生物信息学.docx
- 文档编号:12638227
- 上传时间:2023-04-21
- 格式:DOCX
- 页数:25
- 大小:35KB
生物信息学.docx
《生物信息学.docx》由会员分享,可在线阅读,更多相关《生物信息学.docx(25页珍藏版)》请在冰豆网上搜索。
生物信息学
1.生物信息学(广义)生物体系和生命过程中信息的存贮、传递和表达,细胞、组织、器官的生理、病理、药理过程中的各种信息,是生命科学中的信息科学。
概念(狭义)生物分子信息的获取、存贮、分析和利用
生物分子数据+计算机分析
2.生物分子至少携带着三种信息:
遗传信息,功能相关的编码信息,进化信息
3.息生物分子信息的特征①生物分子信息数据量大②生物分子信息丰富而复杂③生物分子信息之间存在着密切的联系
模体:
在许多蛋白质分子中,可发现两个或三个具有二级结构的肽段,在空间上相互接近,形成一个特殊的空间构想,被称为模体。
4.生物信息学主要研究内容①生物分子数据的收集与管理②数据库搜索及序列比较③基因组序列分析④基因表达数据分析与处理⑤蛋白质结构与功能预测⑥代谢途径分析与解析
5.生物信息学的意义①认识生物本质:
了解生物分子信息的组织和结构,破译基因
组信息,阐明生物信息之间的关系。
②改变生物学的研究方式:
改变传统研究方式,引进现代信息学方法③在农业和医学上的重要意义:
精确调控,改造生物,确保食品安全;疾病的精准诊断和治疗,提升健康水平。
6.基因组数据库:
DDBJ,EMBL,GenBank,蛋白质序列数据库:
PIR,SWISS-PROT,蛋白质结构数据库:
PDB
7.比对(Alignment),即将两个序列的各个字符(代表核苷酸或者氨基酸残基)按照对应等同或者置换关系进行对比排列,其结果是两个序列共有的排列顺序。
对两个序列的相似程度进行定性描述。
多重序列比对:
研究多个序列的共性。
序列的多重比对可用来搜索基因组序列的功能区域,也用于研究一组蛋白质之间的进化关系。
搜索同源序列:
通过序列比较寻找相似序列
8.蛋白质结构与功能预测?
蛋白质的生物功能由蛋白质的结构所决定,蛋白质结构预测成为了解蛋白质功能的重要途径。
蛋白质结构预测分为:
二级结构预测,空间结构预测。
9.生物信息学的方法和技术①数学统计方法②动态规划方法③机器学习与模式识别技术④数据库技术及数据挖掘⑤人工神经网络技术⑥专家系统⑦分子模型化技术⑧生物分子的计算机模拟⑨因特网(Internet)技术
1.生物分子数据库应满足:
①时间性②注释③支撑数据④数据质量⑤集成性⑥非冗余性
2.数据库分为一级数据库,二级数据库
一级数据库:
直接来源于实验获得的原始数据,只经过简单的归类、整理和注释。
一级核酸数据库:
GenBank数据库、EMBL数据库、DDBJ数据库;一级蛋白质序列数据库:
SWISS-PROT库、PIR库;一级蛋白质结构数据库:
PDB数据库
二级数据库:
在一级数据库、实验数据和理论分析的基础上,针对不同的研究内容和需要,针对特定的应用目标,对生物学知识和信息的进一步整理建立的数据库。
人类基因组图谱GDB、转录因子和结合位点库TRANSFAC、蛋白质序列功能位点数据库Prosite等。
3.生物分子数据库的特征:
(1)更新速度更快,数据量呈指数增长
(2)使用频率增长更快(3)复杂程度不断增加(4)数据库网络化(5)面向应用(6)先进的软硬件配置
4.一个数据库记录(entry)一般由两部分组成:
①原始序列数据(sequencedata)②描述这些数据生物学信息的注释(annotation)。
注释中包含的信息与相应的序列数据同样重要和有应用价。
数据的完整性和注释的可靠性:
①序列数据广,序列注释不够完整②库数据面窄,序列注释全面
5.国际上权威的核酸序列数据库
(1)欧洲分子生物学实验室的EMBL-EBI
(2)美国生物技术信息中心的GenBank(3)日本遗传研究所的DDBJ
三大数据库的共同特点:
①三个数据库中的数据基本一致,仅在数据格式上有所差别②对于特定的查询,三个数据库的响应结果一样③同步更新。
④这三个数据库是综合性的DNA和RNA序列数据库,每条记录代表一个单独、连续、附有注释的DNA或RNA片段。
15.消除误差,合理利用数据库
①严格、合理地构建数据库,去除污染的序列,合理地把握数据库的非冗余和冗余的标准②合理、恰当地使用数据库,结合实验研究,合理有效利用数据库③坚持实验第一原则,实践是检验真理的唯一标准
6.Genbank序列格式
包括GenBank的核酸和蛋白质序列数据库
①描述信息:
给出描述每一个序列的信息,包括文献参考、序列的功能信息、mRNA和编码区域的位置,以及重要突变的位置。
②序列信息以字段的形式进行组织,每一行最前端都有一个标识符。
③计算机程序中的序列条目位于标识符“ORIGIN”和“//”之间。
7.FASTA格式
序列分析软件最常用的格式,包括三部分:
①在注释行的第一列用字符“>”标识,后面是序列的名字和来源;②标准的单字符标记的序列;序列中没有数字或其他非字符。
③可选的“*”表示序列的结束,它可能出现也可能不出现,但它是许多序列分析程序正确读取序列所必须的。
8.EMBL序列格式
①序列条目描述每个序列②信息按一个个字段组织,每个字段有一个标识符。
这些标识符
缩写成两个字母,某些字段还有次级字段。
每行序列后面的数字显示片断的位置③计算机程序可以利用序列计数或校检求和来保证序列的完整性和精确性④用于各种序列分析软件时要进行相应的改变
9.序列检索(查询)服务
最简单的查询就是通过序列的登录号(如X58929)或序列名称(如SCARGC)直接查询。
①如果找到所查询的序列,则服务器将查询结果以HTML文件返回给用户②如果数据库中该序列有到MEDLINE的交叉索引,则系统同时返回与包含参考文献摘要等信息的MEDLINE链接③如果该序列有到其它数据库的交叉索引,也返回相应的链接
10.核酸序列同源性搜索
Genbank服务器支持用户使用BlastN程序进行核酸同源搜索。
EMBL服务器支持用户使用FastA程序进行核酸同源搜索。
11.人类基因组数据库(GDB)
目前人类基因组数据库包含:
(1)人类基因组区域:
包括基因、克隆、PCR标记物、断点、细胞遗传学标记、易碎位点、EST、综合区域、contigs、重复等;
(2)人类基因组图谱:
包含细胞遗传学图谱、连接图谱、辐射混合图谱、contig图谱、集成图谱,所有这些图谱都可以被直观地显示出来;(3)人类基因组中的变化:
包括基因突变和基因多态性,加上等位基因频率数据。
12.DbEST是GenBank的一个部分,包括不同生物的EST序列数据及其它相关信息,主要是从大量不同组织和器官得到的短mRNA片段。
STS(SequenceTaggedSites)是序列标记位点
dbSTS是NCBI的一个数据源,包含基因组短标记序列(STS)的组成和定位信息。
可以通过BLAST搜索STS序列。
13.PIR:
全面的、经过注释的、非冗余的蛋白质序列数据库。
UniProt数据的来源:
(1)从核酸数据库经过翻译推导而来;
(2)从蛋白质数据库PIR挑选出合适的数据;(3)从科学文献中摘录;(4)研究人员直接提交的蛋白质序列数据
UniProt的三个特点:
注释、非冗余、交叉索引
14.数据库存在的问题:
数据库的冗余,非冗余,数据的偏差或人为假象。
16.数据库的主要功能?
①数据库查询(检索)指对序列、结构以及各种二次数据库中的注释信息进行关键词匹配查找。
数据库查询有时也称数据库检索,它和互联网上通过搜索引擎查找需要的信息是一个概念。
例如,对蛋白质序列数据库SwissProt输入关键词insulin(胰岛素),即可找出该数据库所有胰岛素或与胰岛素有关的序列条目(Entry)。
工具:
Enterz,SRS
②数据库搜索指通过特定的序列相似性比对算法,找出核酸或蛋白质序列数据库
中与检测序列具有一定程度相似性的序列。
工具:
BLAST,Fasta
例如,给定一个胰岛素序列,通过数据库搜索,可以在蛋白质序列数据库SwissProt中找出与该检测序列(querysequence)具有一定相似性的序列。
在生物信息学中,数据库搜索是专门针对核酸和蛋白质序列数据库而言,其搜索的对象,不是数据库的注释信息,而是序列信息。
数据库查询和数据库搜索在生物信息学中是两个完全不同的概念,它们所要解决的问题、所采用的方法和得到的结果均不相同。
17.Entrez系统?
美国NCBI开发和主持的数据库检索系统,用于对文献摘要、序列、结构和基因组等数据库进行关键词查询。
Entrez系统包括:
①Entrez中文核酸数据库:
GenBank,EMBL,DDBJ②蛋白质数据库:
Swiss-Prot,PIR,PFR,PDB③文献数据库:
PubMed④基因组和染色体图谱等数据库
Entrez系统的特点①使用十分方便②把数据库和应用程序结合在一起③可以继续查找相关文献
18.如何设计科研计划①资料查询②资料汇总③分析优劣④寻找出路⑤制定方案⑥斗胆创新
19.SRS系统的特点:
统一的用户界面,高效的查询功能,灵活的指针链接,方便的程序接口,开放的管理模式,统一的开发平台
1.序列比对:
是进行序列相似性与同源性分析的一种研究方法。
通过插入一系列空位(一般用“-”来表示)来比较两个(双序列比对)或多个序列(多序列比对),使得这些序列获得最大匹配的过程。
序列比较的根本任务是:
①寻找序列之间的相似性②辨别序列之间的差异
目的:
①相似序列:
相似的结构,相似的功能②判别序列之间的同源性③推测序列之间的进化关系
2.序列的相似性与同源性
(1)同源性:
由某一共同的祖先经趋异进化而成。
包括直向同源与共生(旁系)同源
描述对象:
染色体—“同源染色体”、基因—“同源基因”、基因组的一个片断—“同源片断”
直系同源和旁系同源:
同源基因:
来源于共同祖先的基因
直系同源基因:
种间同源基因,它是在物种分化过程中形成的,被认为与祖先基因有同样的功能
旁系同源基因:
种内同源基因,通过基因(组)复制等过程形成,可能具有新的功能
(2)相似性:
序列比对过程中用来描述检测序列和目标序列之间相同DNA碱基或氨基酸残基顺序所占比例的高低。
相似性本身,并不要求与进化起源是否同一,与亲缘关系的远近、甚至于结构与功能有什么联系。
描述的方式:
定性的描述,定量的数值(相似度,距离)
(3)相似性与同源性之间的关系
相似(similarity)①同源序列一般是相似的②相似序列不一定是同源的:
当相似程度高于50%时,比较容易推测检测序列和目标序列可能是同源序列;而当相似性程度低于20%时,就难以确定或者根本无法确定其是否具有同源性。
③相似性不等同于同源性:
进化趋同(同功能)
3.两类数学模型
整体比对:
序列的整体
局部比对:
序列部分区域
局部相似性比对的生物学基础:
蛋白质功能位点往往是由较短的序列片段组成的,这些部位的序列具有相当大的保守性,尽管在序列的其它部位可能有插入、删除或突变。
局部相似性比对往往比整体比对具有更高的灵敏度,其结果更具生物学意义。
4.打分矩阵
(1)核酸打分矩阵a.等价矩阵b.BLAST矩阵c.转移矩阵
(2)蛋白质打分矩阵:
PAM矩阵,BLOSUM矩阵
5.序列多重比对目的:
①发现多个序列的共性②发现与结构和功能相关的保守序列片段
6.多重序列比对程序是ClustalW
ClustalW是一种渐进的比对方法,先将多个序列进行两两比对,基于这些比较,计算得到一个距离矩阵,该矩阵反映了每对序列的关系
EBI的CLUSTALW网址是:
http:
//www.ebi.ac.uk/clustalw/
7.结果的辨析
(1)结果分类①完全匹配--前人的结果②明显相似--值得进一步探索③微弱相似--可能是新序列,进一步探索④无任何相似序列--可能是新序列
(2)正确评价分析结果:
避免随机因素的影响;正确判断,谨慎发表
8.BLAST—基本局部对比排列搜索工具
(1)研制BLAST的最初目的:
改善FastA的算法的性能②提高计算速度
国际著名生物信息中心都提供基于Web的BLAST服务器。
BLAST程序之所以使用广泛,主要因为其运行速度比Fasta等其它数据库搜索程序快,且改进后的BLAST程序允许空位的插入。
(2)BLAST算法:
将查询序列分为多个短片段及相似片段;筛选数据库以发现具备以上片段的序列;将匹配序列进行延伸,插入和延伸gap,根据突变矩阵或模块替代矩阵计分排序;
返回分值最高的匹配序列;保证快速高效
算法步骤:
列表,扫描,延伸
(3)BLAST的基本思想:
找出两个序列共同的短片段经过扩展后形成更长的相似片断
9.BLAST程序、数据库及参数的选择
核酸序列:
BlastN-Blastx-tblastx
蛋白序列:
BlastP-tBLastN
数据库的选择:
nr最为常用;month跟踪每个月新增数据;swissprot蛋白库注释详尽等等
10.BLAST程序结果解读①程序名称、版本号以及文献引用出处②检索序列的名称、数据库名称;③图示主要比对结果④列出相似性值较高的序列条目,以及它们在数据库中的编号和简要说明,每个条目后面给出相似性分数值Score和期望频率值E,⑤以相似性分数值大小为序排列,相似性分数越高,相似性越大;E值则表示随机匹配的可能性,E值越大,随机匹配的可能性也越大。
11.BLAST结果的评价①比对好坏的评价:
Bit分值a.考虑了比对中相同和相似基团、gap、替代矩阵,并经过标准化;b.Bit分值越高,比对越好②一致性:
蛋白序列>25%,核酸序列>70%(参考)③比对统计学意义的评价:
E值(E-value):
E值越低,则比对就更有可能具有显著性④其他:
比对匹配的序列长度
12.Fasta的基本思想:
找出两个序列具有最大匹配的相对位移
1.功能位点
定义:
与特定功能相关的位点,生物分子序列上的一个功能单元或较短的片段。
核酸序列中的功能位点:
转录因子结合位点,转录剪切位点,翻译起始位点等
蛋白质序列的功能位点常称为序列模体(Motif):
序列模式,蛋白质结构域,作用部位
2.核酸序列分析
(1)分析步骤
(2)注意事项(3)污染的剔除(4)识别和遮蔽重复序列(5)开放阅读框的识别(6)CpG岛的识别(7)基因功能区的预测(8)DNA序列分析存在的问题
3.分析的步骤
①找出序列中的非编码区:
序列中载体污染的剔除,重复元件的发现,CpG岛,启动子位点Poly-A位点,间质缔合区,转录因子结合位点②找到和鉴定基因:
序列的编码区(外显子),构建基因的外显子模型,数据库相似性搜索,与模式生物基因组的同源区比对
4.核酸序列分析应注意的问题①对真核生物序列,首先遮蔽重复序列②程序的特定生物物种适用性③程序的序列特定性(DNA或cDNA)④序列的长度⑤多方面的证据与验证
5.序列污染的剔除
序列污染:
序列中含有外源序列,因而无法反映其来源物种的真实遗传信息。
序列污染的来源:
载体序列,接头和引物序列,转座子和插入序列,DNA和RNA样品污染
序列污染的后果:
①导致无意义的分析②对序列的生物显著性作出错误的判断③导致错误的叠连群拼接和ESTs分群④导致数据库的污染
序列污染的发现①对载体数据库进行相似性搜索②搜索序列中的限制性内切酶位点③对其它数据库进行搜索,如宿主序列数据库等
序列污染的剔除①NCBI的VecScreen②EMBL的Blast2EVEC③识别出其边界,去除
6.识别和遮蔽重复序列
重复序列存在的广泛性:
人类基因组约30%,蟾蜍达70%
重复序列对序列分析的影响:
序列分析严重失误,错误的功能注释
重复序列的特点:
多为RNA聚合酶Ⅱ转录的部分区域,几乎不会覆盖启动子或外显子编码区
识别和遮蔽的意义:
重复序列的定位为其它基因特征的定位提供重要的反面信息
按照序列重复情况,对序列进行分类:
非重复序列(单一序列),轻度重复序列,中度重复序列,高度重复序列
重复元件:
①SINE、ALU、MIR、LINE②LTR、MALR、ERVL③散在重复元件、小RNA④卫星DNA、简单重复序列⑤低复杂度序列
重复序列分析常用的程序①RepeatMasker(http:
//www.repeatmasker.org/)主要针对灵长类和啮齿类动物、拟楠芥、草本植物、果蝇等,也适用于其它哺乳和脊椎动物②Censor:
适用于任何物种
重复序列分析应注意的问题:
①重复序列数据库的完整性②不同方法分析比较
7.开放阅读框的识别
①一段核酸序列(单链DNA或mRNA),如果可能编码多肽或蛋白质,从它的5’端的翻译起始子(ATG)后开始,以三联密码子方式编码氨基酸,到终止子(TAA,TAG或TGA)结束。
②一个起始子和终止子之间的序列称为一个开放阅读框(openreadingframe,ORF)。
由于起始子位置较难确定,通常就以DNA序列来推测开放阅读框的存在。
一个双链DNA分子有6种读框。
③一个ORF就是一个潜在的蛋白质编码区,因此要确定DNA序列的编码区,就要检测出序列中有多少个ORF。
原核基因,一个编码区就是一个单独的ORF。
真核基因的编码区域是非连续的。
非编码区(内含子):
不连续的编码片段(外显子),必须正确识别出内含子和外显子的边界,
如果使用的是cDNA,问题就简化了
④一个DNA序列可能有多个ORF,其中只有少数是真正的编码区。
a.一般的,一段连续较长的ORF可能是编码序列,而很短的则很难编码蛋白质。
b.一些很短的ORF也可能独立编码短肽,具有重要的生物系功能c.分析一个ORF是否编码,要结合序列本身和其它分析方法,才能做出正确的结论。
8.CpG岛的识别
①CpG岛也称为HTF岛,是一些富含GC的小区域,其中p表示C和G以磷酸二酯键连接。
通常管家基因或频繁表达的基因的启动子周围(通常是在5′上游区域)都含有非甲基化的CpG岛,具有抵抗甲基化的作用。
②80%的人类基因的转录起始位点前存在CpG岛,而在整个基因组中缺乏这种GC序列.
③查找序列中CpG岛的软件:
CpGplot,CpGislandsrevealing
9.基因功能区的预测
信号搜索(检索与功能区有关的信号)
启动子元件,转录终止信号,内部外显子剪切位点,起始和终止密码子5’端的外显子一定在核心启动子的下游3’端的外显子的下游包含多聚A信号和终止编码
内容搜索(序列的统计分析):
检查终止密码子的出现频率
启动子:
转录因子结合位点,核心启动序列,上下游相关的调控元件
启动子识别的方法:
计算已知启动子序列和非启动子序列各自含有的转录结合位点的密度,然后形成每种结合位点在启动子序列上的密度比,组合每个单独的密度比值形成打分矩阵;分析启动子区、非启动子区、编码区序列的六核苷酸频度
启动子区预测工具:
Promoter2.0PredictionServer
10.剪接位点预测
剪接体:
RNA转录时,整个基因均转录,然后切掉内含子,外显子拼接形成mRNA。
参与这一过程的许多因子构成的复合物称为剪接体,相关因子如:
snRNP,hnRNP
剪接的供体和受体位点有一定的保守性:
供体位点:
内含子的5’端,通常以GU开始,基准序列为(A,C)AG/GT(A,G)AGT
受体位点(Acceptorsplicesite):
内含子的3’端,通常以AG结束,基准序列为CAG/G
分析和识别DNA编码区的重要标准之一。
11.密码子偏好性:
①氨基酸的同义密码子的使用频率与相应的同功tRNA的水平相一致②大多数高效表达的基因仅使用那些含量高的同功tRNA所对应的密码子
12.真核基因预测:
①启动子,终止子的识别②翻译起始位点的识别③剪接位点的识别④多腺苷化信号的识别⑤密码子偏好型分析
基因重叠的几种情况:
(1)完全重叠
(2)部分重叠(3)两个基因只有一个碱基重叠:
一个基因终止密码子的最后一个碱基是另一个基因起始密码子的第一个碱基
13.基因预测存在的问题?
Δ基因编码区预测可能出现的问题?
假阳性:
多预测了假的编码区,即在非编码区预测出编码区。
假阴性:
漏掉了真实的编码区,即将编码区预测为非编码区。
过界预测:
由于基因边界很难定位,预测经常会超出实际边界。
片段化:
内含子过大的基因,在预测时容易断裂成两个或多个基因
融合化:
距离过近的两个或多个基因,在预测时容易被融合成一个很大的基因。
1.蛋白质数据库的分类
蛋白质序列数据库:
以蛋白质的序列为主,并赋予相应的注释;如PIR-PSD、SWISS-
PROT/TrEMBL,NCBI等
蛋白质模体及结构域数据库:
收集了蛋白质的保守结构域和功能域的特征序列;如PROSITE,Pfam,PRINTS,BLOCKS等
蛋白质结构数据库:
以蛋白质的结构测量数据为主;如PDB等
蛋白质分类数据库:
分为以序列比较为基础的序列分类数据库和以结构比较为基础的结构分类数据库,如SCOP,CAHT,FSSP等
2.PROSITE主要保存两类信息:
模式和谱(权重矩阵)。
①模式可以理解为保守的氨基酸排列方式,通常以氨基酸单字母方式排列。
用于对motif的定性描述②谱为对保守区域每一位置氨基酸保守情况进行打分构建的权重矩阵。
用于对motif的定量描述
3.家族:
具有明显的进化关系
超家族:
具有远源进化关系,可能具有相同的进化起源
折叠子:
主要是结构相似
4.蛋白质数据库都具备三种功能
①数据的注释:
所有提交到数据库的数据都要由作者或数据库管理人员进行注释方能发布;
②数据的检索:
数据经注释之后,访问者可以通过数据库网页上提供的搜索引擎进行搜索,找到自己所需的蛋白质信息;
③数据的生物信息分析:
访问者一旦找到感兴趣的蛋白质,就可以运用数据库提供的生物信息分析工具对蛋白质序列的未知数据进行预测,如预测蛋白质的理化性质,预测蛋白质的二级结构,多重序列比对等等。
5.蛋白质的结构分析的基本流程
蛋白质结构预测必须基于一定的序列基础和实验证据,因此必须尽可能搜集一切有关这个蛋白质可能的理化性质和其它特性。
①实验数据,蛋白质序列
②理化特性分析:
跨膜区、等电点、亲水性、疏水性、酶切特性、电荷等
③数据库检索:
多序列比对、结构域搜索
④二级结构预测:
如有PDB中同源体,蛋白质折叠识别,折叠家族分析,序列与结构比对,比较建模
⑤三级结构预测
⑥三维蛋白模型
6.信号肽的识别
①地址标签-信号肽将蛋白质导向细胞的正确位置,并使其越过细胞器膜
②是新合成的蛋白质的一部分,位于蛋白质的一端
③信号肽分析有助于蛋白质功能域的划分及蛋白质的细胞定位
常用工具:
SignaIP,通过神经网络方法的组合,预测信号肽的位置及相应切点
7.三级结构预测的方法:
同源建模,折叠识别,从头预测
①同源建模:
先在蛋白质结构数据库中寻找未知结构蛋白的同源伙伴,再利用一定计算方法把同源蛋白的结构优化构建出预测的结果。
基本过程:
目标序列与模板序列的匹配,确定蛋白质结构保守区及其结构,目标结构建模,目标结构变异区建模,侧链安装与优化,模型优化与评估
8.蛋白质功能预测:
根据序列预测功能的一般过程:
①蛋白质的许多特性可直接从序列上分析获得,如疏水性,跨膜螺旋或前导序列等。
总的来说,根据序列预测蛋白质功能的唯一方法是通过数据库搜寻,比较该蛋白是否与已知功能的蛋白质相似。
②比较未知蛋白序列与已知蛋白质序列的相似性;
③查找未知蛋白中是否包含与特定蛋白质家族或功能域有关的亚序列或保守区段。
9.蛋白质家族分析
蛋白质家族分类方式:
功能相似分类、进化相似分类、折叠相似分类
蛋白质家族分类原则:
①典型的蛋白质家族是以实验获得的功能分类②功能相似的家族成员可以通过序列相
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 生物 信息学