生物信息学与药物研发.doc

《生物信息学与药物研发.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、生物信息学与药物研发代斌生科121班摘要：生物信息学作为一门综合计算机科学、信息技术和数学理论开发新的算法和统计方法的学科，对生物实验数据进行分析从而确定数据中所隐含的生物学意义，并开发新的数据分析工具以实现对各种信息的获取和管理的交叉学科。其主要优势在于以低成本和高通量的方式对大量生物学和医学数据进行管理和分析，侧重于从中进一步挖掘与药物疗效、作用机制和副作用等相关的有价值的信息，为药物研究提供参考和指导。基于低通量药理或毒理学实验的传统新药研发流程具有周期长、成本高和失败率高的局限性。结合其成功运用药物生物信息学进行新药研发和旧药新用的经验，本综述介绍了药物生物

2、信息学在新药研发中的新进展，表明在我国建设药物生物信息学平台的重要性和必要性关键字：生物信息学药物研究药物开发生物信息学(Bioinformatics)是在数学、计算机科学和生命科学的基础上形成的一门新交叉学科，是指为理解各种数据的生物意义，运用数学、计算机科学与生物学手段进行生物信息的收集、加工、储存、传播、分析与解析的科学[1-3]。它是以基因组DNA序列信息分析作为源头，在获得了蛋白质编码区的信息后，进行蛋白质空间结构的预测和模拟，然后依据特定蛋白质的功能进行必要的药物设计。其主要任务为：①生物数据库的设计、建立和优化；②从数据库中提取有效信息的算法；③为用户

3、设计查询信息的界面；④开发数据可视化的有效方法；⑤与多种资源和信息建立有效连接；⑥开发数据分析的新方法；⑦发展预测的算法，对新产品、新功能、疾病诊断和治疗等进行预测[4]。随着技术的进步，大量的生物数据信息得到积累：每年核苷酸序列库、蛋白质序列库、核酸和蛋白质结构库以及其它各种数据库都在急剧增加；新的技术和方法不断地发展：微点阵技术、抗体与蛋白质阵列技术等等都在飞速发展；新的算法和数据处理工具不断产生和发展，这在基因组研究时代使得生物信息学在药物中发挥越来越重要的作用。由于生物信息学提供了大量的数据资源(包括：表达序列标记、微生物基因组序列、模式生物序列、单核苷酸多

4、态性、基因表达数据、蛋白质组数据等等)、各种算法和数据软件工具，使得它可以为药物研究提供新的作用靶位，有助于计算机进行药物分子模拟，并使药物的临床前评价和临床评价的现状得到较大的改善，对中药的研究也有非常重要的意义。1药物生物信息学研究的基本原理生物信息学在生命科学研究中，是一门综合计算机科学、信息技术和数学理论开发新的算法和统计方法的交叉学科，对生物实验数据进行分析从而确定数据中所隐含的生物学意义，并开发新的数据分析工具以实现对各种信息的获取和管理［1］。生物信息学是随着人类基因组计划的启动而兴起的，其研究范围涵盖了生物学数据的整理、存档、显示、计算和模拟，基因遗

5、传和物理图谱的处理，核苷酸和氨基酸序列分析，新基因的发现和蛋白质结构的预测等方面。而药物生物信息学作为生物信息学的一个重要独立分支学科，则更侧重于处理与药物直接相关的知识和数据，如旧药新用、不良反应、药物作用机制、药物相互作用和电子病历等信息，并在临床转化和新药研发中发挥着重要作用［2］。当前，药物相关的研发受益于生物技术和计算机技术的进步，并不断产生着大量的与药物作用和药物反应相关的高通量数据，例如基因组学［3］、转录组学、蛋白质组学和代谢组学等等［4］。因此，当今药物研发在信息处理层面上的主要瓶颈不再是数据的匮乏，而是数据过剩带来的信息解读的不充分。也就是说，药

6、理学和毒理学研究的发展和进步不仅要依靠更新更快的硬件平台来产生数据，也要依靠更有效更可靠的各种算法、软件和工具来对大量抽象的实验数据进行清晰而准确的分析。而药物生物信息学就是挖掘和利用实验数据中的信息，从众多的数值、文本和序列中去伪存真，发现统一的、系统性的药理或临床规律，并将这些规律总结成可读可视可用的格式（如图表、公式和软件等）以供后续的研究参考和使用，从而促进高效和安全的药物研发。可以预见，随着生命科学的研究方向不断向系统生物学的思维靠拢，药物研发也将越来越多地遵循系统药理和毒理学的研究思路，其中药物生物信息学必将发挥越来越重要的作用2生物信息学的主要研究内容

7、1.1序列比对序列比对是生物信息学的基础，是比较两个或两个以上符号序列的相似性或不相似性。序列比对是生物信息学的基础。两个序列的比对现在已有较成熟的动态规划算法，以及在此基础上编写的比对软件包———BALST和FASTA，可以免费下载使用。这些软件在数据库查询和搜索中有重要的应用。有时两个序列总体并不很相似，但某些局部片断相似性很高。Smith-Waterman算法是解决局部比对的好算法，缺点是速度较慢。两个以上序列的多重序列比对目前还缺乏快速而又十分有效的算法。1.2蛋白质结构预测从方法上来看有演绎法和归纳法两种途径。前者主要是从一些基本原理或假设出发来预测和