软件面临“卡脖子”？国内有生物信息学软件可以替代SnapGene或Benchling吗？

在基础工业软件领域，我国仍处于萌芽状态，有被美国卡脖子的巨大风险。哈工大被禁止使用MATLAB后，该校的一名研究生在 上哀叹：“国内工业软件和国外差距至少在30年以上”。

近日，笔者了解到国内有自主研发生物信息学软件InSequence。说实话，笔者是非常高兴的，如果鹰谷能解决生物软件问题，弥补国内在生物信息学工业软件的短板，笔者是非常乐见其成的。因为对于生物从业者来说，不再受制于国外软件、不再把数据放在国外，是非常有意义的事。

1.0版本覆盖了如下功能点：

序列处理：fasta或genbank序列文件导入、坐标生成、序列注释、序列大小写切换、序列翻转、序列合并、互补链计算、开放阅读框计算、翻译为蛋白质、序列比对、查看酶切位点；

蛋白质生化特性计算：等电点、蛋白分子量、氨基酸疏水性、蛋白质不稳定系统、氨基酸消光系数等的计算；氨基酸组成分析，氨基酸单字母三字母表达切换；

抗体设计：抗体编 、互补决定区(CDR)注释以及CRISPR设计、引物设计、引物性质分析、序列查找与定位等。

现在，随笔者的调研，一起看看InSequence1.0的功能细节吧！

01

从序列导入开始

序列处理是生物科研人员的基本工作。InSequence支持通过多种方式导入序列：fasta、genbank等或者直接输入序列。序列导入之后，能够对序列进行自动化处理。目前系统支持生成序列坐标、序列合并、切换序列大小写、添加注释、序列翻转等操作。这些操作都是基于表格来完成的，使用、修改起来都很方便，表格的一些使用技巧（如复制、粘贴等）也能够在处理序列的时候使用，相当于在Excel中实现了序列的数据处理。

图1 插入序列坐标和注释

02

DNA序列分析

把DNA序列导入之后，我们接着就能够对DNA进行分析，以便进行接下来的操作。首先我们可能需要自动匹配互补链。我们从 站上下载的序列可能常常都是单链的，系统能够自动补充互补链，构建双链DNA。接着，计算DNA基础性质，比如像Tm值、GC比以及序列长度等。不同用途对Tm值等、GC比等要求可能是不同的。

InSequence还可以支持通过多种格式复制DNA序列，复制正链、反链，或者复制成对应RNA、蛋白质的正链和反链，不再需要我们手动计算相应的对应关系。

图2 DNA的性质和翻译

如果序列是可以翻译的，我们还需要标注开放阅读框，并把序列翻译成蛋白质。InSequence支持识别多种起始密码子，支持双向查找开放阅读框。可以把找到的开放阅读框标记成显著的颜色，并把序列翻译成氨基酸序列，进行相关研究。

图3 自动计算开放阅读框

如果我们需要进行序列剪切，那需要查找酶切位点。我们可以直接通过InSequence表格的查找功能（Ctrl F）来一个个找，这样虽然能够找到，但也难免费时费力，在面对大量序列的时候将难以操作。InSequence支持自动把一段序列的所有酶切位点找到并列出来，这确实能快速帮助我们完成序列剪切和替换的工作。

图4 查找酶切位点

图5 环状DNA图

03

蛋白质序列分析

InSequence支持对蛋白质序列进行分析，从序列的角度来研究蛋白质的性质与功能。序列可能是单字母显示的，这样有时候看起来不那么舒服。InSequence能够自动进行氨基酸的单字母和三字母写法相互切换，找到最适合的显示方法。

图6 切换氨基酸表示方式

氨基酸链是蛋白质的一级结构，我们常常需要从蛋白质的组成上来研究其性质。InSequence能够自动分析蛋白质的氨基酸组分，列出每种氨基酸的占比多少。此外，也可以根基氨基酸的亲疏水性质进行归类，找到那些可能是跨膜区域的疏水基团。进而也可以分析蛋白质的等电点、分子量、消光系数、不稳定性等参数，从总体上研究蛋白质性质。

目前抗体药是一个比较热的研究领域，抗体序列常常需要进行编 ，帮助我们区分不同的功能区域。InSequence支持通过IMGT，Kabat，Chothia，Martin，AHo五种方法对多种动物进行编 。完成编 之后，能够对相应区域进行注释。

图7 蛋白质基础性质

04

分子生物学工具

除了这些常规的序列分析功能外，InSequence还有一些分子生物学相关的工具，能够更好地帮助研究员完成实验。

首先是序列比对功能。在进行分子生物学实验中，我们难免需要对序列进行比对，找到两两序列之间的亲疏关系，或者通过比对数据库，预测未知序列可能的功能。InSequence支持对DNA或者蛋白质进行双序列比对。比对参数可以自己调节，通过修改匹配、错配、空缺的分数来控制结果的显示。序列比对的结果能够以直观方式展示出来，匹配、错配和空缺都一目了然。除了双序列比对之外，如果需要用到blast数据库资源，InSequence支持一键跳转，使用NCBI数据库进行分析。

然后是引物设计功能。引物设计常常困扰着很多研究员，自己的引物究竟合不合适，Tm值是多少才行，太长了或者太短了有没有影响等等问题。InSequence能够在序列的基础上添加引物，引物就在对应的DNA上方。在现有序列基础上添加引物之后还可以手动修改其中的序列，或者查看引物的性质，检查引物是否符合要求。当然，如果需要进行更加严格的分析，可以通过primer3分析。

图8 插入引物

图9 crispr设计

基于表格的序列操作也使得序列查找得以更好地实现。系统支持查找重复序列，可以设置重复序列的长度进行筛选；也可以通过逻辑符 进行模式查找，或者通过坐标精准查找。

05

结语

随着分子生物学的发展，生物信息学软件工具已经广泛应用于抗体的改造、基因药物设计、合成生物学等等。据 道，涉及分子生物学的行业领域市场价值大于 10万亿美元。因此，优秀的生物信息学工具，是与CAD、EDA、MATLAB等具备同等重要性，也是国之重器，希望引起有关领导的重视。

InSequence1.0在各种便民功能整合上，显得一气呵成。但是，在很多方面，还是有明显的不足，比如质粒的图形展示界面还比较粗糙，还不具备引物优劣判断功能。笔者真诚希望国产软件能加速发展，助力中国的生物科研，让我国的生物医药真正具备独立自主的研发实力。据悉，上海鹰谷正在研发InSequence2.0，将更新生物信息相关的功能，引入更加方便的用户交互系统。

InSequence是否会成为国内首个替代Benchling或SnapGene的生物软件呢？笔者对此十分期待。

— END —