教學機器人 生物資訊學-1

編著: 夏肇毅

初版: 2026/5/22

1.1 DNA與RNA序列

生物資訊學中，DNA與RNA序列分析是核心工作。DNA序列由4種核苷酸（A、T、C、G）組成，而RNA則將T替換為U。序列分析包括基因定位、序列比對與突變識別。常用工具如BLAST，可比較未知序列與資料庫序列相似性，快速尋找同源基因。序列分析能揭示基因功能、調控元件及進化關係，並用於疾病基因識別與藥物設計。序列資料需經過質控(Quality Control)，如去除低品質區段、修正測序錯誤。生物資訊分析通常結合程式語言（如Python、R）進行自動化處理，以應對大規模基因組資料。|章號:1|節號:1|

1.2 序列比對原理

序列比對（Sequence Alignment）是比對兩個或多個生物序列的相似性，分為全域比對(Global)與局部比對(Local)。全域比對使用Needleman-Wunsch算法，適合長序列完整比對；局部比對使用Smith-Waterman算法，適合局部高相似區段識別。比對過程基於配對得分矩陣（如PAM或BLOSUM）計算相似性，並處理gap以增加靈活性。比對結果可用於同源基因推測、進化樹建立及功能預測。

1.3 序列比對工具與應用

實務中常用BLAST進行快速序列比對，分為blastn(DNA)、blastp(蛋白質)、blastx(RNA翻譯)等模式。序列比對結果提供相似度、E值及alignment，可協助研究者識別同源基因、保守結構域及可能功能。序列比對亦用於病原體鑑定、基因家族分類及突變效應分析。工具使用需注意參數設置，如gap penalty、match/mismatch score，以獲得可靠比對結果。

1.4 實務案例分析

例如分析未知病毒序列，可使用blastn比對已知病毒基因庫，尋找高相似序列。結果顯示序列相似度95%，E值小於$10^{-5}$，推斷為該病毒亞型。進一步使用多序列比對，分析保守區域與突變位點，對疫苗設計及藥物靶點提供依據。案例展示序列分析從資料導入、比對計算到生物意義解讀的完整流程，體現生物資訊學在基因組研究與公共衛生中的實用性。

1.5 基因組組裝原理

基因組分析涉及將測序讀段(Read)拼接成完整基因組序列。組裝方法分為參考基因組比對(reference-based)與de novo組裝。參考比對組裝將讀段比對到已知基因組，適用於同種或近源物種；de novo組裝則不依賴參考，利用重疊圖(Overlap Graph)或De Bruijn Graph構建序列。組裝過程需處理重複序列、序列錯誤及低覆蓋區域。組裝質量以N50、完整性、連通度評估。

1.6 序列拼接與評估

de novo組裝中，讀段重疊構建圖結構，進行圖簡化與錯誤修正，最終生成contig與scaffold。組裝結果需評估覆蓋率、GC含量、錯誤率及連續性(N50)。高品質組裝能準確定位基因、重複序列與結構變異，對基因功能研究、比較基因組學及進化分析至關重要。

1.7 基因註解與功能預測

組裝完成後需進行基因註解，識別基因起止位點、外顯子/內含子結構及調控序列。使用軟體如GENSCAN、Augustus結合轉錄組(RNA-seq)資料提高準確性。功能預測包括基於序列同源性、蛋白質結構域分析及GO/KEGG途徑注釋。基因組註解有助於揭示生物特徵、代謝路徑及疾病相關基因，支援進一步實驗設計與藥物開發。

1.8 基因組案例應用

例如，對新分離細菌基因組進行de novo組裝，生成contig和scaffold後，進行基因註解。發現約4500個基因，其中250個編碼代謝相關酶，30個與抗生素抗性相關。透過KEGG分析，構建代謝網路，推測細菌對環境適應能力。案例展示基因組分析從序列拼接、註解到功能預測的完整流程。