第一部分 —— 關于計算生物學 & 生物信息學 & 本課程內(nèi)容

（1）Protein Wave

【技術】Sanger測序了一個蛋白質(zhì)序列（牛）
【算法】Needleman-Wunsch algorithm
【數(shù)據(jù)庫】PDB（Protein Data Bank，蛋白質(zhì)3D結(jié)構數(shù)據(jù)庫）
【算法】BLAST —— instead of pairwise sequence alignment
【比賽】CASP —— predicting the protein structure
【數(shù)據(jù)庫】BLOCKS database

（2）Expression Wave

【技術】Northern blot —— measures the expression of a single gene；
【技術】Microarray / Gene chips —— measures many genes in a condition；
個人理解：將不同組織進行mRNA提取，轉(zhuǎn)化為cDNA之后，將其進行熒光標記。上機后，能與microarray進行結(jié)合的，體現(xiàn)熒光，不能與microarray結(jié)合的，不體現(xiàn)熒光。

image

【技術】RASL-Seq / Luminex assays —— 對每一個sample的expression進行計算

【技術】scRNA-seq（single-cell）

image

（3）DNA Sequencing Wave

【知識】DNA structure
【知識】Recombinant DNA

image

【技術】Sanger sequencing（一代測序）
【技術】PCR —— amplify any piece of DNA

image

【數(shù)據(jù)庫】NCBI
【算法】BLAST
【技術】whole genome shotgun

image

（4）Big Data Challenge

【NGS / next generation sequencing / high-throughpu sequencing】

image

e.g. Illumina

image

最先進機器的效能：

image

文獻推薦

image

（5）Bioinfo vs Computational Biology

概述

生物信息學：算法、數(shù)據(jù)庫，主要工作是創(chuàng)建工具 —— engineering
計算生物學：偏基礎問題 —— discovery

image

生物信息學的不同階段

image

深切認識到，自己將長期處于Level1（笑哭）。。。

生物信息學相關學科 & 技術

概述：

• 統(tǒng)計學、計算機科學、生物學都要好；
• 在各個階段都有涉及到；
• microarray的落寞 & 單細胞測序的興起；

image

（6）課程涉及到的背景知識

【標注】

• intuition，指這門課只會讓學生從面上去理解算法，而并不會讓學生去進行算法開發(fā)（難度太大）
• 并不會涉及到算法、模型的推導（這部分我老感覺，是計算機專業(yè) & 數(shù)學專業(yè)做的，但是其實我也有一定興趣）

image

文獻推薦

image

（7）課程信息

課程安排：

image

軟件使用教學視頻：
https://canvas.harvard.edu/courses/49497/pages/video-tutorials-for-bioinformatics-software
【關于本門課】

如果是遠程上課，可以查看gitbook上的參考資料：
https://liulab-dfci.github.io/bioinfo-combio/
同時本課程也有些需要注意的地方（關于課程更新 & 直播部分）：A subset of the lectures will be live and updated, check canvas email announcements。
關于課程打分部分，規(guī)則如下：
HW為homework

image

【摘抄自劉老師的話】

在目前階段，基因組學、生物信息學算法、新一代測序技術，都不斷得被應用到腫瘤研究中。
這也就是為什么我們需要關注腫瘤（一個非常重要的發(fā)展方向）。

【劉老師實驗室】

image

【劉老師現(xiàn)在的研究方向】

image

【劉老師課題組聯(lián)系方式】

image