Ⅰ 分子進化樹構建及數據分析方法介紹【轉】
首先是方法的選擇。
基於距離的方法有UPGMA、ME（Minimum Evolution，最小 進化 法）和NJ（Neighbor-Joining，鄰接法）等。其他的幾種方法包括MP（Maximum parsimony，最大簡約法）、ML（Maximum likelihood，最大似然法）以及貝葉斯（Bayesian）推斷等方法。其中UPGMA法已經較少使用。
一般來講，如果模型合適，ML的效果較好。對近緣序列，有人喜歡MP，因為用的假設最少。MP一般不用在遠緣序列上，這時一般用NJ或ML。對相似度很低的序列，NJ往往出現Long-branch attraction（LBA，長枝吸引現象），有時嚴重干擾 進化樹 的構建。貝葉斯的方法則太慢。對於各種方法構建分子 進化樹 的准確性，一篇綜述（Hall BG. Mol Biol Evol 2005, 22(3):792-802）認為貝葉斯的方法最好，其次是ML，然後是MP。其實如果序列的相似性較高，各種方法都會得到不錯的結果，模型間的差別也不大。
對於NJ和ML，是需要選擇模型的。對於各種模型之間的理論上的區別，這里不作深入的探討，可以參看Nei的書。對於蛋白質序列以及DNA序列，兩者模型的選擇是不同的。以作者的經驗來說，對於蛋白質的序列，一般選擇Poisson Correction（泊松修正）這一模型。而對於核酸序列，一般選擇Kimura 2-parameter（Kimura-2參數）模型。如果對各種模型的理解並不深入，作者並不推薦初學者使用其他復雜的模型。
Bootstrap幾乎是一個必須的選項。一般Bootstrap的值>70，則認為構建的 進化樹 較為可靠。如果Bootstrap的值太低，則有可能 進化樹 的拓撲結構有錯誤， 進化樹 是不可靠的。
對於 進化樹 的構建，如果對理論的了解並不深入，作者推薦使用預設的參數。需要選擇模型的時候（例如用NJ或者ML建樹），對於蛋白序列使用Poisson Correction模型，對於核酸序列使用Kimura-2參數模型。另外需要做Bootstrap檢驗，當Bootstrap值過低時，所構建的 進化樹 其拓撲結構可能存在問題。並且，一般推薦用兩種不同的方法構建 進化 樹，如果所得到的 進化 樹類似，則結果較為可靠。
軟體的選擇 表1中列出了一些與構建分子 進化 樹相關的軟體。
構建NJ樹，可以用PHYLIP（寫得有點問題，例如比較慢，並且Bootstrap檢驗不方便）或者MEGA。MEGA是Nei開發的方法並設計的圖形化的軟體，使用非常方便。作者推薦MEGA軟體為初學者的首選。雖然多雪列比對工具ClustalW/X自帶了一個NJ的建樹程序，但是該程序只有p-distance模型，而且構建的樹不夠准確，一般不用來構建 進化 樹。
構建MP樹，最好的工具是PAUP，但該程序屬於商業軟體，並不對學術免費。因此，作者並不建議使用PAUP。而MEGA和PHYLIP也可以用來構建 進化 樹。這里，作者推薦使用MEGA來構建MP樹。理由是，MEGA是圖形化的軟體，使用方便，而PHYLIP則是命令行格式的軟體，使用較為繁瑣。對於近緣序列的進化樹構建，MP方法幾乎是最好的。構建ML樹可以使用PHYML，速度最快。或者使用Tree-puzzle，速度也較快，並且該程序做蛋白質序列的進化樹效果比較好。而PAML則並不適合構建進化樹。
ML的模型選擇是看構出的樹的likelihood值，從參數少，簡單的模型試起，到likelihood值最大為止。ML也可以使用PAUP或者PHYLIP來構建。這里作者推薦的工具是BioEdit。BioEdit集成了一些PHYLIP的程序，用來構建進化樹。Tree-puzzle是另外一個不錯的選擇，不過該程序是命令行格式的，需要學習DOS命令。PHYML的不足之處是沒有win32的版本，只有適用於64位的版本，因此不推薦使用。值得注意的是，構建ML樹，不需要事先的多序列比對，而直接使用FASTA格式的序列即可。
貝葉斯的演算法以MrBayes為代表，不過速度較慢。一般的進化樹分析中較少應用。由於該方法需要很多背景的知識，這里不作介紹。
表1 構建分子進化樹相關的軟體
軟體
網址
說明
ClustalX
http://bips.u-strasbg.fr/fr/Documentation/ClustalX/
圖形化的多序列比對工具
ClustalW
http://www.cf.ac.uk/biosi/research/biosoft/Downloads/clustalw.html
命令行格式的多序列比對工具
GeneDoc
http://www.psc.e/biomed/genedoc/
多序列比對結果的美化工具
BioEdit
http://www.mbio.ncsu.e/BioEdit/bioedit.html
序列分析的綜合工具
MEGA
http://www.megasoftware.net/
圖形化、集成的進化分析工具，不包括ML
PAUP
http://paup.csit.fsu.e/
商業軟體，集成的進化分析工具
PHYLIP
http://evolution.genetics.washington.e/phylip.html
免費的、集成的進化分析工具
PHYML
http://atgc.lirmm.fr/phyml/
最快的ML建樹工具
PAML
http://abacus.gene.ucl.ac.uk/software/paml.html
ML建樹工具
Tree-puzzle
http://www.tree-puzzle.de/
較快的ML建樹工具
MrBayes
http://mrbayes.csit.fsu.e/
基於貝葉斯方法的建樹工具
MAC5
http://www.agapow.net/software/mac5/
基於貝葉斯方法的建樹工具
TreeView
http://taxonomy.zoology.gla.ac.uk/rod/treeview.html
進化樹顯示工具
需要注意的幾個問題是:
其一，如果對核酸序列進行分析，並且是CDS編碼區的核酸序列，一般需要將核酸序列分別先翻譯成氨基酸序列，進行比對，然後再對應到核酸序列上。這一流程可以通過MEGA 3.0以後的版本實現。MEGA3現在允許兩條核苷酸，先翻成蛋白序列比對之後再倒回去，做後續計算。
其二，無論是核酸序列還是蛋白序列，一般應當先做成FASTA格式。FASTA格式的序列，第一行由符號「>」開頭，後面跟著序列的名稱，可以自定義，例如user1，protein1等等。將所有的FASTA格式的序列存放在同一個文件中。文件的編輯可用Windows自帶的記事本工具，或者EditPlus（google搜索可得）來操作。
文件格式如圖1所示：
圖1 FASTA格式的序列
NCBI的COG介紹：
什麼是 COG ？
「 COG 」是Cluster of Orthologous Groups of proteins（蛋白相鄰類的聚簇）的縮寫。構成每個 COG 的蛋白都是被假定為來自於一個祖先蛋白，並且因此或者是 orthologs 或者是paralogs。Orthologs是指來自於不同物種的由垂直家系（物種形成）進化而來的蛋白，並且典型的保留與原始蛋白有相同的功能。Paralogs是那些在一定物種中的來源於基因復制的蛋白，可能會進化出新的與原來有關的功能。請參考文獻獲得更多的信息。
COG 分類是如何構建的？
COG 是通過把所有完整測序的基因組的編碼蛋白一個一個的互相比較確定的。在考慮來自一個給定基因組的蛋白時，這種比較將給出每個其他基因組的一個最相似的蛋白（因此需要用完整的基因組來定義 COG 。注1）這些基因的每一個都輪番的被考慮。如果在這些蛋白（或子集）之間一個相互的最佳匹配關系被發現，那麼那些相互的最佳匹配將形成一個 COG （注2）。這樣，一個 COG 中的成員將與這個 COG 中的其他成員比起被比較的基因組中的其他蛋白更相像，盡管如果絕對相似性比較的。最佳匹配原則的使用，沒有了人為選擇的統計切除的限制，這就兼顧了進化慢和進化快的蛋白。然而，還有一個加的限制就是一個COG必須包含來自於3個種系發生上遠的基因組的一個蛋白。
注1：僅僅應用在形成COG時，不包含新蛋白的信息。
注2：為了簡化，許多步驟都省略的，請參考文獻。
使用COG可以得到什麼樣的信息？
簡單的說，有三方面的信息：
1，蛋白的註解。COG的一個蛋白成員的已知功能（以及二維或三維結構）可以直接應用到COG的其他成員上去。然而，這里也要警告，因為有些COG含有paralogs，它們的功能並非對應與那些已知蛋白。
2，種系發生圖譜。這給出在一個特定的COG中一個給定物種是否存在某些蛋白。系統使用，這些圖譜可以用來確定在一個物種中是否一個特定的代謝途徑。
3，多重對齊。每一個COG頁麵包括了一個鏈接到COG成員的一個多重對齊，那可以被用來確定保守序列殘基和分析成員蛋白的進化關系。
COG分類有哪些？
目前COG分類中每個字母代表的功能分類含義：
INFORMATION STORAGE AND PROCESSING
[J] Translation, ribosomal structure and biogenesis
[A] RNA processing and modification
[K] Transcription
[L] Replication, recombination and repair
[B] Chromatin structure and dynamics
CELLULAR PROCESSES AND SIGNALING
[D] Cell cycle control, cell division, chromosome partitioning
[Y] Nuclear structure
[V] Defense mechanisms
[T] Signal transction mechanisms
[M] Cell wall/membrane/envelope biogenesis
[N] Cell motility
[Z] Cytoskeleton
[W] Extracellular structures
[U] Intracellular trafficking, secretion, and vesicular transport
[O] Posttranslational modification, protein turnover, chaperones
METABOLISM
[C] Energy proction and conversion
[G] Carbohydrate transport and metabolism
[E] Amino acid transport and metabolism
[F] Nucleotide transport and metabolism
[H] Coenzyme transport and metabolism
[I] Lipid transport and metabolism
[P] Inorganic ion transport and metabolism
[Q] Secondary metabolites biosynthesis, transport and catabolism
POORLY CHARACTERIZED
[R] General function prediction only
[S] Function unknown
遺傳密碼的新排列和起源探討
肖景發, 於軍 中國科學院北京基因組研究所, 中國科學院「基因組科學及信息」重點實驗室
摘要根據DNA核苷酸組分的動態變化規律將遺傳密碼的傳統排列按 密碼子 對GC和嘌呤含量的敏感性進行了重排. 新密碼表可劃分為兩個半區(或1/2區)和四個四分區(或1/4區). 就原核生物基因組而言, 當 GC含量 增加時, 物種蛋白質組所含的氨基酸傾向於使用GC富集區和嘌呤不敏感半區所編碼的氨基酸, 它們均使用四重簡並密碼, 對DNA序列的突變具有相對魯棒性(Robustness). 當 GC含量 降低時, 大多數 密碼子 處於AU富集區和嘌呤敏感半區, 這個區域編碼的氨基酸具有物理化學性質的多樣性. 因為當 密碼子 第三位核苷酸(CP3)在嘌呤和嘧啶之間發生轉換時, 密碼子 所編碼的氨基酸也傾向於發生變化.
關於遺傳密碼的 進化 存在多種假說, 包括凝固事件假說、共 進化 假說和立體化學假說等, 每種假說均試圖解釋遺傳密碼所表現出來的某些化學和生物學規律. 基於遺傳密碼的物理化學性質、基因組變異的規律和相關的生物學假說, 我們提出了遺傳密碼 分步進化假說 (The Stepwise Evolution Hypothesis for the Genetic Code). 在人們推斷的最原始的RNA世界裡, 原初(Primordial)遺傳密碼從只能識別嘌呤和嘧啶開始, 編碼一個或兩個簡單而功能明確的氨基酸. 由於胞嘧啶C的化學不穩定性, 最初形成的遺傳密碼應該僅僅由腺嘌呤A和尿嘧啶U來編碼, 卻可得到一組七個多元化的氨基酸. 隨著生命復雜性的增加, 鳥嘌呤G從主載操作信號的功能中釋放出來, 再伴隨著C的引入, 使遺傳密碼逐步擴展到12、15和20個氨基酸, 最終完成全部 進化 步驟.
遺傳密碼的 進化 過程同時也伴隨以蛋白質為主體的分子機制和細胞過程的 進化 , 包括氨醯tRNA合成酶(AARS)從初始翻譯機器上的脫離、DNA作為信息載體而取代RNA以及AARS和tRNA共 進化 等基本過程. 分子機制和細胞過程是生命的基本組成元件, 它們不但自己不斷地趨於完善, 也促使生命體走著不盡相同的道路, 要麼維持魯棒性(Robustness, 如細菌), 要麼尋覓多元化(Diversity, 如節肢動物和植物), 要麼追求綜合性(Complexity, 如脊椎動物).
自從 密碼子 被全部發現以來, Crick[1]
就將遺傳密碼表排列成化學家所認可的形式. 盡管後來有些特殊表現形式的列方式(如同心圓、八卦式和二元密碼等), 但其基本排布一直延續至今[1~3]
. 遺傳密碼以4個脫氧核糖核苷酸作為基本符號來組成遺傳信息, 並以20個氨基酸作為基本結構單元來構建蛋白質. 遺傳密碼是使用4個鹼基(兩個嘌呤: 腺嘌呤A和鳥嘌呤G; 2個嘧啶: 尿嘧啶U和胞嘧啶C)構成的三聯體 密碼子 , 共64個, 分別對應20個氨基酸或翻譯起始和終止信號. 生物體要將DNA分子中儲存的信息內涵轉變成功能內涵, 就要利用信使mRNA、解碼分子tRNA和完整翻譯機器等多重功能. 各種復雜分子機制和細胞過程的誕生和成熟一定會反映生命從RNA世界到RNA-蛋白質世界, 再到RNA-蛋白質-DNA世界逐漸轉變的過程, 遺傳密碼作為一個獨立的生物學機制也一定是漫長生命 進化 過程中的一個必然產物.
20世紀60年代初, 實驗分子生物學最大的進展就是解碼遺傳密碼, 發現它在生命有機體中, 基本是統一的. 自此不同的假設均試圖解釋遺傳密碼的信息和化學特性, 從簡單的凝固事件假說到更復雜的統計學、共 進化 和立體化學理論. 凝固事件假說認為 密碼子 與氨基酸的對應關系是在某個生命發生時段里被固定下來, 並且很難被改變[2]
, 這個假說一直被基於適應性、歷史性和化學性的不同論點所挑戰[4]
. 盡管關於遺傳密碼的 進化 也有人提出過不同的假設, 但是解釋 密碼子 的分配原則、物理化學性質的相關性和DNA組分變化對 密碼子 使用頻率的牽動, 從而揭示遺傳密碼表的生物學本質仍然是一個不小的挑戰[2,5]
.
1 重排遺傳密碼表
重排遺傳密碼表有3個重要原因. 首先, DNA序列有4個最基本的可度量的變化, 即核苷酸序列、序列長度、 GC含量 和嘌呤(R或AG)含量. 假如把核苷酸序列和長度相對於時間的變化暫時不考慮, 那麼只有後面的兩個變數對於傳統的遺傳密碼表具有影響力, 所以重排應該以GC和嘌呤含量的變化為主線. 但以前大家熟知的密碼表排列只是為了簡明和清晰地顯示 密碼子 和氨基酸的一一對應關系, 卻忽略了密碼表本身對氨基酸物理化學性質多樣性的表現和DNA編碼承受突變的魯棒性等明顯信息. 因此, 有必要把傳統的密碼表進行重新排列[6]
, 使其能夠表現信息內涵和功能內涵之間的基本關系. 其次, 當 GC含量 和嘌呤含量變化時, 希望從密碼表中找出相應蛋白質組成變化的線索. 圖1展示了 GC含量 和嘌呤含量在極端狀態下4個微生物基因組的氨基酸組分分布.
(1) RNA世界和早期遺傳密碼. RNA世界的存在首先被RNA分子具有相應催化功能的生物學特性所支持[22~26]
. 在RNA世界裡, RNA具有雙重的功能, 既是信息載體也是功能載體. 因為生命的基本分子機制和細胞過程起源於RNA世界, 所以沒有理由說遺傳密碼不起源於RNA世界. 在RNA世界裡RNA分子可以組成簡單的核苷酸多聚物, 這種多聚物在近億年的成熟期里, 為生命提供了足夠的功能上的復雜性和多樣性. 原始細胞可以通過相互爭斗和吞噬獲得基本的組成成分，因此基於模板的RNA合成可能對於生命的初始不是必需的. 可以想像這些RNA分子可以通過簡單的聚合酶來合成, 通過自身剪接或化學修飾轉變為其他相似的結構, 從而達到結構的可變性和功能的多樣性. 此外, RNA的編輯(RNA Editing)也一定起了非常重要的作用, 這一分子機制一直延續到現在, 在包括人類在內的高級物種中仍然存在.
在現代生物世界裡, 剪接體(Spliceosome)通常是用於RNA分子的剪接, 由蛋白質和RNA分子組成. 可以做兩個假設, 生命可能起源於類真核有機體的原型細胞(在DNA引入之前)而不是類原核有機體的原型細胞. 在RNA組成的翻譯機器(Translational Machinery)沒有形成之前, 初始遺傳密碼可能不是必需的. 一旦這個初始生命進入到RNA-蛋白質組成的世界時, 多肽才逐漸按照密碼子開始有序合成, 遺傳密碼就開始發揮其作用了. 可以認為有序的生命可以在與相對無序生命的爭斗中更容易獲勝和取得繁衍的空間.
現在可以推測初始遺傳密碼在RNA世界存在和 進化 的基本過程和起源時的基本邏輯關系. 初始生命一定比較簡單, 分子間相互作用也比較寬松, 最小的編碼系統可能只要區分嘌呤R和嘧啶Y就夠了. 假定現代密碼在生命的早期階段已經被統一並相對忠實地繼承了RNA密碼的基本關系, 這個可能的原始編碼就至少有7個氨基酸(I和M視為等同; 圖5), 同時也有起始和終止密碼子. 這7個氨基酸的側鏈具有廣泛的物理化學性質(氨基、醯基、苯環、羥基、酚基、烴鏈和甲硫基等), 但是沒有小的和酸性的氨基酸. 可以推測: 體積小的氨基酸在初始蛋白質相互作用中的作用顯然不如大的重要, 而鹼性氨基酸的功能對於酸性DNA則是顯而易見的. 另外的一種可能性是氨基酸與tRNA以及AARS之間的關系不是十分明確, 一個密碼子對應多氨基酸的情況可能在遺傳密碼成熟前是普遍存在的[27]
. 由於7個氨基酸的編碼區處於現代密碼表的AU富集區, 可以確信初始密碼子始於這個區域, 後來擴展到嘌呤敏感區即所謂趨變半區. 這個階段的存在既復合由簡到繁的邏輯, 也迎合了實驗的證據, 那就是C的不穩定性和G在RNA操作功能上的作用[21, 28~29]
.
(3) 遺傳密碼的第二次拓展. 當GU和AG從作為剪接信號功能釋放出來以後(剪接體的結構和功能隨著蛋白質的演變而復雜化和精密化), 遺傳密碼引入了Arg, Ser和Val. 氨基酸的個數變成15個, 這次擴展是對已經存在的氨基酸物理化學性質和二級結構特性的擴展. Arg是Lys的替代體, Ser則對應Tyr, Val是疏水性氨基酸Leu, Ile和Met的補充[32~35]
.
最具吸引力的是六重簡並的3個氨基酸Arg, Leu和Ser. 這些氨基酸在被引入後, 又由於核苷酸C在RNA世界的應用而擴展出各自的新四聯碼, 成為六重簡並. 首先, Leu是在現代基因組中包括所有三界生物在內最豐富的氨基酸, Ser是真核生物第二豐富的氨基酸, Arg也是一個富有的氨基酸, 通常在細菌基因組中位於前10位. 其次, Leu在二重簡並密碼和四重簡並之間最容易轉換, 只需要通過簡單U到C轉換(UUR-CUR)即可, 這也說明Leu對於大多數蛋白質來說是用於當 GC含量 增加時維持蛋白質功能的完整性. 這些觀察引出相應的假設: 這3個氨基酸的附加密碼是為了當 GC含量 或AG含量增加時平衡富有氨基酸, 相應的密碼分布按照平衡遺傳密碼的蛋白質多樣性和蛋白質魯棒性二等分. 這種平衡能力用於當編碼序列突變發生時穩定蛋白質的氨基酸組成, 從而維護蛋白質結構的完整性.
(4) 遺傳密碼的最終拓展. 遺傳密碼的最終拓展是在DNA作為信息載體取代RNA使得信息載體具有更高的准確性和穩定性, 同時也產生了最為關鍵的從RNA到DNA的逆轉錄機制. 基於模板的DNA復制機制開辟了新的DNA-蛋白質-RNA世界. 很多新分子機制的 進化 包括DNA復制和修復、RNA的轉錄等, 使這個生物界里分子機制和細胞過程更趨於多元和完善. 同時當C和其脫氧衍生物分別作為結構模板加入RNA和DNA時, 標准遺傳密碼也就隨之產生並被固定下來. 遺傳密碼本身得到新的補充並且編碼能力有了很大提高. 組氨酸(His)和Glu立刻加入進來, 主要是由於它們具有相應的催化性質以及和原有的兩個鹼性氨基酸的相似性, Thr擴展了Ser的功能, 同時使蛋白質的結構增加了精細度, Ala同Ser相比具有類似的體積和尺度, 但其和Ser比具有很強的疏水性質[32,33]
. 這些新引入的氨基酸在蛋白質結構和功能多樣性上起到非常關鍵的作用. 不容懷疑的是Pro的最後加入, 它具有其他氨基酸所不具備的性質, 即通過特有的方式使蛋白質的骨架結構扭曲達到蛋白質結構的緊密折疊. 相應的擴展模式在AARS同樣得到支持遺傳密碼擴展的假設, 除了3個六重簡並的遺傳密碼外, 這次共有六組遺傳密碼最終被引入, 同時編碼6個氨基酸. 這6個氨基酸的AARS分類按照G和I 的配對原則延伸而來. 例如AARS對於雙重編碼的氨基酸His(CAR)和Gln(CAY)的對應, Glu(GAR)和Asp(GAY)的對應等.
遺傳密碼的 進化 就是密碼子的有序發生和合理分布, 這個分布的合理性一定經過一個復雜選擇過程. 首先, 通過長時間的創造和優化, 使其在基因組核苷酸序列發生突變時對蛋白質的結構起到緩沖的作用; 第二, 密碼子採取這樣一種特殊的排布方式: 當DNA組成從AU富集區到GC富集區改變時, 氨基酸的分布傾向於從具有催化性質的氨基酸轉到具有結構性質的氨基酸; 第三, 充分利用密碼子第三位多變的優勢(通常體現在R和Y之間的轉換), 來改變編碼氨基酸的物理化學性質, 致使在趨變半區里大約有15個氨基酸對第三個位置R和Y之間的轉換呈現敏感.
(5) 分子機制與細胞過程的 進化 . 盡管分子機制與細胞過程的根本界限有時會很模糊, 但還是將它們分開: 前者強調物理性的相互作用、發生的空間和組分的存在, 後者強調化學反應的結果、發生的時間和過程. 從一方面講, DNA的變異顯然是細胞過程的產物, 遺傳密碼的發生和最終形成也是它的產物. 從另一方面講, 密碼子與氨基酸的關系影響到細胞的蛋白質組分的變化, 即分子機制的變化[21]
. 比如, 如果在RNA世界需要產生多個拷貝的RNA分子, 一定需要一個分子機制來實現. 在現代生物世界裡, 通常是由以DNA為模板的轉錄機制來完成, 但在RNA世界裡沒有RNA的復制, 多個RNA分子產生是由多聚酶和編輯體(Editosome)共同來完成的. 也許就是那個最原始的細胞機制. RNA世界的第二個分子機制發明可能是就剪接體, 這個分子機制在現代生物世界裡仍然在發揮其重要的作用. 第三個分子機制也許是翻譯體(Translatosome)的形成, 其用於直接進行蛋白質分子的加工, 這一分子機制是從原始的RNA世界到成熟的RNA世界再到現代生物世界裡轉折的重要標志. 在轉折期里, 分子機制在蛋白質精確度的變化中不斷完善和復雜, 直到DNA通過RNA和蛋白質的復合體引進到生命世界
Ⅱ 雲計算的內容有哪些有哪些應用前景
雲計算應用之一：金融雲。金融雲是利用雲計算的模型構成原理，將金融產品、信息、服務分散到龐大分支機構所構成的雲網路當中，提高金融機構迅速發現並解決問題的能力，提升整體工作效率，改善流程，降低運營成本。
雲計算應用之二：製造雲。製造雲是雲計算向製造業信息化領域延伸與發展後的落地與實現，用戶通過網路和終端就能隨時按需獲取製造資源與能力服務，進而智慧地完成其製造全生命周期的各類活動。
雲計算應用之三：教育雲。教育雲是「雲計算技術」的遷移在教育領域中的應用，包括了教育信息化所必須的一切硬體計算資源，這些資源經虛擬化之後，向教育機構、從業人員和學習者提供一個良好的雲服務平台。
雲計算應用之四：醫療雲。醫療雲是指在醫療衛生領域採用雲計算、物聯網、大數據、4G通信、移動技術以及多媒體等新技術基礎上，結合醫療技術，使用「雲計算」的理念來構建醫療健康服務雲平台。
雲計算應用之五：雲游戲。雲游戲是以雲計算為基礎的游戲方式，在雲游戲的運行模式下，所有游戲都在伺服器端運行，並將渲染完畢後的游戲畫面壓縮後通過網路傳送給用戶。
雲計算應用之六：雲會議。雲會議是基於雲計算技術的一種高效、便捷、低成本的會議形式。使用者只需要通過互聯網界面，進行簡單易用的操作，便可快速高效地與全球各地團隊及客戶同步分享語音、數據文件及視頻。
雲計算應用之七：雲社交。雲社交(Cloud Social)是一種物聯網、雲計算和移動互聯網交互應用的虛擬社交應用模式，以建立著名的「資源分享關系圖譜」為目的，進而開展網路社交。
雲計算應用之八：雲存儲。雲存儲是指通過集群應用、網格技術或分布式文件系統等功能，將網路中大量各種不同類型的存儲設備通過應用軟體集合起來協同工作，共同對外提供數據存儲和業務訪問功能的一個系統。
雲計算應用之九：雲安全。雲安全(Cloud Security)通過網狀的大量客戶端對網路中軟體行為的異常監測，獲取互聯網中木馬、惡意程序的新信息，推送到Server端進行自動分析和處理，再把病毒和木馬的解決方案分發到每一個客戶端。
雲計算應用之十：雲交通。雲交通是指在雲計算之中整合現有資源，並能夠針對未來的交通行業發展整合將來所需求的各種硬體、軟體、數據。