1、生物信息學(xué)導(dǎo)論Introduction to Bioinformatics力學(xué)與工程科學(xué)系湍流與復(fù)雜系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室理論生物學(xué)中心Tel: 62767261（Office） 62759647（Lab） E-mail: 1課程安排1、時(shí)間：每周二晚1112節(jié)（19:1021:00） 教室：一教208教室 學(xué)時(shí)：每周2學(xué)時(shí)（總計(jì)162=32學(xué)時(shí)）2、學(xué)分：2學(xué)分3、成績考核方式（無筆試）： 1次調(diào)研報(bào)告（分2次在課堂討論），占總成績50 1次學(xué)習(xí)研究論文（期末完成），占總成績40 其它占總成績104、E-mail: Tel:6276 7261(office) （辦公室地址：力學(xué)系力學(xué)樓503室）

2、5、課程大綱和講義可在北大理論生物學(xué)中心網(wǎng)站下載。 （）2參考資料Westhead et al., Bioinformatics（英文原版），科學(xué)出版社，2003年P(guān)evzner，Computational Molecular Biology，MIT Press，2000Salzberg, et al., Computational Methods in Molecular Biology, Elsevier Science, 1998Waterman, Introduction to Computational Biology, Chapman & Hall, 1995Durbin等, Bi

3、ological sequence analysis（英文原版）, 清華大學(xué)出版社，2002Brown著，袁建剛等譯，基因組，科學(xué)出版社，2002年Campbell等著，孫之榮等譯，探索基因組學(xué)、蛋白質(zhì)組學(xué)和生物信息學(xué)，科學(xué)出版社，2004年郝柏林、張淑譽(yù)，生物信息學(xué)手冊(cè)（第二版），上?？茖W(xué)技術(shù)出版社，2002年Attwood等著，羅靜初等譯，生物信息學(xué)概論，北京大學(xué)出版社，2002年Mount，BioinformaticsSequence and Genome Analysis，科學(xué)出版社，2002年（中文版由鐘楊等譯、高等教育出版社2003年出版）3第一章前 言41.1 從人類基因組計(jì)劃（

4、HGP）說起5曼哈頓原子彈計(jì)劃（1942-46）阿波羅登月計(jì)劃(1961-69)人類基因組計(jì)劃(1990-2003)61961年，美國總統(tǒng)Kennedy提出兩個(gè)科學(xué)計(jì)劃：登月計(jì)劃攻克腫瘤計(jì)劃 人類遺傳信息的復(fù)雜性人類基因組計(jì)劃(HGP，Human Genome Project)目標(biāo)：整體上破解人類遺傳信息的奧秘1、曼哈頓原子彈計(jì)劃遺留問題的產(chǎn)物2、對(duì)生命科學(xué)和醫(yī)學(xué)的科學(xué)影響“我們選擇登月”(1962年Kennedy在Rice大學(xué)演講)為什么提出HGP？7生命活動(dòng)三要素：物質(zhì)、能量、信息 DNA: 遺傳物質(zhì)(遺傳信息的載體) 雙螺旋結(jié)構(gòu) A, C, G, T四種基本字符的復(fù)雜文本 基因（Gene

5、）：具有遺傳效應(yīng)的DNA分子片段DNA、基因、基因組8 基因組(Genome)：包含細(xì)胞或生物體的全套遺傳信息的全 部遺傳物質(zhì) 原核生物(細(xì)菌、病毒等) 真核生物(真菌、植物、動(dòng)物等)人類基因組： 3.2109 bp，含有約3萬個(gè) 基因91984.12 猶他州阿爾塔組織會(huì)議，初步研討測定人類整個(gè)基 因組DNA序列的意義1985 Dulbecco在Science撰文 “腫瘤研究的轉(zhuǎn)折點(diǎn):人 類基因組的測序” 美國能源部(DOE)提出“人類基因組計(jì)劃”草案1987 美國能源部和國家衛(wèi)生研究院（NIH）聯(lián)合為“人類 基因組計(jì)劃”下?lián)軉?dòng)經(jīng)費(fèi)約550萬美元1989 美國成立“國家人類基因組研究中心”，

6、Watson擔(dān)任 第一任主任1990.10 經(jīng)美國國會(huì)批準(zhǔn)，人類基因組計(jì)劃正式啟動(dòng)James WatsonWalter GilbertHGP歷史回顧10盡管比之于人類登月，HGP的投入資金要少得多，但HGP對(duì)人類生活的影響要更為深遠(yuǎn)。因?yàn)殡S著這個(gè)計(jì)劃的完成，DNA分子中編碼的遺傳信息將對(duì)人類存在的化學(xué)基礎(chǔ)作出最終的回答。這將不僅幫助我們理解我們是如何作為健康的人發(fā)揮正常功能的，而且也將在化學(xué)水平上解釋遺傳因子在各種疾病，如癌癥、早老癡呆癥、精神分裂癥等一些嚴(yán)重危害人類健康的疾病中的作用。畢竟對(duì)人類自身更深入的了解是人類活動(dòng)中最重要的一個(gè)部分。Watson ,1990,Science11HGP的

7、最初目標(biāo)通過國際合作，用15年時(shí)間(19902005)至少投入30億美元，構(gòu)建詳細(xì)的人類基因組遺傳圖和物理圖，確定人類DNA的全部核苷酸序列，定位約10萬基因，并對(duì)其它生物進(jìn)行類似研究。4張圖：遺傳圖 物理圖 序列圖 基因圖HGP的終極目標(biāo)闡明人類基因組全部DNA序列；識(shí)別基因；建立儲(chǔ)存這些信息的數(shù)據(jù)庫；開發(fā)數(shù)據(jù)分析工具；研究HGP實(shí)施所帶來的倫理、法律和社會(huì)問題。 121995 第一個(gè)自由生物體流感嗜血菌(H. inf)的全基因組測序完成1996 完成人類基因組計(jì)劃的遺傳作圖 啟動(dòng)模式生物基因組計(jì)劃H.Inf 全基因組Saccharomyces cerevisiae釀酒酵母Caenorhab

8、ditis elegans秀麗線蟲131997 大腸桿菌(E.coli)全基因組測序完成1998 完成人類基因組計(jì)劃的物理作圖 開始人類基因組的大規(guī)模測序 Celera公司加入，與公共領(lǐng)域競爭 啟動(dòng)水稻基因組計(jì)劃1999.7 第5屆國際公共領(lǐng)域人類基因組測序會(huì)議，加快測序速度大腸桿菌及其全基因組水稻基因組計(jì)劃142000 Celera公司宣布完成果蠅基因組測序 國際公共領(lǐng)域宣布完成第一個(gè)植物基因組擬南芥全基 因組的測序工作2000.6.26 公共領(lǐng)域和Celera公司同時(shí)宣布完成人類基因組工作草圖2001.2.15 Nature刊文發(fā)表國際公共領(lǐng)域結(jié)果2001.2.16 Science刊文發(fā)表

9、Celera公司及其合作者結(jié)果Drosophila melanogaster果蠅Arabidopsis thaliana擬南芥152001年2月15日Nature封面2001年2月16日Science封面16At the White House on June 26, Francis Collins (r), Director of the National Human Genome Research Institute, President Clinton, and J. Craig Venter, President of Celara Genomics, lauded the thous

10、ands of scientists who contributed to the genome sequence.17182001年8月26日 人類基因組“中國卷”的繪制工作宣告完成。2002年 水稻、小鼠、瘧原蟲等基因組測序完成2003年4月14日 中、美、日、德、法、英等6國科學(xué)家宣布人類基因組序列圖繪制成功，人類基因組計(jì)劃的所有目標(biāo)全部實(shí)現(xiàn)。 2003年10月，2004年10月人類基因組完成圖公布。 192021（，2006年2月）已完成測序的3,000個(gè)基因組221、大協(xié)作研究： 以學(xué)科為中心以問題為中心，多學(xué)科合作2、研究的計(jì)劃性和有序性： 正反雙方共同參與，制定更科學(xué)、更全面的研

11、究計(jì)劃4、政府與國家的作用： 美：領(lǐng)導(dǎo)與推動(dòng) 英：始于1989年2月，貢獻(xiàn)為1/3左右 法：始于1990年6月，貢獻(xiàn)為3左右 日：始于1990年，貢獻(xiàn)為7左右 德：始于1995年，貢獻(xiàn)為7左右 中：始于1999年9月，貢獻(xiàn)為1左右3、商業(yè)競爭促進(jìn)基礎(chǔ)研究： 1998年Celera公司的加入HGP的研究特色235、可持續(xù)性：太空觀測和基因組計(jì)劃都是科學(xué)上出色的計(jì)劃，每一個(gè)都是科學(xué)上邁出的一大步。但是兩者之間存在著一個(gè)刺眼的差別：開支方面有四十倍的差別。開支的差別是至關(guān)重要的，因?yàn)檫@意味著可持續(xù)性。當(dāng)一個(gè)計(jì)劃足夠便宜到成為一條可以無限向未來延伸的系列的第一個(gè)時(shí)，它是可持續(xù)的。而當(dāng)一個(gè)計(jì)劃太昂貴，以

12、至不經(jīng)過重大的政治斗爭就無法重復(fù)時(shí)，它就是不可持續(xù)的?？沙掷m(xù)計(jì)劃帶來新計(jì)劃的開始，不可持續(xù)計(jì)劃則標(biāo)志著老時(shí)代的結(jié)束。The Sun, the Genome, and the InternetTools of Scientific RevolutionFreeman Dyson 24各學(xué)科參與、協(xié)作：生命科學(xué)、數(shù)學(xué)、物理學(xué)、化學(xué)、計(jì)算機(jī)科學(xué)、材料科學(xué)以及倫理、法律等社會(huì)科學(xué)HGP帶來的科學(xué)挑戰(zhàn)HGP:Pandoras Box 25 首要科學(xué)問題 如何找到記載在基因組DNA一維結(jié)構(gòu)上控制生命時(shí)間、空間的調(diào)控信息的編碼方式和調(diào)節(jié)規(guī)律。 應(yīng)用數(shù)學(xué)、復(fù)雜系統(tǒng)理論、信息論、非線性科學(xué) 催生生物信息學(xué)、計(jì)算

13、生物學(xué)、系統(tǒng)生物學(xué) DNA芯片技術(shù) 交叉性技術(shù)領(lǐng)域：物理學(xué)、微電子信息技術(shù)、生化技術(shù)、信息技術(shù) 結(jié)構(gòu)生物學(xué) 前沿領(lǐng)域之一：生物物理學(xué)、生物化學(xué)、晶體學(xué)、波譜學(xué)、光譜學(xué)以及X射線晶體衍射技術(shù)、核磁共振技術(shù)261.2計(jì)算生物學(xué)和生物信息學(xué)后基因組時(shí)代的呼喚27物理科學(xué)發(fā)展對(duì)生命科學(xué)的啟示28面對(duì)堆積如山的生物學(xué)數(shù)據(jù)29新的生物學(xué)研究模式的出發(fā)點(diǎn)應(yīng)該是理論的?？茖W(xué)家將從理論推測出發(fā)，然后再返回到實(shí)驗(yàn)中去，追蹤或驗(yàn)證這些理論假設(shè)。生物學(xué)家不僅必須成為計(jì)算機(jī)學(xué)者，而且也要改變他們研究生命現(xiàn)象的途徑。W. Gilbert, Towards A Paradigm Shift in Biology, Natu

14、re, 349(1991)9930傳統(tǒng)生物學(xué)：實(shí)驗(yàn)科學(xué)現(xiàn)代生物學(xué)的發(fā)展：1、高通量數(shù)據(jù)獲取日益實(shí)現(xiàn)自動(dòng)化、半工業(yè)化 從數(shù)據(jù)庫中實(shí)現(xiàn)數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)2、海量數(shù)據(jù) 難以完全依賴實(shí)驗(yàn)手段對(duì)新數(shù)據(jù)進(jìn)行分析，必須借助計(jì)算機(jī)實(shí)現(xiàn)分析和篩選3、更復(fù)雜層次的生物學(xué)問題 復(fù)雜的基因調(diào)控網(wǎng)絡(luò)、代謝網(wǎng)絡(luò)；細(xì)胞間信號(hào)轉(zhuǎn)導(dǎo)過程；生物個(gè)體全部基因表達(dá)變化分析、篩選大量新數(shù)據(jù)生物中的復(fù)雜網(wǎng)絡(luò)、復(fù)雜過程、復(fù)雜現(xiàn)象理論生物學(xué)計(jì)算生物學(xué)3121世紀(jì)生命科學(xué)理論計(jì)算實(shí)驗(yàn)數(shù)學(xué)與物理科學(xué)計(jì)算生物學(xué)/理論生物學(xué)與傳統(tǒng)生物學(xué)的關(guān)系 實(shí)驗(yàn)永遠(yuǎn)起著決定作用 計(jì)算/理論生物學(xué)的發(fā)展離不開實(shí)驗(yàn)生物學(xué)的貢獻(xiàn) 實(shí)驗(yàn)生物學(xué)日益依賴計(jì)算/理論生物學(xué)的指

15、導(dǎo)32美國國家衛(wèi)生研究院（NIH）的定義：Bioinformatics (Research, development, or application of computational tools and approaches for expanding the use of biological, medical, behavioral or health data, including those to acquire, store, organize, archive, analyze, or visualize such data.) 為拓展生物學(xué)、醫(yī)學(xué)、行為學(xué)和衛(wèi)生學(xué)數(shù)據(jù)的用途，而進(jìn)行

16、有關(guān)計(jì)算機(jī)方法手段的研究、開發(fā)與應(yīng)用，包括此類數(shù)據(jù)的采集、存貯、整理、歸檔、分析與可視化。 Computational Biology (The development and application of data-analytical and theoretical methods, mathematical modeling and computational simulation techniques to the study of biological, behavioral, and social systems. ) 開發(fā)和應(yīng)用數(shù)據(jù)分析、理論方法、數(shù)學(xué)模型和計(jì)算機(jī)仿真技術(shù)，用于生

17、物學(xué)、行為學(xué)和社會(huì)群體系統(tǒng)的研究。BioinformaticsComputational BiologyWhat is Bioinformatics / Computational Biology ?33 生物信息學(xué)（Bioinformatics）的來源Dr. Hwa A. Lim （林華安）1987年提出“Bio-informatique” “Bioinformatics” 1955年出生于馬來西亞。聯(lián)合國Bioinformatics專家，University of Texas at Dallas分子與細(xì)胞生物學(xué)Adjunct Professor、中國科學(xué)院基因遺傳研究所客座教授。1981年

18、英國倫敦大學(xué)帝國學(xué)院(Imperial College, London University)畢業(yè)，1986年獲得美國Rochester University生化物理學(xué)博士學(xué)位，30歲取得佛羅里達(dá)州立大學(xué)終生教授。1992年受聘擔(dān)任美國國家癌癥中心及美國國家科學(xué)基金會(huì)審核委員。1995年后，歷任多家生物科技公司生化信息執(zhí)行長、副總裁等高層管理職位。1997年，創(chuàng)立結(jié)合軟件與數(shù)據(jù)分析的專業(yè)顧問公司D Trends，服務(wù)生物技術(shù)、制藥及衛(wèi)生保健等機(jī)構(gòu)。林華安最近又將Biothechnology、Information結(jié)合納米科技（Nano），提出 Binformatics（生納信息學(xué)）。生物信息學(xué)

19、之父林華安34多學(xué)科交叉、互相推動(dòng)發(fā)展生物學(xué)、物理學(xué)、化學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)、系統(tǒng)科學(xué)以基因組DNA序列信息為源頭，識(shí)別基因組序列中代表蛋白質(zhì)和RNA基因的編碼區(qū)，闡明非編碼區(qū)的信息特征，破譯隱藏在DNA序列中的遺傳語言規(guī)律；同時(shí)，歸納、整理與基因組遺傳語言信息釋放及其調(diào)控相關(guān)的轉(zhuǎn)錄譜和蛋白質(zhì)譜的數(shù)據(jù)，從而認(rèn)識(shí)代謝、發(fā)育、分化、進(jìn)化的規(guī)律。生物信息學(xué)/計(jì)算生物學(xué)揭示基因組蛋白質(zhì)組信息結(jié)構(gòu)的復(fù)雜性、遺傳語言的根本規(guī)律生物學(xué)信息的計(jì)算機(jī)處理計(jì)算生物學(xué) / 理論生物學(xué)35前基因組時(shí)代的“釣魚”和后基因組時(shí)代的“撈魚”36 When I give talks to young scienti

20、sts seeking advice about areas of future intense scientific excitement, computational biology is my number one recommendation.Francis Collins, Director of HGP at NIH The next step in the project is the “interpretation phase”. That is really the fun part of the whole project because then we finally h

21、ave the complete order of all layers of genetic codes and we have to discover what it all means.J. Craig Venter, Head of Celera Genomics Inc. 37生物學(xué)家(生物學(xué)問題)數(shù)學(xué)物理學(xué)家計(jì)算機(jī)科學(xué)家(基礎(chǔ)理論問題)工程師（技術(shù)應(yīng)用）計(jì)算生物學(xué)/生物信息學(xué)：三種科學(xué)文化的融合381.3生物信息學(xué)主要研究內(nèi)容和方法39 生物學(xué)數(shù)據(jù)的收集、存儲(chǔ)、管理與提供 基因組序列信息的提取和分析 功能基因組相關(guān)信息分析 生物大分子結(jié)構(gòu)模擬和藥物設(shè)計(jì) 生物信息分析的技術(shù)與方法研究

22、 應(yīng)用與發(fā)展研究生物信息學(xué)的主要研究內(nèi)容40基于數(shù)據(jù)挖掘（知識(shí)發(fā)現(xiàn)）的方法（Data-mining, Knowledge Discovery）Extracts the hidden patterns from huge quantities of experimental data, and forms hypotheses as a result.基于模擬分析的方法（Simulation-based Analysis）Tests hypotheses with in silico experiments, providing predictions to be tested by in vi

23、tro and in vivo studies.計(jì)算生物學(xué)/生物信息學(xué)的主要理論方法41DNA序列RNA序列蛋白質(zhì)由重復(fù)的核苷酸或氨基酸單元組成的線性高分子，具有高度有序并能完成特定生物學(xué)功能的三維結(jié)構(gòu)目的揭示序列蘊(yùn)含的更高級(jí)的結(jié)構(gòu)和功能信息主要思想具有相似序列的分子，可能具有相似的三維結(jié)構(gòu)和生物學(xué)功能。首要任務(wù)：提取反映結(jié)構(gòu)、功能性質(zhì)的序列特征主要方法基于數(shù)據(jù)挖掘或知識(shí)發(fā)現(xiàn)（data-mining, knowledge discovery）的方法：統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等1.3.1 核酸和蛋白質(zhì)序列分析研究42搜集數(shù)據(jù)(采樣、實(shí)驗(yàn)設(shè)計(jì))從事物的外在數(shù)量上的表現(xiàn)去推斷事物可能的規(guī)律性分析

24、數(shù)據(jù)(建模、知識(shí)發(fā)現(xiàn))推理(預(yù)測、分類)回歸分析聚類分析探索性分析判別分析多元回歸、自回歸線性判別分析、非線性判別分析系統(tǒng)聚類分析、動(dòng)態(tài)聚類分析主元分析、相關(guān)性分析統(tǒng)計(jì)方法43學(xué)習(xí)：系統(tǒng)通過執(zhí)行某種過程而改進(jìn)它的性能規(guī)則歸納范例推理遺傳算法決策樹AQ算法直接使用過去的經(jīng)驗(yàn)或解法來求解給定的問題環(huán)境學(xué)習(xí)單元知識(shí)庫執(zhí)行單元反饋機(jī)器學(xué)習(xí)方法44模仿人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和某些工作機(jī)制，利用大量的神經(jīng)元連成網(wǎng)絡(luò)來實(shí)現(xiàn)大規(guī)模并行計(jì)算。通過學(xué)習(xí)，改變神經(jīng)元之間的連接強(qiáng)度。McCulloch-Pitts模型反傳網(wǎng)絡(luò)模型多層感知器模型人工神經(jīng)網(wǎng)絡(luò)方法45生命科學(xué)中的問題數(shù)理問題/算法相似性搜尋兩兩序列比對(duì)相似序列

25、的數(shù)據(jù)庫搜尋多序列比對(duì)系統(tǒng)發(fā)育樹重建蛋白質(zhì)三維結(jié)構(gòu)比對(duì)尋優(yōu)算法動(dòng)態(tài)規(guī)劃算法模擬退火算法遺傳算法人工神經(jīng)網(wǎng)絡(luò)方法序列分析中的主要算法46生命科學(xué)中的問題數(shù)理問題/算法結(jié)構(gòu)/功能的從頭預(yù)測RNA二級(jí)結(jié)構(gòu)預(yù)測RNA三級(jí)結(jié)構(gòu)預(yù)測蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測尋優(yōu)算法動(dòng)態(tài)規(guī)劃算法模擬退火算法遺傳算法人工神經(jīng)網(wǎng)絡(luò)方法47生命科學(xué)中的問題數(shù)理問題/算法結(jié)構(gòu)/功能的基于知識(shí)預(yù)測Motif提取功能部位預(yù)測細(xì)胞定位預(yù)測編碼區(qū)預(yù)測（基因結(jié)構(gòu)預(yù)測）跨膜片段預(yù)測蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測蛋白質(zhì)三維結(jié)構(gòu)預(yù)測模式識(shí)別、學(xué)習(xí)算法判別分析方法人工神經(jīng)網(wǎng)絡(luò)算法隨機(jī)過程方法(HMM)語言學(xué)(形式語法)演化、遺傳算法48生命科學(xué)中的問題數(shù)理問題/算法生

26、物大分子分類超家族分類基因的分組蛋白質(zhì)三維折疊結(jié)構(gòu)的分類聚類算法層次聚類算法模糊聚類算法快速動(dòng)態(tài)聚類算法神經(jīng)網(wǎng)絡(luò)方法49單個(gè)分子層次的遺傳信息表達(dá)DNARNA蛋白質(zhì)序列結(jié)構(gòu)功能分子網(wǎng)絡(luò)層次的遺傳信息表達(dá)分子及分子間的相互作用分子相互作用網(wǎng)絡(luò)功能生物復(fù)雜系統(tǒng)1.3.2 生物分子相互作用的復(fù)雜系統(tǒng)模擬50主要思想主要途徑1、靜態(tài)研究：路徑計(jì)算、二元關(guān)系和演繹（離散數(shù)學(xué)方法）2、動(dòng)態(tài)研究：微分方程組、Petri網(wǎng)模型（網(wǎng)絡(luò)的時(shí)間依賴演化）主要目標(biāo)復(fù)雜網(wǎng)絡(luò)系統(tǒng)分析Predict the dynamics of systems so that the validity of the underlying

27、 assumptions can be tested.系統(tǒng)水平的生物信息學(xué)方法51計(jì)算生物學(xué)方法(Computation)復(fù)雜系統(tǒng)理論與方法(System Analysis)生物技術(shù)(New Biotechnologies)生物學(xué)數(shù)據(jù)(Experimental Data)系統(tǒng)生物學(xué)(Systems Biology)52SystemNodesEdges蛋白質(zhì)三維結(jié)構(gòu)生物體腦（人腦）生態(tài)系統(tǒng)社會(huì)文明原子分子細(xì)胞生物體人原子相互作用分子相互作用細(xì)胞相互作用生物體相互作用人相互作用復(fù)雜系統(tǒng)的生物學(xué)范疇531.4二十一世紀(jì)生命科學(xué)展望54系統(tǒng)生物學(xué)(Systems Biology)： 由分析為主走向分析

28、與綜合并舉的系統(tǒng)方法 微觀還原論 整體系統(tǒng)論統(tǒng)一生物學(xué)(General Biology)： 探索生命活動(dòng)本質(zhì)，產(chǎn)生統(tǒng)一的生命觀和統(tǒng)一的生物學(xué)實(shí)驗(yàn)、理論、計(jì)算生物學(xué)： (Experimental, Theoretical, Computational Biology ) 生命科學(xué)與數(shù)、理、化、計(jì)算機(jī)等學(xué)科的大綜合、大交叉生物技術(shù)的產(chǎn)業(yè)化(Biotechnology)： 基礎(chǔ)研究轉(zhuǎn)化為生產(chǎn)力 生物工程技術(shù)農(nóng)、林、醫(yī)藥現(xiàn)代生命科學(xué)發(fā)展趨勢55生物大分子的結(jié)構(gòu)與功能研究基因組與細(xì)胞的研究基因組比較研究關(guān)于遺傳、發(fā)育、分化、進(jìn)化的綜合理論研究腦科學(xué)和神經(jīng)科學(xué)研究行為科學(xué)研究生態(tài)學(xué)研究人體功能研究研究手段

29、：實(shí)驗(yàn)、理論、計(jì)算相結(jié)合現(xiàn)代生命科學(xué)發(fā)展熱點(diǎn)56以生命科學(xué)為核心的大科學(xué)Like it or not, big biology is here to stay.575859國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（20062020年）中華人民共和國國務(wù)院重點(diǎn)領(lǐng)域及其優(yōu)先主題能源 水和礦產(chǎn)資源 環(huán)境 農(nóng)業(yè) 制造業(yè) 交通運(yùn)輸業(yè) 信息產(chǎn)業(yè)及現(xiàn)代服務(wù)業(yè) 人口與健康 城鎮(zhèn)化與城市發(fā)展 公共安全 國防重大專項(xiàng)核心電子器件、高端通用芯片及基礎(chǔ)軟件，極大規(guī)模集成電路制造技術(shù)及成套工藝，新一代寬帶無線移動(dòng)通信，高檔數(shù)控機(jī)床與基礎(chǔ)制造技術(shù)，大型油氣田及煤層氣開發(fā)，大型先進(jìn)壓水堆及高溫氣冷堆核電站，水體污染控制與治理，轉(zhuǎn)基

30、因生物新品種培育，重大新藥創(chuàng)制，艾滋病和病毒性肝炎等重大傳染病防治，大型飛機(jī)，高分辨率對(duì)地觀測系統(tǒng)，載人航天與探月工程前沿技術(shù)生物技術(shù) 信息技術(shù) 新材料技術(shù) 先進(jìn)制造技術(shù) 先進(jìn)能源技術(shù) 海洋技術(shù) 激光技術(shù) 空天技術(shù)60基礎(chǔ)研究科學(xué)前沿問題：生命過程的定量研究和系統(tǒng)整合 凝聚態(tài)物質(zhì)與新效應(yīng) 物質(zhì)深層次結(jié)構(gòu)和宇宙大尺度物理學(xué)規(guī)律 核心數(shù)學(xué)及其在交叉領(lǐng)域的應(yīng)用 地球系統(tǒng)過程與資源、環(huán)境和災(zāi)害效應(yīng) 新物質(zhì)創(chuàng)造與轉(zhuǎn)化的化學(xué)過程 腦科學(xué)與認(rèn)知科學(xué) 科學(xué)實(shí)驗(yàn)與觀測方法、技術(shù)和設(shè)備的創(chuàng)新面向國家重大戰(zhàn)略需求的基礎(chǔ)研究：人類健康與疾病的生物學(xué)基礎(chǔ) 農(nóng)業(yè)生物遺傳改良和農(nóng)業(yè)可持續(xù)發(fā)展中的科學(xué)問題 人類活動(dòng)對(duì)地球系統(tǒng)的影響機(jī)制 全球變化與區(qū)域響應(yīng) 復(fù)雜系統(tǒng)、災(zāi)變形成及其預(yù)測控制 能源可持續(xù)發(fā)展中的關(guān)鍵科學(xué)問題 材料設(shè)計(jì)與制備的新原理與新方法 極端環(huán)境條件下制造的科學(xué)基礎(chǔ) 航空航天重大力學(xué)問題 支撐信息技術(shù)發(fā)展的科學(xué)基重大科學(xué)研究計(jì)劃：蛋白質(zhì)研究 量子調(diào)控研究 納米研究 發(fā)育與生殖研究61科學(xué)前沿問題：生命過程的定量研究和系統(tǒng)整合 主要研究方向：基因語言及調(diào)控功能基因組學(xué)模式生物學(xué)表觀遺傳學(xué)及非編碼核糖核酸生命體結(jié)構(gòu)功能及其調(diào)控