定 价：75 元 本教材已被 1 所学校申请过！
丛书名：生物信息学数据分析丛书
抱歉，本教材暂不参与当前样书赠送活动！
- 作者：薛庆中等编著
- 出版时间：2012/6/1
- ISBN：9787030345097
- 出 版 社：科学出版社
适用读者:基因组学、蛋白质组学、生物信息学感兴趣的本科生、研究生和研究人员
- 中图法分类：Q523
- 页码：356页
- 纸张：胶版纸
- 版次：1
- 开本：16K
- 字数：(单位：千字)
近年来新一代测序技术的研发和应用，极大地推动了基因组科学的发展，也给基因组数据分析带来巨大的新挑战。薛庆中等编著的《DNA和蛋白质序列数据分析工 具(第3版)》对前两版原有内容做了大量更新和补充，全书17章，分别从基因组学、蛋白质组学、系统生物学三个层次详细介绍了常用的基因数据库和网络工 具；为适应Windows 7的环境，将BioPerl程序包的数据分析做了重排使其更易操作。尤其是增添了新一代测序数据分析实例，包括SNVs和Indel识别、小RNA- seq分析、枯草杆菌全基因组序列拼接：并对Bowtie等读序列定位工具和UCSC浏览器的使用做介绍。 《DNA和蛋白质序列数据分析工具(第3版)》内容深入浅出、图文并茂。书中提及的各种方法均有充实的例证并附上相关数据和图表，供读者理解和参考；书后 还附有中英文的专业术语和词汇。可作为对基因组学、蛋白质组学、生物信息学感兴趣的本科生、研究生和研究人员学习、研究的重要工具手册。
更多科学出版社服务，请扫码获取。
薛庆中等编著的《DNA和蛋白质序列数据分析工具(第3版)》分8章。第1章阐述序列比较的核心方法，即运用BLAST和ClustalX等工具做序列比 对。第2章重点介绍了核苷酸序列分析工具，主要包括：基因预测、编码区结构分析、可变剪切分析、预测基因启动子等。第3章蛋白质氨基酸序列分析从搜索数据 库开始，随后对蛋白质基本理化性质、二级结构、结构域和三维空间结构、预测目标蛋白的生物功能等工具进行逐一介绍。第4章使用TM4软件可实现芯片的数据 采集，低质量过滤，标准化处理。第5章简介GeneOntology和KEGG数据库，将分别有助于挖掘基因和蛋白的功能及其代谢途径分析。第6章介绍分 子进化遗传分析工具包，用MEGA4绘制系统发生树，为研究基因进化打好基础。第7章利用X！Tandem软件鉴定蛋白质的串联质谱数据，再将质谱结果匹 配到蛋白质组数据库鉴定出蛋白，并借助TPP软件包进行统计学分析，优化检索结果。第8章介绍Cytoscape系统生物学分析软件，展示蛋白－蛋白相互 作用，并实现与基因表达等数据有机整合。书后附有专业词索引。
目录
第三版前言
第二版前言
第一版前言
第1章 序列比对工具BLAST和ClustaIX 1
1.1 BLAST搜索程序 1
1.2 本地运行BLAST（Windows系统） 13
1.3 多序列比对(C1ustalX) 17
参考文献 24
第2章 真核生物基因结构的预测 25
2.1 基因可读框的识别 25
2.2 CpG岛、转录终止信号和启动子区域的预测 26
2.3 基因密码子偏好性计算：CodonW的使用 31
2.4 采用mRNA序列预测基因：Spidey I佝使用 33
2.5 ASTD数据库简介 35
参考文献 39
第3章 电子克隆 40
3.1 种子序列的搜索 40
3.2 序列拼接 43
3.3 在水稻数据库中的电子延伸 46
3.4 电子克隆有关事项的讨论 49
参考文献 50
第4章 分子进化遗传分析工具(MEGA 5) 51
4.1 序列数据的获取和比对 51
4.2 进化距离的估计 56
4.3 分子钟假说的检验 58
4.4 系统进化树构建 60
参考文献 70
第5章 蛋白质结构与功能预测 71
5.1 蛋白质信息数据库 72
5.2 蛋白质一级结构分析 76
5.3 蛋白质一级结构预测 85
5.4 蛋白质家族和结构域 94
5.5 蛋白质三级结构预测 105
5.6 蛋白质结构可视化工具 113
参考文献 116
第6章 序列模体的识别和解析 118
6.1 MEME程序包 118
6.2 通过MEME识别DNA或蛋白质序列中模体 119
6.3 通过MAST搜索序列中的已知模体 122
6.4 通过GLAM2识别有卒位的模体 123
6.5 通过GLAM2SCAN搜索序列中的已知模体 126
6.6 应用TOMTOM与数据库中的已知模体进行比对 126
6.7 应用GOMO鉴定模体的功能 127
6.8 应用MCAST搜索基因表达调控模块 128
6.9 应用MEME ChIP发现DNA序列模体 129
6.10 应用SPAMO推测转录因子的结合位点 131
6.11 应用DREME发现短的正则表达模体 131
6.12 应用FIMO寻找数据库已知的模体 132
6.13 应用CentiMo寻找主要的富集模体 133
参考文献 134
第7章 蛩白质谱数据分析 136
7.1 生物质谱技术的基本原理 136
7.2 X!Tandem软件 140
7.3 Mascot软件 146
7.4 Sequest软件 151
7.5 蛋白质组学数据统计分析TPP软件 154
参考文献 162
第8章 基因芯片数据处理和分析 163
8.1 芯片数据的获取和处理 163
8.2 芯片数据聚类分析和差异表达基因筛选 168
8.3 GenMAPP芯片数据的可视化 173
8.4 通过GEO检索和提交芯片数据 177
8.5 应用DAVID工具对芯片数据功能注释和分类 179
参考文献 186
第9章 GO基因本体和KEGG代谢途径分析 1 87
9.1 Gene Ontology数据库 1 87
9.2 KEGG数据库 193
参考文献 206
第10章 系统生物学网络结构分析 207
10.1 Cytoscape软件简介 207
10.2 Cytoscape软件安装 208
10.3 Cytoscape基本操作 209
10.4 应用BiNGO插件进行基因注释 216
10.5 应用BioQuali插件进行基因表达分析 218
10.6 应用Agilent Literature Search插件进行文献搜索 221
10.7 链接BOND数据库做网络分析 223
10.8 应用插件Cytoprophet预测潜在蛋白和结构域的相互作用 227
参考文献 232
第11章 Bioperl模块数据分析及其安装 233
11.1 概述 233
11.2 Bioperl重要模块简介和脚本实例 234
11.3 Bioperl安装 253
参考文献 265
第12章 读序列( reads)定位软件Bowtie 266
12.1 Bowtie特性 266
12.2 Burrows Wheeler (BW)转换程序 266
12.3 不要求精确的比对搜索 267
12.4 回溯过量表达 268
12.5 阶段搜索 269
12.6 Bowtie的输出格式 270
参考文献 272
第13章 UCSC基因组浏览器 273
13.1 基因分类器(Gene sorter)工具 273
13.2 基因组浏览器(Genome Browser) 276
13.3 蛋白质组浏览器(Proteome Browser) 281
13.4 表浏览器(Table Browser) 283
参考文献 284
第14章 SNVs和Indel识别分析方法及工具 285
14.1 Bowtie工具 285
14.2 samtools软件包 287
14.3 识别单核苷酸多态性(SNP) 289
14.4 寻找同义突变和非同义突变 291
14.5 发现读框内插入缺失（in frame indel） 294
14.6 发现其他类型的突变 295
参考文献 296
第15章 小RNA高通量测序数据分析 297
15.1 数据分析流程 297
15.2 Rfam数据库 300
15.3 miRBase数据库 303
15.4 应用mfold预测RNA二级结构 305
15.5 应用miRAlign搜索miRNA 307
15.6 应用TargetScan预测miRNA的靶基因 308
参考文献 310
第16章 RNA测序(RNA Seq)分析 311
16.1 TopHat的分析流程 311
16.2 转录组读序列比对 312
16.3 获得基因表达谱及转录物表达谱 314
16.4 差异表达基因鉴定及注释 317
16.5 SNPs/SNVs及InDels鉴定与注释 320
16.6 选择性剪切(alternative splicing)签定 321
16.7 TopHat应用实例 322
参考文献 323
第17章 全基因组序列拼接的流程和方法 325
17.1 实例数据的获取 325
17.2 短读序列数据作图到参考基因组 326
17.3 将短读序列数据从头拼接成染色体骨架 328
17.4 大规模染色体骨架拼接 329
17.5 草图和实验物理图谱间的比较 330
参考文献 333
英汉对照词汇 334
英文索引 348
中文索引 354
第1章 序列比对工具BLAST 和ClustalX
骆迎峰 丁文超 程尹 陈辰 薛庆中
序列比对是基因组学研究的核心手段之一，从测序拼接到基因表达分析都需要将未知序列和数据库中的已知序列进行相似性比较。序列比对工具很多，其中以基本局部比对搜索工具（BLAST，basic local alignment search tool）最为常用。生物不同基因的DNA 序列或氨基酸序列通过比对，可以在相应数据库中找到相同或相似序列。本章主要介绍美国国家生物技术信息中心（The National Center for Biotechnology Information，NCBI）数据库提供的BLAST搜索在线服务及本地运行程序，用户可以通过提交核苷酸或蛋白质序列，并选择所要比较的NCBI 序列数据库，进行序列相似性（Sequence similarity）搜索。本章还将介绍多序列比对工具ClustalX的使用方法，以便预测基因的功能，探索物种的亲缘关系及其进化。
1.1 BLAST 搜索程序
NCBI 的BLAST搜索程序（http://www.ncbi.nlm.nih.gov/blast/Blast.cgi）下设3 个部分（图1.1）：用BLAST 拼接的参考基因组（BLAST Assembled RefSeq Genome）、基础的BLAST（Basic BLAST）、特殊的BLAST（Specialized BLAST）
1.1.1 用BLAST拼接的参考基因组
在做BLAST搜索前，用户可根据自己的需求，选择与某个特定物种（special genome） 基因组数据库或所有拼接的基因组参考序列数据库BLAST。如选择后者，点击list all genomic BLAST databases 后，从图1.2 可知目前正在测序或已完成测序的物种及其数量，包括：脊椎动物（Vertebrates）26 种、无脊椎动物（Invertebrates）16 种、原生动物（Protozoa）18 种、植物（Plants）47 种、真菌（Fungi）17 种。
1.1.2 基础的BLAST
确定了相应的数据库，接下来是选择搜索方法。表1.1 列出了BLAST 家族的5 个子程序及其查询序列、数据库、搜索方法。子程序nucleotide blast（blastn）和protein blast（blastp）最为常用，使用也较简便，可以直接进行比对，搜索时只需将查询序列粘贴到搜索框中，点击BLAST 即可完成。其中，blastn 用来发现高分值匹配的核酸序列，而blastp 能发现氨基酸残基的相似性和找到其同源蛋白。
与前两个子程序相比，后三个子程序（blastx、tblastn 和tblastx）搜索过程较为复杂，在比对前需要先经过“翻译”。例如，运行blastx 需先将查询序列翻译成蛋白质序列，tblastn 需将核酸数据库中的序列翻译成蛋白质序列，而tblastx 需对查询序列和数据库中的核酸序列都进行翻译。现以blastx 为例（图1.3），说明核苷酸序列翻译后可能生成6 种蛋白质序列。
假设目标序列为ATG AGT ACC GCT AAA TTA GTT AAA TCA AAA GCG ACC AAT CTG CTT TAT ACC CGC，理论上此核苷酸序列翻译时，可以分别从查询序列的正向链或反向互补链的1、2、3 相位起始。
正向链（5′→3′端）
（1）第一位起始：ATG AGT ACC GCT AAA TTA GTT AAA TCA AAA GCGACC AAT CTG CTT TAT ACC CGC
（2）第二位起始：TG AGT ACC GCT AAA TTA GTT AAA TCA AAA GCGACC AAT CTG CTT TAT ACC CGC
（3）第三位起始：G AGT ACC GCT AAA TTA GTT AAA TCA AAA GCG ACCAAT CTG CTT TAT ACC CGC
反向链（3′→5′端）
（4）第一位起始：GCG GGT ATA AAG CAG ATT GGT CGC TTT TGA TTTAAC TAA TTT AGC GGT ACT CAT
（5）第二位起始：CG GGT ATA AAG CAG ATT GGT CGC TTT TGA TTTAAC TAA TTT AGC GGT ACT CAT
（6）第三位起始：G GGT ATA AAG CAG ATT GGT CGC TTT TGA TTT AACTAA TTT AGC GGT ACT CAT
上述目标序列翻译后便会产生相应的6 个不同相位的氨基酸序列：
（1）M S T A K L V K S K A T N L L Y T R
（2）― V P L N ― L N Q K R P I C F I P
（3）E Y R ― I S ― I K S D Q S A L Y P
（4）A G I K Q I G R F ― F N ― F S G T H
（5）R V ― S R L V A F D L T N L A V L
（6）G Y K A D W S L L I ― L I ― R Y S
结果如图1.4 所示（注：“―”为终止子）。
通过blastx 程序比对，将匹配分值最高的序列视为最有可能表达的靶标核苷酸序列。本例最佳比对为MSTAKLVKSKATNLLYTR（图1.5），暗示该序列是从正向第一位起始翻译，由此说明，blastx 子程序在编码区分析时，可对相位的确定起一定作用。
1.1.2 网上blastx 比对工具
在BLAST主界面点击“blastx”（图1.1），进入序列提交界面（图1.6）。该界面由输入查询序列（Enter Query Sequence）、搜索设置选项（Choose Search Set）和算法参数设置（Algorithm Parameters）（图1.7）三部分组成。
（1） 输入查询序列：用户可以在提交框中直接输入NCBI 数据库GI 号（每行1个号），或粘贴序列；也可以点击“浏览”（Browse）按钮上传保存在本地的fasta格式序列文件。网上运行BLAST服务允许选择比对两条或多条序列（Align two or more sequences）。此时，比对序列必须采用fasta 格式。为方便管理，用户可以为BLAST 搜索任务命名（Job Title）。在本例中，填入的fasta 格式序列名称是“lesson.seq.screen.Contig34”，相应地，搜索任务名称自动变为“lesson.seq.screen.Contig34” （图1.6）。若提交的是单条fasta 格式序列，默认搜索任务就是该序列名称。
（2） 搜索设置：本例选择的数据库（Database）为默认的非冗余蛋白库（nr）。物种（Organism）选择填入“human”；密码子表（Genetic code）采用默认标准密码子。在“Entrez Query” 中可选择使用布尔表达式（Boolean expression）。
（3）算法参数设置：
a） 通用的参数（General Parameters）设置包括：最多靶序列数（Max target）和期望阈值（Expect threshold，简称E值）、搜索词大小（Word size）、查询区域最多匹配数（Max matches in a query range）。E 值表示在数据库搜索时与期望值随机匹配的可能性，E＝1 表示匹配是随机产生的；反之，E＝0 表示匹配不是随机产生的，由此可见，设置的E 值越小，置信度就越高（图1.7）。
b）记分参数：蛋白质序列相似性通常采用突变数据（mutation data，MD）和BLOSUM 两种矩阵估算。突变数据基于可接受点突变（point accepted mutation，PAM）值。PAM1 表示一个进化变异单位, 即有1％的氨基酸变异。常用的矩阵PAM250 相似性记分值相当于两个序列间保留20％匹配。在测定远距离序列相关性时可采用BLOSUM 矩阵，BLOSUM 值表示相同序列的百分比（如常用的BLOSUM62 表示比对结果中至少有62％的氨基酸相同）。对于相似性较高序列的比对，一般选择较低的PAM 值或较高的BLOSUM 值，反之亦然。为补偿插入与缺失对序列相似性的影响，通常采用空位开放罚分（gap opening penalty）和空位延伸罚分（gap extension penalty）。一个长度为n的空位，罚分数=空位开放罚分+空位延伸罚分×n。每个记分矩阵都有默认的空位罚分值。本例采用默认选项。
c） 过滤（Filter）和屏蔽（Mask）：通常需对低复杂性区域序列进行过滤，使其不参与显著性统计。设置屏蔽查询种子序列只用于扫描数据库，不能用于扩展。屏蔽fasta 格式中的小写字母。搜索选项设置完成后，点击“BLAST”即可运行搜索。
blastx运行后，服务器会自动以网页形式返回结果，其中包括比对上的序列、相似性程度及显著性水平等信息，如图1.8所示。
精品教材 更多
