Page 11 - profile-ok
P. 11
研究群 | Research Laboratories
生物資訊實驗室 Bioinformatics Laboratory
研究人員 研究群介紹
宋定懿 Ting-Yi Sung 本研究群研究方向大致分為(一)系統生物學及(二)蛋白體學兩大領域。除了研究,我們於民 式物種的轉錄體相關研究。這些非模式物種的基因體尚未組合完 (2)蛋白質功能相關的預測:瞭解蛋白質功能是蛋白體學上重要課
Research Fellow 國92年開始國際研究生院生物資訊博士班學程,目前除2名畢業外,有34名學生在學,包括 成,相關演算法的設計將是一項挑戰。 題,我們將進行一般蛋白質的功能預測,並將特別針對膜蛋白
Operations Research , New York University
本國籍,以及歐亞不同國家,如:印度、馬來西亞、越南、菲律賓、美國、加拿大、德國、 類進行預測。由於蛋白質功能往往與其同源蛋白質相近,故我
何建明 Jan-Ming Ho 斯洛伐克。我們的研究方向與主要合作計畫,分述如下: 2. 蛋白體學 們除了直接由蛋白質序列預測其功能外,同時亦研究遠親同源
Research Fellow ● 以質譜儀分析為基礎的蛋白體學 的預測,希望找到蛋白質序列相似度較低的同源關係,來輔助
Electrical Engineering and Computer Science , 1. 系統生物學:
Northwestern University 針對質譜儀實驗產生的大量數據,研究蛋白體學上兩個最重要且 對蛋白質功能的預測。蛋白質之細胞定位與功能相關,我們也
● 後轉譯時期的基因調控 進行細胞定位預測。目前,我們已發展出一套多重細胞位置預
林仲彥 Chung-Yen Lin 根本的問題:蛋白質鑑定與蛋白體定量,以找出在疾病細胞與正 測的軟體工具,後續將針對不同物種及胞器之定位預測,並架
Assistant Research Fellow 微型核糖核酸在基因後轉譯調控及疾病上扮演相當重要的角色。我們利用「逆向尋找」 常細胞中表現量不同的蛋白質,作為可能的生物標記。
Institute of Zoology , National Taiwan University 的計算方法,在人類基因組中找到許多已知和未知的微型核糖核酸;並且利用實驗的方 設網站提供學界使用。
施純傑 Arthur Chun-Chieh Shih 式,驗證我們預測的新微型核糖核酸在細胞株的表現情況。此外,我們正在發展一套系 (1)蛋白質定量:我們已經完成三套蛋白質定量自動化分析系統, ● 疾病相關的膜蛋白知識庫平台
分別為:用於 iTRAQ 標記定量的 Multi-Q 系統 (JPR 2006、NAR
Associate Research Fellow 統化的方式,藉由整合新一代高速定序短序和其他實驗資料,來尋找微型核糖核酸在乳
CSIE, National Central University 2007)、用於 ICAT 及 SILAC 標記定量的 MaXIC-Q 系統 (NAR 2009) 人體的膜蛋白是重要的藥物標的,為了促進生醫研究,我們正發
癌轉移、B 細胞的分化和T型鈣離子通道在心室肥大的調控路徑。在研究微型核糖核酸的 、以及用於無標記定量的 IDEAL-Q 系統 (MCP 2010)。我們將繼 展一個與疾病相關的膜蛋白知識庫平台,除了整合目前現有的各
許鈞南 Chun-Nan Hsu 演化部分,我們發展一個具有生物意義的計算方法,來尋找在演化距離甚遠基因組中同 續改良我們的定量分析系統。首先,在胜肽的質譜儀圖譜中, 種資料庫及預測工具,並發展視覺化工具,盡可能提供詳細的膜
Research Fellow 源的微型核糖核酸,增加我們對微型核糖核酸演化的瞭解。
Computer Science , University of Southern 難免會有其他胜肽訊號重疊出現,因而影響該胜肽的定量分 蛋白資訊,包括:功能、結構、細胞定位、分類、交互作用、參
California ● 基因調控機制 析,因此我們將處理重疊訊號的分離。其次,我們要改良re- 與的調控反應路徑、疾病相關等。此平台一個重要特色,是接受
許聞廉 Wen-Lian Hsu 目前普遍認為基因轉錄是受到轉錄因子及其結合位置所調控;分析轉錄因子的功能與其 tention time 的預測,使得儘管在發生 chromatographic shift 研究者直接上傳蛋白質定量結果,將定量結果的蛋白質分析流程
Distinguished Research Fellow 對應的結合位置,將有助於瞭解基因轉錄的機制。我們利用染色質免疫層析晶片資料、 的情形下,retention time 也能準確預測。最後,我們要整合 自動化,也就是找出其中表現量不同的蛋白質,並列出他們的蛋
Operations Research , Cornell University 上述三套系統為一個系統,讓研究者更方便使用,並提供更豐 白質資訊,以利研究者方便地找出可能的生物標記。
生物晶片資料、以及酵母菌鄰近物種之 DNA 序列,發展出 TFBSfinder 及 MAGIIC 軟體,以
蔡懷寬 Huai-Kuang Tsai 辨識轉錄因子之結合位置;與其他方法相比,我們的方法具有高正確率、信度與效度。 富的資料視覺化介面及輸出 (output) 介面,以利使用者驗證定
Assistant Research Fellow 量結果及快速搜尋表現量不同的蛋白質其功能及反應路徑上的
Computer Science and Information Engineering , 此外,我們建立了一方便使用者查詢的平台--MYBS,可以動態運用資料找到所需的結合 資訊。 3. 主要的合作計畫
National Taiwan University 位置。利用該資料庫,我們進一步探討轉錄因子結合位置的序列組成與其調控基因表現
情形之間的關聯性。我們發現在酵母菌已知的可信轉錄因子結合位置上,有超過三分之 (2)蛋白質鑑定及後轉譯修飾分析:上述三套定量系統是以蛋白 本實驗室參與一些大型計畫,如:從纖維素到生質酒精關鍵技術之
一的退化位置與約五分之一的退化位置對偶具「功能性」;這表示退化位置的出現確實 質鑑定系統所產生的鑑定結果及質譜資料為輸入,進行分析。 開發 (國科會計畫,計畫總主持人:翁啟惠院長)、C4 水稻計畫 (中
與基因表現有顯著的關聯性,且有些退化位置需要同時有另一個退化位置的發生,形成 然而在蛋白質鑑定上,目前常用的鑑定系統(如:Mascot 及 研院計畫,計畫總主持人:李文雄院士)、基因體醫學及生技研發之
博士後研究 退化位置對偶,才具有調控的影響力。我們證實了轉錄因子結合序列中,有部份退化位 SEQUEST)仍有以下困境:首先,他們往往產生不同的鑑定結 生物資訊核心設施 (基因體醫學國家型科技計畫,計畫總主持人:張
置對基因調控確實具備影響力。 果。其次,他們僅能鑑定少數種類的後轉譯修飾蛋白質,如: 憶壽教授,參考網站: http://www.tbi.org.tw )、雙分子系統之訊息網
王澤毅 Tse-Yi Wang ● 網路生物學 磷酸化蛋白,但他們不見得能準確地鑑定修飾位置;再者,他 路(國科會跨領域整合型研究計畫,計畫總主持人:王雯靜教授,清
們無法鑑定許多重要的修飾蛋白質,如:醣蛋白。我們研究後 華大學分子細胞暨生物研究所所長)等。
林可軒 Ke-Shiuan Lynn 藉由目前實驗所產生的大量生物巨分子交互作用關係,我們透過統計模型重建以整個蛋 轉譯修飾蛋白質的鑑定,研究課題包括磷酸化蛋白質修飾位置
張育榮 Yu-Jung Chang 白體為基礎的交互網路,再藉此研究不同病毒與宿主細胞及病毒之間的交互作用,並從 的鑑定、氮化蛋白質的鑑定、以及醣蛋白的鑑定,最終希望發
中找出複雜網路中的重要次網路與代謝調控模組;以此為起點,尋找與人類疾病機轉與 展一套蛋白質鑑定系統。
張耀霖 Yao-Lin Chang 病原感染機制相關的重要蛋白質,以作為新的藥物研發標的與治療方法的突破關鍵。
● 蛋白質預測
陳淑華 Shu-Hwa Chen ● 環境基因體學
利用機器學習和知識庫方法,研究不同蛋白質的預測問題,包
陳連進 Lien-Chin Chen 利用新一代高速定序技術,將存在於生物體內外與環境中的微生物群體,進行全面性的 括:結構預測、功能預測、遠親同源預測、及細胞定位預測。在
羅光倫 Allan Lo 組成種系鑑定與生化功能分析,並針對不同環境下微生物相發展比對分析平台,以利快 結構預測方面,我們特別針對膜蛋白進行預測。
速找出特定環境下的微生物或病原體序列及生質能源相關的基因組成。
(1)膜蛋白結構預測:目前已知約有20~30%的一般基因體會轉譯
● 轉錄體分析 成穿膜區塊,且目前約有50%的醫學上使用的生物標記是膜
蛋白,需要他們的結構資訊才能有效應用於醫學研究。然而,
我們將持續發展非模式物種高通量轉錄體定序的生物資訊服務平台,支援特定本土非模
膜蛋白的結構在實驗技術上非常困難且耗時,以致在已知結
構的蛋白質中,膜蛋白只佔約1%。因此,我們針對穿膜蛋白
質(transmembrane proteins)進行結構預測。就此,我們須先預
測一系列與結構相關的性質,包括:蛋白質序列中的穿膜螺旋
(transmembrane helix, TMH) 區塊及其拓樸性質、螺旋間交互作
用、以及序列中相鄰胺基酸的各種角度。我們已經完成 TMH 及
拓樸性質、螺旋間交互作用的預測,後續將利用細胞膜親、疏
水係數進行 lipid exposure 的研究,並找出其旋轉方式,接著將
進行不同角度的預測。同時,我們正建構一個已知螺旋結構間
交互作用的知識庫,以為後續三級結構預測的模型。
10 11