Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Компьютерлік геномика – геномдық тізбектер мен оған қатысты деректерді, оның ішінде ДНК және РНК тізбектерін, сондай-ақ басқа "постгеномдық" деректерді (яғни геномдық ДНК микромассивтері сияқты геномдық тізбекті талап ететін технологиялармен алынған тәжірибелік деректерді) зерттеу үшін есептеу және статистикалық талдауды қолдануды білдіреді. Гендердің функциясын түсінуге арналған есептеу және статистикалық тәсілдермен, сондай-ақ статистикалық байланыс талдауымен бірге, бұл сала көбінесе Есептеу және Статистикалық Генетика/геномика деп аталады. Осылайша, компьютерлік геномика биоинформатика мен есептеу биологиясының бір бөлігі ретінде қарастырылуы мүмкін, бірақ ол жеке гендерді емес, тұтас геномды пайдаланып, түрдің ДНК-сының биологиясын молекулалық және одан жоғары деңгейлерде қалай басқаратынының қағидаларын түсінуге бағытталған. Қазіргі уақытта қолда бар мол биологиялық деректердің арқасында, компьютерлік зерттеулер биологиялық жаңалықтардың ең маңызды құралына айналды.
Computational genomics refers to the use of computational and statistical analysis to decipher biology from genome sequences and related data, including both DNA and RNA sequence as well as other "post genomic" data (i. e., experimental data obtained with technologies that require the genome sequence, such as genomic DNA microarrays). These, in combination with computational and statistical approaches to understanding the function of the genes and statistical association analysis, this field is also often referred to as Computational and Statistical Genetics/genomics. As such, computational genomics may be regarded as a subset of bioinformatics and computational biology, but with a focus on using whole genomes (rather than individual genes) to understand the principles of how the DNA of a species controls its biology at the molecular level and beyond. With the current abundance of massive biological datasets, computational studies have become one of the most important means to biological discovery.
Биосинтетикалық гендер кластерлері
Биоинформациялық құралдар метагеномдық деректерден микробиома үлгілеріндегі осы типтегі гендер кластерінің болуын болжау және анықтау, сондай-ақ олардың мөлшерін және экспрессиясын анықтау үшін әзірленді. Метагеномдық деректердің көлемі зор болғандықтан, оларды сүзгілеу және кластерлеу осы құралдардың маңызды бөлігі болып табылады. Бұл процестер Minhash сияқты өлшемді азайту техникаларын қамтуы мүмкін. BiG SLiCE мысалы, таксономия бойынша екіншілік метаболиттік әртүрліліктің жаһандық картасын қайта құру арқылы зерттелмеген биосинтетикалық әлеуетті анықтауға, табиғи өнімдерді ашуды жеделдетуге және BGC-нің жаһандық, іздеуге болатын және өзара байланысты желісін құруға бастайды. Көбірек геномдар зерттелмеген таксондардан тізбектелген сайын, олардың әлеуетті жаңа химиясын анықтау үшін көбірек ақпаратты пайдалануға болады.
Bioinformatic tools have been developed to predict, and determine the abundance and expression of, this kind of gene cluster in microbiome samples, from metagenomic data. Since the size of metagenomic data is considerable, filtering and clusterization thereof are important parts of these tools. These processes can consist of dimensionality reduction techniques, such as Minhash, across BiG SLiCE demonstrate the utility of such analyses by reconstructing a global map of secondary metabolic diversity across taxonomy to identify uncharted biosynthetic potential, opens up new possibilities to accelerate natural product discovery and offers a first step towards constructing a global and searchable interconnected network of BGCs. As more genomes are sequenced from understudied taxa, more information can be mined to highlight their potentially novel chemistry.