生物信息學在污水處理的應用

A. 應用R語言做生物信息學分析，需要學哪些東西

R可以完成： 1、處理一些簡單的有格式的文本數據，包括矩陣等 2、畫一些簡單的統計圖，比如直方圖，箱線圖等 3、分析一些專門的數據，比如晶元數據，RNA-seq數據等 4、畫一些專業的圖，比如熱圖之類的

B. 生物信息學有哪些經典的應用實例

這是我剛開始學習perl的時候寫的一個應用bioperl做本地blast的腳本，希望有點幫助

#!/usr/bin/perl -w
use strict;
use Bio::SearchIO;
use Bio::Tools::Run::StandAloneBlast;

my $filein=shift;

open OUT,">test.out" or die "$!";
my @para=(program=>'blastn',database=>"hg18/chr1.fa",expect=>1e-10);

my $blast=Bio::Tools::Run::StandAloneBlast->new(@para);

my $str = Bio::SeqIO->new(-file=>$filein,-format =>'fasta');
while (my $input = $str->next_seq())
{
my $id=$input->display_id();
my $len=$input->length();
my $report=$blast->blastall($input);
#print "$report\n";
while(my $result=$report->next_result)
{
while(my $hit = $result->next_hit)
{
while(my $hsp = $hit->next_hsp)
{
next if($hsp->percent_identity<85);
next if($hsp->length('total')<300);
#next if($hsp->hit->strand eq $hsp->query->strand);
print OUT $id,"\t",$hit->name,"\t",$hsp->length('total'),"\t",$hsp->hit->strand,"/",$hsp->query->strand,"\t",$hsp->hit->start,"\t",$hsp->hit->end,"\t",$hsp->query->start,"\t",$hsp->query->end,"\t",$hsp->percent_identity,"\t",$hsp->evalue,"\n";
}
}
}
}

close OUT;

C. 生物信息學有哪些方面的應用

1,測序與序列比對(Sequence Alignment)
測序是生物信息學的基礎和主要數據來源，可以是人類數據也可以是其他的數據。序列比對的基本問題是比較兩個或兩個以上符號序列的相似性或不相似性.從生物學的初衷來看,這一問題包含了以下幾個意義:從相互重疊的序列片斷中重構DNA的完整序列.在各種試驗條件下從探測數據(probe data)中決定物理和基因圖存貯,遍歷和比較資料庫中的DNA序列比較兩個或多個序列的相似性在資料庫中搜索相關序列和子序列尋找核苷酸(nucleotides)的連續產生模式找出蛋白質和DNA序列中的信息成分序列比對考慮了DNA序列的生物學特性,如序列局部發生的插入,刪除(前兩種簡稱為indel)和替代,序列的目標函數獲得序列之間突變集最小距離加權和或最大相似性和,對齊的方法包括全局對齊,局部對齊,代溝懲罰等.兩個序列比對常採用動態規劃演算法,這種演算法在序列長度較小時適用,然而對於海量基因序列(如人的DNA序列高達109bp),這一方法就不太適用,甚至採用演算法復雜性為線性的也難以奏效.因此,啟發式方法的引入勢在必然,著名的BALST和FASTA演算法及相應的改進方法均是從此前提出發的.

2, 蛋白質結構比對和預測

基本問題是比較兩個或兩個以上蛋白質分子空間結構的相似性或不相似性.蛋白質的結構與功能是密切相關的,一般認為,具有相似功能的蛋白質結構一般相似.蛋白質是由氨基酸組成的長鏈,長度從50到1000~3000AA(Amino Acids),蛋白質具有多種功能,如酶,物質的存貯和運輸,信號傳遞,抗體等等.氨基酸的序列內在的決定了蛋白質的3維結構.一般認為,蛋白質有四級不同的結構.研究蛋白質結構和預測的理由是:醫葯上可以理解生物的功能,尋找dockingdrugs的目標,農業上獲得更好的農作物的基因工程,工業上有利用酶的合成.直接對蛋白質結構進行比對的原因是由於蛋白質的3維結構比其一級結構在進化中更穩定的保留,同時也包含了較AA序列更多的信息.蛋白質3維結構研究的前提假設是內在的氨基酸序列與3維結構一一對應(不一定全真),物理上可用最小能量來解釋.從觀察和總結已知結構的蛋白質結構規律出發來預測未知蛋白質的結構.同源建模(homology modeling)和指認(Threading)方法屬於這一范疇.同源建模用於尋找具有高度相似性的蛋白質結構(超過30%氨基酸相同),後者則用於比較進化族中不同的蛋白質結構.然而,蛋白結構預測研究現狀還遠遠不能滿足實際需要.
3, 基因識別,非編碼區分析研究.

基因識別的基本問題是給定基因組序列後,正確識別基因的范圍和在基因組序列中的精確位置.非編碼區由內含子組成(introns),一般在形成蛋白質後被丟棄,但從實驗中,如果去除非編碼區,又不能完成基因的復制.顯然,DNA序列作為一種遺傳語言,既包含在編碼區,又隱含在非編碼序列中.分析非編碼區DNA序列目前沒有一般性的指導方法.在人類基因組中,並非所有的序列均被編碼,即是某種蛋白質的模板,已完成編碼部分僅占人類基因總序列的3~5%,顯然,手工的搜索如此大的基因序列是難以想像的.偵測密碼區的方法包括測量密碼區密碼子(codon)的頻率,一階和二階馬爾可夫鏈,ORF(Open Reading Frames),啟動子(promoter)識別,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等.

4, 分子進化和比較基因組學

分子進化是利用不同物種中同一基因序列的異同來研究生物的進化,構建進化樹.既可以用DNA序列也可以用其編碼的氨基酸序列來做,甚至於可通過相關蛋白質的結構比對來研究分子進化,其前提假定是相似種族在基因上具有相似性.通過比較可以在基因組層面上發現哪些是不同種族中共同的,哪些是不同的.早期研究方法常採用外在的因素,如大小,膚色,肢體的數量等等作為進化的依據.近年來較多模式生物基因組測序任務的完成,人們可從整個基因組的角度來研究分子進化.在匹配不同種族的基因時,一般須處理三種情況:Orthologous: 不同種族,相同功能的基因；Paralogous: 相同種族,不同功能的基因；Xenologs: 有機體間採用其他方式傳遞的基因,如被病毒注入的基因.這一領域常採用的方法是構造進化樹,通過基於特徵(即DNA序列或蛋白質中的氨基酸的鹼基的特定位置)和基於距離(對齊的分數)的方法和一些傳統的聚類方法(如UPGMA)來實現.
5, 序列重疊群(Contigs)裝配
根據現行的測序技術,每次反應只能測出500 或更多一些鹼基對的序列,如人類基因的測量就採用了短槍(shortgun)方法,這就要求把大量的較短的序列全體構成了重疊群(Contigs).逐步把它們拼接起來形成序列更長的重疊群,直至得到完整序列的過程稱為重疊群裝配.從演算法層次來看,序列的重疊群是一個NP-完全問題.
6, 遺傳密碼的起源
通常對遺傳密碼的研究認為,密碼子與氨基酸之間的關系是生物進化歷史上一次偶然的事件而造成的,並被固定在現代生物的共同祖先里,一直延續至今.不同於這種"凍結"理論,有人曾分別提出過選擇優化,化學和歷史等三種學說來解釋遺傳密碼.隨著各種生物基因組測序任務的完成,為研究遺傳密碼的起源和檢驗上述理論的真偽提供了新的素材.

7, 基於結構的葯物設計
人類基因工程的目的之一是要了解人體內約10萬種蛋白質的結構,功能,相互作用以及與各種人類疾病之間的關系,尋求各種治療和預防方法,包括葯物治療.基於生物大分子結構及小分子結構的葯物設計是生物信息學中的極為重要的研究領域.為了抑制某些酶或蛋白質的活性,在已知其蛋白質3級結構的基礎上,可以利用分子對齊演算法,在計算機上設計抑制劑分子,作為候選葯物.這一領域目的是發現新的基因葯物,有著巨大的經濟效益.
8.生物系統的建模和模擬
隨著大規模實驗技術的發展和數據累積，從全局和系統水平研究和分析生物學系統，揭示其發展規律已經成為後基因組時代的另外一個研究 熱點-系統生物學。目前來看，其研究內容包括生物系統的模擬（Curr Opin Rheumatol，2007，463-70），系統穩定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系統魯棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）為代表的建模語言在迅速發展之中，以布爾網路 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、隨機過程（Neural Comput，2007，3262-92）、離散動態事件系統等（Bioinformatics，2007，336-43）方法在系統分析中已經得到應 用。很多模型的建立借鑒了電路和其它物理系統建模的方法，很多研究試圖從信息流、熵和能量流等宏觀分析思想來解決系統的復雜性問題（Anal Quant Cytol Histol，2007，296-308）。當然，建立生物系統的理論模型還需要很長時間的努力，現在實驗觀測數據雖然在海量增加，但是生物系統的模型辨 識所需要的數據遠遠超過了目前數據的產出能力。例如，對於時間序列的晶元數據，采樣點的數量還不足以使用傳統的時間序列建模方法，巨大的實驗代價是目前系 統建模主要困難。系統描述和建模方法也需要開創性的發展。
9.生物信息學技術方法的研究
生物信息學不僅僅是生物學知識的簡單整理和、數學、物理學、信息科學等學科知識的簡單應用。海量數據和復雜的背景導致機器學習、統 計數據分析和系統描述等方法需要在生物信息學所面臨的背景之中迅速發展。巨大的計算量、復雜的雜訊模式、海量的時變數據給傳統的統計分析帶來了巨大的困難， 需要像非參數統計（BMC Bioinformatics，2007，339）、聚類分析（Qual Life Res，2007，1655-63）等更加靈活的數據分析技術。高維數據的分析需要偏最小二乘（partial least squares，PLS）等特徵空間的壓縮技術。在計算機演算法的開發中，需要充分考慮演算法的時間和空間復雜度，使用並行計算、網格計算等技術來拓展演算法的 可實現性。
10, 生物圖像
沒有血緣關系的人，為什麼長得那麼像呢？
外貌是像點組成的，像點愈重合兩人長得愈像，那兩個沒有血緣關系的人像點為什麼重合？
有什麼生物學基礎？基因是不是相似？我不知道，希望專家解答。
11, 其他
如基因表達譜分析,代謝網路分析;基因晶元設計和蛋白質組學數據分析等,逐漸成為生物信息學中新興的重要研究領域;在學科方面,由生物信息學衍生的學科包括結構基因組學,功能基因組學,比較基因組學,蛋白質學,葯物基因組學,中葯基因組學,腫瘤基因組學,分子流行病學和環境基因組學,成為系統生物學的重要研究方法.從現在的發展不難看出,基因工程已經進入了後基因組時代.我們也有應對與生物信息學密切相關的如機器學習,和數學中可能存在的誤導有一個清楚的認識.

D. 生物信息學在醫學領域都有哪些具體應用

基因組測序，基因工程和蛋白質工程中資料庫的構建與運用等等，反正有關數據的都可以

E. 生物信息學在功能基因組學方面有哪些應用

生物信息學在功能基因組學方面有哪些應用
我覺得生物信息學的主要功能就是通過各種演算法，統計方法，以及計算機技術從龐大的生物信息比如基因組信息，蛋白質組學信息中提供一些有用的，更加可能的候選基因或者蛋白等功後續的實驗人員進行實驗分析。

F. 生物信息學在科學研究中的作用

生物信息在生物學研究上的應用主要包括在基因組學研究上的應用和在蛋白質組學研究中的應用。

1、在基因組學研究中的應用

基因組（genome）表示一個生物體所有的遺傳信息的總和。一個生物體基因所包含的信息決定了該生物體的生長發育、繁殖和消亡等所有生命現象。

有關基因組的研究稱為基因組學（Genomics），基因組學根據研究重點的不同分為序列基因組學（Sequence genomics）、結構基因組學（Structural genomics）、功能基因組學（Functional genomics）與比較基因組學（Comparative genomics）

2、在蛋白質組學的研究中的應用

在20世紀中後期，隨著DNA雙螺旋結構的提出和蛋白質空間結構的解析，生生命科學的研究進入了分子生物學時代，而遺傳信息載體DNA和生命功能的體現者蛋白質的研究，成為了其主要內容。

90年代初期啟動的龐大的人類基因組計劃，已經取得巨大的成在20世紀中後期，隨著DA雙螺旋結構的提出和蛋白質空間結構的解析，生生命科學的研就，人類基因組序列草圖繪制完成後，生命科學研究跨入了後基因組時代。

然而，人們清醒地識到基因僅是遺傳信息的載體，而生命活動的執行者是基因的表達產物一蛋白質，它是生命現象復雜性和多變性的直接體現者。

(6)生物信息學在污水處理的應用擴展閱讀：

概括來說，現代生物信息學是以核酸和蛋白質等生物大分子資料庫及其相關的圖書、文獻、資料為主要對象，以數學、信息學、計算機科學為主要手段，對浩如煙海的原始數據和原始資料進行存儲、管理、注釋、加工，使之成為具有明確生物意義的生物信息。

並通過對生物信息的查詢、搜索、比較、分析，從中獲得基因的編碼、凋控、遺傳、突變等知識；研究核酸和蛋白質等生物大分子的結構、功能及其相互關系；研究它們在生物體內的物質代謝能量轉移、信息傳導等生命活動中的作用機制。

G. 使用生物技術方法的廢水處理

生物強化技術的主要特點 生物強化技術是一種利用生物治理廢水的高效技術,在廢水治理中具有廣闊的應用前景。與傳統的活性污泥法相比，生物強化技術更體現出易於操作、針對性強等優點，這種廢水處理技術主要研究並投放特殊菌種進入污水，通過其新陳代謝，將分解並吸收廢水中的一些物質，凈化污水，具有明顯的低成本、高效率等特點，所以在近期成為廢水處理領域的重要研究方向。 首先來看其技術原理。所謂生物強化技術，就是以生物制住生物，以菌制菌，向自然菌群中投入特殊的微生物以增強生物力量，並對污水等特定環境或特殊污染物加以反應。按投入菌種與底質之間的不同作用，可分為直接作用與共代謝作用兩種方式。 其中，直接作用是以馴化、篩選、誘變、基因重組等一系列關鍵技術的實施，獲得一批以污水為主要能源的微生物，然後復制投入一定數量，對目標物質進行降解，達到去除污染的目標，這種技術方法使用的菌株大多通過質粒育種和基因工程獲取。共代謝作用則是針對廢水中的一些有害物質，在一定條件下降解，改變其化學結構，從而降低物質的有害性，主要包括菌株通過新陳代謝將二級基質共同氧化、不同微生物之間的協同作用、休眠細胞對污染物降解等三種類型。這三種類型所採取的原理有所不同，例如不同微生物協同，是因為有些污染物的降解必須以兩種甚至多種微生物共同作用才能完成，通過幾種微生物的交替作用，微生物製造氧化物，然後氧化物再被另一種微生物降解，多次作用後徹底消除污染物。再如休眠細胞降解，由於處於休眠狀態的微生物在含有不同有機物的污水中會產生不同的酶，在一定條件下可以相互作用，降解廢水中的不同有機物。 其次來看其應用。生物強化技術作用用於焦化廢水、印染廢水和制葯廢水等幾個領域。焦化廢水因成分復雜，無機物和有機物的種類多，被列為難以降解工業廢水，一般通過投放高效菌種，以固定化、高效降解微生物法等強化技術來進行處理。而印染廢水中的有機物含量非常大，以前採用生物膜法來處理，無法有效去除其中的有機物，通過應用高效脫氧色菌和pva降解菌，加快生物膜的形成速度，穩定性好，效率高。對於制葯廢水，近年通常以混合菌種加以處理，並得到廣泛推廣。因為混合菌比單一菌種具備更強的降解能力，降解速度和降解效率明顯提升，並且在穩定性和抑制其他雜菌生長等方面有大幅改善，這些特性單靠單一菌種根本無法完成。 總的說來，由於成本低廉、操作簡單、效率較高，生物技術在污水處理領域不斷得到推廣，並取得顯著效果。隨著對生物膜法和生物強化等生物技術的深入研究，發展出越來越多污水處理技術，成本降低和效益提升日漸突出，我們只有不斷吸收國際上先進的生物技術信息，勇於創新，敢於實踐，才能逐漸提高國內污水處理的系統性水平

H. 生物信息學可以應用在那些方面

對實驗數據分析，確定生物學意義 以及信息的獲取和管理

I. 生物信息學有哪些方面的應用

生物信息學是一門利用計算機技術研究生物系統之規律的學科。
目前的生物信息學基本上只是分子生物學與信息技術（尤其是網際網路技術）的結合體。生物信息學的研究材料和結果就是各種各樣的生物學數據，其研究工具是計算機，研究方法包括對生物學數據的搜索（收集和篩選）、處理（編輯、整理、管理和顯示）及利用（計算、模擬）。
生物信息學的主要研究方向： 基因組學 - 蛋白質組學 - 系統生物學 - 比較基因組學，1989年在美國舉辦生物化學系統論與生物數學的計算機模型國際會議，生物信息學發展到了計算生物學、計算系統生物學的時代。
生物信息學目前主要應用於：
1,序列比對；
2, 蛋白質結構比對和預測；
3, 基因識別,非編碼區分析研究.；
4, 分子進化和比較基因組學；
5, 序列重疊群(Contigs)裝配；
6, 遺傳密碼的起源；
7, 基於結構的葯物設計；
8.生物系統的建模和模擬；
9.生物信息學技術方法的研究；
10, 生物圖像；
如果你有意獻身於科研事業，為人類未來的發展做出自己的貢獻，這門學科還是有很大的發展前景的，如果想畢業找工作，估計會很難