Bioinformatics Textbook

科学 ・ 新书丨《生物信息学（第四版）》正式出版

部分课件下载（基础版本仅供参考），欢迎修改补充共享。

本教材的《课程学习笔记（第二版）》、《课程学习笔记（第四版）》，by 毕夏安 教授

本教材同时提供生物信息学编程能力训练平台，欢迎使用（点击进入）

《生物信息学》联合国内高校学者，紧密跟踪学科发展，提炼学科精华，编写完成。全书涵盖了生物信息学、系统生物学、合成生物学的相关内容，以及应用于第二代测序技术的相关软件和算法。第一、二、三版出版以来，越来越多的高校将其作为首选专业教材或选修教材。作为科学出版社普通高等教育“十四五”规划教材，第四版在修订部分章节的基础上，增加复杂网络、深度学习等新章节，并进行数字化、思政建设，推出相关内容的学习及实践视频，以及配套的《生物信息学实验》。 《生物信息学》可用作高等院校生物信息学专业的教材，也可作为科研院所相关专业学生、研究人员的参考用书。

勘误表

if any problem, please contact:

邮编：310058，浙江大学（紫金港校区）生命科学学院，生物信息学实验室（[email protected]）

非常感谢！

BLAST（Basic Local Alignment Search Tool）（Altschul et al.，1990）是基于局部比对算法的搜索工具，可将输入的蛋白质或核酸序列与数据库中已知的序列进行比对，获得序列相似度等信息。BLAST有网页版和本地版。本地版下载地址： https://blast.ncbi.nlm.nih.gov/Blast.cgi?CMD=Web&PAGE_TYPE=BlastDocs&DOC_TYPE=Download 。

Clustal W（Higgins et al.，1996）是一款经典的多序列比对工具，可以进行多个同源基因的多序列比对，经常利用其比对结果构建系统发育树。 软件主页地址：http://www.clustal.org/clustal2/。

MEGA（Molecular Evolutionary Genetics Analysis）（Tamura et al.，2021）也算是分子进化分析中常用的软件，可以用于物种或种群的DNA和蛋白质等序列的多序列比对，并构建进化树、推断分子进化速度。下载地址：https://www.megasoftware.net/。

Bowtie（Langmead et al.，2009）也是个常用的序列比对软件，最初适用于短序列的比对。Bowtie使用Burrows-Wheeler索引对基因组进行索引，以保持它内存占用较小；它非常快速、使用内存高效，可以以每小时超过2500万个35bp读长的速率将短核苷酸序列与人类基因组进行比对。随着技术的提升，Bowtie2也可用于长序列比对。下载地址： http://bowtie-bio.sourceforge.net/index.shtml。

BWA（Burrows-Wheeler Aligner）（Li and Durbin，2009；Li and Durbin，2010）是一个序列比对软件包，用于将低差异序列与大型参考基因组（如人类基因组）进行映射。它由BWA-backtrack、BWA-SW和BWA-MEM三种算法组成。第一个算法是为长度只到100bp的illumina序列文件设计的，而其余的两个算法则是为70bp~1Mb的更长的序列设计的。下载地址：https://sourceforge.net/projects/bio-bwa/files/。

Cell Ranger是10X Genomics公司为单细胞RNA测序分析开发的数据分析软件，用于处理Chromium 单细胞数据，可将序列进行比对、产生特征（基因表达）矩阵；并且可以进行很多下游分析，如聚类分析等。官方说明文档： https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/latest/what-is-cell-ranger。下载地址：https://support.10xgenomics.com/single-cell-gene-expression/software/downloads/latest。

Cufflinks（Trapnell et al.，2010）用于组装转录本，并估算它们的丰度，可用于不同样本中的差异表达分析等。它接受对齐的RNA-seq reads，并将对齐的序列装配成一组简约的转录本。软件说明和下载地址：http://cole-trapnell-lab.github.io/cufflinks/。

clusterProfiler（Yu et al.，2012）是一个R程序包，主要用于基因功能注释。支持具有基因注释的数个物种的编码或非编码基因组数据的功能分析，同时提供功能富集分析结果的可视化，使用方便。软件说明：http://www.bioconductor.org/packages/release/bioc/vignettes/clusterProfiler/inst/doc/clusterProfiler.html。下载地址：https://github.com/YuLab-SMU/clusterProfiler。

Cutadapt（Martin，2011）用于低质量测序数据处理，可从高通量测序数据中找到并去除adapter序列、引物、polyA尾以及其他种类的污染序列。软件主页：https://cutadapt.readthedocs.io/en/stable/。

Cytoscape（Shannon et al.，2003）是一个开放码源的软件平台，用于复杂网络的可视化，可将其与任何类型的属性数据集成。常用于分子互作或调控网格构建，可对通路数据进行可视化。此外，Cytoscape内有多种的插件可进行生物网络相关的分析。软件官网：https://cytoscape.org/。

DAVID（Database for Annotation, Visualization and Integrated Discovery）（Dennis et al.，2003）为研究人员提供了一套全面的基因功能注释工具，以了解大量基因背后的生物学意义。在网页端就可实现基因集的功能注释，操作简单方便。软件网址：https://david.ncifcrf.gov/home.jsp。

DESeq2（Anders and Huber，2010）是一个R程序包，主要用来进行基因差异表达分析，也可用于其他类似的数据分析，如ChIP-Seq、HiC和质谱数据等。其利用负二项式广义线性模型对差异表达进行检验，结合数据驱动的先验分布估计数据的离散程度和倍数改变，具有良好的统计能力，可以较准确地推断数据中的差异信号。下载地址：http://www.bioconductor.org/packages/release/bioc/html/DESeq2.html。

edgeR（Robinson et al.，2010）也是一个R程序包，用于RNA-seq基因表达谱的差异分析，采用基于负二项分布的统计学方法；也可用于ChIP-seq、 ATAC-seq等差异信号的分析。下载地址：https://bioconductor.org/packages/release/bioc/html/edgeR.html。

FastQC用于高通量测序数据的质量控制，是一个基于Java的分析程序，提供了一系列模块化的分析。用户可以输入fastq、BAM、SAM等格式的文件，对数据进行一系列评估分析，并提供图表信息告知用户数据质量以及问题所在。软件网址：https://www.bioinformatics.babraham.ac.uk/projects/fastqc/。

FASTX-Toolkit是对测序数据，如fasta / fastq文件进行预处理的命令行工具的集合。软件使用说明：http://hannonlab.cshl.edu/fastx_toolkit/index.html。下载地址：http://hannonlab.cshl.edu/fastx_toolkit/download.html。

featureCounts（Liao et al.，2014）是对映射到基因组的序列进行统计的软件，其快速准确，可对基因、外显子、启动子、基因组特定区域和染色体位置等基因组特征区域进行统计计数。下载地址：http://subread.sourceforge.net/。

GENSCAN（Burge and Karlin，1997）用来预测各种物种的基因组序列中的基因的位置和外显子-内含子结构，可以通过网络服务器访问。访问地址：http://hollywood.mit.edu/GENSCAN.html。

Genome Maps（Medina et al.，2013）是一个表现极佳的基于HTML5的基因组浏览器。用户可以通过Genome Maps浏览来自CellBase的数据，并且可以从OpenCGA服务器渲染远程的大数据，如BAM和VCFs文件。 下载地址：https://github.com/opencb/genome-maps。

HISAT2（Kim et al.，2019）是一款快速灵敏的序列比对软件，用于有参考基因组的DNA或者RNA测序数据的比对。它使用了HGFM（Hierarchical Graph FM index）的新的索引方法，使得序列比对快速准确。软件网址：https://daehwankimlab.github.io/hisat2/。

HTSeq-count（Anders et al.，2015）是采用Python语言开发，集成在HTSeq程序包里的。它通过对测序文件与基因重叠的计算来预处理RNA-seq数据，以此进行差异表达分析。HTSeq使用说明文档：https://htseq.readthedocs.io/en/master/。下载地址：https://pypi.org/project/HTSeq/。

IGV（Integrative Genomics Viewer）（Robinson et al.，2011）是一个高性能的、易于使用的基因组数据可视化工具。它具有非常好的交互式功能，支持多种常见的基因组数据，也支持研究者自己生成的数据。可以非常直观地查看各种测序数据中的序列或信号的丰度。软件网址：https://software.broadinstitute.org/software/igv/。

Limma（Ritchie et al.，2015）是一个R程序包，最初用于基因芯片的表达分析，也可用于定量PCR、高通量RNA-seq或者蛋白质检测的数据表达分析，是一个基于线性模型的差异表达分析软件。软件主页：http://bioinf.wehi.edu.au/limma/。

PRINSEQ（Schmieder and Edwards，2011）是一个测序数据质控和数据预处理的软件，可用于过滤、重新格式化或截切用户的下一代测序数据；可以以图形或者表格形式生成序列的汇总统计信息。软件网址和使用说明： http://prinseq.sourceforge.net/manual.html。

PyMOL是用户赞助的、有着开放码源基础的一个分子可视化系统。软件网址和下载地址： https://pymol.org/2/。

RSEM（Li and Dewey，2011）是用于RNA-seq 数据中估计基因或异构体表达水平的软件包。RSEM软件包支持EM算法的并行计算、单端和双端测序数据。它可计算表达水平的后验均值和 95% 可信区间估计值。它可以产生以转录本坐标或者基因组坐标的BAM 或Wiggle 文件，可直接导入UCSC基因组浏览器或者IGV中查看这些坐标。下载地址：https://github.com/deweylab/RSEM。

Samtools（Li et al.，2009）是一套用于与高通量测序数据交互的程序，它由三个独立的存储库组成：Samtools、BCFtools和HTSlib。软件网址：http://www.htslib.org/。下载地址：http://www.htslib.org/download/。

Seurat（Hao et al.，2021）是一个R程序包，用于单细胞 RNA-seq 数据分析，可进行数据质控、数据降维、聚类分析、标记基因发现等常用的单细胞数据分析。Seurat 旨在使用户能够从单细胞数据中识别和解释异质性来源，并可整合不同类型的单细胞数据。下载地址：https://github.com/satijalab/seurat/。

SRA Toolkit是NCBI提供的用于处理来自SRA数据库测序数据的一个工具包。软件说明文档： https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi? view=toolkit_doc。下载地址： https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi? view=software。

STAR（Dobin et al.，2013）基于C++，可以用来对比大型转录组RNA-seq数据集，它提高了对比的灵敏度和精度，STAR也可以用于发现可变剪切和融合基因。下载地址：https://github.com/alexdobin/STAR/releases。

StringTie（Pertea et al.，2015）用于对RNA-seq映射的数据进行组装，快速高效。它的输入可以是TopHat或是HISAT2的结果，需要按位置排序的BAM文件；输出结果可以直接用于Ballgown、Cuffidff等软件进行下游分析。下载地址：http://ccb.jhu.edu/software/stringtie/。

SWISS-MODEL（Waterhouse et al.，2018）是一个全自动的蛋白质结构同源建模服务器。软件网址：https://swissmodel.expasy.org/。

TopHat（Trapnell et al.，2009）可将RNA-seq数据进行比对映射，可用于可变剪切的发现。它通过Bowtie将短序列文件与基因组进行比对，通过映射结果来识别外显子之间的剪接点。现在已不常用。软件下载：http://ccb.jhu.edu/software/tophat/index.shtml。

Trimmomatic（Bolger et al.，2014）用于去除Illumina平台的fastq序列中的低质量数据，可以对单端或者双端测序数据进行质量评估和低质量数据去除。软件网址：http://www.usadellab.org/cms/?page=trimmomatic。下载地址：https://github.com/usadellab/Trimmomatic 。

WGCNA（weighted correlation network analysis）（Langfelder and Horvath，2008）为加权基因共表达网络分析，用来描述样本中基因间的相关性。其可用于查找高度相关基因的集群（模块）,并将基因模块与样本表型进行关联。它是一种基于网络的基因筛选方法，可用于识别候选生物标志物或治疗靶点。软件网址：https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/。

勘误表

第一节 系统生物学基本概念 第二节 系统生物学基本技术与方法 第三节 基因表达调控网络（图7.11-12） 第四节 代谢网络 第五节 信号转导途径 第六节 蛋白质一蛋白质相互作用网络（图7.28、图7.29、图7.30、图7.31、图7.32、图7.33） 第七节 虚拟细胞 第八节 Cytoscape（下载视频及文件） 思考题 参考文献

第一节 Linux操作系统 第二节 生物信息学中的编程语言 第三节 SQL及数据库编程 第四节 并行计算 思考题 参考文献

勘误表

彩版 序 前言 第一章 生物信息学的概念及其发展历史（下载ppt）

1. 生物信息常用数据库、工具网址及相关网络视频（不断更新）

2. 适用于高中生物信息学内容（不断更新）

欢迎推荐，共同推动国内的生物信息学教学，谢谢！