2014秋季学期 研究生版生物信息学 课程资料
关于作业与考试
- 三次作业，你可以做也可以不做。取成绩最好的两次作业计入平时成绩。作业在1月12日0时之前交。
- 考试满分100分，平时成绩满分50分。总成绩为考试成绩+平时成绩，最多可以拿150分。但由于教务处系统最多只能输入100分，因此超过100分的将按100分算。
- 作业如果抄袭，则总成绩扣5分作为学术不端行为的惩罚。
- 考试为笔考，开卷。可以带任何资料入场，但不可以交头接耳，不可以互相传递答案，也不可以使用手机、平板电脑、智能手表等可存储文本的电子设备。
成绩公布点此
高级统计
RDP数据库11.3版真菌部分，收录了目前人类已知所有可培养和不可培养真菌的18S rDNA序列，共102901种。
FASTA格式序列下载地址
请比较一下Agaricomycetes（伞菌纲）23801种物种的18S rDNA序列，可培养的物种和不可培养的物种，18S rDNA序列有何不同？
大规模测序基础分析
大规模测序云分析平台：深圳承启生物公司主页
客户端软件下载：http://www.chi-biotech.com/cloud/Download_cn.aspx
点此下载测试用的测序数据集：
正常肺上皮细胞系HBE的mRNA测序数据集
肺癌细胞A549的mRNA测序数据集
高转移性肺癌细胞H1299的mRNA测序数据集
HeLa细胞mRNA测序数据集（ribominus, 2011年10月Illumina GAIIx测序，自行反向工程破解的试剂盒建库）
HeLa细胞mRNA测序数据集（polyA+, 2012年底Illumina HiSeq-2000测序，Illumina原厂建库试剂盒建库）
Caco-2细胞mRNA测序数据集（polyA+, 2012年底Illumina HiSeq-2000测序，Illumina原厂建库试剂盒建库）
差异表达分析使用edgeR软件包，请先安装好R语言运行环境
edgeR软件包的网页：http://www.bioconductor.org/packages/release/bioc/html/edgeR.html
双序列比对
练习1：猪流感病毒株数据
练习2：病毒疫情快速判断
2013年初，在杭州的肉菜市场中突发急性呼吸道传染病疫情，从病人症状初步判断，病原体是病毒，但何种病毒并不清楚。用病毒培养方法和快速测序手段，得到两条疑似病毒的序列：
序列1：
ATGAGTCTTCTAACCGAGGTCGAAACGTACGTTCTCTCTATCATTCCATCAGGCCCCCTCAAAGCCGAGATCGCACAGAGACTTGAGGATGTTTTTGCAGGGAAGAACGCAGATCTCGAGGCTCTCATGGAGTGGATAAAGACAAGACCAATCCTGTCACCTCTGACTAAGGGGATTTTAGGGTTTGTGTTCACGCTCACCGTGCCCAGTGAGCGAGGACTGCAGCGTAGACGGTTTGTCCAAAACGCCCTAAATGGGAATGGAGACCCAAACAACATGGACAAGGCGGTTAAATTATACAAGAAACTGAAGAGGGAAATGACATTTCATGGAGCAAAGGAAGTTGCACTCAGTTACTCAACTGGTGCGCTTGCCAGCTGCATGGGTCTCATATACAACAGAATGGGGACTGTGACCGCAGAAGGGGCTCTTGGACTAGTATGTGCCACTTGTGAGCAGATTGCTGACGCACAACATCGGTCCCACAGGCAGATGGCGAC
序列2：
GCGGAATTGACAAGGAAGCAATGGGATTCACATACAGTGGAATAAGAACTAATGGAGCAACCAGTGCATGTAGGAGATCAGGATCTTCATTCTATGCAGAAATGAAATGGCTCCTGTCAAACACAGATAATGCTGCATTCCCGCAGATGACTAAGTCATATAAAAATACAAGAAAAAGCCCAGCTCTAATAGTATGGGGGATCCATCATTCCGTATCAACTGCAGAGCAAACCAAGCTATATGGGAGTGGAAACAAACTGGTGACAGTTGGGAGTTCTAATTATCAACAATCTTTTGTACCGAGTCCAGGAGCGAGACCACAAGTTAATGGTATATCTGGAAGAATTGACTTTCATTGGCTAATGCTAAATCCCAATGATACAGTCACTTTCAGTTTCAATGGGGCTTTCATAGCTCCAGACCGTGCAAGCTTCCTGAGAGGAAAATCTATGGGAATCCAGAGTGGAGTACAGGTTGATGCCAATTGTGAAGGGGACTGCTATCATAGTGGAGGGACAATAATAAGTAACTTGCCATTTCAGAACATAGATAGCAGGGCAGTTGGAAAATGTCCGAGATATGTTAAGCAAAGGAGTCTGCTGCTAGCAACAGGGATGAAGAATGTTCCTGAGATTCCAAAGGGAAGAGGCCTATTTGGTGCTATAGCGGGTTTCATTGAAAATGGATGGGAAGGCCTAATTGATGGTTGGTATGGTTTCAGACACCAGAATGCACAGGGAGAGGGAACTGCTGCAGATTACAAAAGCACTCAATCGGCAATTGATCAAATAACAGGAAAATTAAACCGGCTTATAGAAAAAACCAACCAACAATTTGAGTTGATCGACAATGAATTCAATGAGGTAGAGAAGCAAATCGGTAATGTGATAAATTGGACCAGAGATTCTAT
请用这两条序列的信息来判断：
1. 病原体是哪种病毒？病毒分型如何？
2. 由于此前该地区并未发生大规模的呼吸道疾病疫情，从流行病学角度基本排除人传人的可能性，又因该病病人都在肉菜市场工作，高度怀疑该病毒是由动物传染人。请问是什么种类的动物传染给人的？
多序列比对
练习1：tRNA的序列保守性
Genomic tRNA database 数据库里收录了许多物种的tRNA序列。我们知道tRNA的结构是高度保守的，那么它们的序列是否也有高度相似性呢？
这里，我们下载大肠杆菌和人的tRNA序列，进行多序列比对。大肠杆菌tRNA序列(FASTA)，人tRNA序列(hg19, FASTA)
这些序列之间是否具有相似性？
人的tRNA序列和大肠杆菌的tRNA序列间是否有相似性？
练习2：非典病毒的来源
2003年，中国发生了著名的“非典”疫情。非典病毒很快被归为冠状病毒科（Coronavirus），某些专家宣称其是由果子狸上的某种已知冠状 病毒自然变异而来。然而，2003年4月13日香港《大公报》援引俄罗斯院士的观点，指出非典病毒是美国制造的生物武器，并非自然变异而来。中国国内的部分科学家也持类似观点，认为非典病毒不能由冠状病毒自然突变而来。究竟哪种观点正确？如果非典病毒不是由已知冠状病毒种类自然突变而来，那它最有可能由什么病毒人工改造而来？
请通过对以下序列的分析来得出结论。
广东分离并测序出的第一株SARS毒株GD01全基因组序列：NCBI数据库号为 AY278489
北京分离并测序出的第一株SARS毒株BJ01全基因组序列：NCBI数据库号为 AY278488
请比对其差异，看看非典病毒在传播过程中的自然变异率。
当时已知的冠状病毒科有三大类，即三个Group。这里为简便起见，分别给出三个Group的模式代表病毒全基因组序列：
Group1 代表病毒 HCoV-229E: NC_002645
Group2 代表病毒 BCoV: NC_003045
Group3 代表病毒 IBV: NC_001451
基础统计
练习1：【统计描述】
用大规模测序的方法测定HBE细胞（人支气管上皮正常细胞）和Caco-2细胞（人结肠癌细胞）的转录组和翻译组，得到各基因的转录量和翻译量（均以rpkM为单位）。选出在两个细胞中均有转录且有翻译的基因。点此下载Excel数据。其中，length为基因长度，mRNA为转录组数据，RNC为翻译组数据，TR为翻译效率。
问题：
(1) 两个细胞内的基因转录量和翻译量的分布如何？
(2) 两个细胞内的基因翻译效率的分布如何？
(3) 同一个基因，在两个细胞内的转录量和翻译量是否有差别？
(4) 同一个基因，在两个细胞内的翻译效率是否有差别？
注：此数据来源于我们的论文：
J Zhong, Y Cui, J Guo, Z Chen, L Yang, QY He, G Zhang *, T Wang *,
Resolving Chromosome-Centric Human Proteome with Translating mRNA Analysis: A Strategic Demonstration,
Journal of proteome research (2014) 13 (1), 50-59
练习2：【统计检验】
mRNA的翻译速度并非均等，有些地方会翻译得慢一些，称为翻译暂停。这些翻译暂停与蛋白质的折叠有关。详细内容见我们的论文：
Zhang, G., Hubalewska, M., & Ignatova, Z.*,
Transient ribosomal attenuation coordinates protein synthesis and co-translational folding.
Nat Struct Mol Biol, 16(3):274-80 (2009).
翻译暂停可出现在基因内部和基因末尾。现在想比较大肠杆菌中三类基因的长度：
(1) 所有基因
(2) 基因内部有翻译暂停位点的基因
(3) 基因末尾有翻译暂停位点的基因
数据点此下载
请选择合适的统计检验方法，检验这三类基因的长度是否有区别。
注：此问题来源于我们的论文：
Chen W, Jin J, Gu W, Wei B, Lei Y, Xiong S *, Zhang G *.
Rational design of translational pausing without altering the amino acid sequence dramatically promotes soluble protein expression: A strategic demonstration.
Journal of Biotechnology (2014), 189(10), 104-113
练习3：【趋势分析】
网上经常有人发牢骚，说物价在涨工资没涨。
这里是搜罗到的工资、物价指数、基本消费品价格等的数据（点此下载Excel表格）。请用统计分析来说明工资水平相对物价是涨了还是跌了。
练习4：【非线性拟合】
FRAP实验（点击这里看看什么是FRAP）。构建两个GFP-19Q和GFP-71Q融合蛋白，分别含有19Q (19个glutamine) 和 71Q (71个glutamine) 区段，使其形成蛋白质聚集体团块。测定团块局部被光漂白之后的荧光随时间恢复程度。实验原始数据记录点此下载。
一个扩散过程的FRAP数据可表示为 y=a*(1-exp(b*x))
两个扩散过程（快过程和慢过程）的FRAP数据可表示为 y=a*(1-exp(b*x))+c*(1-exp(d*x))
请比较GFP-19Q和GFP-71Q的荧光恢复程度及恢复的速率常数有何区别，它们分别有几个扩散过程。
注：本问题来源于我们的论文：
Hinz J., Lehnhardt L., Zakrzewski S., Zhang G., Ignatova Z.*,
Polyglutamine expansion alters the dynamics and molecular architecture of aggregates in dentatorubropallidoluysian atrophy,
J Biol Chem. (2012) 13;287(3):2068-78.
图表要求
要想清晰地传达你的科学思想和实验结果，将图表做得专业是必须的。
建议严格参照 JCI 杂志投稿图标要求 制作任何用于报告和论文的图表。
除此之外，还应有以下注意事项：
- 中文一般应使用黑体或楷体类型的字体，避免使用宋体。
- 任何情况下，不要把中文字体弄成斜体。
- 数学公式使用 MathType （点此下载）创建，不要使用Word自带的公式编辑器。如果你会使用LaTeX工具就更好了。
