生物信息学在污水处理的应用

A. 应用R语言做生物信息学分析，需要学哪些东西

R可以完成： 1、处理一些简单的有格式的文本数据，包括矩阵等 2、画一些简单的统计图，比如直方图，箱线图等 3、分析一些专门的数据，比如芯片数据，RNA-seq数据等 4、画一些专业的图，比如热图之类的

B. 生物信息学有哪些经典的应用实例

这是我刚开始学习perl的时候写的一个应用bioperl做本地blast的脚本，希望有点帮助

#!/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. 生物信息学有哪些方面的应用

1,测序与序列比对(Sequence Alignment)
测序是生物信息学的基础和主要数据来源，可以是人类数据也可以是其他的数据。序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性.从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列.在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等.两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效.因此,启发式方法的引入势在必然,著名的BALST和FASTA算法及相应的改进方法均是从此前提出发的.

2, 蛋白质结构比对和预测

基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性.蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似.蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等.氨基酸的序列内在的决定了蛋白质的3维结构.一般认为,蛋白质有四级不同的结构.研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成.直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息.蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释.从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构.同源建模(homology modeling)和指认(Threading)方法属于这一范畴.同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构.然而,蛋白结构预测研究现状还远远不能满足实际需要.
3, 基因识别,非编码区分析研究.

基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置.非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制.显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中.分析非编码区DNA序列目前没有一般性的指导方法.在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等.

4, 分子进化和比较基因组学

分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树.既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性.通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的.早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据.近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化.在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因.这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现.
5, 序列重叠群(Contigs)装配
根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短枪(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs).逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配.从算法层次来看,序列的重叠群是一个NP-完全问题.
6, 遗传密码的起源
通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今.不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码.随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材.

7, 基于结构的药物设计
人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗.基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域.为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物.这一领域目的是发现新的基因药物,有着巨大的经济效益.
8.生物系统的建模和仿真
随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。
9.生物信息学技术方法的研究
生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。
10, 生物图像
没有血缘关系的人，为什么长得那么像呢？
外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？
有什么生物学基础？基因是不是相似？我不知道，希望专家解答。
11, 其他
如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法.从现在的发展不难看出,基因工程已经进入了后基因组时代.我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识.

D. 生物信息学在医学领域都有哪些具体应用

基因组测序，基因工程和蛋白质工程中数据库的构建与运用等等，反正有关数据的都可以

E. 生物信息学在功能基因组学方面有哪些应用

生物信息学在功能基因组学方面有哪些应用
我觉得生物信息学的主要功能就是通过各种算法，统计方法，以及计算机技术从庞大的生物信息比如基因组信息，蛋白质组学信息中提供一些有用的，更加可能的候选基因或者蛋白等功后续的实验人员进行实验分析。

F. 生物信息学在科学研究中的作用

生物信息在生物学研究上的应用主要包括在基因组学研究上的应用和在蛋白质组学研究中的应用。

1、在基因组学研究中的应用

基因组（genome）表示一个生物体所有的遗传信息的总和。一个生物体基因所包含的信息决定了该生物体的生长发育、繁殖和消亡等所有生命现象。

有关基因组的研究称为基因组学（Genomics），基因组学根据研究重点的不同分为序列基因组学（Sequence genomics）、结构基因组学（Structural genomics）、功能基因组学（Functional genomics）与比较基因组学（Comparative genomics）

2、在蛋白质组学的研究中的应用

在20世纪中后期，随着DNA双螺旋结构的提出和蛋白质空间结构的解析，生生命科学的研究进入了分子生物学时代，而遗传信息载体DNA和生命功能的体现者蛋白质的研究，成为了其主要内容。

90年代初期启动的庞大的人类基因组计划，已经取得巨大的成在20世纪中后期，随着DA双螺旋结构的提出和蛋白质空间结构的解析，生生命科学的研就，人类基因组序列草图绘制完成后，生命科学研究跨入了后基因组时代。

然而，人们清醒地识到基因仅是遗传信息的载体，而生命活动的执行者是基因的表达产物一蛋白质，它是生命现象复杂性和多变性的直接体现者。

(6)生物信息学在污水处理的应用扩展阅读：

概括来说，现代生物信息学是以核酸和蛋白质等生物大分子数据库及其相关的图书、文献、资料为主要对象，以数学、信息学、计算机科学为主要手段，对浩如烟海的原始数据和原始资料进行存储、管理、注释、加工，使之成为具有明确生物意义的生物信息。

并通过对生物信息的查询、搜索、比较、分析，从中获得基因的编码、凋控、遗传、突变等知识；研究核酸和蛋白质等生物大分子的结构、功能及其相互关系；研究它们在生物体内的物质代谢能量转移、信息传导等生命活动中的作用机制。

G. 使用生物技术方法的废水处理

生物强化技术的主要特点 生物强化技术是一种利用生物治理废水的高效技术,在废水治理中具有广阔的应用前景。与传统的活性污泥法相比，生物强化技术更体现出易于操作、针对性强等优点，这种废水处理技术主要研究并投放特殊菌种进入污水，通过其新陈代谢，将分解并吸收废水中的一些物质，净化污水，具有明显的低成本、高效率等特点，所以在近期成为废水处理领域的重要研究方向。 首先来看其技术原理。所谓生物强化技术，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强生物力量，并对污水等特定环境或特殊污染物加以反应。按投入菌种与底质之间的不同作用，可分为直接作用与共代谢作用两种方式。 其中，直接作用是以驯化、筛选、诱变、基因重组等一系列关键技术的实施，获得一批以污水为主要能源的微生物，然后复制投入一定数量，对目标物质进行降解，达到去除污染的目标，这种技术方法使用的菌株大多通过质粒育种和基因工程获取。共代谢作用则是针对废水中的一些有害物质，在一定条件下降解，改变其化学结构，从而降低物质的有害性，主要包括菌株通过新陈代谢将二级基质共同氧化、不同微生物之间的协同作用、休眠细胞对污染物降解等三种类型。这三种类型所采取的原理有所不同，例如不同微生物协同，是因为有些污染物的降解必须以两种甚至多种微生物共同作用才能完成，通过几种微生物的交替作用，微生物制造氧化物，然后氧化物再被另一种微生物降解，多次作用后彻底消除污染物。再如休眠细胞降解，由于处于休眠状态的微生物在含有不同有机物的污水中会产生不同的酶，在一定条件下可以相互作用，降解废水中的不同有机物。 其次来看其应用。生物强化技术作用用于焦化废水、印染废水和制药废水等几个领域。焦化废水因成分复杂，无机物和有机物的种类多，被列为难以降解工业废水，一般通过投放高效菌种，以固定化、高效降解微生物法等强化技术来进行处理。而印染废水中的有机物含量非常大，以前采用生物膜法来处理，无法有效去除其中的有机物，通过应用高效脱氧色菌和pva降解菌，加快生物膜的形成速度，稳定性好，效率高。对于制药废水，近年通常以混合菌种加以处理，并得到广泛推广。因为混合菌比单一菌种具备更强的降解能力，降解速度和降解效率明显提升，并且在稳定性和抑制其他杂菌生长等方面有大幅改善，这些特性单靠单一菌种根本无法完成。 总的说来，由于成本低廉、操作简单、效率较高，生物技术在污水处理领域不断得到推广，并取得显著效果。随着对生物膜法和生物强化等生物技术的深入研究，发展出越来越多污水处理技术，成本降低和效益提升日渐突出，我们只有不断吸收国际上先进的生物技术信息，勇于创新，敢于实践，才能逐渐提高国内污水处理的系统性水平

H. 生物信息学可以应用在那些方面

对实验数据分析，确定生物学意义 以及信息的获取和管理

I. 生物信息学有哪些方面的应用

生物信息学是一门利用计算机技术研究生物系统之规律的学科。
目前的生物信息学基本上只是分子生物学与信息技术（尤其是因特网技术）的结合体。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。
生物信息学的主要研究方向： 基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，1989年在美国举办生物化学系统论与生物数学的计算机模型国际会议，生物信息学发展到了计算生物学、计算系统生物学的时代。
生物信息学目前主要应用于：
1,序列比对；
2, 蛋白质结构比对和预测；
3, 基因识别,非编码区分析研究.；
4, 分子进化和比较基因组学；
5, 序列重叠群(Contigs)装配；
6, 遗传密码的起源；
7, 基于结构的药物设计；
8.生物系统的建模和仿真；
9.生物信息学技术方法的研究；
10, 生物图像；
如果你有意献身于科研事业，为人类未来的发展做出自己的贡献，这门学科还是有很大的发展前景的，如果想毕业找工作，估计会很难