一、表达式与基本语句
1、顺序：
如果代码行中的运算符比较多，用括号确定表达式的操作顺序，避免使用默认的优先级。
例如：
word = (high <<>2、复合表达式
允许复合表达式存在的理由是：（1）书写简洁；（2）可以提高编译效率。
要求：
（1）不要编写太复杂或者多用途的复合表达式。
（2）不要把程序中的复合表达式与“真正的数学表达式”混淆。
例如：
if (a <>3、if语句
1）布尔逻辑语句
定义布尔变量名字为flag
if (flag) // 表示flag为真
if (!flag) // 表示flag为假
2）整形变量与零值比较
if (value == 0)
if (value != 0) //不要仿布尔逻辑语句。
3）浮点变量与零值比较
无论是float还是double类型的变量，都有精度限制。所以一定要避免将浮点变量用“==”或“！=”与数字比较，应该设法转化成“>=”或“<=”形式。 假设浮点变量的名字为x，应当将 if (x == 0.0) // 隐含错误的比较 转化为 if ((x>=-EPSINON) && (x<=EPSINON)) 其中EPSINON是允许的误差（即精度）。 4）指针变量与零值比较
应当将指针变量用“==”或“！=”与NULL比较。
假设指针变量的名字为p，它与零值比较的标准if语句如下：
if (p == NULL) // p与NULL显式比较，强调p是指针变量
if (p != NULL)
5）补充
（1）可能会看到 if (NULL == p) 这样古怪的格式。不是程序写错了，是程序员为了防止将 if (p == NULL) 误写成 if (p = NULL)，而有意把p和NULL颠倒。编译器认为 if (p = NULL) 是合法的，但是会指出 if (NULL = p)是错误的，因为NULL不能被赋值。
（2）标准风格：
if (condition)
{
return x;
}
else
{
return y;
}
或者改写成更加简练的
return (condition ? x : y);
4、循环语句
1）在多重循环中，如果有可能，应当将最长的循环放在最内层，最短的循环放在最外层，以减少CPU跨切循环层的次数。——效率
2）如果循环体内存在逻辑判断，并且循环次数很大，宜将逻辑判断移到循环体的外面。如果N非常小，两者效率差别并不明显。
3）不可在for 循环体内修改循环变量，防止for 循环失去控制。for语句的循环控制变量的取值采用“半开半闭区间”写法。即x值属于半开半闭区间“[0,N)"。
5、switch语句
switch语句的基本格式是：
switch (variable)
{
case value1 : …
break;
case value2 : …
break;
…
default : …
break;
}
不要忘记break；不要忘记default分支。
6、goto语句
goto 语句至少有一处可显神通，它能从多重循环体中咻地一下子跳到外面，用不着写很多次的break语句。
二、变量与常量
三、函数设计
2009年1月25日星期日
2008年11月24日星期一
高质量编程II——程序书法
写好的程序，就像写一个好书法。写字追求一个韵味；书法却讲求简洁和高效。
程序书法为的就是：让看你程序的人，能看懂，乐于看。
程序书法涉及以下几个方面：
1、空格。
2、空行和代码行。
3、对齐。
4、长行拆分。
5、修饰符位置——避免误解。
6、注释。
7、类的结构。
8、命名规则。
下面逐个进行学习分析。
一、空行与代码行。
空行起着分隔程序段落的作用。因此，合理利用空行，能够让程序结构清晰。
【规则2-1-1】在每个类声明之后、每个函数定义结束之后都要加空行。
【规则2-1-2】在一个函数体内，逻揖上密切相关的语句之间不加空行，其它地方应加空行分隔。
简而言之，当一个比较完整的个体开始/完成的时候，最好添加空行分割开来。
代码行：
【规则2-1-3】一行代码只做一件事情，如只定义一个变量，或只写一条语句。这样的代码容易阅读，并且方便于写注释。
【规则2-1-4】if、for、while、do等语句自占一行，执行语句不得紧跟其后。不论执行语句有多少都要加{}。这样可以防止书写失误。
【建议】尽可能在定义变量的同时初始化该变量（就近原则）。
int width = 10; // 定义并初绐化width
int height = 10; // 定义并初绐化height
int depth = 10; // 定义并初绐化depth
x = a + b;
y = c + d;
z = e + f;
if (width < height)
{
dosomething();
}
for (initialization; condition; update)
{
dosomething();
}
// 空行
other();
示例 风格良好的代码行
二、空格
【规则2-2-1】关键字之后要留空格。象const、virtual、inline、case 等关键字之后至少要留一个空格，否则无法辨析关键字。象if、for、while等关键字之后应留一个空格再跟左括号‘（’，以突出关键字。——突出关键字。
【规则2-2-2】函数名之后不要留空格，紧跟左括号‘（’，以与关键字区别。
【规则2-2-3】‘（’向后紧跟，‘）’、‘，’、‘;’向前紧跟，紧跟处不留空格。
【规则2-2-4】‘，’之后要留空格，如Function(x, y, z)。如果‘;’不是一行的结束符号，其后要留空格，如for (initialization; condition; update)。
【规则2-2-5】赋值操作符、比较操作符、算术操作符、逻辑操作符、位域操作符，如“=”、“+=” “>=”、“<=”、“+”、“*”、“%”、“&&”、“”、“<<”,“^”等二元操作符的前后应当加空格。
【规则2-2-6】一元操作符如“!”、“~”、“++”、“--”、“&”（地址运算符）等前后不加空格。
【规则2-2-7】象“［］”、“.”、“->”这类操作符前后不加空格。
【建议】对于表达式比较长的for语句和if语句，为了紧凑起见可以适当地去掉一些空格。
for (i=0; i<10; i++)和if ((a<=b) && (c<=d))
三、对齐
【规则2-3-1】程序的分界符‘{’和‘}’应独占一行并且位于同一列，同时与引用它们的语句左对齐。
【规则2-3-2】{ }之内的代码块在‘{’右边数格处左对齐。
四、长行拆分
【规则2-4-1】代码行最大长度宜控制在70至80个字符以内。代码行不要过长，否则眼睛看不过来，也不便于打印。
【规则2-4-2】长表达式要在低优先级操作符处拆分成新行，操作符放在新行之首（以便突出操作符）。拆分出的新行要进行适当的缩进，使排版整齐，语句可读。
if ((very_longer_variable1 >= very_longer_variable12)
&& (very_longer_variable3 <= very_longer_variable14)
&& (very_longer_variable5 <= very_longer_variable16))
{
dosomething();
}
五、修饰符位置
修饰符 * 和 ＆ 应该靠近数据类型还是该靠近变量名，是个有争议的活题。
若将修饰符 * 靠近数据类型，例如：int* x; 从语义上讲此写法比较直观，即x是int 类型的指针。
上述写法的弊端是容易引起误解，例如：int* x, y; 此处y容易被误解为指针变量。虽然将x和y分行定义可以避免误解，但并不是人人都愿意这样做。
【规则2-5-1】应当将修饰符 * 和 ＆ 紧靠变量名
例如：
char *name;
int *x, y; // 此处y不会被误解为指针
六、注释
C++语言中，程序块的注释常采用“/*…*/”，行注释一般采用“//…”。注释通常用于：
（1）版本、版权声明；
（2）函数接口说明；
（3）重要的代码行或段落提示。
虽然注释有助于理解代码，但注意不可过多地使用注释。
【规则2-6-1】边写代码边注释，修改代码同时修改相应的注释，以保证注释与代码的一致性。不再有用的注释要删除。
【规则2-6-2】注释的位置应与被描述的代码相邻，可以放在代码的上方或右方，不可放在下方。
七、类的版式
类可以将数据和函数封装在一起，其中函数表示了类的行为（或称服务）。
类提供关键字public、protected和private，分别用于声明哪些数据和函数是公有的、受保护的或者是私有的。这样可以达到信息隐藏的目的，即让类仅仅公开必须要让外界知道的内容，而隐藏其它一切内容。
类的版式主要有两种方式：
（1）将private类型的数据写在前面，而将public类型的函数写在后面，如示例8-3（a）。采用这种版式的程序员主张类的设计“以数据为中心”，重点关注类的内部结构。
（2）将public类型的函数写在前面，而将private类型的数据写在后面，如示例8.3（b）采用这种版式的程序员主张类的设计“以行为为中心”，重点关注的是类应该提供什么样的接口（或服务）。
建议采用“以行为为中心”的书写方式，即首先考虑类应该提供什么样的函数。这是很多人的经验——“这样做不仅让自己在设计类时思路清晰，而且方便别人阅读。因为用户最关心的是接口，谁愿意先看到一堆私有数据成员！”
八、命名规则
（一）共性规则
【规则2-8-1】标识符应当直观且可以拼读，可望文知意，不必进行“解码”。切忌使用汉语拼音来命名。
【规则2-8-2】标识符的长度应当符合“min-length && max-information”原则。——适度把握，区别就行。
【规则2-8-3】命名规则尽量与所采用的操作系统或开发工具的风格保持一致。
Windows应用程序的标识符通常采用“大小写”混排的方式，如AddChild。
Unix应用程序的标识符通常采用“小写加下划线”的方式，如add_child。
别把这两类风格混在一起用。
【规则2-8-4】程序中不要出现仅靠大小写区分的相似的标识符。
【规则2-8-5】程序中不要出现标识符完全相同的局部变量和全局变量，尽管两者的作用域不同而不会发生语法错误，但会使人误解。
【规则2-8-6】变量的名字应当使用“名词”或者“形容词＋名词”。float newValue;
【规则2-8-7】全局函数的名字应当使用“动词”或者“动词＋名词”（动宾词组）。类的成员函数应当只使用“动词”，被省略掉的名词就是对象本身。
例如：
DrawBox(); // 全局函数
box->Draw(); // 类的成员函数
【规则2-8-8】用正确的反义词组命名具有互斥意义的变量或相反动作的函数等。
【建议】尽量避免名字中出现数字编号，如Value1,Value2等，除非逻辑上的确需要编号。这是为了防止程序员偷懒，不肯为命名动脑筋而导致产生无意义的名字（因为用数字编号最省事）。
（二）Windows下命名规则：
【规则2-8-9】类名和函数名用大写字母开头的单词组合而成。
【规则2-8-10】变量和参数用小写字母开头的单词组合而成。
【规则2-8-11】常量全用大写的字母，用下划线分割单词。
【规则2-8-12】静态变量加前缀s_（表示static）。
【规则2-8-13】如果不得已需要全局变量，则使全局变量加前缀g_（表示global）。
【规则2-8-14】类的数据成员加前缀m_（表示member），这样可以避免数据成员与成员函数的参数同名。
void Object::SetValue(int width, int height)
{
m_width = width;
m_height = height;
}
【规则2-8-15】为了防止某一软件库中的一些标识符和其它软件库中的冲突，可以为各种标识符加上能反映软件性质的前缀。例如三维图形标准OpenGL的所有库函数均以gl开头，所有常量（或宏定义）均以GL开头。
程序书法为的就是：让看你程序的人，能看懂，乐于看。
程序书法涉及以下几个方面：
1、空格。
2、空行和代码行。
3、对齐。
4、长行拆分。
5、修饰符位置——避免误解。
6、注释。
7、类的结构。
8、命名规则。
下面逐个进行学习分析。
一、空行与代码行。
空行起着分隔程序段落的作用。因此，合理利用空行，能够让程序结构清晰。
【规则2-1-1】在每个类声明之后、每个函数定义结束之后都要加空行。
【规则2-1-2】在一个函数体内，逻揖上密切相关的语句之间不加空行，其它地方应加空行分隔。
简而言之，当一个比较完整的个体开始/完成的时候，最好添加空行分割开来。
代码行：
【规则2-1-3】一行代码只做一件事情，如只定义一个变量，或只写一条语句。这样的代码容易阅读，并且方便于写注释。
【规则2-1-4】if、for、while、do等语句自占一行，执行语句不得紧跟其后。不论执行语句有多少都要加{}。这样可以防止书写失误。
【建议】尽可能在定义变量的同时初始化该变量（就近原则）。
int width = 10; // 定义并初绐化width
int height = 10; // 定义并初绐化height
int depth = 10; // 定义并初绐化depth
x = a + b;
y = c + d;
z = e + f;
if (width < height)
{
dosomething();
}
for (initialization; condition; update)
{
dosomething();
}
// 空行
other();
示例 风格良好的代码行
二、空格
【规则2-2-1】关键字之后要留空格。象const、virtual、inline、case 等关键字之后至少要留一个空格，否则无法辨析关键字。象if、for、while等关键字之后应留一个空格再跟左括号‘（’，以突出关键字。——突出关键字。
【规则2-2-2】函数名之后不要留空格，紧跟左括号‘（’，以与关键字区别。
【规则2-2-3】‘（’向后紧跟，‘）’、‘，’、‘;’向前紧跟，紧跟处不留空格。
【规则2-2-4】‘，’之后要留空格，如Function(x, y, z)。如果‘;’不是一行的结束符号，其后要留空格，如for (initialization; condition; update)。
【规则2-2-5】赋值操作符、比较操作符、算术操作符、逻辑操作符、位域操作符，如“=”、“+=” “>=”、“<=”、“+”、“*”、“%”、“&&”、“”、“<<”,“^”等二元操作符的前后应当加空格。
【规则2-2-6】一元操作符如“!”、“~”、“++”、“--”、“&”（地址运算符）等前后不加空格。
【规则2-2-7】象“［］”、“.”、“->”这类操作符前后不加空格。
【建议】对于表达式比较长的for语句和if语句，为了紧凑起见可以适当地去掉一些空格。
for (i=0; i<10; i++)和if ((a<=b) && (c<=d))
三、对齐
【规则2-3-1】程序的分界符‘{’和‘}’应独占一行并且位于同一列，同时与引用它们的语句左对齐。
【规则2-3-2】{ }之内的代码块在‘{’右边数格处左对齐。
四、长行拆分
【规则2-4-1】代码行最大长度宜控制在70至80个字符以内。代码行不要过长，否则眼睛看不过来，也不便于打印。
【规则2-4-2】长表达式要在低优先级操作符处拆分成新行，操作符放在新行之首（以便突出操作符）。拆分出的新行要进行适当的缩进，使排版整齐，语句可读。
if ((very_longer_variable1 >= very_longer_variable12)
&& (very_longer_variable3 <= very_longer_variable14)
&& (very_longer_variable5 <= very_longer_variable16))
{
dosomething();
}
五、修饰符位置
修饰符 * 和 ＆ 应该靠近数据类型还是该靠近变量名，是个有争议的活题。
若将修饰符 * 靠近数据类型，例如：int* x; 从语义上讲此写法比较直观，即x是int 类型的指针。
上述写法的弊端是容易引起误解，例如：int* x, y; 此处y容易被误解为指针变量。虽然将x和y分行定义可以避免误解，但并不是人人都愿意这样做。
【规则2-5-1】应当将修饰符 * 和 ＆ 紧靠变量名
例如：
char *name;
int *x, y; // 此处y不会被误解为指针
六、注释
C++语言中，程序块的注释常采用“/*…*/”，行注释一般采用“//…”。注释通常用于：
（1）版本、版权声明；
（2）函数接口说明；
（3）重要的代码行或段落提示。
虽然注释有助于理解代码，但注意不可过多地使用注释。
【规则2-6-1】边写代码边注释，修改代码同时修改相应的注释，以保证注释与代码的一致性。不再有用的注释要删除。
【规则2-6-2】注释的位置应与被描述的代码相邻，可以放在代码的上方或右方，不可放在下方。
七、类的版式
类可以将数据和函数封装在一起，其中函数表示了类的行为（或称服务）。
类提供关键字public、protected和private，分别用于声明哪些数据和函数是公有的、受保护的或者是私有的。这样可以达到信息隐藏的目的，即让类仅仅公开必须要让外界知道的内容，而隐藏其它一切内容。
类的版式主要有两种方式：
（1）将private类型的数据写在前面，而将public类型的函数写在后面，如示例8-3（a）。采用这种版式的程序员主张类的设计“以数据为中心”，重点关注类的内部结构。
（2）将public类型的函数写在前面，而将private类型的数据写在后面，如示例8.3（b）采用这种版式的程序员主张类的设计“以行为为中心”，重点关注的是类应该提供什么样的接口（或服务）。
建议采用“以行为为中心”的书写方式，即首先考虑类应该提供什么样的函数。这是很多人的经验——“这样做不仅让自己在设计类时思路清晰，而且方便别人阅读。因为用户最关心的是接口，谁愿意先看到一堆私有数据成员！”
八、命名规则
（一）共性规则
【规则2-8-1】标识符应当直观且可以拼读，可望文知意，不必进行“解码”。切忌使用汉语拼音来命名。
【规则2-8-2】标识符的长度应当符合“min-length && max-information”原则。——适度把握，区别就行。
【规则2-8-3】命名规则尽量与所采用的操作系统或开发工具的风格保持一致。
Windows应用程序的标识符通常采用“大小写”混排的方式，如AddChild。
Unix应用程序的标识符通常采用“小写加下划线”的方式，如add_child。
别把这两类风格混在一起用。
【规则2-8-4】程序中不要出现仅靠大小写区分的相似的标识符。
【规则2-8-5】程序中不要出现标识符完全相同的局部变量和全局变量，尽管两者的作用域不同而不会发生语法错误，但会使人误解。
【规则2-8-6】变量的名字应当使用“名词”或者“形容词＋名词”。float newValue;
【规则2-8-7】全局函数的名字应当使用“动词”或者“动词＋名词”（动宾词组）。类的成员函数应当只使用“动词”，被省略掉的名词就是对象本身。
例如：
DrawBox(); // 全局函数
box->Draw(); // 类的成员函数
【规则2-8-8】用正确的反义词组命名具有互斥意义的变量或相反动作的函数等。
【建议】尽量避免名字中出现数字编号，如Value1,Value2等，除非逻辑上的确需要编号。这是为了防止程序员偷懒，不肯为命名动脑筋而导致产生无意义的名字（因为用数字编号最省事）。
（二）Windows下命名规则：
【规则2-8-9】类名和函数名用大写字母开头的单词组合而成。
【规则2-8-10】变量和参数用小写字母开头的单词组合而成。
【规则2-8-11】常量全用大写的字母，用下划线分割单词。
【规则2-8-12】静态变量加前缀s_（表示static）。
【规则2-8-13】如果不得已需要全局变量，则使全局变量加前缀g_（表示global）。
【规则2-8-14】类的数据成员加前缀m_（表示member），这样可以避免数据成员与成员函数的参数同名。
void Object::SetValue(int width, int height)
{
m_width = width;
m_height = height;
}
【规则2-8-15】为了防止某一软件库中的一些标识符和其它软件库中的冲突，可以为各种标识符加上能反映软件性质的前缀。例如三维图形标准OpenGL的所有库函数均以gl开头，所有常量（或宏定义）均以GL开头。
2008年11月22日星期六
Ubuntu下geany 配置
Get geany in website.
then write the first C++ program,but mostly you can't run it ritht now.
1、geany依赖于gcc and g++,他们是 GNU工程的C和C++编译器。
- gcc
- 认为预处理后的文件(.i)是C文件,并且设定C形式的连接.
- g++
- 认为预处理后的文件(.i)是C++文件,并且设定C++形式的连接.
刚装好的GCC什么都不能编译，因为没有一些必须的头文件，所以要安装build-essential，安装了这个包会安装上g++,libc6-dev,linux-libc-dev,libstdc++6-4.1-dev等好多必须的软件和头文件。
代码:
sudo apt-get install build-essential
2. gtk
安装GTK环境只要安装一个gnome-core-devel就可以了，里面集成了很多其他的包。除此之外还要转一些其他的东西，如libglib2.0 -doc、libgtk2.0-doc帮助文档，devhelp帮助文档查看，glade-gnome、glade-common、glade-doc图 形界面设计等。
代码:
sudo apt-get install gnome-devel——用此命令足矣。
sudo apt-get install gnome-core-devel
sudo apt-get install libglib2.0-doc libgtk2.0-doc
sudo apt-get install devhelp
sudo apt-get install glade-gnome glade-common glade-doc
问题：
虚拟终端无法连接：
是因为文件夹没有创建或者说生成，因此不用点击编译，直接点生成，然后在执行即可。
至此，Linux下C＋＋编程环境已经搞定。
目前网上有人推荐code block,一个好处就是可以夸平台运行：既可在windows,也可在Linux。有兴趣的话，可以尝试一下。
2008年10月31日星期五
回归I——基因测序相关问题
一、作用
现在基因测序越来越火，但还是得提醒一下：认清形势，务必注意高科技骗子。
基因与疾病密切相关，但大多数病是多基因病，只有很少一部分病是直接能够被基因决定性影响的。在关注自身健康的同时，基因检测是必须的，但是更重要的还在于自己的生活习惯，好的生活习惯加上比较健康的基因状态是身体长期健康的前提。
当然，必须的承认，癌症越来越多的威胁着人类健康。而且基因状态对于癌症的发生关系密切，但是，需要提出的是，诱因很大一个程度来自于环境。如果患了癌症，监控基因状态，进行基因治疗是一个非常好的思路；然而预防癌症，更要关注环境和生活习惯，资金充足的可以间隔一段时间进行基因体检，这也是比较好的选择。
因为基因在某种程度上参与这各种疾病，因此人类基因组测序必须完成，很高兴的是，已经结束了。但是，仍然有很多物种的基因组测序尚待完成。为了理解进化，理解物种多样性和理解基因的性格，我们需要检测各种物种的基因组，这也是生物多样性所要求的。
二、测序方法学
1、技术。从技术发展上来讲，如果明知技术发展有限，而且后续技术肯定有跨越式发展时，请不要做太多傻事。可能你很辛苦的做了大量工作，最后，技术改进了，发现你的结果都不能用的时候，你能坐在那里哭吗？生物技术，向来都是后来者居上，谁有最先进的技术，谁就走在最前沿，没有永恒的前沿。
2、测序方法：
链终止法测序——非常精妙而不利于大型操作的技术。
化学降解法测序——同上，剧毒物比较多。
自动化测序——加荧光标记，人类更轻松，仪器更繁忙，时间的问题。
非常规DNA测序
3、测序策略:
随机测序——鸟枪法。测序小片段，依重叠区域重建序列。
限制测序——水稻基因组测序所选策略。先进行各个BAC克隆的随机测序,再进行序列组装。
指导测序——构建基因组质粒文库，利用分子标记将大片段排成重叠的克隆群(Contig), 分别小片段测序后拼装.
重要区域优先测序，EST测序（mRNA-cDNA文库测序）等。
三、对序列的认识：
1、重复性。有单一序列，也有中度重复序列和高度重复序列，如何分析其重复的价值有待分别考量。
2、内含子与外显子。EST测序可以检测表达的基因序列，而内含子序列的测定及其价值的考量也是问题。
对于基因：
1、相似基因。功能相同或可以相互替代时，成为基因家族（一群具有一致的或相似顺序的基因,有的还担负类似的生物学功能, 可以相互补偿）。分析此类基因，需要将序列变为矩阵。功能丧失或者完全改变时，称为假基因，可能因为某些核苷酸或片段重复、某些修饰或残缺而导致。
2、重叠基因。两个基因有重叠区域或者重叠序列。可以一个基因包含另一个，也可以交叉部分序列，即重叠部分有两个蛋白的信息。
四：序列问题
1、序列拼接问题。
全基因族鸟枪法测序带来的问题：数据量极大，大量重复序列造成拼接途径的不确定。
对新算法、软件的需求：
能充分利用正反向测序的配对信息, 避免重复序列造成的错误拼接。
能处理数以百万甚至千万计的数据：程序并行化，高效率比对，能逐步拼接。
数学问题：
消除测序错误。
识别重复序列——覆盖深度模型。
识别重叠区域以及拼接——图论等。
2、序列诠释问题。
1）基因识别——寻找基因。
（1）根据开放读码框预测基因：ORF预测软件
起始密码子ATG
Kozak规则：第一个ATG侧翼序列的碱基分布所满足的统计规律。
定义：A 1，T2，G3.
则： 第4位的偏好碱基为G；ATG的5’端约15bp范围的侧翼序列内不含碱基T；在-3，-6和-9位置，G是偏好碱基；除-3，-6和-9位，在整个侧翼序列区，C是偏好碱基。
可以进行信号肽分析：
首先证实含完整mRNA 5’端的Contig翻译为蛋白序列;
然后用SignalP软件对前50个氨基酸序列(从第一个ATG对应的甲硫氨酸Met开始)进行评估，如果SignalP分析给出正面结果，则测试序列有可能为信号肽; 假如在该测试序列的第一个Met 5’端存在终止密码子，该序列为信号肽的可能性更大。
终止密码子TAA TAG TGA
GC% = 50% 终止密码子每 64 bp出现一次；
GC% > 50% 终止密码子每100－200 bp 出现一次；
多数基因 ORF 均多于50个密码子，因此最可能的选择应该是 ORF 不少于100 个密码子。
3’端确认
主要根据Poly(A)尾序列。若测试Contig不含Poly(A)序列，则根据加尾信号序列“AATAAA”和BLAST同源性比较结果共同判断。
外显子－内含子边界
内含子的5‘端或称供体位（donor site）常见的顺序为 5’－AG↓GTTAAGT-3’；
3’端又称受体位（acceptor site), 多为5‘PyPyPyPyPyPyCAG-3’(“Py”嘧啶核苷酸，T或C)；
上游控制顺序
几乎所有基因（或操纵子）上游都有调控序列，它们可与DNA结合蛋白作用，控制基因表达。CpG岛。
（2）mRNA的5’端即转录起始位点区
通过同源性比较来预测mRNA的5’端，最常用的与转录起始位点相关的数据库是真核启动子数据库(The TRADAT Project , Eukaryotic Promoter Database, EPD. www.epd.unil.ch/ )。
（3）同源查询
通过已存入数据库中的基因顺序与待查的基因组序列进行比较，从中查找可与之匹配的碱基顺序及其比例，用于界定基因的方法称为同源查询。
A DNA序列某些片段完全相同；
B 开放读码框（ORF）排列类似，如有长外显子；
C 开放读码框翻译成氨基酸序列的相似性；
D 模拟多肽高级结构相似
2）上游控制序列识别——序列比对。
现在基因测序越来越火，但还是得提醒一下：认清形势，务必注意高科技骗子。
基因与疾病密切相关，但大多数病是多基因病，只有很少一部分病是直接能够被基因决定性影响的。在关注自身健康的同时，基因检测是必须的，但是更重要的还在于自己的生活习惯，好的生活习惯加上比较健康的基因状态是身体长期健康的前提。
当然，必须的承认，癌症越来越多的威胁着人类健康。而且基因状态对于癌症的发生关系密切，但是，需要提出的是，诱因很大一个程度来自于环境。如果患了癌症，监控基因状态，进行基因治疗是一个非常好的思路；然而预防癌症，更要关注环境和生活习惯，资金充足的可以间隔一段时间进行基因体检，这也是比较好的选择。
因为基因在某种程度上参与这各种疾病，因此人类基因组测序必须完成，很高兴的是，已经结束了。但是，仍然有很多物种的基因组测序尚待完成。为了理解进化，理解物种多样性和理解基因的性格，我们需要检测各种物种的基因组，这也是生物多样性所要求的。
二、测序方法学
1、技术。从技术发展上来讲，如果明知技术发展有限，而且后续技术肯定有跨越式发展时，请不要做太多傻事。可能你很辛苦的做了大量工作，最后，技术改进了，发现你的结果都不能用的时候，你能坐在那里哭吗？生物技术，向来都是后来者居上，谁有最先进的技术，谁就走在最前沿，没有永恒的前沿。
2、测序方法：
链终止法测序——非常精妙而不利于大型操作的技术。
化学降解法测序——同上，剧毒物比较多。
自动化测序——加荧光标记，人类更轻松，仪器更繁忙，时间的问题。
非常规DNA测序
3、测序策略:
随机测序——鸟枪法。测序小片段，依重叠区域重建序列。
限制测序——水稻基因组测序所选策略。先进行各个BAC克隆的随机测序,再进行序列组装。
指导测序——构建基因组质粒文库，利用分子标记将大片段排成重叠的克隆群(Contig), 分别小片段测序后拼装.
重要区域优先测序，EST测序（mRNA-cDNA文库测序）等。
三、对序列的认识：
1、重复性。有单一序列，也有中度重复序列和高度重复序列，如何分析其重复的价值有待分别考量。
2、内含子与外显子。EST测序可以检测表达的基因序列，而内含子序列的测定及其价值的考量也是问题。
对于基因：
1、相似基因。功能相同或可以相互替代时，成为基因家族（一群具有一致的或相似顺序的基因,有的还担负类似的生物学功能, 可以相互补偿）。分析此类基因，需要将序列变为矩阵。功能丧失或者完全改变时，称为假基因，可能因为某些核苷酸或片段重复、某些修饰或残缺而导致。
2、重叠基因。两个基因有重叠区域或者重叠序列。可以一个基因包含另一个，也可以交叉部分序列，即重叠部分有两个蛋白的信息。
四：序列问题
1、序列拼接问题。
全基因族鸟枪法测序带来的问题：数据量极大，大量重复序列造成拼接途径的不确定。
对新算法、软件的需求：
能充分利用正反向测序的配对信息, 避免重复序列造成的错误拼接。
能处理数以百万甚至千万计的数据：程序并行化，高效率比对，能逐步拼接。
数学问题：
消除测序错误。
识别重复序列——覆盖深度模型。
识别重叠区域以及拼接——图论等。
2、序列诠释问题。
1）基因识别——寻找基因。
（1）根据开放读码框预测基因：ORF预测软件
起始密码子ATG
Kozak规则：第一个ATG侧翼序列的碱基分布所满足的统计规律。
定义：A 1，T2，G3.
则： 第4位的偏好碱基为G；ATG的5’端约15bp范围的侧翼序列内不含碱基T；在-3，-6和-9位置，G是偏好碱基；除-3，-6和-9位，在整个侧翼序列区，C是偏好碱基。
可以进行信号肽分析：
首先证实含完整mRNA 5’端的Contig翻译为蛋白序列;
然后用SignalP软件对前50个氨基酸序列(从第一个ATG对应的甲硫氨酸Met开始)进行评估，如果SignalP分析给出正面结果，则测试序列有可能为信号肽; 假如在该测试序列的第一个Met 5’端存在终止密码子，该序列为信号肽的可能性更大。
终止密码子TAA TAG TGA
GC% = 50% 终止密码子每 64 bp出现一次；
GC% > 50% 终止密码子每100－200 bp 出现一次；
多数基因 ORF 均多于50个密码子，因此最可能的选择应该是 ORF 不少于100 个密码子。
3’端确认
主要根据Poly(A)尾序列。若测试Contig不含Poly(A)序列，则根据加尾信号序列“AATAAA”和BLAST同源性比较结果共同判断。
外显子－内含子边界
内含子的5‘端或称供体位（donor site）常见的顺序为 5’－AG↓GTTAAGT-3’；
3’端又称受体位（acceptor site), 多为5‘PyPyPyPyPyPyCAG-3’(“Py”嘧啶核苷酸，T或C)；
上游控制顺序
几乎所有基因（或操纵子）上游都有调控序列，它们可与DNA结合蛋白作用，控制基因表达。CpG岛。
（2）mRNA的5’端即转录起始位点区
通过同源性比较来预测mRNA的5’端，最常用的与转录起始位点相关的数据库是真核启动子数据库(The TRADAT Project , Eukaryotic Promoter Database, EPD. www.epd.unil.ch/ )。
（3）同源查询
通过已存入数据库中的基因顺序与待查的基因组序列进行比较，从中查找可与之匹配的碱基顺序及其比例，用于界定基因的方法称为同源查询。
A DNA序列某些片段完全相同；
B 开放读码框（ORF）排列类似，如有长外显子；
C 开放读码框翻译成氨基酸序列的相似性；
D 模拟多肽高级结构相似
2）上游控制序列识别——序列比对。
谈生物信息学与生物医药学
兴趣在生物信息，上了药理学两年研究生，深深感受到人类密码对人类健康的重要意义。
问题：细胞是怎么运作的，简而言之，心肌细胞如何自己跳动？心肌细胞在损伤的时候，细胞如何响应？
这个问题，我无法回答。但是，有两个方面值得关注：
（1）神经系统控制着整个机体，在神经系统的影响下，心肌细胞的反应必然带有深深的神经烙印。我的研究表明，心肌细胞损伤的时候，神经受体表达显著发生改变，为什么？难道心肌细胞甘为神经系统的奴隶，希望让其控制？不是的！是基因，是基因让它这么做的！
（2）心肌细胞缺血受损的时候，其膜电位系统、钙信号系统、线粒体产能系统和基因表达都会发生各自的改变。对于这个网络的计算机重建已经开展了半个多世纪了，目前总算慢慢构建起详细而复杂的心肌细胞膜电位仿真模型，线粒体仿真虽然还没有完整的模型，但也近在咫尺。基因表达和钙信号系统仿真也逐渐开展开来，然而真正要建立一个虚拟细胞，尚需时日。任何一个方向我都感兴趣，因为我的目标在虚拟细胞。基因表达系统的计算机仿真是最困难的一个环节。而这个环节，也将是我最最关注的一个环节。
认识细胞，理解细胞行为，重建起细胞，那么人类距离解释生命密码的距离就非常近了，后面的大部分都是体力活。
在虚拟细胞的基础上，模拟病理模型，对于计算机辅助药物设计的作用是里程碑式的，虽然不能完全代替现实中的实验，但是，药物筛选效率将跨越式提高。
在虚拟细胞，虚拟组织以及虚拟人体的基础上，疾病诊断、新药研发、定量化和个体化治疗策略将呈现出崭新的面貌。
未来的人类社会，必然建立在信息的基础上。
问题：细胞是怎么运作的，简而言之，心肌细胞如何自己跳动？心肌细胞在损伤的时候，细胞如何响应？
这个问题，我无法回答。但是，有两个方面值得关注：
（1）神经系统控制着整个机体，在神经系统的影响下，心肌细胞的反应必然带有深深的神经烙印。我的研究表明，心肌细胞损伤的时候，神经受体表达显著发生改变，为什么？难道心肌细胞甘为神经系统的奴隶，希望让其控制？不是的！是基因，是基因让它这么做的！
（2）心肌细胞缺血受损的时候，其膜电位系统、钙信号系统、线粒体产能系统和基因表达都会发生各自的改变。对于这个网络的计算机重建已经开展了半个多世纪了，目前总算慢慢构建起详细而复杂的心肌细胞膜电位仿真模型，线粒体仿真虽然还没有完整的模型，但也近在咫尺。基因表达和钙信号系统仿真也逐渐开展开来，然而真正要建立一个虚拟细胞，尚需时日。任何一个方向我都感兴趣，因为我的目标在虚拟细胞。基因表达系统的计算机仿真是最困难的一个环节。而这个环节，也将是我最最关注的一个环节。
认识细胞，理解细胞行为，重建起细胞，那么人类距离解释生命密码的距离就非常近了，后面的大部分都是体力活。
在虚拟细胞的基础上，模拟病理模型，对于计算机辅助药物设计的作用是里程碑式的，虽然不能完全代替现实中的实验，但是，药物筛选效率将跨越式提高。
在虚拟细胞，虚拟组织以及虚拟人体的基础上，疾病诊断、新药研发、定量化和个体化治疗策略将呈现出崭新的面貌。
未来的人类社会，必然建立在信息的基础上。
2008年10月26日星期日
基因研究方向再谈
任何一个科学领域都存在着：分久必合，合久必分的历史趋势。生物医学研究更是如此。然而值得一提的是，迅猛发展的生物信息学研究，必然面临着整合，因为改学科的终极目的就是：在服务器上能够模拟出一个广义的细胞。该细胞有如下功能：
在生物医学方面：
1、明确疾病特征，尤其是蛋白环节时，能够快速检测到相关蛋白及这些蛋白的有关病症；能够快速检测其基因以及基因状态，以及相关的疾病特征。
2、在明确基因的基础上，能够快速检测到存在改基因的相关物种（特别依据进化树位置判断），分析基因水平的改变以及改变导致的后果。
3、提出基因治疗和分子信号通路治疗方案。
而当前的基因研究的任务也在于：完成自己的使命。
使命一：完成尽可能多的序列测定任务。人的，大鼠的，大熊猫的，黄瓜的等等。当前的技术有限，测定比较慢；但在不久的将来肯定会有一种快速基因组测定方法，从而让人类可以快速检测各种物种的基因组，也可以快速检测各个个体的基因组。在这个领域，技术领先的人会永远走在最前面，而不一定是起步最早的人。因此，测序，要永远走在最前面，必须强化技术研发。
使命二：测序不是目的，目的是分析序列以及特异基因。进化分析或序列发生分析具有重大历史意义，而特异基因的分析更具有现实意义。依托大量的测序结果，有先天的优势，但这两个方向的选择与把握更具有长远的战略意义。尤其是特异基因研究不是近几十年能够完成的，必须成为一大优势。值得一提的是，进化分析也可用于发现特殊基因。
使命三：基因-蛋白-疾病主轴的建立是关键，在这三部曲中，改公司或者研究单位能做多少奉献，有赖于战略把握。但无论如何，不能忘记最终的目标：细胞内复杂信号网络的重建。
在生物医学方面：
1、明确疾病特征，尤其是蛋白环节时，能够快速检测到相关蛋白及这些蛋白的有关病症；能够快速检测其基因以及基因状态，以及相关的疾病特征。
2、在明确基因的基础上，能够快速检测到存在改基因的相关物种（特别依据进化树位置判断），分析基因水平的改变以及改变导致的后果。
3、提出基因治疗和分子信号通路治疗方案。
而当前的基因研究的任务也在于：完成自己的使命。
使命一：完成尽可能多的序列测定任务。人的，大鼠的，大熊猫的，黄瓜的等等。当前的技术有限，测定比较慢；但在不久的将来肯定会有一种快速基因组测定方法，从而让人类可以快速检测各种物种的基因组，也可以快速检测各个个体的基因组。在这个领域，技术领先的人会永远走在最前面，而不一定是起步最早的人。因此，测序，要永远走在最前面，必须强化技术研发。
使命二：测序不是目的，目的是分析序列以及特异基因。进化分析或序列发生分析具有重大历史意义，而特异基因的分析更具有现实意义。依托大量的测序结果，有先天的优势，但这两个方向的选择与把握更具有长远的战略意义。尤其是特异基因研究不是近几十年能够完成的，必须成为一大优势。值得一提的是，进化分析也可用于发现特殊基因。
使命三：基因-蛋白-疾病主轴的建立是关键，在这三部曲中，改公司或者研究单位能做多少奉献，有赖于战略把握。但无论如何，不能忘记最终的目标：细胞内复杂信号网络的重建。
2008年10月25日星期六
基因发现——世纪大挑战
基因发现是人类基因组计划完成后首先要面对的一个重大问题。
从基因组序列研究发现基因，但是只能发现已知基因，尤其是已知序列及其蛋白的基因。这方面的研究，必须超前，尤其是技术超前。而且对生物信息学数据库的跨库分析要熟练，密切关注研究前沿。但存在一个问题：在遗传多态性分析、跨物种基因比对时，发现特异基因，检测到其已知蛋白，但功能上进一步研究就是各大生物信息学研究所难以消化的。这就需要一类跨专业人才，能够整合国内、国际各大研究所，检索相关蛋白研究领域，并提出研究课题，和该研究所联系，开展合作。基因组测序机构以及生物信息学机构必须加强这个方面，从而保证未来20年不落后。
从功能学研究发现蛋白的特殊作用，进而分析寻找其特异基因，然而发现特殊基因，这样的文章可以发表到Nature上，而且最近几期比较火。这表明两点：1）该方式是基因发现的重要途径，值得重视。2）目前尚处于发展早期，属推广阶段。各蛋白领域研究单位应积极拓展基因研究，而不是一味只攻蛋白。
基因与蛋白数据库发展迅猛，生物信息学从早期的序列操作到特殊基因发现，从基因蛋白关系到细胞内信号传导网络，进而到疾病机理，最终在本世纪中后期构建起完整的虚拟细胞，这将进一步加快基因发现和蛋白发现，医药学研究必将迅猛发展。
从基因组序列研究发现基因，但是只能发现已知基因，尤其是已知序列及其蛋白的基因。这方面的研究，必须超前，尤其是技术超前。而且对生物信息学数据库的跨库分析要熟练，密切关注研究前沿。但存在一个问题：在遗传多态性分析、跨物种基因比对时，发现特异基因，检测到其已知蛋白，但功能上进一步研究就是各大生物信息学研究所难以消化的。这就需要一类跨专业人才，能够整合国内、国际各大研究所，检索相关蛋白研究领域，并提出研究课题，和该研究所联系，开展合作。基因组测序机构以及生物信息学机构必须加强这个方面，从而保证未来20年不落后。
从功能学研究发现蛋白的特殊作用，进而分析寻找其特异基因，然而发现特殊基因，这样的文章可以发表到Nature上，而且最近几期比较火。这表明两点：1）该方式是基因发现的重要途径，值得重视。2）目前尚处于发展早期，属推广阶段。各蛋白领域研究单位应积极拓展基因研究，而不是一味只攻蛋白。
基因与蛋白数据库发展迅猛，生物信息学从早期的序列操作到特殊基因发现，从基因蛋白关系到细胞内信号传导网络，进而到疾病机理，最终在本世纪中后期构建起完整的虚拟细胞，这将进一步加快基因发现和蛋白发现，医药学研究必将迅猛发展。
订阅：
评论 (Atom)