ADMIN | 2020-02-14 23:32:23
为推动我国生物信息学的学科发展和创新研究，充分展示和宣传我国生物信息学领域的重大研究成果，《基因组蛋白质组与生物信息学报》（Genomics, Proteomics& Bioinformatics, 简称GPB）于2018年首次组织评选了年度“中国生物信息学十大进展”，得到了广泛认可。在此基础上，2019年度中国生物信息学进展评选工作增设了分类评选，由领域同行专家首先评选出了2019年度“中国生物信息学十大数据库”、“中国生物信息学十大算法和工具”、“中国生物信息学十大应用”；并在分类评选的入选工作中进一步评选，产生2019年度“中国生物信息学十大进展”。
现公布2019年度 “中国生物信息学十大算法和工具”（排名不分先后，按题目首字母顺序排序）。昨日已公布2019年度“中国生物信息学十大数据库”，后续将公布“中国生物信息学十大应用”的评选结果； “中国生物信息学十大进展”的详细介绍最后发布，敬请关注！
发展创新助生信、众志成城战疫情。金鼠之年伊始，GPB祝愿大家平安健康，让我们在各自的岗位上做好自己的工作，为国民健康和国家发展贡献力量。Be a better me, be a better you, for a better us。中国加油！
Amino acid based de Bruijn graph algorithm for identifying complete coding genes from metagenomic and metatranscriptomic short reads
研究团队：
复旦大学戚继团队
算法/工具链接：
https://sourceforge.net/projects/metapa/
原文信息：
Liu J, Lian Q, Chen Y, Qi J. Amino acid based de Bruijn graph algorithm for identifying complete coding genes from metagenomic and metatranscriptomic short reads. Nucleic Acids Res 2019;47:e30. PMID: 30657979.
原文链接：
https://doi.org/10.1093/nar/gkz017
Assembly of chromosome-scale contigs by efficiently resolving repetitive sequences with long reads
研究团队：
中国科学院遗传与发育生物学研究所梁承志团队
算法/工具链接：
https://github.com/liangclab/HERA
原文信息：
Du H, Liang C. Assembly of chromosome-scale contigs by efficiently resolving repetitive sequences with long reads. Nat Commun 2019;10:5360. PMID: 31767853.
原文链接：
https://doi.org/10.1038/s41467-019-13355-3
Circular trajectory reconstruction uncovers cell-cycle progression and regulatory dynamics from single-cell Hi-C maps
研究团队：
中国科学院数学与系统科学研究院张世华和西安电子科技大学高琳团队
算法/工具链接：
https://github.com/zhanglabtools/CIRCLET
http://page.amss.ac.cn/shihua.zhang/software.html
原文信息：
Ye Y, Gao L, Zhang S. Circular trajectory reconstructionuncovers cell-cycle progression and regulatory dynamics from single-cell Hi-C maps.Adv Sci 2019;6:1900986. PMID: 31832309.
原文链接：
https://doi.org/10.1002/advs.201900986
CRISPR-Local: a local single-guide RNA (sgRNA) design tool for non-reference plant genomes
研究团队：
华中农业大学陈玲玲、刘海军团队
算法/工具链接：
http://crispr.hzau.edu.cn/CRISPR-Local/
原文信息：
Sun J, Liu H, Liu J, Cheng S, Peng Y, Zhang Q, et al. CRISPR-Local: a local single-guide RNA (sgRNA) design tool for non-reference plant genomes. Bioinformatics 2019;35:2501–3. PMID: 30500879.
原文链接：
https://doi.org/10.1093/bioinformatics/bty970
HUPAN: a pan-genome analysis pipeline for human genomes
研究团队：
上海交通大学韦朝春和附属瑞金医院于颖彦团队
算法/工具链接：
https://github.com/SJTU-CGM/HUPAN
原文信息：
Duan Z, Qiao Y, Lu J, Lu H, Zhang W, Yan F, et al. HUPAN: a pan-genome analysis pipeline for human genomes. Genome Biol 2019;20:149. PMID: 31366358.
原文链接：
https://doi.org/10.1186/s13059-019-1751-y
Integrating Hi-C and FISH data for modeling of the 3D organization of chromosomes
研究团队：
清华大学曾坚阳团队
算法/工具链接：
https://github.com/ahmedabbas81/GEM-FISH
原文信息：
Abbas A, He X, Niu J, Zhou B, Zhu G, Ma T, et al. Integrating Hi-C and FISH data for modeling of the 3D organization of chromosomes. Nat Commun 2019;10:2049. PMID: 31053705.
原文链接：
https://doi.org/10.1038/s41467-019-10005-6
Markovian approaches to modeling intracellular reaction processes with molecular memory
研究团队：
中山大学周天寿团队
原文信息：
Zhang J, Zhou T. Markovian approaches to modeling intracellular reaction processes with molecular memory. Proc Natl Acad Sci U SA 2019;116:23542–50. PMID: 31685609.
原文链接：
https://doi.org/10.1073/pnas.1913926116
Model-based understanding of single-cell CRISPR screening
研究团队：
同济大学刘琦、王平团队和上海交通大学孙树洋团队
算法/工具链接：
https://github.com/bm2-lab/MUSIC
https://hub.docker.com/r/bm2lab/music/
原文信息：
Duan B, Zhou C, Zhu C, Yu Y, Li G, Zhang S, et al. Model-based understanding of single-cell CRISPR screening. Nat Commun 2019;10:2233. PMID: 31110232.
原文链接：
https://doi.org/10.1038/s41467-019-10216-x
Reconstruction of full-length circular RNAs enables isoform-level quantification
研究团队：
中国科学院北京生命科学研究院赵方庆团队
算法/工具链接：
https://sourceforge.net/projects/ciri
原文信息：
Zheng Y, Ji P, Chen S, Hou L, Zhao F. Reconstruction of full-length circular RNAs enables isoform-level quantification. Genome Med 2019;11:2. PMID: 30660194.
原文链接：
https://doi.org/10.1186/s13073-019-0614-1
SCALE method for single-cell ATAC-seq analysis via latent feature extraction
研究团队：
清华大学张强锋团队
算法/工具链接：
https://github.com/jsxlei/SCALE
原文信息：
Xiong L, Xu K, Tian K, Shao Y, Tang L, Gao G, et al. SCALE method for single-cell ATAC-seq analysis via latent feature extraction. Nat Commun 2019;10:4576. PMID: 31594952.
原文链接：
https://doi.org/10.1038/s41467-019-12630-7