光从基因表达谱找有异常表达的基因也不全面。做出来的基因表达谱往往有很多基因存在差异，有的可能是一些下游的免疫生物学反应，有的可能是误差或个体差异（尤其是做的数量少时），剩下的可能才有加以考虑的价值。 另外，有时疾病易感基因本身表达并无改变，而是通过调控其它基因发挥作用。所以，致病基因的寻找应从多种途径着手。 一孔之见，如有谬误之处，请大家指教。 多谢verygood 兄，我的第一步可能只能做到表达谱的改变这一层次，如果有机会做下去的话，如你所言，应该从各种途径全面考虑。我现在的想法是以表达谱基因芯片技术为核心方法，做出患者和正常人小梁细胞基因表达谱的差异的总体信息，如maxon和你所说，这样可能找到新的致病相关基因，也可能不行，我想着起码是一个方面吧（不知对不对）。 我目前所能考虑的是如何组织自己的思路，来吧这个工作做好。还有几个问题请教： 1.基因文库的建立方法中，比如有一篇文章中选了1118个基因进行研究，通过BLAST，分成了已知基因、已知序列、未知基因等几类，我不明白他们是如何从基因文库（提取细胞全mRNA逆转录来的)中选定的?(还是从别的地方查到的?)，我理解好像是直接测序，请问是如何从基因文库中找出（分离）这些基因一一测序的？ 2.如何使用BLAST？比如同一文章中所说的已经测定出的1118个小梁细胞的表达谱基因序列我如何能查到？能给我讲解一下吗？太感谢了 有没有注意到一个问题,基因芯片只能检测已知的基因或序列,对于那些未知的则无能为力,一孔之见. Andrew说得不错，不过芯片中的基因数也在随对基因研究的深入而在不断增加。对普通的研究来说，主要的已知通路基本已能包括。 多谢指教。有能回答我上面几个问题的吗？我还是有些不明白，看了一天资料也没有明白。 请问：如果我用一个正常群体的基因表达谱cDNA定做了一个芯片（含已知的1118个基因），在与患者cDNA样品的杂交中发现有一个基因表达下调了或者不表达，其原因是什么呢？是真的没有表达还是别的？ 多谢多谢 样本是否一致？比如血细胞，其细胞亚群是否有可比性？ 有对照吗？ 样本是随机样本，小梁细胞是均一的内皮细胞。至于对照，你指的是阴性对照、阳性对照还是转录的内对照？ 小弟所知甚少，低级错误也可能犯，请多多指教。 除去实验和DNA芯片误差外，在与患者cDNA样品的杂交中发现有一个基因表达下调了或者不表达，需要用RT-PCR进行验证。其表达的下调或不表达，可能是受到其上游基因的调控，也可能是基因本身结构有改变，如无义突变可检测到表达的下降。对这些经RT-PCR证实后，应该进行测序，察看这些基因是否有结构的异常。 在天天站长和各位战友的帮助下，我对现在所申请的课题从无知到略懂，终于完成了自然科学基金申请书的写作，在明天，我们的这份凝结着大家的汗水和智慧的申请书就要送出去之前，对各位这几天来的帮助表示诚挚的感谢，尽管这是我第一次写这样的申请，尽管几乎没有中的可能，我还是觉得自己学到了很多东西，也结识了很多好朋友，真诚的感谢给了我这个机会！ 我把这份申请的正文部分放在了附件里了，希望感兴趣的朋友可以看一下，提一些宝贵意见，因为我认为这样的一个课题还是很值得去做的，尽管我们可能没有这个机会和能力去做。 再次感谢大家啦！ () 恭祝申请成功！！ 谢谢天天站长的指教，谢谢各位战友。 近日科研基金开始申报，老板急命申请课题。由于对基础刚刚接触，故请教站长以及各位战友。 1目前收集到一少见的单基因病（癫痫方面），在国内未见临床和基础报道。临床工作，包括留取血样已经完成。 2本病自从98年以来，致病基因得到了定位和克隆，但存在遗传异质性，相同的致病基因的突变位点也不相同。多篇文章发表在nature genetic等权威杂志上。最新的研究显示，仍有其他未知的致病基因。 3合作实验室，有曾经成功的定位和克隆了一例致病基因的经验。 我们申请的目的是致病基因的定位和克隆，并有望发现新的致病基因。 想请教各位： 1在目前仅仅掌握临床资料的情况下，能否提出申请？ 2还需要做那一方面的工作？ 2如果可以，可能申请失败的原因是什麽? 谢谢各位，急切盼望指教！谢谢 如果是单基因疾病，那要看你收集的家系怎么样了。另一个问题主要是你的临床诊断正确与否。我不是临床的，这个临床诊断事关重大，如果有些是诊断错误或分型有误的，很有可能导致无法discover disease gene 单基因疾病这方面的技术策略已经很成熟，有很多文献可以参考。国内也有多家研究机构在做。 我想研究下某个基因SNP与一种疾病的关联。国外已有报道在2个位点上有联系。那么我是进行RFLP分析，还是用SNP分析？ 各位大侠，我最近在做一个X染色体连锁遗传家系的疾病相关基因的定位，现在已用两个位点的MARKER(STR)做了基因组扫描，但是在连锁分析时遇到了困难，我用的是LINKAGE(version ). 我想请教各位在进行连锁分析时，性连锁与常染色体连锁遗传参数设置有何不同？急盼各位予以赐教，不胜感激！ 答无事转转 我想研究下某个基因SNP与一种疾病的关联。国外已有报道在2个位点上有联系。那么我是进行RFLP分析，还是用SNP分析？ RFLP是最早期的遗传标记(第一代)，随着遗传学的发展和测序片段的不断增多，已出现了第二代、第三代遗传标记。RFLP通过酶切作用进行分析，操作简单，花费不多，但特异性差，有被淘汰的趋势；SNP定位明确，相对花费较大，对其分析可以通过测序、小测序(Snapshot)、荧光探针、SNP芯片等方法。 具体行RFLP分析，还是用SNP分析看你的研究目标和经济实力。 请教verygood，能否介绍一下小测序（snapshot）？ 我最近想检测某基因与疾病的关系，外显子较多（20），在其他疾病中已有突变热点（9、11、13、17exon），但我要研究的病未见报道。请问我应对所有外显子测序吗？ coldant wrote: 请教verygood，能否介绍一下小测序（snapshot）？ 我最近想检测某基因与疾病的关系，外显子较多（20），在其他疾病中已有突变热点（9、11、13、17exon），但我要研究的病未见报道。请问我应对所有外显子测序吗？ Snapshot为小测序反应，其原理简单地说是首先扩增包含SNP在内的一段DNA模板，再对PCR产物进行纯化，加入带有不同荧光的ddNTP和中间探针（所谓中间探针即SNP前20个bp左右寡核苷酸序列，探针与ddNTP按照模板序列结合，因为是ddNTP，其后不能再延伸，而结合的ddNTP反应的就是SNP情况），再纯化一下进行电泳，根据不同的荧光可以判断相应SNP基因型。 该方法适用于对已知SNP等位基因型进行确认，对探针要求不高；但操作步骤多，大规模应用较为困难（采用基于毛细管的测序方法，如ABI3100测序仪系列时，相对工作量小些）。 检测某基因与疾病的关系，外显子较多（20），在其他疾病中已有突变热点（9、11、13、17exon），建议你先研究一下这些位点。当然如果基因序列很短，也可以直接测序，因为目前发现的SNP或mutation毕竟还只有预计值的2%左右。 Good luck 谢谢verygood：） 最近忙着论文答辩的事情。我对于这方面完全是菜鸟，但是老板说要有新意，同学给出了个这样的主意。 目前已经提取DNA，进行基因分型。但是我希望测序进行确定。上面提到的SNAPSHOT是小型测序，我已经确定了突变位点，片段在300bp左右，是否可以全部测序？ 另外是全部的样本测序还是就挑选几个杂合子和纯合子测就可以证明？这方面的资料在哪里有介绍？我还是新手：（ 无事转转 wrote: 谢谢verygood：） 最近忙着论文答辩的事情。我对于这方面完全是菜鸟，但是老板说要有新意，同学给出了个这样的主意。 目前已经提取DNA，进行基因分型。但是我希望测序进行确定。上面提到的SNAPSHOT是小型测序，我已经确定了突变位点，片段在300bp左右，是否可以全部测序？ 另外是全部的样本测序还是就挑选几个杂合子和纯合子测就可以证明？这方面的资料在哪里有介绍？我还是新手：（ 如果只是300bp，且标本不多的话，还是直接测序好，因为不仅可以明确已知的SNP基因型，还可能顺带发现一些文献未报道过的，这也就是说所有标本都要测序。 如果只想对已知的那些SNP进行基因分型，你可以采用SNAPSHOT方法，当然亦可以用RFLP，只是特异性差些，所得的条带不一定与目标SNP不同等位基因有关，可能切到染色体其他区域。 这方面到没有一定的资料，我们也是做过以后才逐渐理解的，具体采用何种技术还是因地制宜吧。 verygood wrote 检测某基因与疾病的关系，外显子较多（20），在其他疾病中已有突变热点（9、11、13、17exon），建议你先研究一下这些位点。当然如果基因序列很短，也可以直接测序，因为目前发现的SNP或mutation毕竟还只有预计值的2%左右。 谢谢verygood老师。我研究的基因编码区2930bp，mRNA5084bp，基因全长80kb。本打算直接测序，但病人组18例（石蜡），对照组20例（外周血DNA行吗？），费用可能要6万！！！，所以现在想改成PCR-SSCP加异常条带测序，您看行吗？ verygood wrote: 如果只是300bp，且标本不多的话，还是直接测序好，因为不仅可以明确已知的SNP基因型，还可能顺带发现一些文献未报道过的，这也就是说所有标本都要测序。 如果只想对已知的那些SNP进行基因分型，你可以采用SNAPSHOT方法，当然亦可以用RFLP，只是特异性差些，所得的条带不一定与目标SNP不同等位基因有关，可能切到染色体其他区域。 这方面到没有一定的资料，我们也是做过以后才逐渐理解的，具体采用何种技术还是因地制宜吧。 测序以后的结果要分析突变有什么软件检测呢？另外的统计学分析是不是有专门的生物统计学书有相关的介绍？还是就是普通的统计就可以了？ To coldant ： 对于初步研究，您的方法应该可行。 To 无事转转： 测序以后的结果分析突变主要通过序列比对初筛，可以利用Blast进行。不过确定是否确实为突变需要谨慎，应扩大样本再进行分型研究。 作疾病相关研究，你的case 和control太少了。一般国内期刊好像也要200对200，国外一般性期刊需要400-500对500左右。一流的杂志一般都是至少1000对1000的。由于你经费不足，你不可能作测序，你还是直接选用已知的位点做。因为这个基因跟多种疾病相关，说明这个基因很保守，很有可能跟你所研究的疾病相关，就算没有相关，通过与年龄、性别、该疾病的危险因素综合分析（就是玩数字游戏），一般总能发文章的。 寻找疾病相关基因的SNP，目前主要是直接测序（外周血抽提的DNA，而不是组织），通过对比病人和正常人（无该疾病的人）该基因序列，搜寻SNP。verygood所说的blast，实际上并不适用。 你可对目标SNP所在区域设计一对prime1，使得该SNP位于其中,PCR长度500bp左右。同时在PRIMER1覆盖的区域内，再设计一对PRIMER2。PRIMER2其中一个引物的3‘最后一个碱基必需是与目标SNP所在位点的正常碱基互补，如此，若病人在此位点突变，将导致PRIMER2一对引物不能扩增。另外PRIMER2与PRIMER1至少相距100多bp,PRIMER2产物为200多BP。这样，在一个PCR反应中同时放入这2对引物，就可以得到4个片段（在设计引物时，必须使得这4个片段的长度不同，以便电泳时区别），而含有目标SNP的个体，则只有3个片段，通过电泳，就可以确定是否该个体有突变。 这个方法具体的名称我忘了。希望能对你有所帮组。 maxon wrote: 寻找疾病相关基因的SNP，目前主要是直接测序（外周血抽提的DNA，而不是组织），通过对比病人和正常人（无该疾病的人）该基因序列，搜寻SNP。verygood所说的blast，实际上并不适用。 你可对目标SNP所在区域设计一对prime1，使得该SNP位于其中,PCR长度500bp左右。同时在PRIMER1覆盖的区域内，再设计一对PRIMER2。PRIMER2其中一个引物的3‘最后一个碱基必需是与目标SNP所在位点的正常碱基互补，如此，若病人在此位点突变，将导致PRIMER2一对引物不能扩增。另外PRIMER2与PRIMER1至少相距100多bp,PRIMER2产物为200多BP。这样，在一个PCR反应中同时放入这2对引物，就可以得到4个片段（在设计引物时，必须使得这4个片段的长度不同，以便电泳时区别），而含有目标SNP的个体，则只有3个片段，通过电泳，就可以确定是否该个体有突变。 这个方法具体的名称我忘了。希望能对你有所帮组。 呵呵，我指的是借用blast来方便序列的比对，当然applied biosystems有更好的软件，不过您如未购买相应仪器则很难获得。 至于标本量的多少，确实是越多越好。对于相对危险度为2的致病位点来说，case-control各1000例检测效能才能达到100%，病例数减少则检测效能也随之降低。但对于初步研究，还不清楚该位点是否有研究疾病有关就大规模投入，有可能颗粒无收。 供参考。 今天基康公司建议我直接测序，把样本4个一组形成一个“pool？”来测，节省经费。他们本来的建议是正常和病人各用4例分别形成1个“pool”来找SNP，然后用公司的TAG MAN（一种新技术）大规模检测SNP，但我没有这么多病人标本。所以只好只是测序。 请大侠看看这样好吗？如果我总共25例病人分成6个“pool”测序再分析可以吗？ 先谢谢了。 maxon wrote: 寻找疾病相关基因的SNP，目前主要是直接测序（外周血抽提的DNA，而不是组织），通过对比病人和正常人（无该疾病的人）该基因序列，搜寻SNP。verygood所说的blast，实际上并不适用。 你可对目标SNP所在区域设计一对prime1，使得该SNP位于其中,PCR长度500bp左右。同时在PRIMER1覆盖的区域内，再设计一对PRIMER2。PRIMER2其中一个引物的3‘最后一个碱基必需是与目标SNP所在位点的正常碱基互补，如此，若病人在此位点突变，将导致PRIMER2一对引物不能扩增。另外PRIMER2与PRIMER1至少相距100多bp,PRIMER2产物为200多BP。这样，在一个PCR反应中同时放入这2对引物，就可以得到4个片段（在设计引物时，必须使得这4个片段的长度不同，以便电泳时区别），而含有目标SNP的个体，则只有3个片段，通过电泳，就可以确定是否该个体有突变。 这个方法具体的名称我忘了。希望能对你有所帮组。 呵呵，谢谢了。我在相关文献上看到的是设计2个引物（突变和未突变的），另外反义引物相同。正常对照组设计的引物很象你所谈到的PROMER2。我就纳闷为什么这样做？ verygood wrote: To 无事转转： 测序以后的结果分析突变主要通过序列比对初筛，可以利用Blast进行。不过确定是否确实为突变需要谨慎，应扩大样本再进行分型研究。 确定是不可能做出结论，只是提出个展望。测序以后可以用SEQUENCEMAN软件分析，但是后面我想加个RFLP，按照相关文献报道来进行。这样分析起来好象就有更多的数据支持。 coldant wrote: 今天基康公司建议我直接测序，把样本4个一组形成一个“pool？”来测，节省经费。他们本来的建议是正常和病人各用4例分别形成1个“pool”来找SNP，然后用公司的TAG MAN（一种新技术）大规模检测SNP，但我没有这么多病人标本。所以只好只是测序。 请大侠看看这样好吗？如果我总共25例病人分成6个“pool”测序再分析可以吗？ 先谢谢了。 呵呵，你也是在基康做吗？他们好象是用探针来检测SNP啊。我听说探针的准确性不如直接测序。不知道他们和你提出的是什么样的建议？：） maxon wrote: 作疾病相关研究，你的case 和control太少了。一般国内期刊好像也要200对200，国外一般性期刊需要400-500对500左右。一流的杂志一般都是至少1000对1000的。由于你经费不足，你不可能作测序，你还是直接选用已知的位点做。因为这个基因跟多种疾病相关，说明这个基因很保守，很有可能跟你所研究的疾病相关，就算没有相关，通过与年龄、性别、该疾病的危险因素综合分析（就是玩数字游戏），一般总能发文章的。 5555555，可是我收集不到这么多的病例呀，经费也有限。 您说的直接做已知位点是什么方法啊？另外您有看过《生物学统计》这样的书吗？听说参照它就可以进行相关的分析了。上海哪个图书馆或是书店有呀？ 具体什么方法我忘了。统计学主要就是T检验和X2 多态性分析方法有两大类： 其一，基于家系分析，主要采用连锁不平衡方法。 其二，基于case-control，如maxon所言，主要就是T检验和X2 。但是应注意control是否能代表所抽样的群体。因抽样错误而导致的假阳性结果在早期文献中比比皆是，这已逐渐引起大家的关注。 无事转转wrote： 呵呵，你也是在基康做吗？他们好象是用探针来检测SNP啊。我听说探针的准确性不如直接测序。不知道他们和你提出的是什么样的建议？：） 看样子无事转转做的工作与我的很相似，可以多多交流！ 基康公司建议：病人与对照各25例（病人只收集到25例），4例一组形成一个“pool”，PCR扩增所以外显子，直接测序。（节省费用） 申能公司建议：对每个病人进行扩增，直接测序，与genbank比较（不设对照组，费用18000元/10例） 北京鼎国公司：PCR-SSCP，（正常，病人各25例） 请verygood，maxon，无事转转等战友们参谋参谋，哪个可行？ 申请斑竹们帮助。 coldant wrote: 看样子无事转转做的工作与我的很相似，可以多多交流！ 基康公司建议：病人与对照各25例（病人只收集到25例），4例一组形成一个“pool”，PCR扩增所以外显子，直接测序。（节省费用） 申能公司建议：对每个病人进行扩增，直接测序，与genbank比较（不设对照组，费用18000元/10例） 北京鼎国公司：PCR-SSCP，（正常，病人各25例） 请verygood，maxon，无事转转等战友们参谋参谋，哪个可行？ 申请斑竹们帮助。 我病例30，对照12。人家的建议是直接测序。我想测序以后再做个RFLP，因为是要写论文，所以内容不可以少。
找一篇有关的论文 看看他们是怎么分析的 你就怎么分析 他们上面会给你网站！
该分析工具的网址如下 FGENESH - HMM-based gene structure prediction 进入该网址之后，输入该基因的fasta序列，关于目标基因的fasta序列，即为所示，我们以小麦中的基因为例分析。 根据所示，将fasta序列输入进去，选择小麦（triticum aestivum），然后search。图3展示了分析结果，可以看到我们这个序列比对到了正义链，因为我们用的例子是该基因的转录本，所以只包括黄色的部分，即CDSo序列，这也和我们使用的转录本相吻合。下面的是该基因对应的mRNA序列，同样也是1152bp，最下面的是将该mRNA翻译为蛋白质的序列。同样选择好序列和物种，搜索，等待结果。 图5是分析结果，一共鉴定了10个基因，21个外显子，由于篇幅所限，我们只展示了前几个，但是统计的话，正好能对上数目。 图6是紧接上图的具体的序列分析，总共包含10个基因。图8可以看到该基因在拟南芥中的同源基因，具体的生物学注释，就要看自己对这个基因的了解程度了。
如何利用生物信息学分析一个基因的DNA序列基因克隆是70年代发展起来的一项具有革命性的研究技术，可概括为∶分、切、连、转、选。最终目的在于通过相应技术手段，将目的基因导入寄主细胞，在宿主细胞内目的基因被大量的复制。"切"是指用序列特异的限制性内切酶切开载体DNA，或者切出目的基因；"连"是指用DNA连接酶将目的DNA同载体DNA连接起来，形成重组的DNA分子；"转"是指通过特殊的方法将重组的DNA分子送入宿主细胞中进行复制和扩增；"选"则是从宿主群体中挑选出携带有重组DNA分子的个体。基因工程技术的两个最基本的特点是分子水平上的操作和细胞水平上的表达，而分子水平上的操作即是体外重组的过程，实际上是利用工具酶对DNA分子进行"外科手术"。
一、氨基酸和生物资源 Amino Acids and Biotic Resources
本刊是我国唯一一种以生物资源为主题，氨基酸为特色的科技期刊。分为生物资源研究、保护与利用；农副资源研究与利用；生物技术及制品；氨基酸生产技术；氨基酸和生物资源与人类健康；分析检测技术；氨基酸应用；生物产业和生命科学工作者等8个栏目。在生命科学、资源科学、生物工程、饲料科学、食品科学、医药学、营养学等领域深受欢迎。本刊被国内许多文摘和数据库所收录。读者主要为科技工作者、大中专院校师生、技术人员和工人等。
二、基因组蛋白质组与生物信息学报（英文版）Genomics、Proteomics & Bioinformatics
Genomics, Proteomics & Bioinformatics (《基因组蛋白质组与生物信息学报》，简称GPB)创刊于2003年，是由中国科学院北京基因组研究所主办、科学出版社出版的国家级英文学术期刊，由杨焕明教授、于军教授担任主编，汪建教授、贺福初院士担任副主编。本刊主要刊载基因组学、蛋白质组学、生物信息学及其相关领域的研究进展、综述、研究论文、实验技术与方法、研究快讯等高质量的稿件，突出刊物的学术性、前沿性、指导性和实用性。本刊读者对象为基础医学、生命科学、农学、计算机科学领域的科研与教学人员、研究生等，以及数学、物理学领域对生物科学有兴趣的研究者。
三、生命科学 Chinese Bulletin of Life Sciences
本刊以评述、综述、研究简讯（动态）等形式报道国内外生命科学研究的发展趋势、学术动态和研究成果，重点报道生命科学领域的评述性或综述性文章和国家自然科学基金资助的生命科学有关的项目介绍、研究进展、管理经验和问题咨询，同时也报道该领域的研究动态、研究成果、科学家介绍、研究机构介绍和书评等内容。
四、生命科学研究 Life Science Research
本刊是中国以生命科学命名的唯一的全国综合性学术期刊。主要反映世界各国生命科学领域中的最新研究成果，所刊登的论文90%来源于中国国家自然科学基金、国家科技部重大项目基金以及省级科学基金。经过专家评审，论文达到国家先进水平及国内外先进水平的共占85%以上。《生命科学研究》严格执行 ISO8，ISO31，ISO1000，ISO5966等国际标准，遵守国际惯例，逐步实现编排格式国际标准化，1999年被湖南省评定为科技学术类一级期刊，2000年被评为全国CAJ-CD规范执行优秀奖。
五、中国生物工程杂志 China Biotechnology
本刊由中科院文献情报中心和国家科技部中国生物工程开发中心共同主办，是我国生物工程领域全国性学术团体、国家一级学会——中国生物工程学会会刊。《中国生物工程杂志》(月刊)内容涉及医药生物技术、农业生物技术、轻化工生物技术、环境生物技术、海洋生物技术等专业领域。设有学术论文、研究进展、研究报告、专题论述、技术与方法、评论、新闻报道、生物工程领域知识产权研究、市场与商情、会议消息、动态等栏目，还以杂志专集、增刊等的形式出版生物工程专题著述。本刊创刊于1976年，是我国最早创刊的中央级综合性生物工程专业刊物，编辑委员会由国内知名生物工程专家、管理部门领导组成，发行面覆盖全国各省、自治区、直辖市、香港、台湾及海外有关大学、研究机构、图书馆也有相当的订户，和海外建立有广泛的刊物交换联系并被国内外著名检索系统收录。
希望我的回答可以为你提供一些帮助O(∩_∩)O~
GPB一般指基因组蛋白质组与生物信息学报。
《基因组蛋白质组与生物信息学报》是由中国科学院主管，中科院北京基因组研究所与中国遗传学会共同主办的英文版双月刊，创刊于2003年。
刊载内容：
本刊主要刊载：基因组学、蛋白质组学、生物信息学及其相关领域的综述(Reviews)、研究论文(Research articles)、实验技术与方法(Methods)、应用说明(Application Notes)、数据库资料(Datebase Review / Datebase Update)。
评论(Essays / Commentaries / Opinions)、观点(Perspectives)、简报和会议报告(Brief Reports / Meeting Reports)、研究资源(Research Resources)等高质量的稿件，突出刊物的学术性、前沿性、指导性和实用性。
以上内容参考：百度百科-GPB
请参见链接，希望能够对你有所帮助。
中国科学院遗传研究所
论文答辩ppt内容写法如下：
1、论文标题。向答辩小组报告论文的题目，标志着答辩的正式开始。
2、简要介绍课题背景、选择此课题的原因及课题现阶段的'发展情况。
3、详细描述有关课题的具体内容，其中包括答辩人所持的观点看法、研究过程、实验数据、结果。
4、重点讲述答辩人在此课题中的研究模块、承担的具体工作、解决方案、研究结果。
5、侧重创新的部分。这部分要作为重中之重，这是答辩教师比较感兴趣的地方。
6、结论、价值和展望。对研究结果进行分析，得出结论;新成果的理论价值、实用价值和经济价值；展望本课题的发展前景。
7、自我评价。答辩人对自己的研究工作进行评价，要求客观，实事求是，态度谦虚。经过参加毕业设计与论文的撰写，专业水平上有哪些提高、取得了哪些进步，研究的局限性、不足之处、心得体会。
关于内容：1、一般概括性内容：课题标题、答辩人、课题执行时间、课题指导教师、课题的归属、致谢等。2、课题研究内容：研究目的、方案设计（流程图）、运行过程、研究结果、创新性、应用价值、有关课题延续的新看法等。3、PPT要图文并茂，突出重点，让答辩老师明白哪些是自己独立完成的，页数不要太多，30页左右足够，不要出现太多文字，老师对文字和公式都不怎么感兴趣；4、凡是贴在PPT上的图和公式，要能够自圆其说，没有把握的坚决不要往上面贴。5、每页下面记得标页码，这样比较方便评委老师提问的时候review关于模板：1、可以去像素网选择一套合适的论文答辩PPT模板，不要用太华丽的企业商务模板，学术ppt最好低调简洁一些；2、推荐底色白底（黑字、红字和蓝字）、蓝底（白字或黄字）、黑底（白字和黄字），这三种配色方式可保证幻灯质量。我个人觉得学术ppt还是白底好；3、动手能力强的大牛可以自己做附和课题主题的模板，其实很简单，就是把喜欢的图在“幻灯片母版”模式下插入就行了。关于文字：1、首先就是：不要太多！！！图优于表，表优于文字，答辩的时候照着ppt念的人最逊了；2、字体大小最好选ppt默认的，标题用44号或40号，正文用32号，一般不要小于20号。标题推荐黑体，正文推荐宋体，如果一定要用少见字体，记得答辩的时候一起copy到答辩电脑上，不然会显示不出来；3、正文内的文字排列，一般一行字数在20～25个左右，不要超过6～7行。更不要超过10行。行与行之间、段与段之间要有一定的间距，标题之间的距离（段间距）要大于行间距；关于图片：1、图片在ppt里的位置最好统一，整个ppt里的版式安排不要超过3种。图片最好统一格式，一方面很精制，另一方面也显示出做学问的严谨态度。图片的外周，有时候加上阴影或外框，会有意想不到的效果；2、关于格式，tif格式主要用于印刷，它的高质量在ppt上体现不出来，照片选用jpg就可以了，示意图我推荐bmp格式，直接在windows画笔里按照需要的大小画，不要缩放，出来的都是矢量效果，比较pro，相关的箭头元素可以直接从word里copy过来；3、流程图，用viso画就可以了，这个地球人都知道；4、ppt里出现图片的动画方式最好简洁到2种以下，还是那句话，低调朴素为主；5、动手能力允许的话，学习一下photoshop里的基本操作，一些照片类的图片，在ps里做一下曲线和对比度的基本调整，质量会好很多。windos画笔+ps，基本可以搞定一切学术图片。关于提问环节：评委老师一般提问主要从以下几个方面：1.他本人的研究方向及其擅长的领域；2.可能来自课题的问题：是确实切合本研究涉及到的学术问题（包括选题意义、重要观点及概念、课题新意、课题细节、课题薄弱环节、建议可行性以及对自己所做工作的提问）；3.来自论文的问题：论文书写的规范性，数据来源，对论文提到的重要参考文献以及有争议的某些观察标准等；4.来自幻灯的问题：某些图片或图表，要求进一步解释；5.不大容易估计到的问题：和课题完全不相干的问题。似乎相干，但是答辩者根本未做过，也不是课题涉及的问题。答辩者没有做的，但是评委想到了的东西，答辩者进一步打算怎么做。提问环节很容易因为紧张被老师误导，如果老师指出你xx地方做错了，先冷静想一下，别立马就附和说啊我错了啊我没有考虑到。一般来说答辩老师提的问题，很少有你做课题这几年之中都没考虑到的。想好了再回答，不要顶撞老师，实在不会的问题，千万不要“蒙”，态度一定要谦虚，哪怕直接说“自己没有考虑到这点，请老师指正”。
其实答辩ppt没有大家想象的那么难，只需要抓住关键的几点，1-2个小时就可以搞定答辩ppt。下面接给大家详细介绍下怎样制作ppt。 第一步，首页制作。 首页必须包含几大要素“论文题目、学院信息、指导老师及答辩人信息”如下图对这4大要素进行适当排版就完成了首页制作。首页背景图可以在网上找与专业或者课题想匹配的图片，或者直接用学校要求的封面。 第二步，目录制作。 正常来讲论文答辩的ppt包含6个方面“课题背景、论文结构、研究方法、分析讨论、主要结论、参考文献”，具体的根据专业情况以自己的论文结构为依据可以自行删减。 第三步，过渡页制作。 答辩ppt中这一页主要起到“承接下文”的作用，因为ppt是讲出来的，所以一段讲完之后重新起一页介绍下下文将什么非常有必要。这样建议大家不要做得太过于花哨，放上标题即可。 第四步，正文页设计。 正文页在制作过程中，可以通过“结构化布局、表格展示、数据分析”等完成内容制作。 第五步，结论页设计。 结论一定要清晰，最好通过一段话“直接、清晰”的表达完毕。如下图，主要结论可以加粗放大放在ppt比较显眼的位置，下面可以再起一行做相关解释。 第六步，参考文献制作。 参考文献相对来说是ppt制作页中最简单的一页了，只需要将论文中的参考文献直接复制过来就行。需要注意的一点就是“排版”保证对齐，字体统一，看着干净就行。 第七步，尾页制作。 尾页可以参考首页，只需要增加“谢谢聆听、敬请指导”等词即可。 以上制作步骤中图片来自办公资源网，需要的童鞋可以搜索点击PPT页面的毕业答辩，就会出现很多漂亮的模板，直接套用即可。
快要硕士论文答辩了，PPT还没有做，在网上搜索了一通，大概知道了做论文答辩PPT的要点。也给需要答辩的同学一个参考。 哇卡卡！ 一、要对论文的内容进行概括性的整合，将论文分为引言和试验设计的目的意义、材料和方法、结果、讨论、结论、致谢几部分。 二、在每部分内容的presentation中，原则是：图的效果好于表的效果，表的效果好于文字叙述的效果。最忌满屏幕都是长篇大论，让评委心烦。能引用图表的地方尽量引用图表，的确需要文字的地方，要将文字内容高度概括，简洁明了化，用编号标明。 三、 1 文字版面的基本要求 幻灯片的数目： 学士答辩10min 10～20张 硕士答辩20min 20～35张 博士答辩30min 30～50张 2 字号字数行数： 标题44号（40） 正文32号（不小于24号字） 每行字数在20～25个 每张PPT 6～7行 （忌满字） 中文用宋体(可以加粗)，英文用 Time New Romans 对于PPT中的副标题要加粗 3 PPT中的字体颜色不要超过3种（字体颜色要与背景颜色反差大） 建议新手配色： （1）白底，黑、红、篮字 （2）蓝底，白、黄字（浅黄或橘黄也可） 4 添加图片格式： 好的质量图片TIF格式，GIF图片格式最小 图片外周加阴影或外框效果比较好 PPT总体效果：图片比表格好，表格比文字好；动的比静的好，无声比有声好。 四、(注意) 幻灯片的内容和基调。背景适合用深色调的，例如深蓝色，字体用白色或黄色的黑体字，显得很庄重。值得强调的是，无论用哪种颜色，一定要使字体和背景显成明显反差。 注意：要点！用一个流畅的逻辑打动评委。字要大：在昏暗房间里小字会看不清，最终结果是没人听你的介绍。不要用PPT自带模板：自带模板那些评委们都见过，且与论文内容无关，要自己做，简单没关系，纯色没关系，但是要自己做！ 时间不要太长：20分钟的汇报，30页内容足够，主要是你讲，PPT是辅助性的。 记得最后感谢母校，系和老师，弄得煽情点 ^_^ 。
你去这个专业较强的有关大学的网站看看 上面应该有相关文献的出处的 例如清华北大哈工大等大学
这两个期刊以前都是EI one page，但2009年以后就不是了
《冶金分析》 1981 年创刊，现为中国科技论文统计用期刊、全国中文核心期刊、中国期刊网全文收录期刊、美国工程信息公司 EI 数据库收录期刊、美国“ CA ”千种表我国化学化工类核心期刊。
序号 英 文 刊 名 中 文 刊 名 ISSN SCIsearch SCI CDE 1 Acta Biochmica et Biophysica Sinca 生物化学与生物物理学报 2 Acta Botanica Sinica 植物学报 0577-7496 89 3 Acta Ahimica Sinica 化学学报 89 4 Acta Geologica Sinica-English Edition 地质学报（英文版） US1000-9515 89 5 Acta Mathematical Sinica-New Series 数学学报（新辑，英文版） 1000-9574 89 6 Acta Mechanica Sinica 力学学报（英文版） 7 Acta Mechanica Solida Sinia 固体力学学报（英文版） 0894-9166 6789 8 Acta Pharmacologica Sinica 中国药理学报 6789 9 Acta Physica Sinica- 0verseas Edition 物理学报（海外版） 1004-423X 6789 10 Acta PhySico-Chimica Sinica 物理化学学报 1000-6818 89 11 Acta Polymerica Sinica 高分子学报 1000-3304 89 12 AIgebra Colloquium 代数集刊（英文版） 1005-3867 89 13 Applied Mathematics and Mechanics-English Edition 应用数学和力学（英文版） SZ0253-4827 89 14 Biomedical and Environmental Sciences 生物医学与环境科学（英文版） 0895-3988 789 15 Chemical Journal of Chinese Universties-Chinese 高等学校化学学报 9 16 Chemical Research in Chinese Universities 高等学校化学研究（英文版） 1005-9040 6789 17 China Ocean Engineering 中国海洋工程（英文版） 0890-5487 89 18 Chinese Annals of Mathematics Services B 数学年刊-B辑（英文版） SZ0252-9599 789 19 Chinese Chemical Letters 中国化学快报（英文版） 1001-8417 789 20 Chinese Journalo of Chemical Engineering 中国化学工程学报（英文版） 21 Chinese Journalo of Chemistry 中国化学（英文版） 1001-604C 6789 22 Chinese Journal of Polymer Science 高分子学报（英文版） 23 Chinese Medical Journal 中华医学杂志（英文版） 6789 24 Chinese Physics Letters 中国物理快报（英文版） US0256-307X 6789 6789 25 Chinese Science Bulletin 科学通报（英文版） 1001- 6538 6 89 89 26 Communications in Theoretical Physics 理论物理通讯（英文版） 0253- 27 High Energy Physics and Nuclear Physics 高能物理与核物理 28 Journal of Computational Mathematics 计算数学学报（英文版） 29 Journal of Infrared and Millimeter Waves 红外与毫米波学报 1001-9014 89 30 Journal of Inorganic Materials 无机材料学报 1000- 324X 89 31 Journal of Iron and Steel Research Internatinal 国际钢铁研究学报（英文版） 1006-706X 89 32 Journal of Materials Science ＆ TechnOlogy 材料科学技术（英文版） 33 Journal of Rare Earths 稀上学报（英文版） 1002-0721 6789 34 Journal of Wuhan University of Technology-Mater Sci Ed 武汉工业大学学报（材料科学,英） 341000-2413 6789 35 Progress in Biochemistry and Biophysics 生物化学与生物物理进展 1000-3282 6789 36 Progress in natural Science 自然科学进展（英文版） US 37 Rare Metal Materials and Engineering 稀有金属材料与工程 1002-185X 89 38 Science in China Series A-Mathematics,Physics,Astronom 中国科学-A辑（数学,物理,天文学,英） 6789 39 中国科学- B辑（化学，英） 100609291 6789 789 40 Science in China Series C-Life Sciences 中国科学- c辑（生命科学，英） 1006n9305 789 789 41 Science in China Series D-Earth Sciences 中国科学- D辑（地球科学，英） 1006-9313 789 789 42 Science in China Seried E-Technological Sciences 中国科学-E辑（技术科学，英） 1006-9321 789 789 43 Transactions of Nonferrous Metals Society of China 中国有色金属学报（英文版） 44 Chinese Education and Society 中国教育与社会？ US1061-1932 789 45 Chinese Law and Government 法律与政府？ US0009-4609 89 46 Chinese Literature 中国文学cn1005-3050 FOOO9-4617 89 47 Chinese Sociology and Anthropology 中国社会学与人类学 US0009-4625 789 48 Chinese Studies in Philosophy 中国哲学研究 US0023-8627 7 9 49 Chinese Studies in History 中国历史研究 US0009-4633 789 50 Contemporary Chinese Thought 当代思潮（中文版） 1097-1467 89
一个分子生物学硕士毕业论文的创新点怎么描述现在计算机操作系统及各种软件的运行都是按照一定的程序进行的，而人体的各种新陈代谢也是按照既定的各种程序进行的。而且，就现在来说，人类体内的调控系统，即人类自身具有的在亿万年进化中逐渐接近完美的程序，比起现在的计算机内的程序是有过之而无不及的。它具有更大的可调控性等优势。人类以后计算机的研制要借鉴生物自身具有的各种调控程序，而这种方面的研究也已经开始，如生物计算机，及对人体大脑的解密而正在研制的智能计算机。 相比之下，人类生物学的研究也离不开电子计算机技术的发展。例如现在生物学的发展已经进入分子生物学时代，而由于电子计算机技术的发展，很多生物科学研究方面的软件也应运而生，它极大地减少了科学家及生物公司技术工人的工作量，提高了效率，增加了收益。例如在基因工程中就会常用到很多生物软件，现简介一种： Omiga ：主要功能：编辑、浏览、蛋白质或核酸序列，分析序列组成。用Clustal. W进行同源序列比较，发现同源区。实现了核酸序列与其互补链之间的转化，序列的拷贝、删 找核酸限制性酶切位点、基元（Motif）及开放阅读框（ORF），设计并评估PCR、测序引物。查找蛋白质解蛋白位点（Proteolytic Sites）、基元、二级结构等。查寻结果可以以图谱及表格的显示，表格设有多种分类显示形式。利用Mange快捷键，用户可以向限制性内切酶、蛋白质或核酸基元、开放阅读框及蛋白位点等数据库中添加或移去某些信息。每一数据库中都设有多种查寻参数，可供选择使用。用户也可以添加、编辑或自定义某些查寻参数。可从MacVectorTM、Wisconsin PackageTM等数据库中输入或输出序列。另外，该软件还提供了一个很有特色的类似于核酸限制酶分析的蛋白分析，对蛋白进行有关的多肽酶处理后产生多肽片段。 实际上，大部分对核酸蛋白的序列分析功能，在Omiga 中都能找到；而且界面非常友好。Omiga作为强大的蛋白质、核酸分析软件，它还兼有引物设计的功能。 当然，Omiga还有很多同类软件。如日立软件公司（Hitachi Sofeware Engineering Co.,Ltd.）97年推出的DNASIS ，加拿大的Premier公司开发的Primer Premier 等。 发展前景 ： 生物软件具有很有的兼容性，可以支持现在的操作系统。 生物软件、芯片具有专利性，是典型的知识经济时代的产物。具有专利性的物品，出卖的是智力，是现在具有知识武装的大学生创业的重要方面。 我们来看一组关于生物软件产品的售价： 基因芯片综合分析软件ArrayVision ：售价6900美元 供应BI-2000医学图像分析系统 48000元（人民币）/套 显微镜自动平台系统 5800元（人民币）/套 Paup 一种功能强大的商业版系统进化分析软件，价值数千美金。 由此我们可以看出生物软件是一个相当大的产业，新的产业造就新的财富，新的财富将由新人来获得，而具有生物与电子计算机技术的新一代大学生，无疑将充当这群去创造新财富的新人。 意义及作用 ： 当今世界，国与国之间的竞争，不仅是军事实力的竞争，更是综合国力的竞争。而科学技术的竞争在当今日益知识化信息化的世界显得尤为重要，因而也就成为综合国力竞争中极其重要的方面。生物科学作为现今最热门及将来最有前途的科学，其重要性更是不言而喻。再有，现代社会中，电子计算机已经逐渐占据了主流地位。所以，生物与计算机的融合是时代的必然。而生物软件就是这两者最直接的结合。所以，生物软件的发展程度是一个国家综合国力的体现，谁如果在这方面领先于世界，那必将引领时代的潮流。反之，谁如果在这方面掉以轻心，将来必受制于人。 在当今世界日益重视身体健康的情景下，生物与计算机的结合必将造福人类。 由此观之，生物软件的发展是时代的趋势，而我们这一代，将是这趋势的创造者。我们大有前途。
1,序列比对(Sequence Alignment) 序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性.从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列.在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等.两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效.因此,启发式方法的引入势在必然,著名的BALST和FASTA算法及相应的改进方法均是从此前提出发的. 2, 蛋白质结构比对和预测 基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性.蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似.蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等.氨基酸的序列内在的决定了蛋白质的3维结构.一般认为,蛋白质有四级不同的结构.研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成.直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息.蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释.从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构.同源建模(homology modeling)和指认(Threading)方法属于这一范畴.同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构.然而,蛋白结构预测研究现状还远远不能满足实际需要. 3, 基因识别,非编码区分析研究. 基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置.非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制.显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中.分析非编码区DNA序列目前没有一般性的指导方法.在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等. 4, 分子进化和比较基因组学 分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树.既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性.通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的.早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据.近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化.在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因.这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现. 5, 序列重叠群(Contigs)装配 根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短枪(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs).逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配.从算法层次来看,序列的重叠群是一个NP-完全问题. 6, 遗传密码的起源 通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今.不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码.随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材. 7, 基于结构的药物设计 人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗.基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域.为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物.这一领域目的是发现新的基因药物,有着巨大的经济效益. 8.生物系统的建模和仿真 随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。 9.生物信息学技术方法的研究 生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。 10, 生物图像 没有血缘关系的人，为什么长得那么像呢？ 外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？ 有什么生物学基础？基因是不是相似？我不知道，希望专家解答。 11, 其他 如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法.从现在的发展不难看出,基因工程已经进入了后基因组时代.我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识.
生物信息学毕业论文，如果你有范文的话，格式肯定就不用找了，但是选题就不行，必须要你导师认可了才行，我是在志文网写的，我写的是生物芯片技术中的应用方面的，生物信息学结合的，已经拿到了参考文献还有资料。
谁一个、、论文不才交么……生物信息在生物学研究中的作用。生物信息是指生物体中包含的全部信息，如基因组信息、蛋白质、核酸、糖类等生物大分子的结构等。生物信息对生物体的生存、繁殖都起着重要作用。生物信息包含的范围很广，除遗传物质、神经电冲动和激素之外，生物体发出的声音、气味、颜色以及生物的行为本身都含有信息，都对生物的个体和群体产生影响，和生物的生存与进化密不可分。生物信息的特点是消耗极少的能量和物质即可产生极大的生物效应。生物信息一般可分为遗传信息、神经和感觉信息及化学信息。虽然遗传信息和神经感觉信息的载体都属于化学物质，但通常所指的化学信息是除以上两类物质以外的化学物质所携带和传递的信息。高等生物的激素及昆虫外激素都属于这一类。遗传信息是指生物为复制与自己相同的东西、由亲代传递给子代、或各细胞每次分裂时由细胞传递给细胞的信息, 即碱基对的排列顺序(或指DNA分子的脱氧核苷酸的排列顺序） 。遗传信息以密码形式存储在DNA分子上，通过DNA的复制传递给子代。在后代生长发育过程中，遗传信息自DNA转录给RNA，后翻译成特异的蛋白质，以执行各种生命功能。从历史上看，首先是由（1866）的研究形成了概念，即相应于生物各种性状的因素（现在称为基因）中包含着相应的信息（以后等人（1941）所开创了遗传生物化学的研究，描绘出这样一个轮廓：基因和决定生物结构与功能的蛋白质之间具有一对一的对应关系。 关于基因的化学本质方面，根据等（1944）进行的转化实验，以及和（1952）用大肠杆菌噬菌体的DNA进行的性状表达实验，已阐明DNA是遗传信息的载体。附着DNA结构研究的进展，现在已经确立了这样的概念，即基因所具有的信息可将DNA的碱基排列进行符号化。信息在表达时，DNA的碱基排列首先被转录成RNA的碱基排列，然后再根据这种排列合成蛋白质。有的病毒的遗传信息的载体不是DNA，而是RNA。遗传信息不仅有相应于蛋白质的基因信息，也包括对信息解读所必需的信息、控制信息表达所必需的信息，以及生物为了复制与自己相同结构所必需的一切信息。神经和感觉信息靠电脉冲和神经递质携带和传递。神经系统接受内外环境中的信息，进行加工处理，调节和控制机体各部分功能。生物靠神经系统电脉冲和神经递质携带和传递。神经系统的功能是接收、传递内外环境中的信息，加以处理、分析,从而控制和调节机体各部功能,对环境作出适当的反应。因此，神经信息对于有机体的生存以及正常生活起着至关重要的作用。化学信息是除上述两类物质外由化学介质传递的信息。生物体的各种功能能够有条不紊地进行，对环境能及时做出反应，是由于生物体内存在着通过各种各样的化学信息分子进行传递的信息系统。生物信息在生物研究中有重要作用，然而，原始的生物信息资源挖掘出来后，生命科学工作者面临着严峻的挑战：数以亿计的ACGT序列中包涵着什么信息？基因组中的这些信息怎样控制有机体的发育？基因组本身又是怎样进化的？生物信息学产业的高级阶段体现于此，人类从此进入了以生物信息学为中心的后基因组时代。结合生物信息学的新药创新工程即是这一阶段的典型应用。因此，生物信息学便是生物信息在生物研究中重要应用。 生物信息学是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。生物信息学研究对象是生物信息。其研究重点主要体现在基因组学和蛋白学两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。 具体而言，生物信息学作为一门新的学科领域，它是把基因组DNA序列信息分析作为源头，在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。基因组信息学,蛋白质空间结构模拟以及药物设计构成了生物信息学的3个重要组成部分。从生物信息学研究的具体内容上看，生物信息学应包括这3个主要部分：(1)新算法和统计学方法研究；(2)各类数据的分析和解释；(3)研制有效利用和管理数据新工具。 生物信息学作为基因组研究的有力武器，被广泛地用来加快新基因的寻找过程，以达到将“有用”新基因抢先注册专利的目的。在这场世界范围内的竞争中，中国科学家以及科研资金投向的决策部门如何结合我国科研水平的现状、优势领域等客观情况将有限的投资投入以求获得最大可能的科学研究以及商业回报，是一个无法回避的新课题。 生物信息学的主要研究方向： 基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，随着包括人类基因组计划在内的生物基因组测序工程的里程碑式的进展，由此产生的包括生物体生老病死的生物数据以前所未有的速度递增，目前已达到每14个月翻一番的速度。同时随着互联网的普及，数以百计的生物学数据库如雨后春笋般迅速出现和成长。然而这些仅仅是原始生物信息的获取，是生物信息学产业发展的初组阶段，这一阶段的生物信息学企业大都以出售生物数据库为生。以人类基因组测序而闻名的塞莱拉公司即是这一阶段的成功代表。 综上所述,对生物信息的研究对生物学的蓬勃发展具有重要作用。