前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇生物信息學(xué)分析方法范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

生物信息學(xué)分析方法范文第1篇

一、實驗?zāi)康牡拇_定

探究實驗的本質(zhì)是根據(jù)某一合理假設(shè)，通過設(shè)計和實施實驗，對作用主體與作用對象之間的內(nèi)在聯(lián)系作出分析和判斷，從而得出科學(xué)結(jié)論的過程。因此，生物學(xué)探究實驗的實驗?zāi)康囊话忝枋龇绞綖椋禾骄磕骋蛩貙ι锬撤矫嫣卣鳎ㄈ缧螒B(tài)、結(jié)構(gòu)、生理功能）的影響。例如，探究光照強度對植物光合作用速率的影響；探究生長素濃度對植物插枝生根的影響；探究紫外線對草本植物植株形態(tài)和株高的影響等。

從實際應(yīng)用出發(fā)，實驗?zāi)康目梢詮膬蓚€不同角度分析確定。（1）可以從實驗課題中分析實驗?zāi)康?。很多探究課題實驗?zāi)康拿鞔_，不需要作進一步分析。但也有部分課題探究目標比較模糊。如，探究小麥生長中心與旗葉光合作用的關(guān)系。該課題既有可能是探究生長中心對旗葉光合速率的影響，也有可能是探究旗葉光合作用對生長中心生長速率的影響。因此，需要進一步細化，確定探究方向。（2）從實驗步驟中歸納實驗?zāi)康?。從?xùn)練學(xué)生思維的角度出發(fā)，在某些情境下可能給定實驗步驟，要求歸納實驗?zāi)康?。此種情境下的一般方法是：根據(jù)實驗步驟找出實驗中的自變量和因變量，將實驗?zāi)康母爬椤疤骄磕骋蛩兀ㄗ宰兞浚δ承螒B(tài)結(jié)構(gòu)或生理功能（因變量）的影響”。

二、實驗原理的分析和歸納

實驗原理是對實驗的理論基礎(chǔ)、操作方法和目標指向的高度濃縮概括。其內(nèi)容應(yīng)包含四個方面的基本要素：實驗的科學(xué)理論依據(jù)；操作過程要點；實驗結(jié)果的檢測方法和指標；實驗的結(jié)論目標指向。

在獨立設(shè)計實驗時，確定實驗原理的基本途徑是：（1）從生物科學(xué)的基本理論出發(fā)，深入分析影響因素與作用對象之間的內(nèi)在聯(lián)系。（2）分析操控影響因素的具體方法，確定自變量。（3）分析實驗對象受到影響后可能發(fā)生的反應(yīng)，找出與這些反應(yīng)相關(guān)的外在表現(xiàn)，確定觀測指標。（4）概括說明該實驗?zāi)苓_成的最終目標。

如果是在已有的實驗方案基礎(chǔ)上歸納實驗原理，基本方法是：找出實驗方案中的自變量和因變量，從理論上分析二者之間可能存在的聯(lián)系；然后以方案中實驗組為依據(jù)，描述對自變量的控制和對結(jié)果的檢測方法，忽略掉對照組設(shè)置以及對無關(guān)變量的控制等細節(jié)，從而歸納出實驗原理。

一個科學(xué)的實驗原理可以對實驗材料的選擇、實驗步驟的設(shè)計、觀測指標的確定以及實驗結(jié)果的預(yù)測分析都能起到有效的指導(dǎo)作用，是整個實驗方案的綱領(lǐng)。

三、實驗步驟設(shè)計的方法和原則

實驗步驟是實驗探究方案的主體內(nèi)容。它直接決定實驗過程能否實現(xiàn)以及實驗?zāi)繕四芊襁_成。

實驗步驟設(shè)計的一般思路是：首先要明確自變量和因變量，再結(jié)合探究目標確定變量控制方法和對照實驗設(shè)置方法，最后確定對實驗結(jié)果的檢測方法和指標。如果是定性探究，則應(yīng)該以被探究因素的有、無或者強、弱等典型條件設(shè)置對照；如果是定量探究，則應(yīng)該以被探究因素的強弱程度設(shè)置一系列梯度實驗進行探究。例如，若要探究“溫度對植物光合作用的影響”就可作定性探究，此時只需要設(shè)置高溫、常溫、低溫三個典型溫度條件作對照實驗即可。如果要求“探究植物光合作用的最適溫度”，這就是一個定量探究課題。必須在一定溫度范圍內(nèi)設(shè)置一系列溫度由低到高的梯度實驗進行對照。檢測方法要有可行性，檢測指標必須是實驗對象受自變量影響后產(chǎn)生的必然預(yù)期結(jié)果。

實驗步驟設(shè)計必須遵循的原則主要有：科學(xué)性原則；對照原則；單一變量原則；平行重復(fù)原則。

科學(xué)性原則的基本含義是：有確實的科學(xué)理論依據(jù)，邏輯推理嚴密，操作方法和順序合理，變量控制可靠有效，觀測手段簡便易行。

對照原則：探究過程中要通過設(shè)置對照實驗的方法來增強實驗的說服力。可根據(jù)不同課題要求，在實驗中設(shè)計空白對照、條件對照、相互對照和自身對照等不同的對照實驗形式。

單一變量原則：實驗組與對照組只能有一個變量差異。即除開自變量以外，實驗組和對照組其他所有無關(guān)變量應(yīng)保持相同且適宜。

平行重復(fù)原則有兩層含義：一是指進行探究實驗時對生理狀況相同的多個實驗對象同時進行相同的實驗操作，以減少偶然因素或?qū)嶒瀸ο髠€體差異帶來的誤差；另一層含義是指控制自變量在相同的變化幅度下，以同樣的條件進行重復(fù)實驗，從而體現(xiàn)過程與結(jié)果之間聯(lián)系的必然性。

在上述原則下，實驗步驟的設(shè)計可以大致上分為三個要點：第一步，準備和分組。對實驗材料要進行準備和預(yù)處理，使其初始狀態(tài)相同并達到實驗要求。然后，根據(jù)實驗需要劃分為不同組別，為后續(xù)的對照實驗做好準備。第二步，對照處理和變量控制。將不同組別控制在自變量的不同變化幅度之下形成對照，其余條件控制到相同且適宜的狀態(tài)，并給予充分的后續(xù)反應(yīng)時間。第三步，實驗現(xiàn)象的觀測統(tǒng)計。選定適當?shù)挠^察測量指標對不同組別分別進行觀察和統(tǒng)計，以反映實驗結(jié)果。

四、實驗結(jié)果分析和結(jié)論歸納

生物信息學(xué)分析方法范文第2篇

>> 小菜蛾P(guān)xALP1基因的克隆與生物信息學(xué)分析 高叢越桔UFGT基因電子克隆和生物信息學(xué)分析 丹參類貝殼杉烯氧化酶（SmKOL）基因全長克隆及其生物信息學(xué)分析 小菜蛾p38MAPK基因的克隆與生物信息學(xué)分析 黃瓜DVR基因的生物信息學(xué)分析 沙棘WRI1轉(zhuǎn)錄因子基因的生物信息學(xué)分析 黔北麻羊RERGL基因cDNA克隆與生物信息學(xué)分析 玉米淹水誘導(dǎo)表達ZmERF5基因啟動子的克隆與生物信息學(xué)分析 茶陵野生稻冷響應(yīng)基因OrCr3的克隆及其生物信息學(xué)分析 黃芩葡萄糖醛酸水解酶基因的克隆、生物信息學(xué)分析及表達 金鐵鎖糖基轉(zhuǎn)移酶PtT1的克隆與生物信息學(xué)分析 結(jié)核分枝桿菌pst S1基因的擴增及生物信息學(xué)分析 平邑甜茶MhWRKY15基因cDNA克隆及其生物信息學(xué)分析 紅白忍冬SABATH甲基轉(zhuǎn)移酶基因克隆及其生物信息學(xué)分析 子宮內(nèi)膜異位癥相關(guān)基因和microRNA的挖掘及生物信息學(xué)分析 太子參分解代謝關(guān)鍵酶8′羥化酶基因的克隆及生物信息學(xué)分析 FZ6基因及其蛋白的生物信息學(xué)分析 歐文氏桿菌鐵代謝相關(guān)基因的生物信息學(xué)分析 水稻2個F―box基因的生物信息學(xué)分析 弓1蟲RH株SAG1基因序列體外擴增及生物信息學(xué)分析 常見問題解答 當前所在位置：l）對氨基酸序列進行多重比對，并用MEGA4 NJ法（bootstrap 1000）構(gòu)建系統(tǒng)樹。在CCD數(shù)據(jù)庫（）進行二硫鍵預(yù)測。在Swiss-Model（http：///）進行蛋白的三級結(jié)構(gòu)預(yù)測。

2.4 丹參毛狀根中SmNAC1表達譜分析 采用SYBR Green Premix染料（TaKaRa公司）進行qRT-PCR分析，以丹參β-actin作管家基因，分別以特異性引物SmNAC F：5′-CTCCCAACATCAGTCAAG-3′，SmNAC R：5′-ATGGCGGTGACGAT-3′，檢測SmNAC1在YE+Ag+處理丹參毛狀根0，2，4，8，12，24 h的表達變化。PCR體系為 SYBR Premix TaqTM 5 μL，正反引物各0.2 μL，ROX Reference Dye II 0.2 μL，稀釋10倍的cDNA模板1.0 μL，加ddH2O至10 μL。PCR程序為，95 ℃ 30 s，95 ℃ 5 s，60 ℃ 34 s， 40個循環(huán)，增加溶解曲線。每個樣品設(shè)3個生物學(xué)重復(fù)。

3 結(jié)果

3.1 丹參SmNAC1基因序列分析 丹參SmNAC1基因全長591 bp，編碼196個氨基酸。Blastx檢索結(jié)果顯示，SmNAC1與野生馬鈴薯Solanum chacoense的NAC1，番茄S. lycopersicum NAC1-like，煙草Nicotiana benthamiana NAC1，水稻Oryza sativa Indica Group NAC-like，紫花苜蓿Medicago truncatula的相似度分別是84%，83%，84%，77%，73%。與SmBTF的相似度只有56%。SmNAC1蛋白55～120 位是NAC_AB（PS51151）的保守結(jié)構(gòu)域。應(yīng)用Softberry（http：///berry.phtml）分析調(diào)控元件和PLANTCARE（http：//bioinformatics.psb.ugent.be/webtools/plantcare/html/）預(yù)測，C-端氨基酸有23個順勢作用元件，包括TGGTTT厭氧響應(yīng)順式調(diào)控元件，AAACAGA赤霉素響應(yīng)元件，GTTTTCTTAC參與脅迫防御應(yīng)答的順式作用元件以及TCTTTAC光應(yīng)答元件等。使用NetPhos 2.0 Server（http：//cbs.dtu.dk/services/NetPhos/）分析磷酸化位點，共發(fā)現(xiàn)10個磷酸化位點，其中絲氨酸位點7個，蘇氨酸位點2個，酪氨酸位點1個，沒有發(fā)現(xiàn)糖基化為點。

3.2 SmNAC1編碼蛋白質(zhì)的基本性質(zhì)分析 SmNAC1蛋白由196個氨基酸殘基組成，相對分子質(zhì)量為21.66 kDa，等電點4.36。CFSSP 對SmNAC1蛋白進行二級結(jié)構(gòu)預(yù)測，該蛋白包含87.8%的α螺旋結(jié)構(gòu)， 36.7% 的β折疊結(jié)構(gòu)和14.8%的無規(guī)卷曲，見圖1（由于α螺旋和β折疊交互計算，故幾種結(jié)構(gòu)類型之和>100%）。無規(guī)則卷曲主要位于55～120個氨基酸功能區(qū)內(nèi)，連接其他二級結(jié)構(gòu)元件。在SWISS-MODEL用同源建模方法以人的NAC蛋白（3mcbA）為模板構(gòu)建同源模型，對SmNAC1的NAC結(jié)構(gòu)域氨基酸進行三級結(jié)構(gòu)預(yù)測，結(jié)果見圖2。SignalP 4.0 Server和TMHMM 2.0分析顯示SmNAC1非氨基酸序列沒有信號肽，也不包含跨膜結(jié)構(gòu)域，也不是分泌蛋白。亞細胞定位分析表明，該基因不定位于葉綠體或線粒體，推測可能定位在細胞核，具有DNA結(jié)合，激活，轉(zhuǎn)錄調(diào)控，乙酰化等功能。

以人的NAC蛋白（3mcbA）為模板，E=9.311 57e-17。將SmNAC1與Genbank中17個物種25種蛋白進行比對，應(yīng)用MEGA4使用NJ法（bootstrap 1000）構(gòu)建系統(tǒng)進化樹。SmNAC1與茄科馬鈴薯S. chacoense NAC2（ScNAC2， ACB32231.1），本氏煙N. benthamiana NAC（NbNAC，BAF46352.1）和番茄S.lycopersicum NAC（SINAC，XP_004249331.1）

親緣關(guān)系最近，見圖3。從圖中可以看出NAC的變異率是比較高的，同一植物的NAC蛋白并不聚在一起，如擬南芥中的擬南芥Arabidopsis thaliana中的5個蛋白NAC1-1（AtNAC1-1，NP_187845.1），NAC1-2（AtNAC1-2，NP_190516.1），NAC1-3（AtNAC1-3，NP_1196889.4），NAC1-4（AtNAC1-4，NP_001078369.1）和NAC1-5（AtNAC1-5，AEE31552.1），AtNAC1-1和AtNAC1-3聚為一小支，AtNAC1-4和AtNAC1-5聚為一小支，而AtNAC1-2則和蓖麻Ricinus communis NAC1-2（RcNAC1-2，XP_002521293.1）聚為一小支，三者間間隔距離較遠。玉米種的3個NAC蛋白中ZmNAC1-1（NP_001147422.1）和ZmNAC1-3（NP001148944.1）聚為一支，與ZmNAC1-2（NP_001147705.1）的距離較遠。水稻中的3個NAC蛋白則各自聚在不同的分支。可見NAC蛋白雖然具有保守的結(jié)構(gòu)域，但是其結(jié)構(gòu)的變異性非常大。

3.3 SmNAC1基因表達譜分析 對培養(yǎng)18 d的丹參毛狀根進行YE+Ag+處理，分析SmNAC1在處理后5個時間點的mRNA水平的相對表達量，見圖4。處理后2 h表達量上調(diào)至對照的1.4倍，處理后4 h表達量達到對照的2倍，8～12 h保持2倍的表達水平，處理后24 h SmNAC1下調(diào)至對照表達水平以下。說明SmNAC1響應(yīng)YE+Ag+處理，參與了脅迫應(yīng)答反應(yīng)。

4 討論

NAC家族基因是陸生植物特異的轉(zhuǎn)錄因子家族，NAC蛋白參與植物的生長發(fā)育、形態(tài)建成及多馬鈴薯Solanum chacoense NAC2（ScNAC2， ACB32231. 1）；本氏煙Nicotiana benthamiana NAC（NbNAC，BAF46352. 1）；番茄S. lycopersicum NAC（SINAC，XP_004249331. 1）；丹參Salviae miltiorrhizae NAC1（SmNAC1，kF006346）；黃瓜Cucumis sativus（CsNAC， XP_004171778. 1）；葡萄Vitis vinifera NAC2（VvNAC2，XP_003632619. 1）；野草莓Fragaria vesca subsp. vesca NAC（Fvssp. vescaNAC，XP_004306474. 1）；擬南芥Arabidopsis thaliana NAC1-3（AtNAC1-3，NP_1196889. 4）；擬南芥A. thaliana NAC1-1（AtNAC1-1，NP_187845. 1）；水稻Oryza sativa Japonica Group NAC1（OsNAC1，BAB89723. 1）；水稻O. sativa NAC1-3（OsNAC1-3，AAT01337. 1）；葡萄V. vinifera NAC1（VvNAC1，XP_002283581. 2）；二穗短柄草Brachypodium distachyon NAC（BdNAC，XP_003557882. 1）；玉米Zea mays NAC1-3（ZmNAC1-3，NP001148944. 1）；玉米Z. mays NAC1-1（ZmNAC1-1，NP_001147422. 1）；大豆Glycine max NAC（GmNAC，XP_003554096）；蒺藜狀苜蓿Medicago truncatula NAC1（MtNAC1，XP_003624883. 1）；火炬松Pinus taeda NAC（PtNAC，AAF27917. 1）；Micromonas sp. RCC299（Msp. NAC1，ACO64924. 1）；Coccomyxa subellipsoidea C-169（CsuNAC1，EIE21909. 1）；擬南芥A. thaliana NAC1-5（AtNAC1-5，AEE31552. 1）；擬南芥A. thaliana NAC1-4（AtNAC1-4，NP_001078369. 1）；水稻O. sativa NAC1-2（OsNAC1-2，AAM52321. 1）；玉米Z. mays NAC1-2（ZmNAC1-2，NP_001147705. 1）；擬南芥A. thaliana NAC1-2（AtNAC1-2，NP_190516. 1）；蓖麻Ricinus communis NAC1-2（RcNAC1-2，XP_002521293. 1）。

種生物和非生物脅迫應(yīng)答過程。如玉米的ZmSNAC1基因在低溫、干旱、高鹽及脫落酸處理后表達量顯著上調(diào)，而水楊酸處理后表達下調(diào)[13]。葡萄中的VvNAC1基因響應(yīng)病原菌、脫落酸、茉莉酸和乙烯處理表達上調(diào)[14]。在巴西橡膠樹HbNAC1啟動子序列中有多個CCAAT-box，EECCRCAH1，MYB2CONAENSUSAT元件識別MYB和MYC轉(zhuǎn)錄因子，在ABA信號通路和非生物脅迫答應(yīng)中起重要作用[15]。SmBTF3與SmNAC1氨基酸序列的相似度只有56%，但是在N-端都具有NAC-AB保守結(jié)構(gòu)域，二級結(jié)構(gòu)都以α螺旋為主。熒光定量PCR分析表明SmBTF3在根中的表達量最高，對ABA誘導(dǎo)的響應(yīng)不明顯，干旱脅迫短時間內(nèi)抑制其表達。本研究發(fā)現(xiàn)SmNAC1在YE+Ag+聯(lián)合處理后2 h表達量上調(diào)至對照的1.4倍，4 h上調(diào)至對照的2倍，24 h表達量下調(diào)至對照表達水平一下，可見丹參中的這2個轉(zhuǎn)錄因子在丹參的抗逆脅迫中起作用。

[參考文獻]

[1] Phan Tran L S， Nakashima K， Sakuma Y， et al. Isolation and functional analysis of Arabidopsis stress-inducible NAC transcription factors that bind to a drought-responsive cis-element in the early responsive to dehydration stress 1 promotor[J]. Plant cell， 2004， 16（9）：2481.

[2] Park J， Kim Y S， Kim S G， et al. Integration of auxin and salt signals by the NAC transcription factor NTM2 during seed germination in Arabidopsis[J]. Plant Physiol， 2011， 156（2）：537.

[3] Hu H H， You J， Fang Y J， et al. Characterization of transcription factor gene SNAC2 conferring cold and salt tolerance in rice[J]. Plant Mol Biol， 2008， 67（1/2）：169.

[4] 孫欣，上官凌飛，房經(jīng)貴，等. 葡萄NAC轉(zhuǎn)錄因子家族生物信息學(xué)分析[J]. 基因組學(xué)與應(yīng)用生物學(xué)，2011，20（2）：229.

[5] Hu R B， Qi G， Kong Y Z， et al. Comprehensive analysis of NAC domain transcription factor gene family in Populus trichocarpa[J]. BMC Plant Biol， 2010， 10（1）：145.

[6] Rushton P J， Bokowiec M T， Han S C， et al. Tobacco transcription factors ： novel insights into transcriptional regulation in the solanaceae[J]. Plant Physiol， 2008， 147（1）：280.

[7] Le D T， Nishiyama R， Watanabe Y， et al. Genome-wide survey and expression analysis of the plant-specific NAC transcription factor family in soybean during development and dehydration stress[J]. DNA Res， 2011， 18（4）： 263.

[8] Puranik S， Sahu P P， Srivastava P S， et al. NAC proteins： regulation and role in stress tolerance[J]. Trends Plant Sci， 2012， 17（6）：369.

[9] 何煒，葉冰瑩，周平，等. 轉(zhuǎn)錄因子NAC的研究進展[J]. 亞熱帶農(nóng)業(yè)研究，2008，4（4）：311.

[10] 何苗，武雪，王喆之. 丹參BTF3基因的克隆及生物信息學(xué)分析[J]. 武漢植物學(xué)研究， 2009， 26（6）：582.

[11] 張夏楠，崔光紅，蔣喜紅，等. 丹參轉(zhuǎn)基因毛狀根離體培養(yǎng)體系的建立及分析[J]. 中國中藥雜志，2012， 37（15）：2257.

[12] 呂冬梅，袁媛，張東，等. 丹參毛狀根化學(xué)成分穩(wěn)定性研究[J]. 中國中藥雜志，2008，33（6）：653.

[13] Lu M， Ying S， Zhang D F， et al. A maize stress-responsive NAC transcription factor， ZmSNAC1， confers enhanced tolerance to dehydration in transgenic Arabidopsis[J]. Plant Cell Rep， 2012， 31（9）：1701.

[14] Zhu Z， Shi J， He M， et al. Isolation and functional characterization of a transcription factor VpNAC1 from Chinese wild Vitis pseudoreticulata[J]. Biotechnol Lett， 2012， 34（7）：1335.

[15] 康桂娟，黎瑜，夏可燦，等. 巴西橡膠樹HbNAC1基因啟動子的克隆及序列分析[J]. 基因組學(xué)與應(yīng)用生物學(xué)， 2012， 31（5）：447.

Cloning and bioinformatics analysis of SmNAC1 from Salvia miltiorrhiza hairy root

WANG Ya-jun1， JIANG Chao1， ZHAO Rong1， ZHAO Le2， SHEN Ye1*， HUANG Lu-qi1*

（1.National Resource Center for Chinese Materia Medica， China Academy of Chinese Medical Sciences， Beijing 100700， China；

2.College of Pharmaey， Henan University of Traditional Chinese medicine， Zhengzhou 450008， China）

[Abstract] In order to study function of NAC transcription in development， hormone regulation and the stress response of Salvia miltiorrhiza， the NAC transcription was cloned and analyzed. By retrieving cDNA database of S. miltiorrhiza hairy root one NAC unigene was found， then a full length of cDNA was cloned by designing specific primers and PCR amplifying. Using ORF finder it was found that the cDNA containing a NAC-AB conserved domain in N-terminal， so the cDNA was a NAC transcription factor， named as SmNAC1（kF006346）. Bioinformatics analysis showed that SmNAC1 had an open reading frame （ORF） of 591 bp encoding 196 amino acids. The calculated protein had isoelectric point （pI） of 4.36 with molecular weight about 21.66 kDa. The transcription level of SmNAC1 after dealing with yeast extract （YE） and silver ion （Ag+） in S. miltiorrhiza hairy root was markedly stimulated up regulating. It was 1.4 fold compared with the control after induction 2 h， and maintained 2.0 fold on 4-12 h after induction. SmNAC1 may participate in regulation of stress response of YE+Ag+.

生物信息學(xué)分析方法范文第3篇

關(guān)鍵詞：大數(shù)據(jù)；生物信息學(xué)；教學(xué)探索

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2015）29-0210-02

一、引言

生物信息學(xué)是由生物學(xué)與數(shù)學(xué)、計算科學(xué)交叉形成的前沿學(xué)科，主要通過研發(fā)并應(yīng)用計算機技術(shù)及數(shù)學(xué)與統(tǒng)計方法，對海量生物數(shù)據(jù)進行管理、整合、分析、建模，從而解決重要的生物學(xué)問題，闡明新的生物學(xué)規(guī)律，獲得傳統(tǒng)生物學(xué)手段無法獲得的創(chuàng)新發(fā)現(xiàn)。生物信息學(xué)是當今生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一，是多學(xué)科之間的交叉領(lǐng)域。因此，做好生物信息學(xué)教學(xué)工作對提高生物信息學(xué)研究水平具有重要的理論和實踐意義。

隨著高通量測序數(shù)據(jù)的大量出現(xiàn)，生命科學(xué)已經(jīng)進入到大數(shù)據(jù)時代，生物信息學(xué)研究的重點將轉(zhuǎn)移到組學(xué)的研究上。相應(yīng)地，生物信息學(xué)教學(xué)的重點也要從單個基因的分析轉(zhuǎn)向多個基因甚至在組學(xué)水平的分析。在生物大數(shù)據(jù)背景下，對生物信息學(xué)專業(yè)的人才需求也將越來越大。本文結(jié)合生物大數(shù)據(jù)的特點和教學(xué)經(jīng)驗，談?wù)勀壳吧镄畔W(xué)教學(xué)中存在的問題，并針對這些問題提出自己的建議和方法。

二、生物大數(shù)據(jù)的特點

“大數(shù)據(jù)”一詞最初起源于互聯(lián)網(wǎng)和IT行業(yè)，它具有數(shù)據(jù)量大、數(shù)據(jù)多樣化、高速、有價值等特點。生物大數(shù)據(jù)不僅帶有“大數(shù)據(jù)”的特點，而且具有生物數(shù)據(jù)自身的特性，具體表現(xiàn)在：

1.數(shù)據(jù)量大：全球每年生物數(shù)據(jù)總量已經(jīng)達到EB量級，完整的人體基因組有約30億個堿基對，個體化基因組差異達6百萬堿基。同時由于高通量測序成本的下降，目前大量的生物物種得以全基因組范圍的基因組從頭測序、重測序以及轉(zhuǎn)錄組測序，積累了大量的生物數(shù)據(jù)。

2.數(shù)據(jù)種類多：由于測序儀器種類繁多，產(chǎn)生的測序數(shù)據(jù)格式也各不相同。除高通量測序產(chǎn)生的基因組和轉(zhuǎn)錄組數(shù)據(jù)外，另外還有蛋白組、代謝組、表型組、相互作用組的序列數(shù)據(jù)和結(jié)構(gòu)數(shù)據(jù)。

3.數(shù)據(jù)增速快：這主要體現(xiàn)在數(shù)據(jù)的急劇增長速度上，幾乎每一周都有關(guān)于某一物種的全基因組或者轉(zhuǎn)錄組測序的信息。尤其是隨著新一代測序技術(shù)的發(fā)展，更大數(shù)量級的基因組數(shù)據(jù)產(chǎn)出日漸增加――每臺高通量的測序儀每天可產(chǎn)生約100GB的數(shù)據(jù)。

4.數(shù)據(jù)價值高：隨著生物信息學(xué)的發(fā)展，越來越多有價值的信息可從生物數(shù)據(jù)中挖掘出來，這些價值不僅體現(xiàn)在生物科研領(lǐng)域，而且已應(yīng)用于農(nóng)業(yè)和醫(yī)學(xué)等領(lǐng)域。

三、大數(shù)據(jù)背景下生物信息學(xué)教學(xué)中存在的問題

經(jīng)過多年的發(fā)展，生物信息學(xué)教學(xué)雖然有了一定的提高和改善，但還存在一些問題，主要表現(xiàn)在：

（一）課程設(shè)置不合理

生物信息學(xué)是由生物學(xué)與數(shù)學(xué)、計算科學(xué)交叉形成的前沿學(xué)科，對生物背景的學(xué)生來說，需要掌握計算機和數(shù)學(xué)特別是統(tǒng)計學(xué)方面的知識和技能。但由于受課程設(shè)置的影響，很多學(xué)校只把C語言作為計算機的必修課，而沒有在大一或者大二年級開設(shè)概率論和數(shù)理統(tǒng)計，并且生物統(tǒng)計學(xué)等課程也只是在大三或者大四才作為選修課或者限定選修課來開設(shè)的，造成部分開課專業(yè)學(xué)生的數(shù)理基礎(chǔ)比較薄弱，因此在后續(xù)學(xué)習(xí)中存在一定的困難。

（二）教材內(nèi)容不夠全面

由于生物信息學(xué)發(fā)展日新月異，各種分析生物大數(shù)據(jù)的算法、方法和軟件層出不窮，并且其更新?lián)Q代是非?？斓模鴩鴥?nèi)外相關(guān)教材的內(nèi)容不夠全面，并且其更新速度較慢，不能緊跟生物信息學(xué)的最新發(fā)展，造成教師在授課時要綜合多本生物信息學(xué)教材的內(nèi)容，不利于學(xué)生對生物信息學(xué)內(nèi)容的全面掌握，從而制約了生物信息學(xué)教學(xué)的發(fā)展。

（三）教師的教學(xué)方法單一

生物信息學(xué)課程目前雖然在很多院校已經(jīng)開設(shè)，但由于該學(xué)科對教師的授課水平和學(xué)生的學(xué)習(xí)能力要求較高，目前多數(shù)學(xué)校對于生物信息學(xué)的授課方式還是以教師講授為主的填鴨式教學(xué)方式。隨著大數(shù)據(jù)時代的到來，傳統(tǒng)的教學(xué)方式和方法遠不能滿足生物信息學(xué)教學(xué)的需要。

四、生物大數(shù)據(jù)背景下生物信息學(xué)教學(xué)的建議和方法

為了適應(yīng)大數(shù)據(jù)背景下生物信息學(xué)的教學(xué)形勢，針對目前教學(xué)中存在的問題，作者結(jié)合自己的教學(xué)實踐，建議從以下5個方面改進和提高生物信息學(xué)教學(xué)。

（一）合理設(shè)置基礎(chǔ)課，強化基礎(chǔ)理論

生物信息學(xué)是一門交叉性很強的學(xué)科，以復(fù)雜而強大的理論體系作為支撐，所涉及的內(nèi)容包括計算機編程、信息檢索以及數(shù)據(jù)庫技術(shù)等。為了讓學(xué)生學(xué)好生物信息學(xué)這門課程，各院?？梢院侠碓O(shè)置生物信息學(xué)的專業(yè)基礎(chǔ)課，將生物信息學(xué)課程定位在大三或者大四年級學(xué)生，在大一、大二年級做好高等數(shù)學(xué)、數(shù)據(jù)庫原理以及Perl語言等與之相關(guān)課程的教學(xué)工作，這些學(xué)生在掌握了一些與生物信息學(xué)相關(guān)的基礎(chǔ)理論知識后，其對生物信息學(xué)的學(xué)習(xí)能力和理解能力才會有較大的提高。此外，學(xué)校要鼓勵學(xué)生了解國內(nèi)外有關(guān)大數(shù)據(jù)和生物信息學(xué)技術(shù)的發(fā)展趨勢，并推薦有代表性且通俗易懂的文章和書籍，以強化學(xué)生的基礎(chǔ)理論體系，為生物信息學(xué)的學(xué)習(xí)提供必要的知識儲備

（二）培養(yǎng)大數(shù)據(jù)意識，加強對大數(shù)據(jù)分析的科學(xué)素養(yǎng)

生命科學(xué)研究已經(jīng)進入到大數(shù)據(jù)時代，生物大數(shù)據(jù)的挖掘已經(jīng)在農(nóng)林科學(xué)、醫(yī)學(xué)等領(lǐng)域產(chǎn)生巨大的效益，所以我們要培養(yǎng)學(xué)生樹立大數(shù)據(jù)思維意識，全面認識生物大數(shù)據(jù)帶來的機遇和挑戰(zhàn)。生物信息學(xué)以生物數(shù)據(jù)為對象展開分析，它同時具備具體性和抽象性的特點。具體性是指以數(shù)據(jù)為對象挖掘出的生物學(xué)知識是客觀存在的，其對生物學(xué)規(guī)律的解釋性較強；抽象性是針對生物信息學(xué)中的理論和方法而言的，一般要求學(xué)生具有一定的生物信息學(xué)專業(yè)基礎(chǔ)。在進行生物信息學(xué)教學(xué)時，要激發(fā)學(xué)生的學(xué)習(xí)興趣，逐漸培養(yǎng)學(xué)生的大數(shù)據(jù)意識，規(guī)范學(xué)生對大數(shù)據(jù)分析的基本方法。可以通過實例，讓學(xué)生參與到具體的生物信息學(xué)分析中去，以便理解生物信息學(xué)數(shù)據(jù)分析的基本操作流程，并在業(yè)余時間開展生物大數(shù)據(jù)在農(nóng)業(yè)和醫(yī)藥行業(yè)成功應(yīng)用的案例調(diào)查，以便激發(fā)學(xué)生利用生物信息學(xué)手段分析大數(shù)據(jù)的熱情。

（三）優(yōu)化教材內(nèi)容，精心安排教學(xué)內(nèi)容

鑒于目前生物信息學(xué)發(fā)展速度快，而國內(nèi)外相關(guān)教材的更新速度較慢，所以要求在生物信息學(xué)教材的選取方面要下大力氣，并且在授課時整合各個教材的優(yōu)點。一般在生物信息學(xué)授課中整合以下三本書的內(nèi)容：David W. Mount編寫的《Bioinformatics Sequence and Genome Analysis》、李霞主編的《生物信息學(xué)》以及陳銘編寫的《生物信息學(xué)》。

在教學(xué)過程中，為了使學(xué)生在有限的課堂教學(xué)時間內(nèi)掌握生物信息學(xué)課程的主要內(nèi)容，首先要優(yōu)化課程教學(xué)體系，統(tǒng)籌安排教學(xué)內(nèi)容，在生物信息授課中要抓住以下兩條主線：序列―結(jié)構(gòu)―功能―進化；基因組―轉(zhuǎn)錄組―蛋白組―相互作用組―代謝組，多組學(xué)貫穿。同時針對不同專業(yè)的特點與人才培養(yǎng)目標要求，合理分配各章節(jié)的教學(xué)課時，做到突出與專業(yè)密切相關(guān)的內(nèi)容重點精講。如在生物技術(shù)專業(yè)中，增加課時講授分子藥物設(shè)計章節(jié)，不僅要讓學(xué)生了解生物信息學(xué)與分子藥物設(shè)計的關(guān)系，而且要讓學(xué)生掌握計算機輔助藥物設(shè)計的理論方法以及軟件操作。因此，以生物信息學(xué)教學(xué)內(nèi)容的兩條主線為依托，緊密圍繞各專業(yè)的培養(yǎng)目標，做到理論聯(lián)系實際，構(gòu)建的教學(xué)體系和教學(xué)內(nèi)容既能讓學(xué)生掌握學(xué)科的知識理論體系，又有利于培養(yǎng)學(xué)生理解、分析、運用學(xué)科知識解決實際問題的能力。

（四）合理選用教學(xué)方法，提高教學(xué)效果

實踐表明，不同的教學(xué)內(nèi)容采用不同的教學(xué)方法授課可以收到良好的教學(xué)效果。為實現(xiàn)生物信息學(xué)課堂教學(xué)目標，完成相應(yīng)的教學(xué)任務(wù)，教師要根據(jù)每堂課的教學(xué)內(nèi)容，采用合適的教學(xué)方法，調(diào)動學(xué)生學(xué)習(xí)的積極性和主動性，提高課堂教學(xué)效果?？梢詮慕鉀Q問題的角度出發(fā)進行理論教學(xué)。在理論課教學(xué)中，如果仍沿用傳統(tǒng)的灌輸式教學(xué)模式，肯定達不到預(yù)期的教學(xué)效果。課堂教學(xué)還可以根據(jù)需要，適時融入案例教學(xué)、問卷調(diào)查、多媒體展示、影片教學(xué)等方法，提高實際教學(xué)效果，培養(yǎng)學(xué)生的綜合素質(zhì)和創(chuàng)新思考能力。

上機實習(xí)注重發(fā)揮學(xué)生的主觀能動性。生物信息學(xué)是一門實踐性很強的課程，上機實習(xí)是教學(xué)的重要環(huán)節(jié)，它不但能夠幫助學(xué)生更好地理解理論課所學(xué)知識，而且能夠提高學(xué)生運用生物信息學(xué)的理論和方法解決實際問題的能力，對培養(yǎng)學(xué)生獨立思考能力、觀察能力、動手能力起著重要作用，更是培養(yǎng)學(xué)生創(chuàng)新能力的重要途徑。

（五）理論和實踐相結(jié)合，注重考核的靈活化

生物信息學(xué)是一門融合了多個學(xué)科的實踐性很強的課程，對應(yīng)的考核方式應(yīng)該與其他專業(yè)課程有所區(qū)別，其最終的成績不應(yīng)該只以理論課考試的成績?yōu)闇?。理論知識的考核注重學(xué)生對生物信息學(xué)基本概念、分析流程和主要分析算法的掌握情況，主要以試卷考核的方式為主，采用統(tǒng)一考核方式和評判標準。對于上機技能的考核，主要強調(diào)的是學(xué)生對不同類型數(shù)據(jù)進行分析時應(yīng)掌握的相關(guān)軟件使用技能的考查，也應(yīng)納入到學(xué)生的成績考核中，我們認為理論考試占70分、實習(xí)成績占30分是一個好的評價方式。

五、結(jié)束語

大數(shù)據(jù)背景下對生物信息學(xué)的教學(xué)提出了新的更高的要求。本文針對《生物信息學(xué)》教學(xué)中存在的問題，結(jié)合自己的教學(xué)經(jīng)歷對改進生物信息學(xué)教學(xué)和方法進行了一些探討。本文認為要做好大數(shù)據(jù)時代的生物信息學(xué)教學(xué)，要從強化基礎(chǔ)理論、培養(yǎng)大數(shù)據(jù)意識、精心設(shè)計教學(xué)內(nèi)容、創(chuàng)新教學(xué)方法和改革考核評價體系等五個方面來開展和抓好生物信息學(xué)教學(xué)。

參考文獻：

生物信息學(xué)分析方法范文第4篇

一、過去教學(xué)中存在的問題

（一）實驗課教學(xué)學(xué)時偏少

生物技術(shù)專業(yè)五年制生物信息學(xué)課程總學(xué)時為72學(xué)時，其中理論48學(xué)時，實驗24學(xué)時。生物信息學(xué)課程最主要的目標是培養(yǎng)學(xué)生通過在線程序或利用生物信息學(xué)軟件來分析生物學(xué)問題的能力，有效解決學(xué)生實驗學(xué)時不足，實際操作時間少，解決實際問題能力較弱的問題。

（二）與其他課程聯(lián)系較少

生物信息學(xué)課程開設(shè)在生物技術(shù)專業(yè)教學(xué)進程的第6學(xué)期，此時學(xué)生已具備普通生物學(xué)、細胞生物學(xué)、分子生物學(xué)、生物化學(xué)、醫(yī)學(xué)免疫學(xué)、遺傳學(xué)、基因組學(xué)、基因工程原理等生命科學(xué)的基礎(chǔ)知識。但是，在生物信息學(xué)理論課和實踐課學(xué)習(xí)的內(nèi)容，如查閱的文獻、分析的目的則由授課教師自行指定，忽略了與其他課程的聯(lián)系，不利于學(xué)生系統(tǒng)地學(xué)習(xí)專業(yè)課的知識。

二、教學(xué)體系的改革和完善

（一）增加實驗課教學(xué)學(xué)時

從2012年起，我校生物技術(shù)專業(yè)由五年制調(diào)整為四年制，同時在修訂教學(xué)進程的時候?qū)W(xué)時調(diào)整為理論36學(xué)時，實驗36學(xué)時，理論課結(jié)束后即為該內(nèi)容的實踐部分，以此增加學(xué)生的實踐訓(xùn)練時間。

（二）將基因工程原理實驗課程與生物信息學(xué)實踐相聯(lián)系

在基因工程原理的實驗中，我們把家蠅防御素基因作為目的基因，主要設(shè)計的實驗內(nèi)容包括：（1）目的基因的獲得：利用PCR技術(shù)擴增已經(jīng)克隆到pMD-18T載體上的家蠅防御素基因；（2）pSK質(zhì)粒載體的小量制備；（3）目的基因與載體的酶切；（4）目的基因與載體的連接；（5）大腸桿菌感受態(tài)細胞的制備；（6）重組質(zhì)粒的轉(zhuǎn)化；（7）重組子的藍白斑篩選；（8）菌落PCR鑒定重組子[2]。在學(xué)生對基因工程實驗內(nèi)容熟悉的基礎(chǔ)上，我們在生物信息學(xué)的教學(xué)過程中對學(xué)生提出問題：家蠅防御素基因現(xiàn)有的研究現(xiàn)狀是怎樣的？PCR擴增目的基因的過程中引物該如何設(shè)計？獲得陽性重組子后我們?nèi)绾闻袛喃@得的插入序列就是目的基因呢？針對這樣的疑問，我們結(jié)合基因工程實驗對教學(xué)內(nèi)容進行適當?shù)恼{(diào)整：（1）PUBMED獲取文獻信息：由學(xué)生通過PUBMED查找近五年發(fā)表的有關(guān)家蠅防御素基因研究的文獻；（2）核酸序列分析：以家蠅防御素基因為對象，分核酸序列的檢索、搜索開放閱讀框（ORF）、限制性酶切分析、引物設(shè)計、載體序列識別、核酸序列的比對、分子質(zhì)量/堿基組成/堿基分布分析和序列轉(zhuǎn)換共8大部分內(nèi)容進行講解和學(xué)生實踐操作；（3）蛋白質(zhì)序列分析：同樣以家蠅防御素蛋白為對象，分蛋白質(zhì)序列檢索、蛋白質(zhì)序列比對、蛋白質(zhì)基本性質(zhì)分析（蛋白質(zhì)的氨基酸組成、分子量、等電點、親疏水性分析、跨膜區(qū)分析、信號肽分析）、蛋白質(zhì)功能預(yù)測、蛋白質(zhì)結(jié)構(gòu)預(yù)測（蛋白質(zhì)二級結(jié)構(gòu)和三級結(jié)構(gòu)預(yù)測）共5大部分內(nèi)容進行講解和指導(dǎo)學(xué)生進行實踐操作。

（三）以科研促進生物信息學(xué)的教學(xué)改革

筆者所在課程組主要集中于功能基因組學(xué)的研究，涉及了功能基因的獲取、生物信息學(xué)分析、功能驗證等方面的內(nèi)容。學(xué)生在課程學(xué)習(xí)中，參與到教師的科研課題中，學(xué)會運用生物信息學(xué)所學(xué)知識實際解決科研問題。學(xué)生可自行完成從文獻的查閱、目的序列的獲取（由公共數(shù)據(jù)庫獲得或?qū)嶒炇覝y序獲得）、基因序列的分析、理論推導(dǎo)氨基酸序列基本性質(zhì)的分析及結(jié)構(gòu)和功能的預(yù)測、系統(tǒng)發(fā)育分析，如有可能，學(xué)生可通過實驗的方法驗證生物信息學(xué)分析的結(jié)果，同時鼓勵學(xué)生自主選擇感興趣的基因、蛋白進行課程設(shè)計研究，實踐結(jié)束后學(xué)生將結(jié)果以論文形式提交給教師。

三、教學(xué)探索的成效

生物信息學(xué)分析方法范文第5篇

單鏈抗體除本身的治療作用外，還可作為載體與細胞因子等結(jié)合，構(gòu)建成雙功能抗體用于腫瘤的導(dǎo)像治療。據(jù)文獻報道［1~3］各衍生因子兩個完整基因融合成單一蛋白，經(jīng)抗腫瘤活性檢測發(fā)現(xiàn)，融合蛋白具有雙重活性，但融合蛋白的親和性及抗腫瘤活性分別較衍生因子的功能及活性有所變化，可能由于融合蛋白結(jié)構(gòu)變化導(dǎo)致功能及活性的變化。利用生物信息學(xué)網(wǎng)絡(luò)資源分析融合蛋白的二級結(jié)構(gòu)及其理化性質(zhì)，為進一步探討單鏈雙功能抗體基因融合蛋白提供依據(jù)。

1雙功能抗體的研究進展

隨著分子生物學(xué)的發(fā)展，腫瘤的藥敏基因治療成為各國學(xué)者研究的熱點［3~5］。將目的基因?qū)氚屑毎腔蛑委熯^程中的一個重要環(huán)節(jié)，因為目的基因?qū)氚屑毎实母叩蛯⒅苯佑绊懟蛑委煹男Ч踔脸蓴?。由逆轉(zhuǎn)錄病毒介導(dǎo)的基因轉(zhuǎn)移所面臨的最大問題是病毒轉(zhuǎn)導(dǎo)效率較低，原因之一是由于包裝后難以得到穩(wěn)定產(chǎn)生較高滴度感染性逆轉(zhuǎn)錄病毒的包裝細胞系。單鏈抗體（ScFv）是由Fv抗體衍生而來，將抗體重鏈可變區(qū)和輕鏈可變區(qū)通過一段連接肽連接而成，ScFv具有天然抗體的親和力，而分子只有完整抗體的六分之一。具有分子小、穿透力強、容易進入實體瘤周圍的血液循環(huán)等特點，體內(nèi)應(yīng)用具有較大的分布容積和較高的組織分布比例，ScFv是構(gòu)建雙功能抗體，雙特異性抗體等多種新功能抗體分子的理想元件。一個蛋白或蛋白片段可以融合到ScFv片段上以配備附加的性質(zhì)，如免疫毒素的產(chǎn)生，是通過將一個腫瘤特異的ScFv或Fab融合到一個內(nèi)源化能殺死靶細胞的毒素上。許多細胞特異抗體可將試劑傳遞到腫瘤部位發(fā)揮其細胞毒元件的作用。腫瘤特異性抗體片段已經(jīng)與細胞因子融合［4~8］。在這種情況下，稱免疫細胞因子的分子注射到患者體內(nèi)，在腫瘤細胞表面積聚，可以激活腫瘤附近的T淋巴細胞。這些融合蛋白內(nèi)在的腫瘤結(jié)合活性允許使用低濃度，沒有通常與系統(tǒng)細胞因子注射相關(guān)的副作用。

細胞因子融合蛋白均具有衍生因子的雙重活性，其中有一些的活性較各自野生型低，或者與野生型因子的相加一致，或者其活性高于衍生因子的相加活性，人工構(gòu)建的新蛋白可能具有與衍生因子無關(guān)的新活性［9~11］。事實證明：具有不同功能域的復(fù)合蛋白質(zhì)以及連接肽的設(shè)計是今后尋找新的治療因子的有效途徑和研究方向。生物信息學(xué)可以促進藥物的發(fā)現(xiàn)和開發(fā)過程，即充分利用生物信息學(xué)的生物學(xué)和遺傳學(xué)信息來尋找和開發(fā)以基因為基礎(chǔ)的藥物。

2雙功能抗體的表達及其生物學(xué)性質(zhì)的預(yù)測

對于cDNA序列包含一個完整的蛋白質(zhì)編碼區(qū)，重要的則是分析所編碼蛋白質(zhì)的功能。蛋白質(zhì)序列的生物信息學(xué)分析是從理論分析邁向?qū)嶒炑芯康淖顬橹匾牟糠帧Ｈ绻麛M對所感興趣的基因投入實驗研究，那么，基于生物信息學(xué)獲得盡可能多的關(guān)于該基因/蛋白質(zhì)的信息是十分重要和極其重要的，尤其是當采用生物信息學(xué)的分析得到其結(jié)構(gòu)功能域的信息后，將對研究思路的制定提供重要的指導(dǎo)信息［12，13］。

傳統(tǒng)生物學(xué)認為，蛋白質(zhì)的序列決定了它的結(jié)構(gòu)，也就決定了它的功能［14，15］。因此，隨著近10年來生物學(xué)分子序列信息的爆炸性增長，大大促進了各種序列分析和預(yù)測技術(shù)的發(fā)展，目前已經(jīng)可以用理論預(yù)測的方法獲得大量的結(jié)構(gòu)和功能信息，用生物信息學(xué)的方法，通過計算機模擬和計算來“預(yù)測”出未知蛋白質(zhì)信息或提供與之相關(guān)的輔助信息，可以用較低的成本和較快的時間就能獲得可靠的結(jié)果［16~18］。重組融合蛋白是通過DNA重組的方法，將功能上相關(guān)的兩種蛋白用連接肽連接，以達到優(yōu)化蛋白功能的目的，如免疫毒素和細胞因子融合蛋白，并已用于腫瘤治療。我們在構(gòu)建融合蛋白之后，運用生物信息學(xué)資源DNAssist核酸序列分析軟件分析ScFv-TNF-αDNA序列翻譯并獲得了氨基酸序列，蛋白質(zhì)分析軟件（ANTHEPROTV5）分析融合蛋白的二級結(jié)構(gòu)及其理化性質(zhì)。利用生物信息學(xué)網(wǎng)絡(luò)資源進行分析預(yù)測融合蛋白的性質(zhì)，為進一步探討單鏈雙功能抗體基因融合蛋白提供依據(jù)。構(gòu)建重組導(dǎo)向的融合蛋白［19］，通過重組PCR方法在編碼ScFv與TNF-α的堿基之間引入酶切位點，并克隆到逆轉(zhuǎn)錄病毒表達載體PLxSN上表達，用脂質(zhì)體轉(zhuǎn)染法轉(zhuǎn)染PA317包裝細胞，G418篩選10天后共挑選50個細胞集落，擴大培養(yǎng)后測定29個細胞集落的病毒滴度，篩選出一株cfu>1×109/L的感染性重組病毒產(chǎn)生細胞系C26。

【參考文獻】

1StrubeRW，ChenSY.Characterizationofanti-cyclinEsingle-chainFvantibodiesandintrabodiesinbreastcancercells：enhancedintracellularstabilityofnovelsFv-F(c)intrabodies.JImmunolMethodsK，2002，263(1-2)：149-167.

2KimEJ，ChoD，HwangSY，etal.Interleukin-2fusionproteinwithanti-CD3single-chainFv(sFv)selectivelyprotectsTcellsfromdexamethasone-inducedapoptosis.Vaccine，2001，20(3-4)：608-615.

3PengLS，PenichetML，DelaCruzJS，etal.Mechanismofantitumoractivityofasingle-chaininterleukin-12IgG3antibodyfusionprotein(mscIL-12.her2.IgG3).JInterferonCytokineRes，2001，21(9)：709-720.

4ScherfU，BenharI，WebberKO，etal.Cytotoxicandantitumoractivityofarecombinanttumornecrosisfactor-B1(Fv)fusionproteinonLeYantigen-expressinghumancancercells.ClinCancerRes，1996，2(9)：1523-1531.

5ChenP，ChenCQ，YaoLB，etal.ReconstructionandanalysisofaHumansmallmolecularantibodytotumornecrosisfactoralpha.ShengwuHuaxueYuShengwuWuliXuebao，2001，33(1)：71-76.

6WuestT，GerlachE，BanerjeeD，etal.TNF-Selectokine：anovelprodruggeneratedfortumortargetingandsite-specificactivationoftumornecrosisfactor.Oncogene，2002，21(27)：4257-4265.

7MaJ，LiZ，LuoD.Singlechainantibodyvaccinationinmiceagainsthumanovariancancerenhancedbymicrospheresandcytokines.JDrugTarget，2003，11(3)：169-176.

8BremerE，KuijlenJ，SamploniusD，etal.Targetcell-restrictedand-enhancedapoptosisinductionbyascFv：sTRAILfusionproteinwithspecificityforthepancarcinoma-associatedantigenEGP2.IntJCancer，2004，109(2)：281-290.

9TrevorKT，HershEM，BraileyJ，etal.TransductionofhumandendriticcellswitharecombinantmodifiedvacciniaAnkaravirusencodingMUC1andIL-2.CancerImmunolImmunother，2001，50(8)：397-407.

10NiethammerAG，XiangR，RuehlmannJM，etal.Targetedinterleukin2therapyenhancesprotectiveimmunityinducedbyanautologousoralDNAvaccineagainstmurinemelanoma.CancerRes，2001，61(16)：6178-6184.

11LiuX，ZhangL，ZhangM，etal.Co-modificationofIL-2-TNFalphafusiongeneandB7.1genetomurinebreasttumorcellsleadstoimprovedtumorrejectionandvaccineeffect.ChinMedJ(Engl)，2000，113(2)：167-171.

12張成崗，賀福初.生物信息學(xué)方法與實踐.北京：科學(xué)出版社，2002，126-136.

13黃韌，薛成.生物信息學(xué)網(wǎng)絡(luò)資源與應(yīng)用.廣州：中山大學(xué)出版社，2003，237-306.

14GuexN，PeitschMC.SWISS-MODELandtheSwiss-PdbViewer：Anenvironmentforcomparativeproteinmodelling.Electrophoresis，1997，18(15)：2714-2723.

15GuexN，DiemandA，PeitschMC.Proteinmodellingforall.TiBS，1999，24(9)：364-367.

16ClaverieJM.Effectivelarge-scalesequencesimilaritysearches.MethodsEnzymol，1996，266：212-227

putationalgeneidentification.JMolMed，1997，75(6)：389-393.