NCBI 教學的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

生物信息學分析與實踐--MATLAB生物信息學工具箱應用

為了解決NCBI 教學的問題，作者劉偉 這樣論述：

本書是生物信息學分析和研究的實踐指導，精選生物信息學分析中的重要案例，結合作者多年教學實踐，借助MATLAB生物信息學工具箱，進行序列數據分析、芯片數據分析、高通量測序和質譜數據分析等，包括常規的序列比對和統計分析，直接訪問網絡數據庫和本地數據庫，以及進行RNA結構預測和多種圖形的可視化等。本書從底層開始進行生物學數據常規分析，直觀地演示各種函數的使用方法和分析結果。劉偉，博士，國防科技大學講師，主要研究方向為生物網絡的構建與分析。擔任「生物信息學」和「生物信息概論」等多門課程的主講教師，發表教學論文6篇。主持國家自然科學基金項目1項，發表論文20余篇，出版教材3部，獲得國家發明專利7項。

第1章序列分析1.1計算和可視化序列統計特性1.1.1人類線粒體基因組1.1.2計算序列統計特性1.1.3考察開放閱讀框（ORF）1.1.4考察注釋特征1.1.5提取和分析ND2和COX1蛋白1.1.6計算人類線粒體基因組中所有基因的密碼子使用頻率1.2兩兩序列比對1.2.1序列比對介紹1.2.2查找序列信息1.2.3確定蛋白質編碼序列1.2.4比較氨基酸序列1.2.5序列比對結果分析1.3評估比對的統計學顯著性1.3.1從MATLAB空間中獲取NCBI數據1.3.2初步比對和全局比對1.3.3評估打分的顯著性1.3.4打分不具有統計學顯著性的例子1.3.5局部比對和隨機序列

1.4全基因組比對1.4.1提取基因組信息1.4.2基因比對1.4.3考察分數的含義1.4.4利用稀疏矩陣減少存儲量1.4.5查看同源基因1.5分析同義和非同義替換1.5.1介紹1.5.2提取HIV—1基因組的兩個序列信息1.5.3計算HIV—1基因的Ka／Ks比值1.5.4利用滑動窗口計算Ka／Ks比值1.5.5GAG、POL和ENV基因的滑動窗口分析1.5.6分析GP120的Ka／Ks比值和表位1.6追蹤禽流感病毒1.6.1禽流感病毒介紹1.6.2計算每個H5N1基因的Ka／Ks比值1.6.3針對HA蛋白質進行系統發育分析1.6.4利用多維變尺度可視化序列距離1.6.5在非洲和亞洲地圖上展

示H5N1病毒的地理區域1.6.6利用谷歌地圖觀察地理區域1.6.7在谷歌地圖中查看文件參考文獻第2章高通量測序2.1分析Illumina／Solexa下一代測序數據2.1.1簡介2.1.2讀取_sequence.txt（FASTQ）文件2.1.3考察序列讀數的長度分布2.1.4考察序列片段的鹼基組成2.1.5考察質量打分分布2.1.6在標准之間轉換質量打分2.1.7根據質量打分進行過濾和去除2.1.8統計讀數出現概況2.1.9識別人造的均聚物2.2識別RNA—seq數據中差異表達的基因2.2.1RNA—seq技術介紹2.2.2前列腺癌症數據集2.2.3為目標基因建立一個注釋對象2.2.4輸入

匹配的短讀數匹配數據2.2.5確定數字化基因表達2.2.6推斷RNA表達的差異信號2.2.7估計文庫規模因子2.2.8估計基因豐度2.2.9估計負二項式分布參數2.2.10經驗累計分布函數2.2.11測試差異表達2.3分析人類末端腸道微生物2.3.1人類末端腸道菌群簡介2.3.2成人遠端腸道微生物分類剖析2.3.3結合分類分布和基本分類2.3.4基於KEGG類進行功能對比分析2.3.5基於COG分類進行功能對比分析2.3.6基於功能表示集中微生物2.4分析馬尾藻樣本的宏基因組2.4.1簡介2.4.2讀取BLAST命中報告2.4.3過濾BLAST命中次數2.4.4內存匹配的分類學數據文件2.4.

5用分類學信息注釋BLAST報告2.4.6根據學名為BLAST命中分類2.4.7保存注釋的BLAST報告2.4.8確定BLAST命中次數的分類學分布2.4.9濾除孤立分配2.4.10繪制BLAST命中的分類學分布2.4.11將分析局限至每個查詢的最佳命中2.4.12分類節點信息的內存映射2.4.13根據更高的分類學目划分BLAST命中2.4.14以圖的形式表示分類學分布2.5研究基因組規模的DNA甲基化譜差異2.5.1簡介2.5.2數據集2.5.3為BAM格式文件創建MATLAB接口2.5.4關聯CpG島和DNA甲基化2.5.5序列數據的統計建模2.5.6識別顯著的甲基化區域2.5.7尋找具有

顯著甲基化啟動子區域的基因2.5.8尋找顯著甲基化的基因內部區域2.5.9甲基化模式的差異分析參考文獻第3章芯片數據分析3.1芯片數據可視化3.1.1考察微陣列數據3.1.2微陣列數據的空間圖3.1.3微陣列的統計參數3.1.4微陣列數據的散點圖3.2分析Affymetrix芯片數據3.2.1關於Affymetrix數據文件3.2.2顯示圖像文件3.2.3基因名稱和探針集ID3.3分析芯片數據並識別差異表達的基因3.3.1芯片數據集簡介3.3.2下載表達數據3.3.3過濾表達數據3.3.4識別差異的基因表達3.3.5采用基因本體注釋上調基因3.3.6尋找通路中的差異表達基因3.4通過分析Aff

ymetrixSNP芯片研究DNA副本數變化3.4.1簡介3.4.2數據集3.4.3獲取SNP芯片的探針水平數據3.4.4輸入和轉換數據集3.4.5探針強度標准化3.4.6探針水平的概要3.4.7獲取SNP探針信息3.4.8原始拷貝數估計3.4.9過濾和排序3.4.10PCR片段長度標准化3.4.11CN基因譜3.4.12SCLS樣本的8q擴增3.4.13CN獲得／缺失匯總圖3.5芯片數據的基因本體富集分析3.5.1簡介3.5.2基因本體功能舉例3.5.3通過聚類分析篩選一組感興趣的基因子集3.5.4獲取酵母基因組數據庫中的注釋基因3.5.5基因芯片中被注釋的基因數目3.5.6觀察GO注釋的出

現概率3.5.7最顯著條目的進一步分析參考文獻第4章質譜數據分析4.1原始質譜數據的預處理4.1.1下載數據4.1.2譜的重采樣4.1.3基線校正4.1.4譜排列4.1.5譜圖標准化4.1.6去除峰噪聲4.1.7采用波形降噪方法尋找峰值4.1.8分段：用層次聚類合並譜峰4.1.9動態規划分割4.2采用順序和並行計算實現譜的批量處理4.2.1簡介4.2.2設置數據倉庫4.2.3順序分批處理4.2.4基於多核計算機的並行批處理4.2.5基於分布計算的並行批處理4.2.6異步並行處理4.2.7后期處理4.3顯著性特征識別以及蛋白質譜分類4.3.1簡介4.3.2樣本可視化4.3.3關鍵特征排序4.3.

4基於線性判別分析的盲分類4.3.5利用PCA／LDA進行數據降維4.3.6特征選擇子集的隨機搜索4.3.7利用評估集來評估選擇特征的質量4.3.8可替換的統計學習方法4.4采用遺傳算法尋找質譜數據特征4.4.1簡介4.4.2導入本地質譜數據到MATLAB4.4.3建立遺傳算法的適應度函數4.4.4建立初始種群4.4.5設定遺傳算法選項4.4.6運行GA尋找20個具有可判別性的特征4.4.7顯示具有判別性的特征參考文獻第5章可視化工具5.1聚類結果可視化5.1.1數據導入5.1.2聚類5.1.3查看和更改聚類選項5.1.4數據集的行列聚類5.1.5對熱圖的操作5.1.6操作系統樹5.1.7改變

配色方案和顯示范圍5.1.85000個顯著基因的聚類5.2分子三維結構的可視化5.2.1泛素結構介紹5.2.2泛素分子顯示5.2.3對分子進行旋轉和放大5.2.4評估結構中的氨基酸電荷分布5.2.5研究結構的疏水性譜5.2.6測量原子距離5.2.7展示和標注泛素結構中的賴氨酸殘基5.2.8檢查泛素中的異肽鍵5.2.9泛素比對和SUMO序列5.2.10將泛素和SUMO的結構疊加5.3相互作用數據可視化5.3.1將進化樹表示為圖5.3.2改變BIOGRAGH對象的屬性5.3.3繪制自定義節點5.4圖論函數5.4.1從SimBiology模型創建一個圖5.4.2可視化圖5.4.3使用圖論函數5.4.

4尋找節點pA與pC之間的最短路徑5.4.5遍歷圖5.4.6尋找圖中的連通部分5.4.7模擬移除一個反應參考文獻第6章外部數據庫和程序調用6.1連接本地數據庫6.1.1檢查數據庫工具箱6.1.2為原始數據庫建立一個備份6.1.3為MATLAB配置數據庫6.1.4連接到數據庫6.1.5獲取數據庫信息6.1.6從GenBank收集序列數據並插入數據庫6.1.7核對導入數據的序列6.1.8更新數據庫中的數據6.1.9為數據庫添加比對信息6.1.10檢索比對6.1.11為數據增加BLAST報表信息6.1.12對序列進行BLAST搜索6.1.13使用可視化的查詢構建器將信息導入MATLAB6.2連接KE

GG的API網絡服務器6.2.1利用信息操作來展示通路數據庫中的統計參數6.2.2利用conv操作符實現KEGG標識符與外部標識符的相互轉換6.2.3提取KEGG分類學數據庫的物種列表6.2.4獲取KEGG通路數據庫中人類的通路列表6.2.5為通路染色6.2.6展示靜態圖6.3調用Bioperl函數6.3.1簡介6.3.2訪問序列信息6.3.3從MATLAB調用Perl程序6.3.4在Perl程序中調用MATLAB函數6.3.5生物信息學工具箱中的蛋白質分析工具參考文獻 生物信息學是指用信息技術來處理生物學數據的學科。多種類型、高通量的生物學數據，如DNA序列、RNA-se

q、基因芯片和質譜數據的積累，對生物信息學算法提出了越來越高的要求。生物信息學已經成為生物學研究不可或缺的一部分，不管是生物學的前期實驗設計、后續數據處理還是結果的分析解釋都需要借助於生物信息學方法。由於歷史的原因，針對不同的生物學數據分析需求，研究人員發展出了各種工具和方法。這些方法通常是基於不同的編程語言和平台開發的，難以對接和互相借鑒。