Page 12 - 2017 Brochure
P. 12
究群
生物資訊學實驗室
本實驗室的研究是以資訊技術應用在生物和醫學研究為主， 已 協 助 找 出 罕 見 疾 病 之 致 病 融 合 基 因、 建 構 高 品 質 之 非
針對不同生物體學（omics）上的生物學和生物醫學進行解 模式物種資料庫與找出限制 HCV 病毒複製的機制 (PNAS,
析，主要研究可分成基因體和轉譯體研究，蛋白體及代謝 2017) 等。在複雜網路關鍵因子分析上，過去整合十一種拓
體研究兩大部份，分別詳述如下。 樸分析之程式 cytohubba (http://apps.cytoscape.org/apps/
cytohubba)，自 2011 年以來，已有超過 9,000 次的下載，
(1) 基因體和轉譯體研究 近 180 次的文獻引用，而 2017 年一月上線的新版，至三月
底，已有超過四百次的下載。此外，所發展之多維體相關
處理巨量定序資料的方法論開發：新世代定序技術已成為 演算法已開始轉換到 Galaxy 平台介面，將以 DOCKER 或
基因體和轉錄體研究的主要工具。然而定序的資料量相當 是 VM 影像檔方式散佈，以期讓生物學家、臨床研究人員
龐大，定序的序列也常有錯誤，因此在資料處理時，常造 和生物資訊學家可以輕易地獲得與整合這些工具，加速整
成記憶體不足和計算時間冗長等困擾，亟待解決。因此， 體的研究流程。
近年來我們致力於發展新的方法和開發新的工具來解決一
連串計算的問題。在次世代 read mapping 上，我們發展了 轉錄因子和 DNA 結構的調控關係：轉錄因子結合的預測由
一個極為快速的演算法 Kart。Kart 將一個 read 分解成更小 DNA 序列與染色質通透性所決定，而後者通常受到染色質
的碎片，並將其個別匹配到基因序列。實驗結果證實 Kart 狀態與 DNA 結構特性所影響。藉由同時考慮這些特徵，我
比一般 mappers 快三到十倍之多，而且錯誤容忍度及準確 們提出的隨機森林分類器在預測轉錄分子結合有顯著的改
度均極高。同樣的方法也可以應用在 RNA-seq 上，效果也 善。接下來我們將進一步針對對於任何已定序之物種，單
甚佳。在基因體組裝方面，我們設計一套以延伸為基礎的 就其 DNA 序列來正確預測轉錄因子結合的可能區域。在染
組裝程式（稱為 JR-Assembler）利用整個短序做延伸，加 色體的研究方面， 我們發現非 B 型 DNA 結構在人類與老
快執行速度。另外利用跨過小於序列長度的重複片段等方 鼠中與選擇性剪接高度關聯，顯見結構妨礙在轉錄 - 剪接中
式來大幅降低記憶體的需求和執行時間，同時也考慮組裝 扮演重要角色。更進一步發現與 DNA 迴路有關的增強子，
的品質。和其他程式比較，JR-Assembler 的記憶體使用率 在老鼠中附近轉錄的 eRNA 極可能參與調控該增強子之目
和執行時間更有效率，而且保持良好的組裝品質，特別對 標基因。
於序長度等於及大於 150 bp 的基因組資料。
(2) 蛋白體及代謝體研究
處 理 巨 量 定 序 資 料 的 工 具 和 資 訊 整 合 平 台 開 發： 我 們 發
展 Mapreduce 平 台 的 前 組 合 和 後 組 合 分 析 技 術， 以 預 蛋白體質譜實驗大數據分析：質譜儀已成研究蛋白體學重
測 序 列 片 段 的 重 複 性 和 定 序 錯 誤， 來 優 化 新 穎 基 因 體 組 要的實驗技術，質譜實驗有由下而上和由上而下兩類，前
合 技 術 的 正 確 性 和 效 率 (https://github.com/moneycat/ 者是較常用的方式；我們針對此種實驗方式發展了計算方
QReadSelector)。此外，我們也正在發展嶄新的雲端系統 法和工具進行蛋白體定性及定量分析。大規模帶醣的醣蛋
架構與演算法，將結合次世代與第三代單分子定序技術所 白 鑑 定 分 析 極 具 挑 戰， 故 目 前 少 有 具 此 功 能 的 工 具。 為
產出之巨量資料，進一步加速新穎基因體組合器的執行效 此，我們提出計算方法，並發展名為 MAGIC 的系統。我們
率與運用範疇。在基因體組裝完成後，透過我們所建構基 亦建構 MAGIC-web 的平台，處理大規模及標靶醣蛋白的
因結構解析註解流程、線上即時分析與呈現平台 (http:// 鑑定。在蛋白體定量方面，我們正將前已發表的定量工具
molas.iis.sinica.edu.tw)，已能整合基因體、轉錄體、蛋白 Multi-Q，重新開發，以處理目前盛行的 TMT 10-plex 定量
質體與甲基化 (http://tea.iis.sincia.edu.tw) 等多維體資料， 實驗。由上而下的質譜實驗方式，能完整偵測蛋白質上的
協同研究團隊以網頁介面，透過不同的角度來詮釋複雜生 修飾，故逐漸受到重視；唯其資料分析複雜，主要難在決
命 現 象 的 核 心 課 題， 如 癌 症 臨 床 樣 本、 非 模 式 生 物（ 如 定蛋白質的訊號群及其電荷。我們提出一計算方法，名之
龍 膽 石 斑 (http://molas.iis.sinica.edu.tw/grouper2016)、 日 為 DYAMOND, 並以此開發名為 iTop-Q 的分析軟體。
本 鰻 (http://molas.iis.sinica.edu.tw/jpeel2016) 與 雞 肉 絲 菇
等）、環境微生物與人類病毒 (Enterovirus, HCV) 研究等， 醣合成及代謝體之自動分析：醣的合成技術雖然已臻成熟，
10 研究群 Research Laboratories
生物資訊學實驗室
本實驗室的研究是以資訊技術應用在生物和醫學研究為主， 已 協 助 找 出 罕 見 疾 病 之 致 病 融 合 基 因、 建 構 高 品 質 之 非
針對不同生物體學（omics）上的生物學和生物醫學進行解 模式物種資料庫與找出限制 HCV 病毒複製的機制 (PNAS,
析，主要研究可分成基因體和轉譯體研究，蛋白體及代謝 2017) 等。在複雜網路關鍵因子分析上，過去整合十一種拓
體研究兩大部份，分別詳述如下。 樸分析之程式 cytohubba (http://apps.cytoscape.org/apps/
cytohubba)，自 2011 年以來，已有超過 9,000 次的下載，
(1) 基因體和轉譯體研究 近 180 次的文獻引用，而 2017 年一月上線的新版，至三月
底，已有超過四百次的下載。此外，所發展之多維體相關
處理巨量定序資料的方法論開發：新世代定序技術已成為 演算法已開始轉換到 Galaxy 平台介面，將以 DOCKER 或
基因體和轉錄體研究的主要工具。然而定序的資料量相當 是 VM 影像檔方式散佈，以期讓生物學家、臨床研究人員
龐大，定序的序列也常有錯誤，因此在資料處理時，常造 和生物資訊學家可以輕易地獲得與整合這些工具，加速整
成記憶體不足和計算時間冗長等困擾，亟待解決。因此， 體的研究流程。
近年來我們致力於發展新的方法和開發新的工具來解決一
連串計算的問題。在次世代 read mapping 上，我們發展了 轉錄因子和 DNA 結構的調控關係：轉錄因子結合的預測由
一個極為快速的演算法 Kart。Kart 將一個 read 分解成更小 DNA 序列與染色質通透性所決定，而後者通常受到染色質
的碎片，並將其個別匹配到基因序列。實驗結果證實 Kart 狀態與 DNA 結構特性所影響。藉由同時考慮這些特徵，我
比一般 mappers 快三到十倍之多，而且錯誤容忍度及準確 們提出的隨機森林分類器在預測轉錄分子結合有顯著的改
度均極高。同樣的方法也可以應用在 RNA-seq 上，效果也 善。接下來我們將進一步針對對於任何已定序之物種，單
甚佳。在基因體組裝方面，我們設計一套以延伸為基礎的 就其 DNA 序列來正確預測轉錄因子結合的可能區域。在染
組裝程式（稱為 JR-Assembler）利用整個短序做延伸，加 色體的研究方面， 我們發現非 B 型 DNA 結構在人類與老
快執行速度。另外利用跨過小於序列長度的重複片段等方 鼠中與選擇性剪接高度關聯，顯見結構妨礙在轉錄 - 剪接中
式來大幅降低記憶體的需求和執行時間，同時也考慮組裝 扮演重要角色。更進一步發現與 DNA 迴路有關的增強子，
的品質。和其他程式比較，JR-Assembler 的記憶體使用率 在老鼠中附近轉錄的 eRNA 極可能參與調控該增強子之目
和執行時間更有效率，而且保持良好的組裝品質，特別對 標基因。
於序長度等於及大於 150 bp 的基因組資料。
(2) 蛋白體及代謝體研究
處 理 巨 量 定 序 資 料 的 工 具 和 資 訊 整 合 平 台 開 發： 我 們 發
展 Mapreduce 平 台 的 前 組 合 和 後 組 合 分 析 技 術， 以 預 蛋白體質譜實驗大數據分析：質譜儀已成研究蛋白體學重
測 序 列 片 段 的 重 複 性 和 定 序 錯 誤， 來 優 化 新 穎 基 因 體 組 要的實驗技術，質譜實驗有由下而上和由上而下兩類，前
合 技 術 的 正 確 性 和 效 率 (https://github.com/moneycat/ 者是較常用的方式；我們針對此種實驗方式發展了計算方
QReadSelector)。此外，我們也正在發展嶄新的雲端系統 法和工具進行蛋白體定性及定量分析。大規模帶醣的醣蛋
架構與演算法，將結合次世代與第三代單分子定序技術所 白 鑑 定 分 析 極 具 挑 戰， 故 目 前 少 有 具 此 功 能 的 工 具。 為
產出之巨量資料，進一步加速新穎基因體組合器的執行效 此，我們提出計算方法，並發展名為 MAGIC 的系統。我們
率與運用範疇。在基因體組裝完成後，透過我們所建構基 亦建構 MAGIC-web 的平台，處理大規模及標靶醣蛋白的
因結構解析註解流程、線上即時分析與呈現平台 (http:// 鑑定。在蛋白體定量方面，我們正將前已發表的定量工具
molas.iis.sinica.edu.tw)，已能整合基因體、轉錄體、蛋白 Multi-Q，重新開發，以處理目前盛行的 TMT 10-plex 定量
質體與甲基化 (http://tea.iis.sincia.edu.tw) 等多維體資料， 實驗。由上而下的質譜實驗方式，能完整偵測蛋白質上的
協同研究團隊以網頁介面，透過不同的角度來詮釋複雜生 修飾，故逐漸受到重視；唯其資料分析複雜，主要難在決
命 現 象 的 核 心 課 題， 如 癌 症 臨 床 樣 本、 非 模 式 生 物（ 如 定蛋白質的訊號群及其電荷。我們提出一計算方法，名之
龍 膽 石 斑 (http://molas.iis.sinica.edu.tw/grouper2016)、 日 為 DYAMOND, 並以此開發名為 iTop-Q 的分析軟體。
本 鰻 (http://molas.iis.sinica.edu.tw/jpeel2016) 與 雞 肉 絲 菇
等）、環境微生物與人類病毒 (Enterovirus, HCV) 研究等， 醣合成及代謝體之自動分析：醣的合成技術雖然已臻成熟，
10 研究群 Research Laboratories
