生物信息学_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
文档贡献者
评价文档：
生物信息学
大小：3.97MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢08生物信息学复习资料 内容详尽，但请以实际操作为准，欢迎下载使用
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
08生物信息学复习资料
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口生物信息学应用教程_百度百科
生物信息学应用教程
《生物信息学应用教程》是2012年6月出版的图书，作者是孙清鹏。
孙清鹏等编著的《生物信息学应用教程》分为绪论、生物信息学相关的生物学基础、生物信息学数据库、数据库查询、序列比对与数据库相似性搜索、DNA序列分析、蛋白序列分析、生物信息学软件及使用、文献信息检索、Endnote x4参考文献管理软件11部分。编者根据自己的教学实践，以图文并茂的方式介绍相关内容，以期达到使学生能够了解和掌握一些较常用的生物信息资源和工具的目的。
《生物信息学应用教程》是一本简明且实用性较强的生物信息学教程，适合生物学相关的非生物信息专业的学生使用，也可为从事生物学及相关专业的教学、科研人员参考使用。
．豆瓣读书[引用日期 12:52:36]71《生物信息学》复习资料-第3页
上亿文档资料，等你来发现
71《生物信息学》复习资料-3
如果能匹配某特定家族相关motif的一个子集就意；这些数据库中的motifs要比PROSITE模式；三、蛋白结构域家族；1.：许多蛋白质是由结构域以模块化的方式构建的；2.序列轮廓：又称为权重矩阵，它们表示完全的结构；3.隐马尔可夫模型：这类模型是蛋白质结构域家族序；4.网上资源：Pfam和SMART可以被用于蛋白；G:系统发育学（实验四）；一、系统发育学、
如果能匹配某特定家族相关motif的一个子集就意味着它们有发现剪接突变体、序列片段以及代表亚家族的能力。两者都已有基于WWW的数据库搜索引擎。这些数据库中的motifs要比PROSITE模式覆盖更大的序列区域。与PROSITE不同，序列中motifs的匹配通常要考虑氨基酸替换矩阵，因而对某一固定模式不要求严格的匹配。因此，这种匹配更为敏感（可以找到更多远亲关系）和更加特异（更少的假阳性出现）。三、蛋白结构域家族1.：许多蛋白质是由结构域以模块化的方式构建的。因此蛋白质家族的研究其实是对蛋白质结构域家族的研究。Prodom是由自动方法产生的蛋白质结构域序列的数据库，这一数据库来自于蛋白质序列数据库。2.序列轮廓：又称为权重矩阵，它们表示完全的结构域序列，是一种描述蛋白结构域家族相关序列的方法。多序列比对中每个位点的氨基酸都有分值，并且特定位置插入或缺失的可能性均有一定的衡量方法。序列轮廓可以被用作某些PROSITE数据库条目中序列模式之外的替代方法。3.隐马尔可夫模型：这类模型是蛋白质结构域家族序列的一种严格的统计模型，包括序列的匹配，插入和缺失状态，并根据每种状态的概率分布和状态间的相互转换来生成蛋白质序列。代表某蛋白结构域家族的模型从该家族中生成序列的概率较高，从其他家族中生成序列的概率较低。现在已有算法可以近似地得出从某特定家族模型中生成一条新的蛋白序列的概率，而且它们可以用来把新的蛋白序列归类到某一蛋白家族中。4.网上资源：Pfam和SMART可以被用于蛋白质结构域家族的分析。Interpro联合了PROSITE, PRINTS, Pfam, Prodom和SMART，从而形成了一个整合的资源。 G: 系统发育学（实验四）一、系统发育学、遗传分类学和存在论1.物种间的相似性和差异性可以被用来推断进化关系（系统发育学）。这是因为，如果两物种非常相似，它们可能拥有一个新近的共同祖先。确定生物体间进化关系的科学分支即系统发育学。三种方法：表现型分类法、遗传分类法 、进化分类法系统发育分析：许多不同的特征能够用于系统发育的分析中，但是 核苷酸和蛋白质序列是最为常用的，因为它们为所有的生命形式所共有（允许研究关系密切或疏远的类别），而且可以客观地比较。序列间的相关性可以使用序列比对算法客观地量化。这即是生物信息学在系统发育学中所起的重要作用。序列系统发育分析背后的简单原理是：两条序列间相似度越高，从一条序列变成另一条序列所需要的突变就越少，因而它们拥有的共同祖先就越近。 然而，从这类分析得出的任何进化关系必须假定：所比较的序列存在不变的突变率并且没有差异选择。但是这些条件实际上很难达到。二、构建系统发育树1.是一种显示进化关系的简单方法，物种由节点（nodes）表示，遗传路径由枝（links）来表示。系统发育树可以从相似度表（ similarity tables ）或距离表（ distance tables ）中构建而来。这些表显示了生物体中一套给定特征间的相似性，采用匹配的百分比（相似度表），或者差异的百分比（距离表）来表示。三种建树方法：距离矩阵法、最大简约法、最大似然法2.建树：PAUP (phylogenetic analysis using parsimony)、PHYLIP (phylogenetic inference package)3.：一棵给定的树不一定能准确地代表进化历史。然而，数据的可靠性可以通过下述方法进行评估：1）如果不同方法构建树能得出同样的结果，这可很好证明该树是可信的。 2） Bootstrapping和jack-knifing方法:重新取样并构建更多的树来评估。 三、大分子序列的进化1.DNA在进化过程中积累突变，导致了不同株系后代DNA、RNA和蛋白质序列的分歧。 基于大分子序列间差异的系统发育树被称为分子系统发育。由于内部突变率和选择压力的差异，不同大分子序列进化速率不同，使得对亲缘关系较近和较远的生物体都可以进行系统发育分析2.大分子序列的选择：对于密切相关的生物体，使用一种快速进化的分子如线粒体DNA 比较合适。对于有很大分歧的系统发育关系，则需要用高度保守的分子如核糖体RNA。 注意不要选择不适当的大分子序列来解释明显的系统发育关系。 H: 序列注释（实验三）一、基因组注释原理1.注释：这一术语是指从原始序列数据中获得有用的生物学信息。这主要是指在基因组.DNA中寻找基因和其他功能元件（结构注释），并给出这些序列的功能信息（功能注释）。由于基因结构和基因组组织的不同，原核生物和真核生物的基因组注释涉及不同的问题。2.：可以用计算机来预测基因组DNA上基因的位置。这可以通过信号自动检测[寻找保守的模体(motif)]、内容自动检测（寻找序列背景类似基因的区域）和同源性搜索（寻找与以前已发现的基因序列相匹配的区域）等方法的组合来完成。然而，没有一种基因查找的方法是100%可靠的。Signals 是不连续的局部序列模体，如启动子，剪切供体和受体位点，起始和终止密码子，以及polyA尾位点。Contents 是不同长度的扩展序列，如编码区、CpG岛 (CpG island )等。Homologies 是已知基因之间的匹配，如代表基因的表达序列标签(ESTs)序列等。3.检测 ORFs（可读框）：ORF: 一段较长（&300bp） 的位于 起始密码子 (usually, ATG) 和 终止密码子 (无义密码子, TGA, TAG or TAA)之间的有义密码子序列，在细菌基因组中，基因很少有内含子的中断。因此，检测基因的有效途径是对基因组序列进行六个可读框的翻译并识别长的可读框(ORF)。4.检测 Exons 和 Introns在高等真核生物基因组中，基因呈分散状分布，并被大量的长内含子所中断。外显子太短，从而不能仅仅通过ORF搜索来发现，所以需要采用包括外显子检测和内容自动检测、剪切信号的识别这种组合方法，并结合cDNA序列等辅助信息来构建全长基因的模型。二、注释工具和资源1.基因预测软件基因预测程序使用从头算预测 （ab initio methods） and/or 同源搜索（homology searches） 来识别基因组 DNA中的基因。NCBI ORF finder 通过执行六个可读框的翻译来识别 ORFs。 对于复杂的真核生物基因组，则需要更复杂的统计分析方法。2.测量预测准确性：没有一个基因查找程序是100%精确的，所以较好的方法是使用几个程序来注释相同的基因组序列。预测精度用敏感性（能正确预测真正的基因或外显子）和特异性（能正确排除假基因或假外显子）来衡量。3.注释流水线：处理从基因组计划中产生的大量数据的唯一途径是使用连续的流水线---注释流水线
“飞速”注释。I: 结构生物信息学（实验六）一、蛋白结构的概念模型1.结构类型和概念模型 三种不同的蛋白结构类型：纤维蛋白（如胶原质）；球状蛋白，它往往存在于如细胞质和细胞外液等水性溶剂中；内在膜蛋白，它存在于生物膜的脂质环境当中。2.球状蛋白中，线性氨基酸多聚体折叠成球状的紧凑形状从而形成一种三维结构。球状蛋白在水性溶剂中往往是可溶的，其折叠受疏水效应控制，疏水效应使疏水氨基酸侧链朝向蛋白质的结构核心，远离溶剂。3. 是生物信号和跨膜运输系统的关键元件。这些蛋白存在于生物脂质膜中，遵循与球状蛋白不同的结构原则。 它们包含与跨膜片段（常常但不总是螺旋）有关的多条普通的疏水氨基酸链，并由膜外水性环境中的更多亲水回环连接。4.：1）球蛋白通常包含规则的二级结构的元件，如α-helices (H) 和 β-strands (E or B).α-helices 由每个氨基酸的主链上的 C＝O功能团和氨基酸沿着螺旋的四个残基上的H-N功能团之间的氢键来稳定。β-strands由主链上的残基与多肽其他部分形成的链中的残基连接形成的。这意味着单一β链不能孤立地存在，它在空间上总是与至少另一条链相邻。这种由连续的、空间上相邻的、以氢键相连的链形成的扭，曲的折叠结构被称为β折叠片。2）三级结构是单一多肽链的完全三维原子结构。它可以被看作是二级结构元件的组合，二级元件之间由主要存在于蛋白质表面的不规则回环(C，coils)连接。3）几种三级结构可以组装起来形成生物学功能上的四级结构。5.结构域：自然界通过组合独立的组件单元或通常具有较简单功能的结构域创造了具有复杂功能的蛋白质。许多蛋白质含有大量的结构域，这些结构域往往是混合类型的，如混合的内在膜和球结构域。6.进化：球状蛋白中的环的表面残基要比疏水核心中的残基进化更快。内在膜蛋白中，进化最慢的是那些在跨膜结构域中的残基。 二、蛋白质三维结构与其功能的关系：蛋白质依赖于其三维结构的形状和关键功能域的性质来执行生物功能。蛋白质结构的知识对于理解蛋白质功能是关键的，这也是其在生物信息学中有很大重要性的一个原因。 三、蛋白质结构和功能的进化（关系）1.：进化接受蛋白质中氨基酸残基发生的对蛋白质结构稳定或蛋白功能来说中性或有利的变化。出于结构或功能的需要，残基可以被保留下来。当氨基酸残基能独特地实现特定的结构作用时，它们能被保留。这种情况常常出现在 cysteine, glycine and proline.2.多序列比对：理解结构怎样进化有助于我们理解多序列比对。关键的结构和功能残基常常是保守的。插入和缺失主要出现在亲水的表面回环中，而不是规则的二级结构元件中。 这个效应可以在多序列比对中观察到，比对结果往往是由对应于二级结构元件的较保守残基和来自表面回环的不保守残基交替组成的。3.整体蛋白质折叠的进化：如果两条自然出现的蛋白质序列可以比对，并且80个以上的残基的比对显示出25%以上的相似度，那么它们将共有同样的基本结构。Sander and Schneider’s rule: （其中L指的是比对的长度，t指保证结构相似所需的一致度百分比阈值。）4.结构的保留：蛋白质结构往往被保留，甚至由于进化使序列改变到不能被识别时结构仍被保留。所以结构知识是理解蛋白质进化的―个关键因素。5.功能的进化：虽然结构往往被进化保留下来，功能却会发生变化。有许多蛋白质，其序列和结构非常相似，但功能却不相同。当功能发生变化，关键的功能残基也变化了，多序列比对常常能清楚地显示出这一点。 四、结构数据的获取、展示和分析1.获取数据：通用搜索引擎: SRS and NCBI专业搜索引擎:RSCB: http://www.rcsb.org/pdb2.结构的可视化：常用的观察结构数据的程序:RasMTOPS:3.结构和功能位点的分析PDBSum: 包含了清晰的结构数据摘要和对结构数据库每一条目的分析，这些条目都可以通过访问号来访问，其提供的信息包括二级结构、二硫键位置、配体结合位点、活性位点、关键残基、分子间相互作用图、折叠拓扑以及酶的EC号等信息。SURFNET: 该软件能够帮助确定蛋白表面潜在的功能位点，特别是酶的活性位点。然后考虑这些位点的结构能揭示该新结构的何种可能功能。预测蛋白表面任何潜在位点的实际功能仍是目前生物信息学研究的一个前沿课题。 五、结构比对1.要在关系非常疏远的蛋白序列之间找到正确的、有生物学意义的比对是很难的，因为它们只含有极少比例的相同残基。但在这种情况下，结构信息能帮上忙，因为进化往往尽量少地改变结构。叠加相似结构的骨架以发现相同结构残基的过程被称为结构比对。2.：DALI: http://www.ebi.ac.uk/dali3.结构相似性：结构比对方法通常会创建衡量结构相似度的尺度。最常见的衡量尺度是RMSD（root mean square difference），许多程序都用这个标准，它是指最佳结构重叠中比对残基的α碳原子间位置的均方差。RMSD = [sum(di2)/N]0.54.：我们常常需要搜索序列数据库以查询某一序列的相似序列，同样，有时我们也需要搜索结构数据库以查询与某一结构相似的结构，这也是很有意义的。Web-based search engines:DALI; SSAP;TOPS;VAST and RCSB 六、已知三维结构的蛋白分类: CATH 和 SCOP1.为什么要将蛋白质进行结构分类?蛋白质结构在进化中要比蛋白质序列保守得多。因此，根据结构的标准对蛋白质进行分类是把蛋白质划分为各种家族的最有效的方法，可以揭示远距离的进化关系。 蛋白质结构分类的方法主要依据序列比较方法和结构比较方法。2.折叠或拓扑：所有的分类都是将具有同样的整体折叠或拓扑的蛋白归为一类。具有同样的折叠或拓扑类型的蛋白质或多或少地都含有同样的SSEs（secondary structure elements），以同样的方式相连接并位于同样的相对空间位置。CATH （拓扑）和SCOP折叠水平把蛋白质分成具有相同总体折叠的组。3.同源体与相似体：Homologs (homologous proteins) 是从某一共同祖先趋异进化而来的蛋白，它们相互关联，并具有同样的折叠。 Analogs (analogous proteins) 有同样的折叠，但关于共同祖先的其他证据却不充分。4.Super-folds （超折叠）是指在进化中可能不止出现一次的蛋白质折叠。普遍认为它们具有物理化学性质上的某种优势，在SCOP与CATH中它们以含有几个同源超家族的折叠或拓扑的形式存在。比如TIM桶和免疫球蛋白的折叠。七、蛋白质结构预测简介1.原因：结构预测是有意义的，因为通过实验来确定结构仍然要比通过实验确定序列慢得多。结构预测帮助我们理解蛋白质的功能和作用机制，对合理的药物设计也是很有意义的。Levinthal和Anfinsen的早期工作使得结构预测成了又一个极有发展潜力的科学领。2.：一般说来，结构预测是指仅依据蛋白序列的信息来预测蛋白质每个原子在三维空间中的相对位置。结构预测方法包括：比较建模法（comparative modeling）, 折叠识别法（fold recognition）, 二级结构预测法（secondary structure prediction）, 从头预测法（ab initio prediction） 以及跨膜片段预测法（ transmembrane segment prediction）。按理论基础可分为:ab initio prediction: 尝试计算并最小化自由能，或得出一个合适的近似最小值的方法。knowledge-based prediction: 尝试使用已知结构数据库中的信息来预测蛋白质结构。 (comparative modeling, fold recognition).Blind testing: CASP (Critical Assessment of Structure Prediction) 八、通过比较建模预测结构（建模步骤）1.理论基础：在80个以上残基的比对中，一致性达到25%以上的序列采用的是相同的基本结构。这是比较建模预测的理论基础。2.内容：比较建模所必需的是目标序列和模板结构序列之间的比对。 从用户的角度来看，比对过程是比较建模法中最关键的步骤。 因此，有必要从结构和功能的角度来检查比对结果的有效性。模板结构可以通过标准的序列相似性搜索的方法来找到。该方法的主要限制是缺乏合适的模板结构，但结构基因组学计划正在改变这个局面。3.过程：已知结构（模板）作为结构预测的基础。这个过程从概念上看包括保守核心残基的定位、可变回环的模型化、侧链的定位和优化，以及模型的提炼。保守残基和一些侧链的位置可以直接从模板结构信息中推导出，可变回环的建模常利用备件算法，对于侧链的定位也有精密的算法来获得优化包裹的疏水核心。4.精确性几乎完全是由比对的质量控制的。好的比对结果通过大多数主要软件包将会产生精确的结构预测。在所有的结构预测方法中，比较建模法建立的模型最精确。精确性通常以预测结构与目标序列真实结构之间α碳原子位置距离的均方差（RMSD）来衡量。低于1.0?的RMSD值说明预测结果非常好。5.现有资源：SWISS-MODEL：比较建模法
软件: SWISS-PDBVIEWER (http://www.expasy.ch/swissmod/SWISS-MODEL.html) 九、二级结构预测（方法、原理、相应的软件、预测策略）1.什么是二级结构预测：当某一特定目标序列没有合适的相关模板结构时，可以考虑采用二级结构预测法。与比较建模法不同的是，该方法并不产生一个全原子三级结构模型，而是对每个残基二级结构状态进行预测，即预测该二级结构是否是螺旋、链或延伸以及圈。这种预测有时也被称为三状态预测。许多方法是基于二级结构偏好的思想，这种偏好是用某一残基对特定二级结构偏好的数值来反映的。早期的方法能达到60%精确度。早期方法的例子有基于Chou-Fasman法则的方法和基于信息论的GOR方法。包含各类专业文献、应用写作文书、中学教育、幼儿教育、小学教育、专业论文、外语学习资料、行业资料、71《生物信息学》复习资料等内容。　
　《生物信息学》复习资料_生物学_自然科学_专业资料。Conting(叠连群) :又译作连续克隆系。为搞清某段 DNA 的排列顺序而建立的一组克隆。被 克隆的 DNA 小片段... 　《生物信息学》复习资料 隐藏&& 超二级结构: 超二级结构:是介于二级和三级结构之间的一个结构层次。有的模体本身有一定的功能,有 的与其他的结构成分协同发挥作用... 　《生物信息学》学生复习资料_医学_高等教育_教育专区。《生物信息学》复习资料 陈芳 宋东光 教材: 《生物信息学简明教程》 (钟扬编) 1 绪论 分子生物学与计算机... 　《生物信息学》复习提纲_理学_高等教育_教育专区。《生物信息学》主要知识点一、...KEGG Protein Data Bank,是一个专门收录蛋白质及核酸等大分子三维结构资料的数据... 　给学生的《生物信息学》复... 16页 免费 生物信息学复习资料 暂无评价 7页 ...相似性分析 Peptool Lite 同源性分析 Vector NTI 6---AlignX 生物信息学服务-... 　《生物信息学》复习资料 8页 免费 生物信息学复习资料 整理(... 6页 1财富值 给学生的《生物信息学》复... 16页 免费 生物信息学考试重点 3页 5财富值搜... 　生物信息学复习资料_初二理化生_理化生_初中教育_教育专区。生物信息学复习资料生物...一级建造师《建设工程项目管理》 《建设工程经济》计算题考点及例题 《建筑工程... 　3、 生物信息学中常见算法的核心思想:blast、clustalw、期望最大化? BLAST:是...《生物信息学》学生复习... 暂无评价 13页 免费 2011生物信息学复习资料 暂无... 　给学生的《生物信息学》复... 16页 免费 生物信息学复习资料 整理(... 6页 1财富值 2011年研究生基因组与生物... 23页 2财富值 2011生物信息学复习资料 ...生物信息学专业_百度百科
生物信息学专业
（Bioinformatics）是一门交叉科学，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量生物数据所包含的生物学意义。它随1990年人类基因组计划（HGP）的实施和信息技术的发展而诞生，现已迅速发展成为当今生命科学最具吸引力和重大的前沿领域，为生物学、计算机科学、数学、信息科学等专业的高素质人才提供了更广阔的发展天地。[1]
本专业培养德、智、体、美全面发展，具有较好的分子生物学、、数学和统计学素养，掌握生物信息学基本理论和方法，具备生物信息收集、分析、挖掘、利用等方面的基本能力，能在科研机构、高等学校、医疗医药、环境保护等相关部门与行业从事教学、科研、管理、疾病分子诊断、药物设计、生物软件开发、环境微生物监测等工作的高级科学技术人才。[2]
学生主要学习生物信息学的基本理论和方法，受到相关科学实验和科学思维的基本训练，具有较好的分子生物学、计算机科学与技术、数学和统计学素养，具备生物信息的收集、分析、挖掘、利用等方面的基本能力，具有较好的业务素质。
1．掌握普通生物学、生物化学、分子生物学、遗传学等基本知识和实验技能；
2．掌握计算机科学与技术基本知识和编程技能(包括计算机应用基础、、、与预测、生物软件及数据库、Perl编程基础等)，具备较强的数学和统计学素养(I、II、生物统计学等)；
3．掌握生物信息学、基因组学、计算生物学、蛋白质组学、生物芯片原理与技术的基本理论和方法，初步具备综合运用分子生物学、计算机科学与技术、数学、统计学等知识和技能，解决生物信息学基本问题的能力；
4．掌握生物信息学资料的查询、文献检索及运用现代信息技术获得相关信息的基本方法，具有一定的实验设计、结果分析、撰写论文、参与学术交流的能力；
5．熟悉国家生物信息产业政策、知识产权及生物安全条例等有关政策和法规；
6．了解生物信息学的理论前沿、应用前景和最新发展动态；
7．具有较好的科学人文素养和较强的英语应用能力，具备较强的自学能力、创新能力和独立解决问题的能力；
8．具有良好的思想道德素质和文化素养，身心健康；
9．具有较好的科学素质、竞争意识、创新意识和合作精神。
生物学、数学、计算机科学。
普通生物学、生物化学、分子生物学、遗传学、生物信息学、计算生物学、基因组学、生物芯片原理与技术、蛋白质组学、模式识别与预测、数据库系统原理、Linux基础及应用、生物软件及数据库、Perl编程基础等。
社会调查、教学实习、课程论文、综合实习与毕业论文等。
、模式识别与预测实验、生物软件及数据库实验、生物信息学实验、Perl编程基础实验、基因组学实验、Linux基础及应用实验、计算生物学实验、生物芯片原理与技术实验、蛋白质组学实验等。
本专业学生毕业后可在各级生物信息学的研究机构、高等学校、企事业单位以及在研究和成果产业化过程中涉及到生物信息学的相关部门，从事科学研究、教学和管理工作[3]
专业建设状况
我国生物学本科教育主要围绕两个专业——生物科学和生物技术进行，而生物信息学相关课程通常作为这两个专业高年级学生的选修课，且要求学生们已修完大部分专业必修课以及一些计算机课程，如C语言等。教学实践表明，这一安排基本上符合国内本科生教育的实际情况，有利于本科生们掌握生物信息学的基本知识和工作原理，激发他们今后深入研究的兴趣。世界上越来越多的政府部门、教育机构和企业都呼吁加快培养各类生物信息学人才。
专业学科发展
加强与企业的联系和合作，争取更多的横向资金资助，并积极开展校企联合申报省部级以上项目的工作，让学术研究工作能够密切的与社会直接需求融合。适时建立“生物信息软件设计与开发”（与重庆诺京生物信息技术有限公司合作）、“老年性疾病药物分子设计”（与湖南本草制药有限公司合作）、“肿瘤蛋白组学”（与中国人民解放军军事医学科学院发展）等新的研究方向，充分利用生物信息学院现有资源，拓展新的研究方向，使研究工作能够面对更多的学术方向，让更多的资源被我们吸收和采用，也为今后申报新的课题、开展新的研究提供新的思路。在引进和培养相结合的措施保证下，以国家级在研项目为契机，对外联合北京大学、中国人民解放军军事医学科学院、第三军医大学、重庆诺金生物信息技术有限公司合作及湖南本草制药有限公司等企业和科研机构开展科研合作，组建出一支以高职称、高学历为主的专业人才梯队。[4]
．生物信息专业网站[引用日期]
．高考派[引用日期]
．中国教育在线[引用日期]
．生物信息学专业网站[引用日期]