Bioinforma.pdfVIP

生 物 信 息 学 研 究 报 告 张 军 平 中国科学院人工智能实验室，100080 Email:junping.zhang@ 摘要：本文简要介绍了生物信息学及其分子生物学的发展简史，讨论了生物信息 学的几个主要研究方向，指出了生物信息学与机器学习之间的关系及相关算法， 并探讨了在数学基础上可能存在的误区以及现有几种主流理论的问题，最后，就 目前生物信息学的发展趋势进行了讨论。 关键词：生物信息学、基因、分子生物学、机器学习 一、? 生物信息学发展简介 生物信息学是建立在分子生物学的基础上的，因此，要了解生物信息学，就 必须先对分子生物学的发展有一个简单的了解。研究生物细胞的生物大分子的结 构与功能很早就已经开始，1866 年孟德尔从实验上提出了假设：基因是以生物 成分存在[1]，1871 年 Miescher 从死的白细胞核中分离出脱氧核糖核酸（DNA）， 在 Avery 和 McCarty 于 1944 年证明了 DNA 是生命器官的遗传物质以前，人们 仍然认为染色体蛋白质携带基因，而 DNA 是一个次要的角色。 1944 年 Chargaff 发现了著名的 Chargaff 规律，即 DNA 中鸟嘌呤的量与胞嘧 定的量总是相等，腺嘌呤与胸腺嘧啶的量相等。与此同时，Wilkins 与 Franklin 用 X 射线衍射技术测定了 DNA 纤维的结构。1953 年 James Watson 和 Francis Crick 在 Nature 杂志上推测出 DNA 的三维结构（双螺旋）。DNA 以磷酸糖链形 成发双股螺旋，脱氧核糖上的碱基按 Chargaff 规律构成双股磷酸糖链之间的碱基 对。这个模型表明 DNA 具有自身互补的结构，根据碱基对原则，DNA 中贮存的 遗传信息可以精确地进行复制。他们的理论奠定了分子生物学的基础。 DNA 双螺旋模型已经预示出了 DNA 复制的规则，Kornberg于 1956 年从大 肠杆菌(E.coli)中分离出 DNA 聚合酶 I(DNA polymerase I)，能使 4 种 dNTP 连接 成 DNA。DNA的复制需要一个 DNA 作为模板。Meselson 与 Stahl(1958)用实验 方法证明了 DNA 复制是一种半保留复制。Crick 于 1954 年提出了遗传信息传递 的规律，DNA 是合成 RNA 的模板，RNA 又是合成蛋白质的模板，称之为中心 法则(Central dogma)，这一中心法则对以后分子生物学和生物信息学的发展都起 到了极其重要的指导作用。 经过 Nirenberg 和 Matthai（1963）的努力研究，编码 20 氨基酸的遗传密码 得到了破译。限制性内切酶的发现和重组 DNA 的克隆（clone）奠定了基因工程 的技术基础。 正是由于分子生物学的研究对生命科学的发展有巨大的推动作用，生物信息 学的出现也就成了一种必然。 2001 年 2 月，人类基因组工程测序的完成，使生物信息学走向了一个高潮。 由于 DNA 自动测序技术的快速发展，DNA 数据库中的核酸序列公共数据量以每 天 106bp 速度增长，生物信息迅速地膨胀成数据的海洋。毫无疑问，我们正从一 个积累数据向解释数据的时代转变，数据量的巨大积累往往蕴含着潜在突破性发 现的可能，“生物信息学”正是从这一前提产生的交叉学科。粗略地说，该领域 的核心内容是研究如何通过对 DNA 序列的统计计算分析，更加深入地理解 DNA 序列、结构、演化及其与生物功能之间的关系，其研究课题涉及到分子生物学、 分子演化及结构生物学、统计学及计算机科学等许多领域。 生物信息学是内涵非常丰富的学科，其核心是基因组信息