生物信息學與功能基因組學(原著第三版)（簡體書）

本書為原著第三版，內容新穎，具有以下主要特色： （1）內容全面，很好地將生物信息學與功能基因組學的理論和實踐應用結合起來，非常重視生物信息學的具體應用技巧。 （2）內容新穎，包含了二代測序的進展。 （3）實用性強，包含了一些工具使用指導、R語言及命令行操作等。並且每一章都有問題集、與生物信息學有關的web操作訓練以及相應的web鏈接，還列出了可以免費獲取的生物信息學軟件和作者推薦的讀物。 （4）作者，為霍普金斯醫學院教授，在國際上有很高的聲譽和性。 （5）圖文並茂。本書在論述的同時配以大量的圖片，直觀、形象、通俗易懂。

當這本書的第一版於2003年出版時，人類基因組計劃（Human Genome Project）剛剛完成，耗資近30億美元。當第二版於2009年出版時，第一個個體基因組序列（J.Craig Venter）剛剛發表，耗資約8000萬美元。
讓我告訴你一個非凡的故事吧。現在是2015年，獲得一個個體的完整基因組序列僅需幾千美元。斯特奇-韋伯綜合征（Sturge-Weber syndrome）是一種罕見的神經皮膚疾病（影響大腦和皮膚），有時會使人虛弱：一些患者必須進行大腦半球切除術（切除一半大腦）以減輕嚴重的癲癇發作。我們從3個患有斯特奇-韋伯綜合征的個體處獲得配對樣本：身體中受影響的部位（例如面部、頸部或肩部，發生的葡萄酒色斑）和推測未受影響的部位的活檢。我們將DNA純化並對這6套全基因組進行測序，比較了匹配的樣本對，並鑒定出是GNAQ基因中一個堿基對的突變導致了斯特奇韋伯綜合征。這種突變是體細胞的、嵌合的以及激活性的：體細胞的，是因為它在發育過程中發生，而不是從父母處遺傳得到；嵌合的，是因為它只影響身體的一部分；而激活性的，是因為GNAQ編碼一種蛋白質，這種蛋白質的突變形式會啟動信號級聯。我們發現，該基因的突變也會導致葡萄酒色斑胎記（影響著全球每300人中的1人或者說全球約2300萬人）。當時我實驗室的研究生Matt Shirley進行了生物信息學分析，從而得出了這一發現。他分析了約7000億個DNA堿基。在找到突變後，他通過對幾十個樣本重新測序來確認它，測序覆蓋深度通常超過10000倍。我們在2013年的《新英格蘭醫學雜志》（New England Journal of Medicine）上報道了這些發現。
這個故事說明了生物信息學和基因組學領域的幾個方面。首先，我們處於DNA序列的可用性呈爆炸性增長的時期。這使我們能夠以前所未有的方式解決生物學問題。第二，雖然獲取DNA序列的成本很低，但知道如何分析它們是至關重要的。本書的一個目標就是介紹序列分析。第三，生物信息學為生物學服務：我們只有在一些生物過程（如處於疾病狀態）的背景下才能解釋DNA序列變異的重要性。在GNAQ突變的例子中，該基因編碼一種蛋白質（稱為Gαq），我們可以使用生物信息學工具對這種蛋白質進行大量深入的研究；我們可以評估它的三維結構，與它相互作用的蛋白質和化學信使，以及它所參與的細胞途徑。第四，生物信息學和基因組學為我們提供了希望。對於斯特奇-韋伯綜合征患者和葡萄酒色斑胎記患者，我們希望對這些疾病的分子水平的理解將引導治療。
本書由一位生物學家撰寫，他利用生物信息學工具幫助理解生物醫學研究問題。我將在解決生物問題的背景下介紹相關概念。與早期版本相比，本書強調了Linux（或Mac）平臺上的命令行軟件，並輔以基於網絡的一些方法。在“大數據”時代，以生物醫學科學為知識核心的人與那些以計算機科學為重點的人之間存在著很大的分歧。我希望本書有助於彌合這兩種文化之間的分歧。
寫這樣一本書是一種美妙而不斷學習的經歷。感謝我實驗室中過去和現在的成員，他們教了我許多，包括Shruthi Bandyadka（有關R的建議）、Christopher Bouton、Carlo Colantuoni、Donald Freed（有關下一代測序或NGS的大量建議）、Laurence Frelin、Mari Kondo、Sarah McClymont、Nathaniel Miller、Alicia Rizzo、Eli Roberson、Matt Shirley（也提供了有關NGS的大量建議）、Eric Stevens和Jamie Wangen。關於具體章節的建議，我感謝：國家生物技術信息中心（NCBI）的Ben Busby對第1章、第2章和第5章的建議以及對第9章和第10章的詳細評論；NCBI的Eric Sayers和Jonathan Kans在第2章中提出的有關EDirect的建議；Heiko Schmidt在第7章中就TREE-PUZZLE和MrBayes提出的建議；Joel Benington對第8章和第15～19章的詳細評論以及有關教學的有益討論；Harold Lehmann對各種信息學領域的指導；以及N.Varg對所有章節的有用評論。感謝多年來參與生物信息學和基因組學課程教學的同事。我從這些老師那裡學到了很多東西，包括Dimitri Avramopoulos、Jef Boeke、Kyle Cunningham、Garry Cutting、George Dimopoulos、Egert Hoiczyk、Rafael Irizarry、Akhilesh Pandey、Sean Prigge、Ingo Ruczinski、Alan Scott、Alan F.Scott、Kirby D Smith、David Sullivan、David Valle和Sarah Wheelan。我很感謝與我一起教授基因組學研討會的教師，包括Elana Fertig、Luigi Marchionni、John McGready、Loris Mulroni、Frederick Tan和Sarah Wheelan。本書包括數千篇參考文獻，但我還是要向更多沒有引用其工作成果的同事道歉。我還引用了900個網站，並再次向我未包括在內的許多開發者道歉。
我也感謝Kennedy Krieger研究所總裁兼首席執行官Gary W Goldstein博士的支持。Kennedy Krieger研究所每年遇到22000多名患者，其中大多數孩童患有神經發育障礙，從常見病癥（如自閉癥譜系障礙和智力殘疾）到罕見的遺傳性疾病。我有動力嘗試應用生物信息學和基因組學的工具來幫助這些孩子。這個觀點指導了我對這本書的寫作，這本書大體上強調了生物信息學和基因組學中的所有主題與人類疾病的相關性。我們希望基因組學將引發對這麼多可怕疾病的分子基礎的理解，而這反過來可能有一天會引導更好的診斷、預防、治療乃至治癒。
我很高興地感謝WileyBlackwell的編輯——Laura Bell、Celia Carden、Beth Dufour、Elaine Rowan、Fiona Seymour、Audrie Tan和Rachel Wade——在整個項目中給予的慷慨支持。我很感激他們對本書價值的所有奉獻。
就個人而言，我感謝我的妻子Barbara在我編寫這本書的漫長過程中給予我的愛和支持。最後致我的女兒Ava和Lillian：我希望你們永遠受到啟發，對我們周圍的世界永遠充滿好奇和疑問。
謹以此書獻給我的家人們：我的父母Aihud和Lucille，我的妻子Barbara,我的女兒Kim、Ava和Lillian，以及我的侄女Madeline。

第1部分DNA、RNA和蛋白質序列的分析
第1章引言［2］
1.1本書的組織架構［3］
1.2生物信息學：全景［4］
1.3各章節的組織架構［6］
1.4對學生和教師的建議：練習，尋找一個基因，研究一個基因組［7］
1.5生物信息學軟件：兩種風格［8］
1.6生物信息學和其他信息學學科［11］
1.7對學生的建議［11］

第2章序列數據的獲取和相關信息［14］
2.1生物數據庫的入門介紹［14］
2.2集中存儲DNA序列的數據庫［15］
2.3DNA、RNA和蛋白質數據庫［19］
2.4信息的獲取：用於標記和鑒別序列的索引編號［27］
2.5利用NCBI的基因資源進行基因信息的獲取［31］
2.6使用命令行進行NCBI數據的獲取［35］
2.7信息的獲取：基因組瀏覽器［41］
2.8如何獲取序列數據的例子：單個基因/蛋白質［44］
2.9生物醫學文獻的獲取［50］
2.10展望［51］
2.11常見問題［51］
2.12給學生的建議［51］
2.13網絡資源［51］

第3章雙序列比對［58］
3.1引言［58］
3.2打分矩陣［66］
3.3在雙序列比對中，PAM矩陣的實用性［76］
3.4比對算法：全局和局部［79］
3.5雙序列比對的統計顯著性［88］
3.6展望［91］
3.7常見問題［91］
3.8給學生的建議［92］
3.9網絡資源［92］

第4章局部比對搜索基本工具BLAST［100］
4.1引言［100］
4.2BLAST搜索步驟［102］
4.3BLAST算法使用局部比對搜索的策略［114］
4.4BLAST的搜索策略［119］
4.5使用BLAST預測基因：找到新基因［128］
4.6展望［131］
4.7常見問題［131］
4.8對學生的建議［131］
4.9網絡資源［132］

第5章高級數據庫搜索［137］
5.1引言［137］
5.2特殊BLAST的網站［138］
5.3尋找遠緣相關蛋白質：位置特異性迭代BLAST（PSI-BLAST）和DELTA-BLAST［141］
5.4譜搜索：隱馬爾可夫模型［148］
5.5用類似於BLAST的比對工具快速搜索基因組DNA［154］
5.6將二代測序讀段與參考基因組比對［159］
5.7展望［161］
5.8常見問題［162］
5.9給學生的建議［162］
5.10網絡資源［162］

第6章多重序列比對［168］
6.1引言［168］
6.2五種主要的多重序列比對方法［170］
6.3用標準數據集進行研究：方法，發現和挑戰［181］
6.4多重序列比對的數據庫［182］
6.5基因組區域的多重序列比對［186］
6.6展望［192］
6.7常見問題［193］
6.8給學生的建議［193］

第7章分子水平的系統發育和進化［200］
7.1分子進化介紹［200］
7.2分子系統發育與進化的法則［201］
7.3分子系統發育：樹的特征［211］
7.4樹的類型［217］
7.5系統發育分析的五個步驟［221］
7.6展望［240］
7.7常見問題［241］
7.8給學生的建議［241］
7.9網絡資源［241］

第2部分DNA、RNA和蛋白質在全基因組層次上的分析
第8章DNA：真核染色體［250］
8.1引言［250］
8.2真核生物基因組和染色體的一般特征［252］
8.3真核生物染色體的DNA重復片段［263］
8.4真核生物染色體的基因含量［273］
8.5真核生物基因組的調控區域［279］
8.6真核生物DNA的比較［283］
8.7染色體DNA的變化［284］
8.8測定染色體變化的技術［290］
8.9展望［292］
8.10常見問題［293］
8.11給學生的建議［293］
8.12網絡資源［293］

第9章二代測序數據的分析［310］
9.1引言［310］
9.2DNA測序技術［311］
9.3二代測序的基因組DNA的分析［318］
9.4二代測序的特定應用［347］
9.5展望［348］
9.6常見問題［348］
9.7給學生的建議［349］
9.8網絡資源［349］

第10章處理核糖核酸（RNA）的生物信息學工具［356］
10.1引言［356］
10.2非編碼RNA［358］
10.3信使RNA介紹［370］
10.4微陣列和RNA-seq：全基因組層面的基因表達量測定［379］
10.5RNA分析的解讀［384］
10.6展望［386］
10.7常見問題［386］
10.8給學生的建議［387］
10.9網絡資源［387］

第11章基因表達：芯片和RNA-seq數據分析［395］
11.1引言［395］
11.2芯片分析方法1：NCBI的GEO2R工具［397］
11.3芯片分析方法2：Partek軟件［409］
11.4芯片分析方法3：利用R分析GEO數據庫［417］
11.5芯片數據分析：描述性統計學方法［423］
11.6RNA-seq［430］
11.7芯片數據的功能注釋［438］
11.8展望［438］
11.9常見問題［439］
11.10對學生的建議［440］
11.11推薦讀物［443］

第12章蛋白質分析和蛋白質組學［447］
12.1引言［447］
12.2蛋白質鑒定技術［450］
12.3蛋白質的四個方面［457］
12.4展望［476］
12.5常見問題［477］
12.6給學生的建議［477］
12.7網絡資源［477］

第13章蛋白質結構［488］
13.1蛋白質結構總結［488］
13.2蛋白質結構原理［490］
13.3PDB數據庫（Protein Data Bank）［500］
13.4蛋白質結構預測［513］
13.5固有無序蛋白質（INTRINSICALLY DISORDERED PROTEINS）［518］
13.6蛋白質結構與疾病［518］
13.7展望［519］
13.8常見問題［520］
13.9給學生的建議［520］
13.10推薦讀物［523］

第14章功能基因組學［529］
14.1功能基因組學介紹［529］
14.2用於功能基因組學研究的八種模式生物［532］
14.3使用反向和正向遺傳學的功能基因組學［541］
14.4功能基因組和中心法則［555］
14.5用蛋白質組學的方法研究功能基因組學［559］
14.6展望［572］
14.7常見問題［572］
14.8給學生的建議［573］
14.9推薦讀物［574］

第3部分基因組分析
第15章生命樹上的基因組［584］
15.1引言［584］
15.2優秀的互聯網資源［593］
15.3基因組測序計劃：年表［594］
15.4基因組分析計劃：介紹［602］
15.5基因組分析項目：測序［608］
15.6基因組分析計劃：組裝［610］
15.7基因組分析計劃：注釋［616］
15.8展望［620］
15.9常見問題［620］
15.10給學生的建議［621］
15.11推薦讀物［624］

第16章已完成測序的基因組：病毒基因組［632］
16.1引言［632］
16.2病毒的分類［634］
16.3解決病毒學問題的生物信息學方法［641］
16.4人類免疫缺陷病毒（HIV）［641］
16.5流感病毒［646］
16.6麻疹病毒［649］
16.7埃博拉病毒［650］
16.8皰疹病毒：從生殖細胞到基因表達［650］
16.9巨病毒［656］
16.10展望［659］
16.11常見問題［659］
16.12給學生的建議［659］
16.13網絡資源［659］

第17章已完成測序的基因組：細菌和古細菌［668］
17.1引言［668］
17.2細菌和古細菌的分類［669］
17.3人類微生物組［681］
17.4細菌和古細菌的基因組分析［682］
17.5細菌基因組比較［696］
17.6展望［700］
17.7常見問題［700］
17.8給學生的建議［700］
17.9網絡資源［700］

第18章真核生物基因組：真菌［711］
18.1引言［711］
18.2真菌的描述和分類［712］
18.3對釀酒酵母（Saccharomyces cerevisiae ）的介紹［714］
18.4釀酒酵母的基因倍增和基因組倍增［723］
18.5半子囊菌類的比較分析［727］
18.6真菌基因組分析［731］
18.7展望［737］
18.8常見問題［737］
18.9給學生的建議［738］
18.10網絡資源［738］

第19章真核基因組：從寄生生物到靈長類［746］
19.1引言［746］
19.2位於樹底層的原生動物缺乏線粒體［748］
19.3單細胞病原體的基因組：錐蟲和利什曼原蟲［751］
19.4囊泡藻類（Chromalveolates）［753］
19.5植物基因組［763］
19.6後生動物底層附近的黏菌與子實體［771］
19.7後生動物［772］
19.8展望［792］
19.9常見問題［792］
19.10給學生的建議［793］
19.11網絡資源［793］

第20章人類基因組［807］
20.1引言［807］
20.2人類基因組計劃的主要結論［808］
20.3獲得人類基因組數據的門戶網站［809］
20.4人類基因組計劃［813］
20.525條人類染色體［826］
20.6人類基因組變異［832］
20.7展望［843］
20.8常見問題［844］
20.9給學生的建議［844］
20.10推薦讀物［848］

第21章人類疾病［852］
21.1人類遺傳疾病：DNA變異的結果［852］
21.2疾病的種類［859］
21.3疾病數據庫［872］
21.4鑒定疾病相關基因及其位點的方法［881］
21.5模式生物中的人類疾病基因［888］
21.6疾病基因的功能分類［893］
21.7展望［895］
21.8常見問題［895］
21.9給學生的建議［895］
21.10推薦讀物［897］

附錄［906］
1.詞匯表［906］
2.自我檢測題答案［921］