生物信息學教學中，教學內容側重于任務引領，設定與學生生活相貼近的、接合學科發展前沿的引領任務。例如，可以從高水平雜志（Nature、Science）上根據任務引領的關鍵詞搜索綜述，根據綜述總結出該任務發展脈絡，提煉教學任務，將較為抽象的計算機算法、生物學基礎知識融于任務中，使學生有積極參與的意愿。及時將任務相關工具提供給學生，或是提前引導學生自己查詢工具，使學生有完成任務的基礎。
學生在每個節點都非常清晰地知道下個節點的主題，并在完成教師的任務過程中，構建局部知識框架，形成自己的見解。教師需在課堂上和課堂以外及時掌握學生對各個節點知識的掌握情況，找到學生的最近發展區，針對重點、難點解惑，提高教學效果。這樣可以使選擇的教學任務吸引學生、引領學科前沿，還能在教學過程與學生的互動中有效地實現教學相長。
4.重視切合課程設計的教材編寫
生物信息學不同于其他學科，其很多內容和知識節點更新很快，很多最新成果必須教師根據生物信息學發展前沿及時整理和總結，其教學內容設置著重于保證教學內容的先進性和前沿性。教材的更新和修訂周期較短，幾乎每學期均需要重新修訂。
2001年，教育部在[2001]4號文件中明確要求直屬高校的“本科教育要創造條件使用英語等外語進行公共課和專業課教學”，在信息技術、生物科學、管理、金融、法律等專業力爭在3年內使外語講授的課程達到所開課程的5%～10%，尤其強調了生物科學更要先行一步。現實情況也使英文自編教材的編寫刻不容緩，現在，絕大部分前沿生物數據信息（最主要的核酸和蛋白質）數據庫均為全英文操作界面，操作者只有熟練掌握生物信息學英文術語才能自如地使用該系統，才能更有效的進行生物信息學的學習和研究工作。在英文自編教材編寫時，理論部分的參考書我們精心應選定了具有非常嚴謹理論體系和反應了最前沿生物信息技術的《BIOINFORMATICS：Databases，Tools， and Algorithms》。編寫時需要特別注意應依據教學設計來設定來序化任務，突出不同教學階段的教學重點，使學生學習過程是個循序漸進的過程。我校采用的自編教材根據教學階段共設置五個引領任務：
（1）Pubmed檢索profilin基因研究進展；
（2）家蠶profilin基因結構分析與PCR擴增引物的設計；
（3）家蠶profilin基因同源序列的獲取與進化樹的構建；
（4）家蠶profilin蛋白二級和三級結構的模擬；
（5）家蠶profilin蛋白理化性質和功能位點的分析.
5.合理配置網絡資源和多媒體教學資源
首先，學會利用互聯網、計算機、數據庫和應用軟件進行生物信息分析的基本方法和技能本身就是生物信息學教學重點。以往普通的多媒體教室已難以提供一個交互式的網絡化、信息化的教學環境，如果想上好生物信息學這門課程，網絡資源和多媒體教學資源的應用，將貫穿于整個生物信息學課程（從任務下發及申領、任務控制及執行、任務完成結果檢驗與反饋）的整個教與學的過程。而我們通過極域電子教室和學校4A網絡教學平臺結合，較好的實現了生物信息學交互式的網絡化、信息化的教學環境。
課前，教師通過網絡平臺將任務教學內容、任務序列、工具等傳遞給學生，學生通過登陸互聯網絡，利用網絡資源和軟件嘗試完成預習任務。此處可以設置學情反饋點，教師通過網絡論壇等形式掌握學生預習情況。授課過程中，教師利用教師機客戶端的文件分發系統將任務教學內容、任務序列、工具等發送到學生桌面，再通過廣播教學多媒體技術為學生形象的講解任務內容以及完成方法。每位學生在教師的監督下在互聯網上執行任務。教師在監控學生完成任務過程中，不斷的得到學生任務進程的反饋，對于任務中學生出現共性問題，利用網絡、廣播教學或演示等形式及時解決。課下，學生同樣可通過學校4A網絡教學平臺將任務報告、作業、問題和意見等反饋給教師，教師在平臺上批改任務報告后將成績和評語發送給學生，讓學生及時了解自己的學習情況，師生還可以通過平臺中的網絡論壇進行問題討論等。網絡環境下的生物信息學任務引領式教學，不僅能提高學生的學習興趣，還能創造更為有效的師生互動信息教學環境。
三、結束語
經過多年的生物信息學教學實踐發現，如果想建設好生物信息學課程，我們需要設定非常清晰的教學目標，理清課程需要培養學生的核心技能；結合行業發展的技術前沿精心選擇教學內容，合理序化教學順序；要依據建構教學理論，重視以學生為教學主體的教學方法，嘗試從任務引領入手引領學生學習，提高學生的學習興趣；要重視切合課程設計的教材編寫，理論部分引自精選英文參考書，設計教材結構應切合任務引領的教學方法；合理配置網絡資源和多媒體教學資源，加強學生互動，為成功地實現“反轉課堂”提供保障。
參考文獻：
[1]張林，柴惠.現代教學手段在生物信息學教學中的應用[J].新課程研究，2011，219（4）：156-158.
[2]柴惠，趙虹，張婷.高等院校生物信息學雙語教學課程建設之我見[J].中國高等醫學教育，2010，（4）：83-84.
[3]Gilbert，W.Towards a paradigm shift in biology[J].Nature，1991，（349）：99.
[4]劉偉，張紀陽.“生物信息學”課程中研討式教學實踐[J].中國電力教育，2012，（23）：60-61.
[5]范丙友，賈小平，胥華偉.生物信息學課程教學改革與探索[J].大學教育，2013，（16）：61-62.
關鍵詞 合成生物學；醫藥；能源；實踐
中圖分類號 R122 文獻標識碼 A 文章編號 1673-9671-（2012）121-0161-01
目前科學家已測定了包括人類在內的700多種生物的基因組，這表明生命科學進入遺傳密碼的全面解析階段，在分子水平研究基因結構和功能。這些成果為工程師創造新世界提供了有力的生物元器件。工程師可以用這些已知的功能，重新設計和構建具有新功能的生命，甚至可以全合成新生命，這就是進入21世紀新興的合成生物學。合成生物學是繼人類基因組研究之后，生物領域的又一熱門學科，是整體系統論生物學思潮在工程學領域的
再現。
1 合成生物學與其他學科的關系
1.1 合成生物學與系統生物學
合成生物學的出現是與系統生物學的發展密不可分的。從哲學思維上，二者都遵從系統論，生物系統的整體功能不可分割。系統生物學將在基因、蛋白質、代謝物等多維分子水平獲得大量的細胞行為知識和建立生物網絡，為合成生物學提供理論和模型。合成生物學可為系統生物學的定量分析提供模式生物。
1.2 合成生物學與生物信息學、化學
如果把基因組測序看成閱讀和解碼遺傳信息的過程，那么合成生物學就是人工書寫和編程過程，是測序的逆過程。這個過程對生物信息學提出了更大的挑戰，與所有的工程學一樣，合成生物的設計和優化過程中需要用新的算法進行模擬和測試。合成生物的過程是以原料核酸的高速合成為基礎的，因此需要高效、低成本的化學合成技術提供支持。目前，常規化學方法合成一個堿基核苷酸商業化價格是2元左右，而新方法有望把成本降到更低。
1.3 合成生物學與基因工程
二者既有聯系，也有區別。就操作對象和主要技術手段而言，二者相同，都是以基因為對象，都需要核酸酶和連接酶作為剪切和組裝的工具，也都需要載體來承載基因，進行擴大繁殖和保存。然而僅采用基因工程技術，只能在較小的范圍內對已經存在生命進行改造，合成生物學研究將降低關鍵技術成本，解決基因操作的經濟性問題，從而在工程領域將得到廣泛應用。
2 醫藥與能源創新發展中的合成生物學技術
創新藥物的發現是整個新藥研究中最富創造性的環節。20世紀70年代之后，DNA重組技術、基因組學、蛋白質組學、生物信息學及生物芯片技術的研究成果為新藥研究提供了指導性的理論知識和多樣化的實驗手段，極大地促進了新藥的研制和產業化。
2.1 DNA重組技術與創新藥物研究
DNA重組技術通過人為的基因拼接，構建攜帶外源目的基因的表達系統，在宿主細胞中表達外源基因編碼的蛋白質、多肽類藥物。DNA重組技術為創新藥物的研究和產業化提供了全新的技術，開創了現代生物技術藥物的新階段。在微生物藥物的制備中，具有良好遺傳特性的高產菌株是產業化的關鍵。重組DNA技術已成功地應用于構建具有特定遺傳特性的高產菌株。如將放線菌紫紅素的合成基因導入紫紅鏈霉菌，產生了新型抗生素二氫榴菌紫紅素；將紅霉素抗性基因轉入紅霉素產生菌，可構建出耐自身產物抑制的高產菌株；將透明顫菌的血紅蛋白基因導人金霉素產生菌，工程菌可以在低溶氧條件下正常代謝，達到降低供氧能耗的目的。
2.2 蛋白質組學與創新藥物研究
蛋白質組學（proteomics）是繼人類基因組計劃之后又一個引人注目的新興學科。蛋白質組學是從整體蛋白質水平上，從更貼近生命活動規律的角度去探討機體生理、病理現象及其本質。人體細胞有3000～10000種以上的蛋白質。蛋白質的種類和數量及其功能狀態在同一機體的不同細胞中是不相同的，即使是同一種細胞，在不同時期，其蛋白質的種類和數量也不盡相同。正常和病變狀態下細胞內的蛋白質譜存在差異，服藥前后的蛋白質譜也存在差異，通過定性和定量地分析蛋白質譜的差異，可以探討疾病發生的可能機制，發現藥物作用的新靶點，從而為研發新藥，研究藥物作用機制以及指導臨床合理用藥提供重要的依據。
靶向藥物的研制是創新藥物研制的主流。據統計，已發展了多種類型的功能或疾病靶標，涉及：腫瘤、血液與造血、免疫調節、心腎系統、胃腸系統、神經系統、內分泌系統及泌尿系統等。據Drew報告（2000年），目前使用的、據認為安全有效的多種疾藥的分子靶點483個，按生物化學分類，其中受體45％，酶28％，激素與細胞因子11％，其他為離子通道、核多體等。在分子水平對疾病研究結果顯示，潛在的藥物靶點數目可能為5000～10000個，均可能作為研制藥物的作用靶點。
2.3 生物信息學與創新藥物研究
生物信息學是生物學、數學、計算機科學和信息科學等多學科交叉產生的嶄新學科。生物信息學借助計算機強大的信息儲存和信息分析功能處理生物學領域、尤其是基因組學和蛋白質組學研究領域中爆炸性增長的海量數據。生物信息學的核心內容至少包括基因組信息學、蛋白質組信息學和代謝調控信息學三大部分。基因組信息學指對基因信息的獲取、處理、存儲和分析，目的是確定全部基因的確切位置，以及各DN段的功能。蛋白質組信息學包括對有關細胞或組織中的全部蛋白質的結構、組成、功能、定位以及各蛋白質問的相互作用的信息進行處理和分析，目的是確定各種蛋白質的組成、結構和功能及相互作用。
2.4 生物芯片技術與創新藥物研究
生物芯片（biochip）是近年來生命科學、微電子學和生物信息學結合交叉領域的重大進展。生物芯片分為DNA芯片、RNA芯片、蛋白質芯片、抗體芯片、PCR芯片及藥物傳輸芯片等。生物芯片通過原位化學合成或機械點樣構成高密度探針微陣列。比如DNA芯片可在1 cm2的玻璃或硅片襯底上，集中排列數萬至數十萬個DNA探針。從理論上講，十至數十個這樣的芯片就可以全面檢查一個人的基因，從而發現結構異常或功能異常的基因。生物芯片主要用于基因序列測定，分析基因組突變和單核苷酸多態性突變位點，同時也用于測定特定基因的表達水平和比較同源基因的表達差異，以實現對細胞、蛋白質、DNA及其他生物組分的準確、快速和大信息量的檢測。生物芯片技術的發展為疾病的臨床診斷和個性化治療開辟了全新的途徑，同時為創新藥物的高通量篩選（high throughput screening，HTS）提供了強有力的技術支撐平臺。
3 結束語
合成生物學為很多領域的研究提供新視角：生物學家用它來重建不同層次的研究對象，由此加深對生命活動和生命過程的理解；化學家用它創造新分子化合物；物理學家用它來發現自然狀態下分子的運動行為；工程技術人員則用它進行藥物、生物材料和生物能源等工程設計并簡單、低廉、高效地制造，滿足人類和社會發展的需要。
參考文獻
[1]劉奪，杜瑾，趙廣榮等.合成生物學在醫藥及能源領域的應用[J].化工學報，2011，62（9）：2391-2397.
[2]梁泉峰，王倩，祁慶生等.合成生物學與微生物遺傳物質的重構[J].遺傳，2011，33（10）：1102-1112.
>> 丹參類貝殼杉烯氧化酶（SmKOL）基因全長克隆及其生物信息學分析 紅白忍冬SABATH甲基轉移酶基因克隆及其生物信息學分析 雷公藤貝殼杉烯酸氧化酶基因的全長cDNA克隆與表達分析 丹參SmNAC1基因的克隆和生物信息學分析 黃芩葡萄糖醛酸水解酶基因的克隆、生物信息學分析及表達 太子參分解代謝關鍵酶8′羥化酶基因的克隆及生物信息學分析 人組蛋白去乙酰化酶11的克隆表達與生物信息學分析 金鐵鎖糖基轉移酶PtT1的克隆與生物信息學分析 平邑甜茶MhWRKY15基因cDNA克隆及其生物信息學分析 茶陵野生稻冷響應基因OrCr3的克隆及其生物信息學分析 唇形科植物腳6基腳6基焦磷酸合酶編碼基因及其氨基酸序列的生物信息學分析 棉鈴蟲類胰蛋白酶的生物信息學分析 玉米谷胱甘肽過氧化物酶的生物信息學分析 黔北麻羊RERGL基因cDNA克隆與生物信息學分析 小菜蛾p38MAPK基因的克隆與生物信息學分析 高叢越桔UFGT基因電子克隆和生物信息學分析 小菜蛾PxALP1基因的克隆與生物信息學分析 希金斯炭疽菌腺苷酸環化酶生物信息學分析 黃瓜DVR基因的生物信息學分析 FZ6基因及其蛋白的生物信息學分析 常見問題解答 當前所在位置：l）查找開放閱讀框（ORF）。生物信息學分析主要采用一些網上軟件包進行分析，如采用Interpro （http：//ebi.ac.uk/tools/interproscan）進行結構域比對，ExPASy在線服務器的Compute pI/Mw工具（http：///compute_pi/）預測相對分子質量與理論等電點，TargetP1.1 server （http： //cbs.dtu. dk /serv- ices/targetP/）進行信號肽分析，Psort （http：//psort.hgc.jp/）及WOLFPSORT （http：///）分析亞細胞定位，TRMHMM server v 2.0 （http：// cbs. dtu.dk/services/TMHMM-2.0/）進行跨膜域分析，Predictprotein （https：///）進行二級結構預測，SWISS-MODEL （http：//swissmodel.expasy. org/）進行二級結構分析和結構域的三維同源建模。使用DNAMAN軟件對序列進行多重比對，用ClustalW分析軟件與其他植物的MCS氨基酸序列進行同源比對，根據分析結果選擇17種植物的MCS氨基酸用MEGA 5.1軟件構建進化樹。
2.4 SmKOL基因的表達分析 取0.1 g毛狀根樣品采用Trizol試劑盒提取總RNA，用Takara反轉錄試劑盒反轉錄成cDNA。其過程為：總RNA模板1 μL（約200 ng），dNTP 1 μL， Radom 6 mers 2 μL，不含RNase的去離子水至10 μL，離心，置于PCR儀上，65 ℃ 5 min，之后冰上急冷。然后加入5×PrimerScript Buffer 4 μL，RNase Inhibitor 0.5 μL，PrimerScript Rtase 1 μL，RNase free H2O 4.5 μL。PCR反應條件為30 ℃ 10 min，42 ℃ 60 min，70 ℃ 15 min，所得cDNA用于Real-time PCR。根據丹參內參β-actin和目標基因SmKOL的核苷酸序列設計引物。其中β-actin上游引物為5′ -AGGAACCACCGATCCAGACA-3′，下游引物為5′ -GGTGCCCTGAGGTCCTGTT-3′；SmKOL上游引物為5′ -GCTTCTGGCAAGGCAATCAAC-3′，下游引物為5′ -CTTTTCCTCGTTGAGTTGGTCG-3′。轉錄后的cDNA用管家基因引物β-actin進行普通PCR反應，用于反轉錄質量控制，待目的基因引物及管家基因引物檢測合格后，在ABI7300 RT-PCR儀上進行熒光定量檢測，反應體系為：5 μL Power SYBR Green PCR Master Mix，0.2 μL引物F，0.2 μL引物R，1.0 μL cDNA，3.6 μL ddH2O。PCR反應條件為95 ℃ 30 s；95 ℃ 5 s；60 ℃ 34 s，40個擴增循環；檢測溶解曲線。反應結束后分析熒光值變化曲線和溶解曲線。每個反應重復3次，采用2-ΔΔCT法分析結果。
3 結果
3.1 丹參毛狀根SmKOL基因的全長克隆及序列分析 將基因cDNA序列進行Blast比對分析，結果表明測得的片段與其他植物中的KO基因有70%左右的同源性，并有相似的保守區域。將所得的片段進行拼接，獲得基因全長序列，共1 884 bp核苷酸，命名為SmKOL，GenBank登錄號為KJ606394，DNAMAN軟件結合ORF Finder在線軟件對SmKOL基因全長cDNA序列進行分析，推測編碼519個氨基酸的蛋白質，并含有完整的開放閱讀框（open reading frame， ORF），SmKOL基因的開放閱讀框位于23～1 582 bp，序列的1～22 bp為5′非翻譯區（5′UTR），1 583～1 884 bp為3′非翻譯區（3′UTR）。
Blast結果顯示SmKOL基因與甜橙Citrus sinensis的KO基因有68%相似， 西洋梨Pyrus communis的KO基因有66%相似、苜蓿Medicago truncatula的KO基因有67%相似、葡萄Vitis vinifera的KO基因有65%相似、擬南芥Arabidopsis thaliana的KO基因有64%相似、粳稻Oryza sativa Japonica Group的KOL基因有57%相似。KOL具有比較保守的結構域，用DNAMAN程序對比葡萄（AFD54196.1）、苜蓿（XP_003637273.1）、西洋梨（AEK01241.1）、粳稻（AAT81230.1）擬南芥（AED93499.1）的氨基酸序列進行多序列比對（圖1）。結果表明家族具有較高同源性。使用Interpro結構域比對，結果表明SmKOL具有與IPR001128的Cytochrome P450 domain和IPR017972的Cytochrome P450相同保守位點（圖2）。
3.2 KOL氨基酸序列的分子系統進化樹分析 將SmKOL與GenBank中的17種植物的17種蛋白進行比對分析，在軟件MEGA 5.1上采用相鄰鏈接法構建KOL進化樹，進行聚類分析（圖3）。SmKOL與阿拉比卡種小果咖啡KOL聚為一類，兩者在本文所選蛋白中的親緣關系最近。
3.3 理化性質和3D結構預測 使用ExPASy在線服務器的Compute pI/Mw工具預測，SmKOL蛋白的相對分子質量為58.88 kDa，等電點pI 7.62。亞細胞定位結果表明可能定位于細胞質或者細胞核。信號肽分析表明為分泌蛋白，前23個氨基酸可能是信號肽，跨膜域分析可能為膜蛋白。SmKOL蛋白的二級結構預測結果顯示，α螺旋結構占50.10%、β折疊結構占6.36%、無規則卷曲結構占43.55%。蛋白質的功能很大程度上取決于其空間結構，無規則卷曲結構決定了蛋白質，尤其是酶的功能部位常常位于這種構象區域，而α螺旋主要對蛋白質骨架起穩定作用，通過對蛋白質二級與三級結構預測和分析，有助于理解蛋白質功能與結構的關系[10]。使用Swiss Model進行同源建模，以人Cytochrome P450 2R1蛋白A鏈（PDB注冊號3czh.1.A）作為同源模板，用于建模的氨基酸序列殘基為46～511位，序列相似性為23.56%，模型質量得分（GMQE）0.55（圖4）。
3.4 SmKOL受茉莉酸甲酯（MeJA）誘導的誘導表達分析 實時熒光定量PCR實驗數據結果采用2-ΔΔCT法進行相對定量表達分析，即確定目標基因（SmKOL）和參照基因（β-actin）有相近的擴增效率，就可以確定不同樣本中目標基因表達水平的相對差異。不同時段MeJA誘導的丹參毛狀根中SmKOL相對表達發現，MeJA能明顯誘導丹參毛狀根中SmKOL基因mRNA的表達。實驗檢測了丹參毛狀根經MeJA處理12，24，36，120 h后SmKOL基因的誘導表達情況，結果顯示經MeJA處理后的SmKOL基因的誘導表達水平在0～36 h逐漸升高，在36 h時達到最大值，隨后120 h時SmKOL基因的表達量下降（圖5）。
4 討論
由于丹參毛狀根具有遺傳穩定性高、產率高等優點，近年來常應用于次生代謝產物的生產。本研究首次從丹參毛狀根中克隆得到了赤霉素代謝途徑上的KOL基因，獲得含有完整ORF的基因全長，并利用生物信息學的方法對其核酸及其推測的蛋白序列組成進行分析。結果表明，該基因與其他物種中的KO基因有較高的同源性，命名為SmKOL，它具有Cytochrome P450 domain，這在所有的家族成員中都是保守的。
同時，SmKOL基因誘導表達結果表明，經誘導子MeJA誘導后，SmKOL的mRNA表達量逐漸上調，在36 h達到最大值，之后表達量下降。隨著丹參赤霉素生物合成途徑中基因的不斷挖掘，為在分子水平上認識赤霉素合成途徑中的編碼基因、調控方式、酶反應動力學及其代謝調節的分子機制奠定基礎[11]。SmKOL基因的克隆為進一步研究該基因的功能和丹參赤霉素生物合成及其次生代謝調控機制提供了靶基因。
[參考文獻]
[1] Ogawa M， Kusano T， Koizumi N， et al. Gibberellin-responsive genes： high level of transcript accumulation in leaf sheath meristematic tissue from Zea mays L[J]. Plant Mol Biol， 1999， 40（4）： 645.
[2] 虞慧芳， 曹家樹， 王永勤. 植物矮化突變體的激素調控[J].生命科學，2002， 14（2）：85.
[3] Wang Q， Hillwig M L， Wu Y S， et al. CYP701A8： a rice ent-kaurene oxidase paralog diverted to more specialized diterpenoid metabolism[J]. Plant Physiol， 2012， 158（3）： 1418.
[4] 李節法， 田義軻， 王彩虹， 等. 梨貝殼杉烯氧化酶基因PpKO的克隆及生物信息學分析[J]. 園藝學報， 2012， 10： 1575.
[5] Miyazaki S， Katsumata T，Natsume M， et al. The CYP701B1 of Physcomitrella patens is an ent-kaurene oxidase that resists inhibition by uniconazole-P[J]. FEBS Lett， 2011， 585（12）： 1879.
[6] Lei L， Fan Z R， Tang L， et al. Molecular cloning and identification of tissue-specific expression of ent-kaurene oxidase gene in Momordica charantia[J]. Afr J Biotechnol， 2011， 10（70）： 15724.
[7] Ko K W， Lin F Q， Katsumata T， et al. Functional identification of a rice ent-kaurene oxidase， OsKO2， using the pichia pastoris expression system[J]. Biosci Biotechnol Biochem， 2008， 72（12）： 3285.
[8] Song J， Guo B J， Song F W， et al. Genome-wide identification of gibberellins metabolic enzyme genes and expression profiling analysis during seed germination in maize[J]. Gene， 2011， 482（1-2）： 34.
[9] Morrone D， Chen X M， Coates R M， et al. Characterization of the kaurene oxidase CYP701A3， a multifunctional cytochrome P450 from gibberellin biosynthesis[J]. Biochem J， 2010， 431： 337.
[10] Zhou X Y， Li J Y， Fan Z Q. Cloning and expression analysis of chalcone isomerase gene cDNA from Camellia nitidissima[J]. Forest Res， 2012， 25： 93.
[11] 談心， 馬欣榮. 赤霉素生物合成途徑及其相關研究進展[J]. 應用與環境生物學報，2008， 14（4）： 571.
Cloning and bioinformatics analysis of ent-kaurene oxidase
synthase gene in Salvia miltiorrhiza
HU Ya-ting1， GAO Wei2， LIU Yu-jia2， CHENG Qi-qing2， SU Ping2， LIU Yu-zhong1， CHEN Min1*
（1. State Key Laboratory of Dao-di Herbs， National Resource Center for
Chinese Materia Medica， China Academy of Chinese Medical Sciences， Beijing 100700， China；
2. School of Traditional Chinese Medicine， Capital Medical University， Beijing 100069， China）
[Abstract] Based on the transcriptome database of Salvia miltiorrhiza， specific primers were designed to clone a full-length cDNA of ent-kaurene oxidase synthase （SmKOL） using the RACE strategy. ORF Finder was used to find the open reading frame of SmKOL cDNA， and ClustalW has been performed to analysis the multiple amino acid sequence alignment. Phylogenetic tree has been constructed using MEGA 5.1. The transcription level of SmKOL from the hairy roots induced by elicitor methyl jasmonate （MeJA） was qualified by real-time quantitative PCR. The full length of SmKOL cDNA was of 1 884 bp nucleotides encoding 519 amino acids. The molecular weight of the SmKOL protein was about 58.88 kDa with isoelectric point （pI） of 7.62. Results of real-time quantitative PCR analyses indicated that the level of SmKOL mRNA expression in hairy roots was increased by elicitor oMeJA，and reached maximum in 36 h. The full-length cDNA of SmKOL was cloned from S. miltiorrhiza hairy root， which provides a target gene for further studies of its function， gibberellin biosynthesis and regulation of secondary metabolites.
