聯繫我們

課程簡介

基礎概念與生物數據架構

  • 核心生物信息學領域:基因組學、轉錄組學、蛋白質組學和結構生物學
  • 數據格式和標準:FASTA、GenBank、EMBL、PDB、FASTQ和表格元數據
  • 數據庫生態系統:集中存儲庫、API訪問和數據集成策略
  • 生物學中的算法思維:計算模型如何表示生物分子及其相互作用
  • 實踐實驗室:數據庫導航、格式轉換和元數據提取練習,穿插即時測驗

序列比對與同源性映射

  • 序列比對原則:全局與局部比對,替換矩陣(BLOSUM、PAM)和間隙懲罰
  • 多序列比對工作流程:Clustal Omega、MUSCLE和漸進式比對策略
  • 比對和可視化結果:Jalview、比對評分、保守性分析和基序識別
  • 實踐實驗室:比對編碼和非編碼序列,解釋保守性模式,並驗證比對質量

BLAST及其應用

  • BLAST算法機制:種子擴展、啓發式搜索和統計顯著性(E值、比特分數)
  • BLAST變體:核苷酸、蛋白質、tblastn、megablast和PSI-BLAST用於迭代發現
  • 解讀BLAST輸出:識別同源物,推斷功能,並映射到功能域
  • 實踐實驗室:運行目標BLAST搜索,過濾結果,提取功能註釋,並進行概念驗證測驗

翻譯工具與密碼子分析

  • 遺傳密碼翻譯:ORF發現、起始/終止密碼子識別和讀框檢測
  • 密碼子使用偏好、GC含量和mRNA穩定性對錶達系統的影響
  • 翻譯優化:密碼子適應指數、限制性位點避免和合成基因設計原則
  • 實踐實驗室:ORF預測、密碼子偏好分析和翻譯優化練習,包括比對驗證

引物設計與實驗規劃

  • 引物設計基礎:長度、Tm、GC夾、二聚體/髮夾避免和擴增子大小限制
  • 引物評估指標:特異性評分、交叉反應篩選和二級結構預測
  • 軟件工作流程:Primer3、OligoAnalyzer和in silico PCR驗證參考基因組
  • 實踐實驗室:爲給定基因設計目標引物,評估性能指標,並解決常見設計失敗問題

表位預測與免疫信息學工作流程

  • 表位類型:線性與構象表位,B細胞與T細胞表位,以及MHC結合預測
  • 預測算法:NetMHC、BepiPred、IEDB工具集成和分數解釋閾值
  • 將預測轉化爲實驗驗證:肽合成、結合實驗和抗體開發流程
  • 實踐實驗室:提交序列到表位預測服務器,過濾高置信度命中,並將表位簇映射到蛋白質域

二級結構預測與摺疊動力學

  • 蛋白質結構層次和摺疊原則:氫鍵、疏水塌陷和β-摺疊/α-螺旋形成
  • 預測方法:Chou-Fasman、GOR、基於神經網絡的預測器和無模板建模
  • 解讀輸出:置信度分數、區域級靈活性和功能域映射
  • 實踐實驗室:在目標蛋白質上運行結構預測器,可視化二級結構元素,並將預測與實驗數據關聯

系統發育分析與進化洞察

  • 樹構建原則:距離法、最大簡約法、最大似然法和貝葉斯法
  • 比對到樹的流程:掩蔽、修剪、替換模型和自舉法進行置信度估計
  • 樹可視化和註釋:根選擇、分支解釋、外羣選擇和功能特徵映射
  • 實踐實驗室:從比對序列構建系統發育樹,評估自舉支持,並用生物元數據註釋分支

集成工作流程、問題解決與頂點應用

  • 流程設計:工具鏈、管理依賴關係和自動化重複性生物信息學任務
  • 常見陷阱:數據庫版本漂移、參數配置錯誤、過度擬合預測和交叉引用錯誤
  • 算法評估:識別工具侷限性,何時切換預測器,並將計算結果與實驗數據驗證
  • 頂點項目:學員選擇一個生物學問題,檢索數據,運行目標分析流程,解讀結果,並提交包含問題解決文檔和工具選擇理由的發現報告
  • 開放式複習、概念強化和資源分發,以便繼續獨立學習

最低要求

具備關於蛋白質、RNA和DNA的基本生物學知識。

 21 小時

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類