摘要：新一代高通量测序技术的发展,推动了多个相关研究领域的发展。国际上许多研究机构正在研究利用高通量测序数据进行微生物检测的算法,目前已有一些基于高通量测序数据的微生物检测算法流程设计成功并公开发布。该文通过调研利用高通量测序数据进行微生物检测的相关文献,研究已发布的基于高通量测序数据的微生物检测算法的功能和实现流程,分析几个有代表性算法的优点和不足。最后,对这些检测算法的设计思路进行总结和分类,提出基于高通量测序数据的微生物检测算法的改进设想。

摘要：目的建立一个FTP服务器为院内生物医学研究人员提供快速下载NCBI常用生物数据库的FTP服务。方法采用Linux系统和perl、shell程序设计,构建FTP服务系统。结果与结论系统实现了数据下载、更新、系统管理等功能,并进行了测试,目前系统已经上线服务。

摘要：目的 建立一种引物设计新方法,提升高变异细菌检测引物的特异性和敏感性。方法 通过基因命名实体识别技术标注文献中的基因,构建高变异细菌保守基因知识库用于指导引物设计;通过MAFFT、Clustal Omega、Gblocks、Primer3、MFEprimer3.0进行多序列比对、引物设计、引物评价和迭代设计单重引物,并利用改进的索引算法和并行计算实现高性能特异性检测;利用贪心算法组合单重引物得到多重引物。结果 对大肠杆菌、志贺菌、单核细胞增生李斯特菌、金黄色葡萄球菌、沙门菌等5种高变异细菌进行了引物设计。经比较,根据该法设计的单重引物比文献中检测同一保守基因的引物特异性和敏感性更强;设计的针对各细菌的多重引物具有强特异性,敏感性方面除大肠杆菌引物的覆盖率达到93.14%,其余细菌引物的覆盖率均超过99%。结论 该法能够适用于高变异细菌检测的PCR引物设计。

摘要：目的通过构建生物技术与装备知识图谱,为生物技术与装备研究、应用与教学提供指导。方法综合利用多源数据自动跟踪采集、领域本体和知识图谱模型构建、命名实体识别和关系抽取、知识图谱可视化展示和分析技术。结果开发的生物技术与装备知识图谱开发和应用系统,具备数据采集、知识加工标引、知识检索与知识可视化展示功能。结论系统可为生物技术与装备研发与应用提供有效的信息和知识服务。

摘要：中国目前已经有覆盖全国的生物安全实验室体系,但是实验室间数据共享和相互协作水平很低,因此需要研究开发实验室网络协同系统。首先根据课题研究目的,设计了系统的业务流程,然后通过对业务流程的梳理,将系统分解设计成任务辅助决策、检测任务管理、实验室管理、科研交流、系统管理和接口功能6个大功能模块,对每个功能模块的作用进行了详细解释,对任务辅助决策、检测任务管理、实验室管理和科研交流四个主要业务模块进行细化,分解成功能子模块。通过系统的业务流程设计和功能设计,系统的主体架构逐渐明晰,为系统开发奠定基础。

摘要：系统分析国内外网络医疗发展现状,将国内网络医疗的发展归纳为网站咨询、虚拟医院、移动互联三个阶段,针对网络医疗在专业性、正确性、可靠性等方面带来的新问题,深入探讨未来中国网络医院模式、网络医疗的发展前景及对现行医疗模式的冲击和影响。

摘要：为了建立基于EBI数据库的本地SRS服务系统,进而为生物医学研究人员提供方便、快速搜索EBI常用生物数据库的web服务,同时提供一套技术机制为其他生物医学研究机构建设自己的SRS服务系统提供参考。在Linux系统和Tomcat环境下安装调试EBI提供的SRS8.1学术版软件,并利用perl和shell程序设计语言开发EBI数据库的自动下载和定期更新模块。完成了本地SRS系统的安装和测试,实现了EBI数据库的自动下载和更新机制,目前系统已经正常运行。

摘要：为了解决高等级病原微生物实验室之间的管理和协同工作,国家科技部提出了研究制定高等级病原微生物实验室网络协同系统的任务。该文讲述了网络协同系统的研究目标,系统的设计原则,系统的功能结构,重点阐述了网络协同系统的系统架构。系统架构采用分层设计的方法进行设计,由服务层、应用展现层、应用支持层、数据层、基础设施层组成,同时还包括信息标准规范体系和安全防护体系。该文详细说明论述了总体架构的各个组成层次及其功能与作用。通过系统架构和技术架构的设计,为开发实验室网络协同系统提供了理论基础和开发技术路径。

摘要：目的设计一种基于高通量测序数据的功能强大、处理速度快且不依赖于运行环境的本地化的微生物检测算法。方法对微生物基因组进行分组,每次使用一组微生物基因组提取映射到其上的测序数据并滤除数据中的人类基因组数据,然后对序列进行拼接和拼接片段比对。如果根据比对结果检测出微生物种属则流程结束,否则使用下一组微生物基因组进行分析。若使用所有微生物基因组分析结束后仍未确定微生物种属,则滤除剩余的测序序列中的人类测序数据并进行拼接,拼接片段通过序列比对无法匹配到微生物基因组,则将这些拼接片段归为未知病原微生物的基因组片段。结果利用新的检测算法对模拟数据和实际测序数据进行分析,以RINS作为对比。对于已知病原微生物,新算法的平均处理时间为75 min,RINS的平均处理时间为767 min,两个算法检测结果一致,新算法得到的拼接序列更长。对于未知病原微生物样本,新算法检测的平均处理时间为64min,RINS的为584min,新算法得到了较完整的原始序列。对于实测数据,新算法的平均处理时间为23 min,RINS的为68 min,检测结果一致。结论本文实现的微生物检测算法能够对微生物进行准确、快速的检测,同时,新的检测算法可以发现未知的微生物并获取未知微生物的基因组片段。