生物信息学教学大纲
红河学院《生物信息学》课程教学大纲
一、课程基本情况与说明
（一）课程代码：
（二）课程英文名称：bioinformatics
（三）课程中文名称：生物信息学
（四）授课对象：生物科学和生物技术专业本科生
（五）开课单位：生命科学与技术学院
（六）教材：
1、生物技术专业：《生物信息学应用技术》，王禄山、高培基编，化学工业出版社，2008年
2、生物科学专业：《生物信息学基础》，孙啸、陆祖宏、谢建明编，清华大学出版社，2005年（七）参考书目
[1]《生物信息学》，DavidW.Mount著，钟扬等译，高等教育出版社，2003年
[2]《基因组数据分析手册》，胡松年、薛庆中编，浙江大学出版社，2003年
[3]《生物信息学中的计算机技术(Developing Bioinformatics Computer Skills)》，Cynthia
Gibas,Per Jambeck著，孙超等译，中国电力出版社，2002年
[4]《生物信息学：基因和蛋白质分析的实用指南》，Andreas D. Baxevanis，Francis Ouellette B F
著，李衍达、孙之荣等译，清华大学出版社，2000年
[5]《生物信息学算法导论（An Introduction to Bioinformatics Algorithms ）》，琼斯，帕
夫纳著，王翼飞等译，化学工业出版社，2007年
（八）课程性质（五号宋体加粗）
生物信息学是生命科学领域一门新兴的边缘学科，综合了生物学、计算机学、信息学、统计学等方面的知识。该学科在学生掌握生物化学、遗传学、分子生物学以及计算机应用、高等数学等相关知识的基础上开设，属于生物类专业的专业课程（必修或选修）。通过学习，学生能够加深对分子生物学和基因工程等课程的理解，并为进一步学习基因组学(genomics)和蛋白质组学(protemics) 奠定基础。
（九）教学目的
1、给学生介绍生物信息学的主要内容以及未来可能的发展方向，为学生构建相关知识体系，开阔学生的视野，为将来进一步学习、科研打下基础。
2、让学生了解生物信息学的基本研究方法，并能掌握应用其中的一些常用方法，以提高学生的科研能力，领会采用信息学技术去分析和探索大量核酸和蛋白质序列所蕴藏的生命意义的基本思路。
3、学习运用计算机软件来分析生物学问题，提高用理论来辅助、提高实验的设计和数据分析水平，加强对分子生物学实验结果的预测与分析等等的能力。
（十）教学基本要求
本课程应用性、实践性和操作性很强、对计算机水平要求较高。生物信息学的发源和领先地区又多在国外，大量的生物信息学数据库已经网络化，主要软件都由国外开发，因此对英语水平也有一定要求。考虑到这些特点，为实现本大纲的要求，应积极采用新教材、多媒体及计算机辅助教学等先进教学手段，同时注意提醒、强化学生的计算机和英语应用水平，提高教学效果。在教学过程中，要注意前修课程和后续课程的联系（包括生物专业英语）。
①本课程是生物类专业高年级的课程，学生在生物领域已经有了相当基础知识，因此教学重
点应放在几大学科（生物学、计算机学、信息学、统计学等）知识的综合上，着重讨论学科的交叉运用，注意对分子生物学知识的回顾、联系和应用。
②对于生物信息学中的基本研究方法的学习，应是教师介绍、课堂讨论、课后作业相结合，通过学生的实践，深入掌握这些研究方法，能理解其算法，培养学生分析问题和解决问题的能力。重点、难点要突出。注意理论联系实际。
③结合实际，介绍并提供当前热门的生物信息软件，并布置作业，让学生课下和课后实习。
④对于作为必修课的专业，要在3个学分的课时中，进行不少于18个学时的上机和上网实验，对相应软件和数据库进行操作练习，并作为考核的重要内容。
（十一）学时数、学分数及学时数具体分配
学时数：54学时（必修）或36学时（选修）
分数：3学分（必修）或2学分（选修）
本课程采用多媒体教学与上机实习相结合的方式。主要强调利用各种公用的生物信息学资源进行上机实习过程的学习，集课堂教学、实践教学和网络教学为一体，教学环节包括课堂讲授、学生自学、上机实验以及期末考核。课程大部分内容的讲授需要采用多媒体课件或者网络机房进行教学，并实时演示相关软件操作和网络数据库检索流程等课程的重点内容。学生上机实习操作要保证学时和练习效果，上机前教师预先布置实验题目，上机实验结束学生提交实验报告。并完成教师布置的一定量的作业，加深学生对所学知识的理解、运用，进一步训练学生的实际操作能力。
（十三）考核方式和成绩记载说明
考核方式为考查。严格考核学生出勤情况，达到学籍管理规定的旷课量取消期末考查资格。
总评成绩：
平时成绩：50％（必修）或40%（选修）；形式：作业与平时实验成绩；
期末成绩：40％（必修）或50%（选修）；形式：论文（专题研究或文献综述等）；
考勤提问：10％；形式：不定期点名。
实验成绩主要考查学生的实践动手操作能力和分析能力，平时作业可以分书面作业和电子版作业两种，后者主要是一些在线分析、数据库检索和软件应用的结果文件。期末主要考查学生理论知识的掌握情况和综合运用水平。对于少数在某些方面确有特长（如擅长编程或网页数据库制作维护等）的学生，可指定相关软件编写、数据库建设和生物资源类的网页设计等内容作为其课程设计任务，按时完成并达到预期设计目标的，经审核确认确为其本人独立（或者为主）完成，
可以不进行期末考查，以课程设计任务成绩代替。
二、讲授大纲
第一章绪论（2学时）
基本要求：
了解生物信息学兴起的主要原因。历数遗传学和基因组学领域中各里程碑事件及基因组测序技术的发展。理解生物信息学的基本概念和目前生物信息学中的各热点问题。掌握什么是生物信息学的研究对象和研究内容，以及几个重要的生物信息学资源和主要生物信息学工具。理解生物信息学的交叉学科和大科学特点。
重点：
1、生物信息学的定义、基本概念及其发展现状。
2、生物信息学研究的基本内容、基本原理与生物学基础。
3、计算机在生物学研究中的应用。
难点：
1、信息的内涵。
2、生物大分子序列和结构的信息功能。
3、生物信息学的交叉学科和大科学特点。
主要内容：
生物信息学的兴起和发展背景，生物信息学的概念、主要内容、研究意义和学科特点，以及当前生物信息学所面临的巨大挑战等。
第二章生物数据（2学时）
基本要求：
了解一般意义上的生物数据和现代的生物信息学数据的区别。了解从单克隆技术到全基因组鸟枪法测序技术的发展使得海量的基因组数据产生，以人类基因组为例，了解基因组注释的主要步骤和内容。遗传变异（如SNP）的概念、类型及发现方法。了解核糖核苷酸水平上基因表达的概念和非编码RNA在基因组中的多种类型。掌握表达序列标签的主要特点，学习表达序列标签对掌握基因组内各种特征信息的意义。理解高通量的蛋白质组和相互作用组产生的背景，对这些新兴的概念有比较深入的理解。熟悉生物信息学数据的采集来源。
重点：
1、理解如何对已测序的基因组数据进行注释和正确地进行基因预测。
2、掌握转录组的发现和基因表达谱的概念、单核苷酸多态性（SNPs）。
3、了解蛋白质序列和结构特点及其蕴含的信息。
难点：
1、如何从海量的基因组数据提取有用的信息是基因组序列数据分析的巨大挑战。
2、基因表达数据的分析。
3、蛋白质结构。
主要内容：
核心内容是介绍海量的生物信息学数据是如何产生的，以及这些数据的主要特点（具体包括：具有信息功能的生物大分子，基因组序列数据和基因组测序技术，遗传变异数据，转录组的基本概念及应用，基因表达谱的基本概念以及应用，EST以及EST的重要性，蛋白质组学的意义和对生物信息学提出的要求，蛋白质相互作用识别和预测的多种计算方法，生物通路，蛋白质二级、三级结构的数字化，常见非编码RNA，如tRNA，rRNA和miRNA等。生物信息学数据的实验室采集和网络数据库采集。
第三章分子生物学数据库（3学时）
基本要求：
了解几个注释较好的提供基因组浏览器的生物数据库资源（如NCBI,UCSC和EMBL等）其各自的特点及它们之间的联系。理解DNA序列的存储数据库（如GenBank，DDBJ，EMBL等）和蛋白质序列的存储数据库（如UniProt等）中一些关键序列号的意义和数据库内部结构的组织等。了解常用的公共基因表达数据库、表达序列标签数据库dbEST。掌握目前已有的蛋白质相互作用数据库，生物通路数据库和蛋白质结构数据库。能够根据自己问题出发找到感兴趣的蛋白质所涉及的相互作用，参与的生物通路和三维结构。
重点：
1、常用核酸和蛋白质序列和结构数据库的种类和内容。
2、数据库的格式和注释。
难点：
数据库构建、各种数据库包含数据的种类。
主要内容：
1、DNA、RNA与蛋白质序列数据库
2、蛋白质结构数据库、蛋白质分类数据库CATH与SCOP
3、基因与蛋白质表达数据库
4、蛋白质相互作用数据库
5、其他数据库
第四章序列对齐和数据库检索（3学时）
基本要求：
了解核酸序列比对的内容和相似序列的获得方法，掌握常用数据库的检索流程，理解序列比对和数据检索的原理和意义。
重点：
双序列比对
难点：
序列比对算法，多序列比对
主要内容：
序列比对相关的基本概念，序列相似性的评价方法，最优比对的确定—动态规划方法，比对结果的显著性分析，相似序列的启发式搜索—BLAST算法原理，BLAST 软件系列的使用，FASTA 算法，多序列比对技术。
第五章 DNA序列分析（6学时）
基本要求：
熟悉核酸序列分析和基因组分析的主要内容，掌握常用序列分析工具的使用，理解基因结构与DNA序列分析的生物学意义。
重点：
核酸序列分析的内容，序列分析工具的使用，以及基因结构与DNA序列分析的生物学意义。难点：
通过序列对比，推测分子的同源性；全基因组比较结果的可视化，电子PCR。
主要内容：
DNA序列分析的意义，序列的预测与鉴定，核酸序列物理性质的计算，核酸序列的基本分析（分子质量、碱基组成、碱基分布、序列变换、限制酶切分析和克隆测序分析等），密码子指纹与密码子使用偏好性分析，电子基因定位分析，基因组测序与分析，表达序列标签（EST）分析，SNPs 识别，可读框分析，真核生物基因的启动子分析及其他调控位点分析，DNA序列分析工具。
第六章 RNA序列分析（1学时）
基本要求：
了解RNA的信息功能、种类、序列特征、熟悉常见RNA二级结构和三级结构特征、了解二级结构预测的原理，掌握二级结构预测的方法和相关软件的使用。
重点：
RNA的种类及其序列和结构特征
难点：
RNA二级结构预测理论
主要内容：
RNA标纹识别和局部结构配对，RNA二级结构预测的理论和方法（如Zuker最小自由能算法或者遗传算法），RNA结构预测软件（如Unix平台的MFold和Windows平台的RNAStructure、RNAdraw）。
第七章蛋白质序列分析和结构预测（6学时）
基本要求：
了解蛋白质序列分析的主要内容，掌握蛋白质序列和结构分析工具的使用，熟悉蛋白质结构分类，理解蛋白质结构同源模建方法，了解蛋白质空间结构的预测手段。会利用工具和网络数据库进行简单的蛋白质二级结构预测，了解蛋白质三级结构预测，了解蛋白质组数据分析方法。
重点：
蛋白质序列分析，蛋白质二级结构预测
难点：
蛋白质结构同源模建方法
主要内容：
1、多肽理化性质计算与预测（包括多肽分子量、等电点、电荷分布和酶切特征，多肽亲水性/
疏水性分析与制图，多肽抗原位点分析等）
2、蛋白质家族与蛋白质分类（蛋白质家族与超家族，蛋白质分类的方法）
3、蛋白质序列模式和结构域模式分析
4、蛋白质结构预测与合理药物分子设计
5、蛋白质组数据分析及相关工具与资源
第八章核酸和蛋白质序列的进化分析（4学时）
基本要求：
了解分子系统学（或分子进化）的有关概念和理论，理解系统发言模型建立的原理和方法，熟悉分子进化树的建立、分析，熟练掌握一种以上的系统发育分析软件的使用。
重点：
系统发育模型的组成、建立与分析，分子进化树的构建
难点：
构建进化树的原理和算法
主要内容：
1．分子系统发育概述
2．系统发育模型的组成、建立与分析
3. 建立分子进化树的方法与评估
4. 系统发育分析软件(MEGA, PAUP*, PHYLIP和Treeview等)
第九章算法和语言（2学时）
基本要求：
了解生物信息学与计算机编程的关系，了解一些生物信息学常用的计算方法和编程语言及数据库语言，了解生物信息学中的一些研究模型
重点：
遗传算法、Perl语言与Bioperl、R语言、BioJava库
难点：
隐马尔科夫模型（HMM）
主要内容：
生物信息学中的计算机技术，生物信息学中的计算方法，计算方法中的生物思想，遗传算法，Perl语言与Bioperl，R语言，BioJava库，生物信息学序列置标语言（BSML），遗传表达置标语言（GEML），隐马尔科夫模型（HMM），人工智能和人工神经网络，图论与生物信息学。
第十章生物信息学资源、平台及其综合应用（4学时）
基本要求：
对生物信息学常用软件资源、网络在线分析资源、网络数据库资源有一个比较全面的总结，并了解有关资源整合和综合分析平台构建的知识。了解与生物有关的文献信息检索常识和技巧。重点：
Windows环境下的生物信息学软件（尤其是前述章节中没有涉及到、但比较重要和常用的软件，如一些分子生物学数据分析用软件、功能比较全面的综合性分析软件、生物学统计软件），生物信息学分析类网络资源，生物信息学学习类网络资源。
难点：
生物信息学分析类网络资源，自建核酸和蛋白质序列分析平台
主要内容：
Windows环境下的生物信息学软件（前面章节所有软件小结和常用重要综合性生物信息学软件使用方法，如DNAStar、OMIGA, VectorNT suite, DNAMAN等），PCR引物和寡核苷酸探针设计(OLIGO6和PRIMER PREMIER 软件使用)，遗传连锁的分析软件使用，Linux/Unix环境下的生物信息学软件，Macintosh环境下的生物信息学软件，一些通用的计算、统计和分析类软件介绍（如Matlab、SPSS等），生物信息学分析类网络资源，生物信息学学习类网络资源，资源的综合利用：自建核酸和蛋白质序列分析平台，相关实例分析。生物类信息检索和整理方法（包括相关常用软件介绍，如EndNote等）
第十一章其他生物信息学领域和技术简介（3学时）
基本要求：
了解生物信息学在基因芯片、药物设计和分子模拟等领域的应用和发展前景
重点：
基因差异表达的分析方法
难点：
聚类与分类及基因调控网络分析的方法，计算机辅助药物分子设计方法
主要内容：
1.Microarray基因表达数据分析
1.1基因表达数据分析概述
1.2差异表达分析
1.3聚类与分类
1.4基因调控网络分析
1.5基因表达数据分析相关工具与资源
2. 生物信息学与药物研究
2.1生物信息学在药物研究中的作用
2.2疾病相关基因的预测
2.3药物靶标的发现
2.4计算机辅助药物分子设计
3.分子模拟与分子动力学
红河学院《生物信息学》实验课程教学大纲
（一）课程名称：生物信息学
（二）所属实验室名称：
（三）实验教材及参考书：
生物信息学不仅是一门科学学科，更是一种重要的研究开发工具，《生物信息学》理论课程中很多内容需要进行操作实践才能实质性掌握运用，因此，在目前尚缺乏实验操作教材的前提下，自编操作实验教材和安排上机操作实验十分必要。一下教材仅供参考：
[1]《生物信息学方法与实践》，张成岗、贺福初编，科学出版社，2002年；
[2]《基因组数据分析手册》，胡松年、薛庆中编，浙江大学出版社，2003年；
[3]《基因表达序列标签( EST) 数据分析手册》，胡松年编，浙江大学出版社，2005 年。（四）实验内容和目的：
结合理论课的学习，使学生熟练使用基因和蛋白质数据库的使用方法，掌握利用相关软件进
行核酸序列和蛋白质序列的基本分析，提高学生用计算机进行基因和蛋白质分析的能力。（五）考核方式：
实验成绩根据平时的实验表现、各个模块的作业成绩以及期末上机综合考查来评定，实验成绩按50%（必修）或40%（选修）比例计入课程总评成绩。实验报告或课后作业可以电子版和纸质版同时提交。
（六）实验环境：
硬件最低要求：PIII微型计算机，主频800MHZ以上，内存256MB以上，硬盘20G。每个学生每次上机实验使用一台计算机。能连接Internet（教育网要能连接国外有关的生物信息学数据库）。
软件：常用生物信息学软件，多媒体控制和网络教学软件。
（七）实验项目及安排
以下实验项目分为必做和选做两种，必做题目在学期结束时必须完成；选做题目可以根据实际上课时间和学生个人差异进行灵活安排，或作为课程设计题目在假期中完成。总实验上机学时保持不变（18学时）。教学计划中未安排上机学时或者实际条件暂时不能满足时，可以安排学生
实验一常用分子生物学数据库类型、数据格式及检索
1、实验目的
（1）掌握序列检索的操作方法；
（2）熟悉GenBank数据库序列格式及其主要字段的含义；
(3) 了解EBML数据库序列格式及其主要字段的含义；
(4) 熟悉GenBank数据库序列格式的FASTA序列格式显示与保存；
(5) 了解Entrez和SRS搜索引擎的异同；
（6）强化培养计算机操作能力和网络搜索能力。
2、实验要求
（1）认真阅读和掌握和本实验相关的教材（或讲义）内容；
（2）有条理的进行每个步骤，出现问题和收获都要学会记录；教师注意了解学生计算机应用能力的个人差异；
（3）边操作边思考、记忆、比较，完成实验报告；
3、实验内容
（1）首先让学生自主性利用所知道的搜索引擎，搜索和浏览至少10个国外和至少5个国内生物信息学相关网站，并描述网站特征；
（2）下载各网站的代表性数据各10条（组）以上，并说明其生物学意义；
（3）使用Entrez 信息查询系统检索核酸序列BC060830 和NM_000230，连接提取该序列内容，阅读序列格式的解释，理解其含义；
（4）GenBank数据库序列格式的FASTA序列格式显示与保存；
（5）使用SRS信息查询系统检索核酸序列BC060830，连接提取该序列内容，阅读序列格式的解释，理解其含义；
（6）使用搜索引擎搜索下载DNAClub和BioEdit并正确安装。
实验二生物序列的相似型搜索——Blast及其应用
1、实验目的
了解BLAST及其子程序的原理和基本参数，熟练地应用网络平台和Linux计算平台进行本地BLAST序列比对（有条件的前提下），熟悉BLAST结果的格式和内容并能描述其主要意义，同时比较网上平台和本地平台的优缺点。
2、实验要求
利用上一次实验下载的核酸和蛋白质序列，提交到NCBI或者其他拥有BLAST运算平台的网页上，观察其基本参数设定库文件类型，并得到计算结果；（条件许可时）在本地服务器上学会用formatdb格式化库文件，并输入BLAST命令进行计算，获得结果文件。熟悉并记住blast的每个步骤、每个子程序和重要结果参数。完成实验报告。
3、实验内容
（1）向网上BLAST服务器提交序列，进行blastp、blastn、blastx、tblastn、tblastx，得到匹配结果；
（2）本地使用BLAST，格式化库文件，输入命令行得到匹配结果（视条件选作）；
（3）对结果文件进行简要描述，阐述生物学意义。
实验三核酸序列的基本分析
1、实验目的
（1）掌握已知或未知序列接受号的核酸序列检索的基本步骤；
（2）掌握使用BioEdit 软件进行核酸序列的基本分析；
（3）熟悉基于核酸序列比对分析的真核基因结构分析（内含子/外显子分析）；
（4）熟悉密码子偏好性分析；
（5）了解基因的电子表达谱分析。
2、实验要求
利用第一次实验下载安装的分析软件对前2次实验搜索得到的DNA序列进行一些核酸基本
性质的分析，完成实验报告。
3、实验内容
（1）使用Entrez或SRS信息查询系统检索人瘦素(leptin) 的mRNA、基因组DNA、外显子和5’调控区(promoter) 等核酸序列，连接提取该序列内容，阅读序列格式的解释，理解其含义；（2）使用BioEdit 软件对上述核酸序列进行分子质量、碱基组成、碱基分布、序列变换以及限制性酶切分析等基本分析，并从BioEdit 软件的“help”栏了解该软件的其它功能；
（3）使用BioEdit 软件对人瘦素(leptin) 的mRNA序列进行可读框架（ORF）分析；
（4）应用CodonW对人瘦素(leptin) 的mRNA序列进行密码子偏好性分析；
（5）使用NCBI查询系统进行人瘦素(leptin) 的基因组序列分析和基因的电子表达谱分析；
（6）使用Blast2进行人瘦素(leptin) mRNA序列与其外显子或基因组序列的比对分析。
实验四蛋白质序列的基本分析
1、实验目的
（1）掌握蛋白质序列检索的操作方法；
（2）熟悉蛋白质基本性质分析；
（3）熟悉基于序列同源性分析的蛋白质功能预测，了解基于motif、结构位点、结构功能域数据库的蛋白质功能预测；
2、实验要求
复习巩固对蛋白质序列数据的检索，进一步掌握BioEdit软件的使用，熟悉蛋白质在线分析平台的使用，加深对蛋白质基本性质的了解。
3、实验内容
（1）使用Entrez或SRS信息查询系统检索人脂联素(adiponectin)蛋白质序列；
（2）使用BioEdit 软件对上述蛋白质序列进行分子质量、氨基酸组成、和疏水性等基本性质分析；（3）使用在线分析平台ExPASy对上述蛋白质序列进行理化性质和结构域分析；
（3）对人脂联素蛋白质序列进行基于NCBI/Blast 软件的蛋白质同源性分析；
实验五生物大分子结构分析与结构预测
1、实验目的
（1）掌握常用大分子空间结构显示软件的使用方法；
（2）熟悉一些重要的结构预测软件的使用；
（3）理解大分子空间结构的数字表征和结构预测的原理；
（4）了解大分子结构数据库的种类、特点和检索方式。
2、实验要求
复习数据库知识要点，了解生物大分子的结构特征，会用本地软件和在线工具显示分析大分子的三维空间结构；能熟练运用RNA二级结构预测软件，了解蛋白质结构预测的常用方法，通过实验加深理论课知识内容的理解和掌握。
3、实验内容
（1）从PDB上下载大分子结构文件（DNA、RNA、蛋白质、糖类各一种）；
（2）分别用Rosmol和ViewLite等软件显示分析下载的分子结构；
（3）下载其中的RNA分子所对应的序列，用RNAStructure、RNAdraw等软件或者MFold在线分析工具对其二级结构进行预测，并与PDB中已有的实验结构进行比较；
（4）利用swiss-model对蛋白质序列进行三维结构预测（蛋白质序列可以选用实验四下载的人脂联素）。
实验六核酸和蛋白质序列的进化分析
（1）熟悉构建分子系统发生树的基本过程，获得使用不同建树方法、建树材料和建树参数对建树结果影响的正确认识；
（2）掌握使用Clustalx进行序列多重比对的操作方法；
（3）掌握使用Phylip 软件构建系统发生树的操作方法。
（4）了解Mega等其他建树软件和TreeView等画树软件的使用。
2、实验要求
提前需要复习巩固有关多重序列比对的知识内容并理解其原理。每个小组运用不同的建树方法和不同建树软件对同样一组序列进行分析以比较异同。布置课后选作实践题目：查找一些生物学意义明显的序列进行系统发育分析。
3、实验内容
（1）使用CLUSTALX软件对已知八条DNA序列进行多重序列比对；
（2）使用PHYLIP 软件包构建上述DNA分子系统发生树，并以TreeView观察结果，比较不同参数设置得到的结果是否有差异；
（3）用其他建树软件对同样的序列进行分析，比较差异。
实验七使用Oligo和PrimerPremier软件设计PCR引物
1、实验目的
（1）掌握引物设计的基本要求，并熟悉使用Primer premier软件进行引物搜索。
（2）掌握使用软件oligo对设计的引物进行评价分析。
2、实验要求
事先熟悉引物设计原则（属于分子生物学课程内容）。
3、实验内容
（1）使用Primer premier软件进行人瘦素 (leptin) mRNA引物的设计。
（2）使用oligo对引物进行评价分析。
（3）总结引物设计应该注意的关键事项。
实验八基因组分析——以EST为例
1、实验目的
熟悉使用一系列生物信息学分析工具对测序得到的ESTs序列数据进行聚类处理，由此对获得表达基因的丰度等相关信息，并且对这些表达基因进行功能的初步诠释，为后续实验通过设计RACE 引物获得全长基因，以及进一步的功能注释和代谢途径分析做好准备。
2、实验要求
事先熟悉引物设计原则（属于分子生物学课程内容）。
3、实验内容
（1）下载200条FASTA格式的EST序列；
（2）使用Staden Package（pregap4）对这些EST序列进行前处理，去除载体和引物成分并拼接；（3）使用Staden Package（gap4）显示所提取的congtig和singlet。
对比内容（给学有余力的学生选作）：
（1）运行crossmatch程序，并用perl程序处理结果获得ESTs序列；
（2）运行phrap程序，并用perl程序提取congtig和singlet；
（3）运行blastn和blastx程序，用perl程序分别获得cluster和初步功能注释结果。
实验九Microarray基因表达数据分析
1、实验目的
了解基因芯片数据分析的软件和网络资源，了解一种分析软件的使用方法。
熟悉相关软件和网络资源的使用步骤及结果表示，领会其生物学意义。
3、实验内容
（1）在网络数据库中搜索有关芯片表达的数据
（2）用dChip分析芯片数据；
（3）用R语言和Bioconduct包分析芯片数据；
（3）用Genespring对芯片数据进行聚类分析。
（以上2-4步任选一个进行）
备选内容：
1、了解Emboss工具包中的各软件功能，会用Emboss中的分析工具分析序列的相关特征，熟悉Emboss
工具包中常用应用软件的使用，并能用这些软件进行简单的序列分析。
2、了解DNAStar、V ectorNT、GCG等综合性生物信息学软件的使用方法和主要功能。
3、国内外有关生物信息学文献的查找和评价；EndNote软件的使用方法。
4、有关软件（SPSS、EXCEL、Origin、MatLab）简介。
5、生物信息学在线服务小结。
生物信息学复习题及答案
生物信息学复习题 名词解释 1. Homology (同源):来源于共同祖先的序列相似的序列及同源序列。序列相似序列并不一定是同源序列。 （直系同源）：指由于物种形成的特殊事件来自一个共同祖先的不同物种中的同源序列，它们具有相似的功能。 （旁系（并系）同源）：指同一个物种中具有共同祖先，通过基因复制产生的一组基因，这些基因在功能上的可能发生了改变。基因复制事件是促进新基因进化的重要推动力。 (异同源)：通过横向转移，来源于共生或病毒侵染而产生的相似的序列，为异同源。 Score：The sum of the number of identical matches and conservative (high scoring) substitutions in a sequence alignment divided by the total number of aligned sequence characters. Gap总是不计入总数中。 6.点矩阵（dot matrix）：构建一个二维矩阵，其X轴是一条序列，Y轴是另一个序列，然后在2个序列相同碱基的对应位置（x，y）加点，如果两条序列完全相同则会形成一条主对角线，如果两条序列相似则会出现一条或者几条直线；如果完全没有相似性则不能连成直线。 7. E值：得分大于等于某个分值S的不同的比对的数目在随机的数据库搜索中发生的可能性。衡量序列之间相似性是否显著的期望值。E值大小说明了可以找到与查询序列（query）相匹配的随机或无关序列的概率，E值越小意味着序列的相似性偶然发生的机会越小，也即相似性越能反映真实的生物学意义，E值越接近零，越不可能找到其他匹配序列。 值：得分为所要求的分值比对或更好的比对随机发生的概率。它是将观测得到的比对得分S，与同样长度和组成的随机序列作为查询序列进行数据库搜索进行比较得到的HSP（高分片段对）得分的期望分布联系起来计算的。通常使用低于来定义统计的显著性。P=1-e-E 9.打分矩阵（scoring matrix）：在相似性检索中对序列两两比对的质量评估方法。包括基于理论（如考虑核酸和氨基酸之间的类似性）和实际进化距离（如PAM）两类方法,是序列相似性分析的基础，其不同的选择将会出现不同的分析结果。 10．空位（gap）：在序列比对时，由于序列长度不同，需要插入一个或几个位点以取得最佳比对结果，这样在其中一序列上产生中断现象，这些中断的位点称为空位。 ：美国国家生物技术信息学中心，属于美国国立医学图书馆的一部分，具有BLAST, Entrez ,GenBank等工具，还具有PubMed文献数据库。另外还具有Genome, dbEST, dbGSS , dbSTS, MMDB, OMIM, UniGene, Taxonomy, RefSeq, etc. 序列格式：是将DNA或者蛋白质序列表示为一个带有大于号（>）开始的核苷酸或者氨基酸序列的新文件，其中大于号后可以跟上序列的相关信息，其他无特殊要求。 13genbank序列格式：是GenBank 数据库的基本信息单位，是最为广泛的生物信息学序列格式之一。该文件格式按域划分为4个部分：第一部分包含整个记录的信息（描述符）；第二部分包含注释，主要包含生物功能或数据库信息；第三部分是feature，对序列的注释；第四部分是序列本身，以“统发生树（Phylogenetic tree ）是研究生物进化和系统发育过程中的一种用树状分支图来概括各种生物之间亲缘关系，是一种亲缘分支分类方法。在树中，每个节点代表其各分支的最近共同祖先，而节点间的线段长度对应演化距离（如估计的演化时间）。是用来研究物种进化与多样性的基础，是相近物种相关生物学数据的来源。17.基因树与物种树：物种树反映一组物种进化历程的系统树，其中每一个内部节点就代表一个物种形成的过程，而基因树则是代表来源于不同物种的单个同源基因的差异构建的系统树，而其内部的一个节点则代表一个祖先基因分化为两个新的独特的基因序列的事件。基因
高通量测序生物信息学分析(内部极品资料,初学者必看)
基因组测序基础知识 ㈠De Novo测序也叫从头测序，是首次对一个物种的基因组进行测序，用生物信息学的分析方法对测序所得序列进行组装，从而获得该物种的基因组序列图谱。 目前国际上通用的基因组De Novo测序方法有三种： 1. 用Illumina Solexa GA IIx 测序仪直接测序； 2. 用Roche GS FLX Titanium直接完成全基因组测序； 3. 用ABI 3730 或Roche GS FLX Titanium测序，搭建骨架，再用Illumina Solexa GA IIx 进行深度测序，完成基因组拼接。 采用De Novo测序有助于研究者了解未知物种的个体全基因组序列、鉴定新基因组中全部的结构和功能元件，并且将这些信息在基因组水平上进行集成和展示、可以预测新的功能基因及进行比较基因组学研究，为后续的相关研究奠定基础。 实验流程： 公司服务内容 1.基本服务：DNA样品检测；测序文库构建；高通量测序；数据基本分析（Base calling，去接头， 去污染）；序列组装达到精细图标准 2.定制服务：基因组注释及功能注释；比较基因组及分子进化分析，数据库搭建；基因组信息展 示平台搭建 1.基因组De Novo测序对DNA样品有什么要求？
(1) 对于细菌真菌，样品来源一定要单一菌落无污染，否则会严重影响测序结果的质量。基因组完整无降解(23 kb以上)， OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；每次样品制备需要10 μg样品，如果需要多次制备样品，则需要样品总量=制备样品次数*10 μg。 (2) 对于植物，样品来源要求是黑暗无菌条件下培养的黄化苗或组培样品，最好为纯合或单倍体。基因组完整无降解(23 kb以上)，OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；样品总量不小于500 μg，详细要求参见项目合同附件。 (3) 对于动物，样品来源应选用肌肉，血等脂肪含量少的部位，同一个体取样，最好为纯合。基因组完整无降解(23 kb以上)，OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；样品总量不小于500 μg，详细要求参见项目合同附件。 (4) 基因组De Novo组装完毕后需要构建BAC或Fosmid文库进行测序验证，用于BAC 或Fosmid文库构建的样品需要保证跟De Novo测序样本同一来源。 2. De Novo有几种测序方式 目前3种测序技术 Roche 454，Solexa和ABI SOLID均有单端测序和双端测序两种方式。在基因组De Novo测序过程中，Roche 454的单端测序读长可以达到400 bp，经常用于基因组骨架的组装，而Solexa和ABI SOLID双端测序可以用于组装scaffolds和填补gap。下面以solexa 为例，对单端测序(Single-read)和双端测序(Paired-end和Mate-pair)进行介绍。Single-read、Paired-end和Mate-pair主要区别在测序文库的构建方法上。 单端测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列(图1)。 Paired-end方法是指在构建待测DNA文库时在两端的接头上都加上测序引物结合位点，在第一轮测序完成后，去除第一轮测序的模板链，用对读测序模块(Paired-End Module)引导互补链在原位置再生和扩增，以达到第二轮测序所用的模板量，进行第二轮互补链的合成测序(图2)。 图1 Single-read文库构建方法图2 Paired-end文库构建方法
生物信息学期末考试重点
第一讲 生物信息学（Bioinformatics）是20世纪80年代末随着人类基因组计划的启动而兴起的一门新型交叉学科，它体现了生物学、计算机科学、数学、物理学等学科间的渗透与融合。 生物信息学通过对生物学实验数据的获取、加工、存储、检索与分析，达到揭示数据所蕴含的生物学意义从而解读生命活动规律的目的。 生物信息学不仅是一门学科，更是一种重要的研究开发平台与工具，是今后进行几乎所有生命科学研究的推手。 生物技术与生物信息学的区别及联系 生物信息学的发展历史 ?人类基因组计划（HGP） ?人类基因组计划由美国科学家于1985年提出，1990年启动。根据该计划，在2015年要把人体约4万个基因的密码全部揭开，同时绘制出人类基因的谱图，也就是说，要揭开组成人体4万个基因的30亿个碱基对的秘密。HGP与曼哈顿原子弹计划和阿波罗计划并称为三大科学计划，被誉为生命科学的登月计划。(百度百科) 随着基因组计划的不断发展，海量的生物学数据必须通过生物信息学的手段进行收集、分析和整理后，才能成为有用的信息和知识。换句话说，人类基因组计划为生物信息学提供了兴盛的契机。上文所说的基因、碱基对、遗传密码子等术语都是生物信息学需要着重研究的地方。 ：
】 第二讲回顾细胞结构 细胞是所有生命形式结构和功能的基本单位 细胞组成 细胞膜主要由脂类和蛋白质组成的环绕在细胞表面的双层膜结构 细胞质细胞膜与细胞核之间的区域：包含液体流质，夹杂物存储的营养、分泌物、天然色素和细胞器 细胞器细胞内完成特定功能的结构：线粒体、核糖体、高尔基体、溶酶体等 细胞核最大的细胞器 DNA的结构 碱基（腺嘌呤A、鸟嘌呤G、胞嘧啶C、胸腺嘧啶G） 。 核苷酸 核苷酸是构成DNA分子的重要模块。每个核苷酸分子由一分子称作脱氧核糖的戊 糖（五碳糖）、一分子磷酸和一分子碱基构成。每种核苷酸都有一个碱基对，也就 是A、T、C、G 基因是什么 基因是遗传物质的基本单位 基因就是核苷酸序列。 大部分的基因大约是1000-4000个核苷酸那么长。 基因通过控制蛋白质的合成，从微观和宏观上影响细胞、组织和器官的产生。 基因在染色体上。
生物信息学分析实践
水稻瘤矮病毒(RGDV)外层衣壳蛋白 P8的同源模建 高芳銮(Raindy) 同源模建(homology modeling) ，也叫比较模建(Compatative modeling)，其前提是一个或多个同源蛋白质的结构已知，当两个蛋白质的序列同源性高于35%，一般情况下认为它们的三维结构基本相同；序列同源性低于30%的蛋白质难以得到理想的结构模型。同源模建是目前最为成功且实用的蛋白质结构预测方法， SWISS-MODEL 是由SwissProt 提供的目前最著名的蛋白质三级结构预测服务器，创建于1993年，面向全世界的生物化学与分子生物学研究工作者提供免费的自动模建服务。SWISS-MODEL 服务器提供的同源模建有两种工作模式：首选模式(First Approach mode)和 项目模式(Project mode)。 本实例以RGDV P8蛋白为研究对象采用首选模式进行同源模建。 图1 SWISS-MODEL 的主界面 操作流程如下： 1.选择模式 单击左侧的“MENU ”菜单下方的“First Approach mode ”，右侧窗口自动SWISS-MODEL 工作窗口，在相应文本框中分别输入的E-mail 、项目标题、待模建的蛋白质序列，SWISS-MODEL 支持以FASTA 格式直接输入或提交UniProt 的登录号，如图2所示。 《生物信息学分析实践》样 稿
图2 SWISS-MODEL 的序列提交页面 2.参数设置 当前版本只有一个选项可设置，如果用户需要使用指定的模板，可在“Use a specific template ”后的输入框填入ExPDB 晶体图像数据库中的模板代码，其格式为“PDBCODE+ChainID ”，如“1uf2P ”。本例不使用指定模板，默认留空。完毕，点击“Submit Modeling Request ”提交模建请求，服务器返回提交成功的提示，如图3所示： 图3 成功提交 SWISS-MODEL WORKSPACEW 页面会自动刷新，直至模建完成，如图4所示，同时模建结果也会发送到指定的邮箱。 3结果解读 点击下图右上方的“Print/Save this page as ”后的图标，可以将整个结果以PDF 文档格式保存到本地计算机中。模建结果给出了五个部分的信息：模建详情(Model Details)、比对信息(Alignment)、模建评价 (Anolea/Gromos/Verify3D)、模建日志(Modelling log)、模板选择日志(Template Selection Log)。 《生物信息学分析实践》样稿
生物信息学概论复习题
生物信息学概论复习题 一、名词解释： 1.合成生物学 2.蛋白质组学 3.相似性，同一性，同源性 4.直系同源基因，旁系同源基因 5.序列比对 6.生物信息学 7.多序列比对 8.打分矩阵 9.蛋白质同源建模 10.分子钟 11.虚拟细胞 12.蛋白质结构比对 13.EST 14.contig 15.unigene 16.Entrez 17.一级数据库 18.二级数据库 19.系统发育 20.BLAST 21.外类群 22.有根树 23.系统生物学 24.比较蛋白质组学 二、简述题： 1.常用的序列比对软件有哪些？
2.序列比对有哪些用途? 3.蛋白质结构比对？ 4.系统生物学与分子生物学的差异和联系？ 5.分子进化的中性学说？ 6.GO数据库的内容及用途？ 7.KEGG数据库的内容及用途？ 8.蛋白质组与基因组的差别？ 9.蛋白质组的研究内容？ 10.列举分离鉴定蛋白质技术有哪些？ 11.基因组外显子的组成特征有哪些？ 12.NCBI Blast程序有哪些子程序？有何区别？ 13.蛋白质数据库有哪些？各自特点是什么？ 14.列举可以通过NCBI进行的生物信息学分析。 15.设计引物要遵循哪些原则？ 16.知道某蛋白的氨基酸序列后，如何进行各级结构的生物信息学分析？ 17.系统发育树的构建步骤是什么？ 18.蛋白质有哪些结构层次，如何定义？ 19.蛋白质组的特点？ 20.双向电泳及其工作原理？ 21.构建系统树的主要方法？ 22.主要的生物信息数据库有哪些？ 三、论述题 1.构建进化树有几种方法？如何选择？ 2.第二代测序技术与第一代测序技术相比有什么异同？优势是什么？ 3.什么EST序列？得到EST数据后，如何进行生物信息学分析?
最新生物信息学考试复习
——古A．名词解释 1. 生物信息学：广义是指从事对基因组研究相关的生物信息的获取，加工，储存，分配，分析和解释。狭义是指综合应用信息科学，数学理论，方法和技术，管理、分析和利用生物分子数据的科学。 2. 基因芯片：将大量已知或未知序列的DNA片段点在固相载体上，通过物理吸附达到固定化（cDNA芯片），也可以在固相表面直接化学合成，得到寡聚核苷酸芯片。再将待研究的样品与芯片杂交，经过计算机扫描和数据处理，进行定性定量的分析。可以反映大量基因在不同组织或同一组织不同发育时期或不同生理条件下的表达调控情况。 3. NCBI：National Center for Biotechnology Information.是隶属于美国国立医学图书馆（NLM）的综合性数据库，提供生物信息学方面的研究和服务。 4. EMBL：European Molecular Biology Laboratory.EBI为其一部分，是综合性数据库，提供生物信息学方面的研究和服务。 5. 简并引物：PCR引物的某一碱基位置有多种可能的多种引物的混合体。 6. 序列比对：为确定两个或多个序列之间的相似性以至于同源性，而将它们按照一定的规律排列。
7. BLAST：Basic Local Alignment Search Tool.是通过比对(alignment)在数据库中寻找和查询序列(query)相似度很高的序列的工具。 8. ORF：Open Reading Frame.由起始密码子开始，到终止密码子结束可以翻译成蛋白质的核酸序列，一个未知的基因，理论上具有6个ORF。 9. 启动子：是RNA聚合酶识别、结合并开始转录所必须的一段DNA序列。原核生物启动子由上游调控元件和核心启动子组成，核心启动子包括-35区（Sextama box）TTGACA，-10区（Pribnow Box）TATAAT，以及+1区。真核生物启动子包括远上游序列和启动子基本元件构成，启动子基本元件包括启动子上游元件（GC岛，CAAT盒），核心启动子（TATA Box，+1区帽子位点）组成。 10. motif：模体，基序，是序列中局部的保守区域，或者是一组序列中共有的一小段序列模式。 11. 分子进化树：通过比较生物大分子序列的差异的数值重建的进化树。 12. 相似性：序列比对过程中用来描述检测序列和目标序列之间相似DNA碱基或氨基酸残基序列所占的比例。 13. 同源性：两个基因或蛋白质序列具有共同祖先的结论。
生物信息学复习资料
第一章 1.生物信息学：用数学的、统计的、计算的方法来解决生物问题，这基于用DNA、氨基酸及相关信息。即生物+信息学，其中生物是指从基因型到表型：DNA/基因组→RNA→蛋白质→分子网络→细胞→生理学/疾病。信息学是指从数据到发现：数据管理→数据计算→数据挖掘→模型/模拟 2.人类基因组计划：①前基因组时代(1990年前)：通过序列之间的对比，寻找序列变化，确定序列功能。②基因组时代(1990年后～2001年)迅猛发展：标志性的工作包括基因寻找和识别，数据库系统的建立。③后基因组时代(2001年至今)功能基因组研究：研究内容发展到基因和基因组的功能分析，即功能基因组，学研究。从传统的还原论研究生命过程转到了整体论思想。 2001年,中美日德法英6国科学家耗费十年，联合公布人类基因组草图 3.基因芯片：又称DNA芯片，由大量DNA或寡聚核苷酸探针密集排列形成的探针阵列。原理：杂交测序方法，在一定条件下，载体上的核酸分子可以与来自样品的序列互补的核酸片段杂交，如果把样品中的核酸片段进行标记，在专用的芯片阅读仪上就可以检测到杂交信号。药物处理细胞总mRNA用Cy5标记，未处理的细胞总mRNA用Cy3标记，颜色？将两者杂交形成固相探针，包含cDNA和寡核苷酸，最后进行结果观察和信息分析。 、EMBL、DDBJ 5.数据挖掘：①理解数据和数据的来源②获取相关知识与技术③整合与检查数据④去除错误或不一致的数据⑤建立模型和假设⑥实际数据挖掘工作⑦测试和验证挖掘结果⑧解释和应用。数据挖掘中的常见算法思想：判断、聚类、关联。数据挖掘模型：①监督模型、预测模型②无监督模型：聚类分析和关联分析②数据降维：主成分分析和因子分析。 第二章： 1.Sanger法：①1977年，提出了“双脱氧核苷酸末端终止测序方法”②技术基础：PCR扩增；双脱氧核苷酸的扩增终止；电泳分离扩增片段③优点1.读取片段长 2.准确率高99.9% 缺点：1.测序通量低2.成本高、流程多④方法、原理：每个反应含有所以四种dNTP使之扩增，并混入限量的一种不同的ddNTP使之终止，由于ddNTP缺乏延伸所需要的3’-OH基团，使延长的寡聚核苷酸选择性地在G,A,T或 C 处终止，终止点由反应中相应的双脱氧而定，每一种dNTPs和ddNTPs的相对浓度可以调整，使反应得到一组长几百至几千碱基的链终止产物。它们具有共同的起始点，但终止在不同的核苷酸上，可通过高分辨率变性凝胶电泳分离大小不同的片段，凝胶处理后可以X-光胶片放射性自显影或非同位素标记进行检测 2. 第2代测序技术（2005）①特点：1.PCR反应空间限定在特定的微小载体中。降低成本，实现高通量2.边合成边测序以及平行测序②第一代测序就出现了自动化测序③Solexa步骤：(1)制备模板，单链片断固定到载片表面(2)DNA簇群生成(3)循环合成反应+荧光成像④技术基础：基于芯片或其他载体、3’受保护的荧光标记碱基、PCR ⑤优点：高通量、没有电泳的步骤，成本降低缺点：读取片段长度短、准确率下降 3．Read contig Scaffold ①Read:测序读到的碱基序列片段，测序的最小单位②contig:由reads通过对overlap区域拼接组装成的没有gap的序列段③Scaffold：通过pair ends信息确定出的contig排列，中间有gap 4.测序的应用：①遗传多样性分析②甲基化分析③研究与蛋白质结合的DNA序列特征④转录组测序 5. 转录组测序（RNA Seq）:①定义：把mRNA, non-codingRNA(ncRNA) 和smallRNA全部或者其中一些用高通量测序技术进行测序分析的技术②ncRNA主要包括有：tRNA、rRNA、snRNA、核仁小分子RNA(snoRNA)、细胞质小分子RNA(scRNA)、不均一核RNA(hnRNA)、小RNA(microRNA, miRNA) ③方法：获得cell总RNA，然后根据实验需要，对RNA样品进行处理，处理好的RNA再进行片段化，然后反转录形成cRNA，获得cDNA文库，然后在cDNA片段接上接头，最后用新一代高通量测序进行测序④作用：(1)通过RNA-seq来分析基因表达量(2)通过RNA-seq分析基因表达网
蛋白质组学生物信息学分析介绍
生物信息学分析FAQ CHAPTER ONE ABOUT GENE ONTOLOGY ANNOTATION (3) 什么是GO？ (3) GO和KEGG注释之前，为什么要先进行序列比对（BLAST）？ (3) GO注释的意义？ (3) GO和GOslim的区别 (4) 为什么有些蛋白没有GO注释信息？ (4) 为什么GO Level 2的统计饼图里蛋白数目和差异蛋白总数不一致？ (4) 什么是差异蛋白的功能富集分析&WHY？ (4) GO注释结果文件解析 (5) Sheet TopBlastHits (5) Sheet protein2GO/protein2GOslim (5) Sheet BP/MF/CC (6) Sheet Level2_BP/Level2_MF/Level2_CC (6) CHAPTER TWO ABOUT KEGG PATHWAY ANNOTATION (7) WHY KEGG pathway annotation? (7) KEGG通路注释的方法&流程？ (7) KEGG通路注释的意义？ (7) 为什么有些蛋白没有KEGG通路注释信息？ (8) 什么是差异蛋白的通路富集分析&WHY？ (8) KEGG注释结果文件解析 (8) Sheet query2map (8) Sheet map2query (9) Sheet TopMapStat (9) CHAPTER THREE ABOUT FEATURE SELECTION & CLUSTERING (10) WHY Feature Selection? (10)
聚类分析（Clustering） (10) 聚类结果文件解析 (10) CHAPTER FOUR ABOUT PROTEIN-PROTEIN INTERACTION NETWORK (12) 蛋白质相互作用网络分析的意义 (12) 蛋白质相互作用 VS生物学通路？ (12) 蛋白质相互作用网络分析结果文件解析 (12)
2019版国科大生物信息学期末考试复习题
中科院生物信息学期末考试复习题 陈润生老师部分： 1.什么是生物信息学，如何理解其含义？为什么在大规模测序研究中，生物信息学至关重要？ 答：生物信息学有三个方面的含义： 1)生物信息学是一个学科领域，包含着基因组信息的获取、处理、存储、分配、分析和 解释的所有方面，是基因组研究不可分割的部分。 2)生物信息学是把基因组DNA序列信息分析作为源头，破译隐藏在DNA序列中的遗传语 言，特别是非编码区的实质；同时在发现了新基因信息之后进行蛋白质空间结构模拟和预测；其本质是识别基因信号。 3)生物信息学的研究目标是揭示“基因组信息结构的复杂性及遗传语言的根本规律”。它 是当今自然科学和技术科学领域中“基因组、“信息结构”和“复杂性”这三个重大科学问题的有机结合。 2.如何利用数据库信息发现新基因，其算法本质是什么？ 答：利用数据库资源发现新基因，根据数据源不同，可分2种不同的查找方式： 1)从大规模基因组测序得到的数据出发，经过基因识别发现新基因： （利用统计，神经网络，分维，复杂度，密码学，HMM，多序列比对等方法识别特殊序列，预测新ORF。但因为基因组中编码区少，所以关键是“数据识别”问题。）利用大规模拼接好的基因组，使用不同数据方法，进行标识查找，并将找到的可能的新基因同数据库中已有的基因对比，从而确定是否为新基因。可分为：①基于信号，如剪切位点、序列中的启动子与终止子等。②基于组分，即基因家族、特殊序列间比较，Complexity analysis，Neural Network 2)利用EST数据库发现新基因和新SNPs： （归属于同一基因的EST片断一定有overlapping，通过alignment可组装成一完整的基因，但EST片断太小，不存在数据来源，主要是拼接问题） 数据来源于大量的序列小片段，EST较短，故关键在正确拼接。方法有基因组序列比对、拼接、组装法等。经常采用SiClone策略。其主要步骤有：构建数据库；将序列纯化格式标准化；从种子库中取序列和大库序列比对；延长种子序列，至不能再延长；放入contig库①构建若干数据库：总的纯化的EST数据库，种子数据库，载体数据库，杂质、引物数据库，蛋白数据库，cDNA数据库； ②用所用种子数据库和杂质、引物数据库及载体数据库比对，去除杂质； ③用种子和纯化的EST数据库比对 ④用经过一次比对得到的长的片段和蛋白数据库、cDNA数据库比较，判断是否为已有序列，再利用该大片段与纯化的EST数据库比对，重复以上步骤，直到序列不能再延伸； ⑤判断是否为全长cDNA序列。 （利用EST数据库：原理：当测序获得一条EST序列时，它来自哪一个基因的哪个区域是未知的（随机的），所以属于同一个基因的不同EST序列之间常有交叠的区域。根据这种“交叠”现象，就能找出属于同一个基因的所有EST序列，进而将它们拼接成和完整基因相对应的全长cDNA序列。而到目前为止，公共EST数据库(dbEST)中已经收集到约800万条的人的EST序列。估计这些序列已覆盖了人类全部基因的95%以上，平均起来每个基因有10倍以上的覆盖率。）
生物信息学期末考试重点
1、生物信息学(Bioinformatics)是研究生物信息的采集、处理、存储、传播，分析和解 释等各方面的学科，也是随着生命科学和计算机科学的迅猛发展，生命科学和计 算机科学相结合形成的一门新学科。它通过综合利用生物学，计算机科学和信息技 术而揭示大量而复杂的生物数据所赋有的生物学奥秘。 2、数据库（Database）是按照数据结构来组织、存储和管理数据的仓库，它产生于 距今六十多年前，随着信息技术和市场的发展，特别是二十世纪九十年代以后， 数据管理不再仅仅是存储和管理数据，而转变成用户所需要的各种数据管理的方 式。数据库有很多种类型，从最简单的存储有各种数据的表格到能够进行海量数 据存储的大型数据库系统都在各个方面得到了广泛的应用。 3、表达序列标签从一个随机选择的cDNA 克隆进行5’端和3’端单一次测序获得的短 的cDNA 部分序列，代表一个完整基因的一小部分，在数据库中其长度一般从20 到7000bp 不等，平均长度为360 ±120bp。EST 来源于一定环境下一个组织总 mRNA 所构建的cDNA 文库，因此EST也能说明该组织中各基因的表达水平。 4、开放阅读框是基因序列中的一段无终止序列打断的碱基序列，可编码相应的蛋白。 ORF识别包括检测六个阅读框架并决定哪一个包含以启动子和终止子为界限的 DNA序列而其内部不包含启动子或终止子，符合这些条件的序列有可能对应一个 真正的单一的基因产物。ORF的识别是证明一个新的DNA序列为特定的蛋白质编 码基因的部分或全部的先决条件。 5、蛋白质的一级结构在每种蛋白质中氨基酸按照一定的数目和组成进行排列，并进 一步折叠成特定的空间结构前者我们称为蛋白质的一级结构，也叫初级结构或基 本结构。蛋白质一级结构是理解蛋白质结构、作用机制以及与其同源蛋白质生理 功能的必要基础。 6、基因识别是生物信息学的一个重要分支，使用生物学实验或计算机等手段识别 DNA序列上的具有生物学特征的片段。基因识别的对象主要是蛋白质编码基因， 也包括其他具有一定生物学功能的因子，如RNA基因和调控因子。基因识别是基 因组研究的基础。
生物信息学分析
生物信息学分析 生物信息学难吗？ 经常有人向我问这个问题，这有什么疑问吗？如果不难学，根本就不用问我这个问题。也无需投入那么多时间精力就能掌握，更无需花费三四千元参加线下的培训班，也不会月薪过万。所以，答案很肯定，道理很简单：生物信息比较难学。 为什么难学？ 我总结里几点原因。首先，这是一个交叉学科，要求你既要有生物学的基础，又要有很强的计算机操作技能。这个就有点困难了。因为只是一个生物学就包括多个门类，有很多东西需要去学习，还需要学习计算机知识。很多人一门内容还没学明白，现在还得在加一门，这就属于祸不单行，雪上加霜，屋漏偏逢连夜雨。因此，这种既懂生物学，又懂计算机的复合型人才就比较短缺。而且，生物信息本质上属于数据挖掘，除了生物，计算机，到后面还需要极强的统计学知识才能做好数据分析，所以，还得加上统计学，也就是生物信息学=生物学+计算机科学+统计学三门学科的知识，这也就是为什么生物信息学比较难学。 第二个原因，生物信息本身就包括很多内容，比如DNA的分析，RNA的分析，甲基化的分析，蛋白质的分析等方面，每一
门类又完全不同，从物种方面来分，动物，植物，微生物，医学等有差别很大，很难有一劳永逸，放之四海而皆准的分析方法。 第三个原因就是生物信息是一门快速发展的学习，会出现很多新的测序方法，比如sanger测序，illumina，BGIseq，PacBio，IonTorrent，Nanopore等，每一个平台技术原理完全不同，因此数据特点也完全不同，这就需要针对每一个平台的数据做专门的学习，而且每个平台又在不断的推陈出现，可能今天你刚开发好的方法，产品升级了，都得推倒重来。还有很多新的技术，例如现在比较火的单细胞测序，Hi-C测序，Bionano测序等等内容，以后还出现更多新技术新方法，足够让你活到老，学到老。当然，你先要能活到老，吾生也有涯，而知也无涯。以有涯随无涯，殆已！ 高风险才有高收益 当然啦，虽然你已经看到学习生物信息肯定是不容易了，门槛很高，但是呢，门槛高也有很多好处，就是挡住了一部分人，当你学会了，迈过门槛，你的身价就提高了。如果人人都很容易掌握了，那么也就不值钱了。所以，生物信息，前途是光明的，道路是曲折的。
生物信息学理论大纲
《生物信息学》课程教学大纲 课程编号：E082042 课程类型: 专业选修课 课程名称：生物信息学英文名称：Bioinformatics 学分：2 适用专业：生物工程 第一部分大纲说明 一、课程的性质、目的和任务 生物信息学是应用信息科学研究生物体系和生物过程中信息的存贮、信息的内涵和信息的传递，研究和分析生物体细胞、组织、器官的生理、病理、药理过程的中各种生物信息，或者说是生命科学中的信息科学。生物信息学是数学、统计、计算机与生物命科学的交叉新兴学科,它广泛地渗透到生物学的各个研究领域中，更是生物工程研究中不可缺少的重要工具。随着人类基因组计划的快速发展，生物信息学技术在功能性基因的发现与识别、基因与蛋白质的表达与功能研究方面都发挥着关键的作用。本课程从生物信息学的基本理论和技术出发，结合该学科应用研究的教授，使学生能扎实掌握生物信息学的基本理论、国内外研究的前沿进展以及如何为经济建设和社会发展服务等内容。 二、课程的基本要求 本课程使学生了解生物信息学的基础知识，生物信息数据库的使用，生物信息工具的应用，熟悉生物信息学学科的发展和现状，熟悉几种主要数据库的内容、注释、检索，掌握常用数据库搜索工具的使用方法，了解上述方法在实际研究中的应用（包括基因序列信息分析、基因预测、分子进化及系统发育树和蛋白质结构预测等重要问题）。 三、本课程与相关课程的联系 本课程是以普通生物学、分子生物学、信息科学、数理统计、工程学为基础的交叉
学科。 先修课程：普通生物学、生物化学、微生物学。 四、学时分配 五、教材与参考书 教材：《生物信息学》(普通高等教育“十一五”规划教材)，许忠能主编，清华大学出版社，2008。 参考书：1．Bioinformatics（英文原版），Westhead et al.,科学出版社，2003；2．Computational Molecular Biology，Pevzner，MIT Press，2000； 3．Biological Sequence Analysis（英文原版）, Durbin等,清华大学出版社，2002；
生物信息学试题复习参考(张弓)
2014-2015学年生物信息学期末考试题 写在前面：这是我考试时候写的答案的大致内容，具体文字我已经不记得了，给大家一个参考，希望对大家复习有帮助。因为我也是扣了很多分，所以答案也有很多错的，大家不要尽信。祝大家考试顺利。 一、实验设计和基础分析 以下qPT-PCR实验方案有哪些错误？请标出错误，并说明原因和写出正确方案。 目的：比较肺癌细胞迁移前后的X基因转录水平表达量 方法：（1）用Trizol法提取细胞总RNA，并用跑胶、OD260/280等方法确认无降解。 （2）用poly-dT引物进行反转录 （3）设计基因特异性PCR引物，用qPCR仪测定X基因和GAPDH基因的Ct值。GAPDH作为内参。 （4）以2^-ΔΔCt方法计算X基因相对于GAPDH的相对含量 （5）比较迁移前后的相对表达量，做三个重复，用t-test进行统计检验，P<0.05为差异显著 1.错误：不能用GAPDH基因作为定量标准；原因：癌症迁移前后GAPDH基因的表达量已经改变了，做定量标准不准确；方案：采用外参（如：其他物种的基因） 2.错误：不能用t-test进行统计检验；原因：t-test进行统计检验的前提是数据呈正态分布，基因表达量不一定呈正太分布；方案：将数据取log10，对数化。 上述两个是我考试时候写的答案，后来经提醒：还发现了一个错误：不能用poly-dT引物进行反转录；原因：。。。。。。；方案：用Oligodt进行逆转录。 二、双序列比对的生物学意义解释 两种细菌的同源蛋白质endonuclease III，长度都为200氨基酸左右，其功能相同，蛋白质序列使用BLAST 可以比对上，同源性高达57%，但其编码DNA序列用BLAST却无法比对上，为了尽可能提高亲缘关系较远的序列的比对效率，比对已经使用BLAST网站上Somewhat similar sequence选项，默认参数（见下图）：
生物信息学复习资料全
一、名词解释(31个) 1.生物信息学:广义：应用信息科学的方法和技术，研究生物体系和生物过程 息的存贮、信息的涵和信息的传递，研究和分析生物体细胞、组织、器官的生理、病理、药理过程中的各种生物信息，或者也可以说成是生命科学中的信息科学。狭义：应用信息科学的理论、方法和技术，管理、分析和利用生物分子数据。 2.二级数据库：对原始生物分子数据进行整理、分类的结果，是在一级数据库、 实验数据和理论分析的基础上针对特定的应用目标而建立的。 3.多序列比对：研究的是多个序列的共性。序列的多重比对可用来搜索基因组 序列的功能区域，也可用于研究一组蛋白质之间的进化关系。 4.系统发育分析：是研究物种进化和系统分类的一种方法，其常用一种类似树 状分支的图形来概括各种（类）生物之间的亲缘关系，这种树状分支的图形称为系统发育树。 5.直系同源：如果由于进化压力来维持特定模体的话，模体中的组成蛋白应该 是进化保守的并且在其他物种中具有直系同源性。 指的是不同物种之间的同源性，例如蛋白质的同源性，DNA序列的同源性。（来自百度） 6.旁系（并系）同源：是那些在一定物种中的来源于基因复制的蛋白，可能会 进化出新的与原来有关的功能。用来描述在同一物种由于基因复制而分离的同源基因。（来自百度） 7.FASTA序列格式：将一个DNA或者蛋白质序列表示为一个带有一些标记的 核苷酸或氨基酸字符串。 8.开放阅读框（ORF）：是结构基因的正常核苷酸序列，从起始密码子到终止 密码子的阅读框可编码完整的多肽链，其间不存在使翻译中断的终止密码子。（来自百度） 9.结构域：大分子蛋白质的三级结构常可分割成一个或数个球状或纤维状的区 域，折叠得较为紧密，各行其功能，称为结构域。 10.空位罚分：序列比对分析时为了反映核酸或氨基酸的插入或缺失等而插入空 位并进行罚分，以控制空位插入的合理性。（来自百度） 11.表达序列标签：通过从cDNA文库中随机挑选的克隆进行测序所获得的部分 cDNA的3’或5’端序列。（来自文献） 12.Gene Ontology 协会： 13.HMM 隐马尔可夫模型：将核苷酸序列看成一个随机序列，DNA序列的编 码部分与非编码部分在核苷酸的选用频率上对应着不同的Markov模型。14.一级数据库：数据库中的数据直接来源于实验获得的原始数据，只经过简单 的归类整理和注释 15.序列一致性：指同源DNA顺序的同一碱基位置的相同的碱基成员, 或者蛋 白质的同一氨基酸位置的相同的氨基酸成员, 可用百分比表示。 16.序列相似性：指同源蛋白质的氨基酸序列中一致性氨基酸和可取代氨基酸所 占的比例。 17.Blastn：是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将 同所查序列作一对一地核酸序列比对。（来自百度） 18.Blastp：是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐 一地同每条所查序列作一对一的序列比对。（来自百度）
中国科学院大学生物信息学期末考试资料,陈润生老师
生物信息学期末考试复习 1.生物学中的7个数学故事 (1) 孟德尔遗传定律（分离和自由组合定律）运用了组、合原理中的加法原理和乘法原理。 (2) Hardy-Weinberg遗传平衡定律通过构造数学关系式来证明。 (3)基因在染色体上的线性排列采用概率分布优化距离的计算距离，使其更接近真实情况。 (4)关联分析通过假设检验看两个特征的关联有无统计显著性。 (5) 序列比对设计合适的算法可以有效降低计算复杂度。 (6)基因组学和其他的组学组学时代产生的大量数据需要依赖数据库技术来寻找生物分子之间的关联。 (7)微阵列芯片大规模芯片数据需要数据挖掘：聚类、关联、预测建模、异常检测。 2. DNA、protein、RNA序列比对及其算法 序列比对：为确定两个或多个序列之间的相似性以至于同源性，而将它们按照一定的规律排列。常用的方法有：点阵法，动态规划算法，k-tup 算法等。 （1）dotplot算法：通过点阵作图的方法表示，能很直观地氨基酸序列或核苷酸序列上的插入、删除、重复和反相重复。 算法步骤：将两条序列的碱基（或残基）分别沿x轴和y轴排列，依次比较两条序列的每个碱基（或残基），如果两个碱基（或残基）相同则在矩阵中填充点，这样就形成一个点矩阵。在点矩阵中，将对角线上的点连接起来，这些直线所对应的矩形区域就是这两条序列的相似性片段。 算法特点：该算法相似性片段实际上是相同的片段；而且不能提供相似性片段在统计学意义上的相似性。 （2）动态规划算法：分为全局动态规划算法和局部动态规划算法。保证了指定打分模型的情况下，两条序列能获得尽可能的最高分 算法步骤：①初始化序列矩阵；②将序列输入矩阵，计算分数并绘制箭头；③用箭头回溯找到最优得分路径；④连接最优路径，产生序列比对。 动态规划算法优缺点： 优点：对于一个给定的计分函数集合，能找到最优的比对 缺点：时间复杂度为O(n 2)，运行慢，计算所需的内存与序列长度的平方成正比，因此不适用于非常长序列的比对。 序列比对的定义，存在哪几种算法，打分矩阵是什么意思 序列比对：为确定两个或多个序列之间的相似性以至于同源性，而将它们按照一定的规律排列; 算法种类：动态规划算法、Smith-Waterman Alterations算法、FASTA - Hi Level Algorithm 算法、BLAST – Heuristic算法； 打分矩阵：通过点矩阵对序列比对进行积分，根据不同物质情况可分为DNA序列打分矩阵：等价矩阵、转换-颠换矩阵、blast矩阵；蛋白质打分矩阵：等价矩阵、遗传密码矩阵、疏水性矩阵、PAM矩阵、BLOSUM矩阵。 1.动态规划算法，给个表格可以把数字填出：
生物信息学复习资料 整理(双语)
基因表达gene expression：是基因中的DNA序列生产出蛋白质的过程。步骤大致从DNA 转录成mRNA开始，一直到对于蛋白质进行后转译修饰为止。 基因水平转移horizontal gene transfer：指生物将遗传物质传递给其他细胞而非其子代的过程，基因水平转移是一个重要的现象。 人工神经网络（Artificial Neural Networks）人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。 序列比对sequence alignment：序列比对指将两个或多个序列排列在一起，标明其相似之处。序列中可以插入间隔。对应的相同或相似的符号（在核酸中是A, T（或U）, C, G，在蛋白质中是氨基酸残基的单字母表示）排列在同一列上。这一方法常用于研究由共同祖先进化而来的序列，特别是如蛋白质序列或DNA序列等生物序列。在比对中，错配与突变相应，而空位与插入或缺失对应。 可变剪接alternative splicing ：通过不同的剪接位点，从一个单独的前体mRNA生成两个或多个mRNA成熟分子的现象。 启动子(promotor): 指一段能使基因进行转录的DNA序列。启动子可以被RNA聚合酶辨认，并开始转录。在RNA合成中，启动子可以和决定转录开始的转录因子产成相互作用，继而控制细胞开始转录翻译蛋白质。 增强子Enhancer：是DNA上一小段可与转录因子蛋白结合的区域，结合之后，基因的转录作用将会加强。强化子可能位于基因上游，也可能位于下游。 分支约束法branch and bound method ：一种对最大简约树进行逐层搜索的智能高效的方法，包括两个步骤：一、将上边界确定为数据集的最大简约树的长度；二、每次增加一个分支，逐步生成一棵树，以此描述部分被考虑序列的相互关系。 趋同演化（Convergency）:在演化生物学中指的是两种不具亲缘关系的动物长期生活在相同或相似的环境，或曰生态系统中，它们因应需要而发展出相同功能的器官的现象。 Chou-Fasman 参数Chou-Fasman parameter：表示与α螺旋、β折叠以及发夹环各个位置相关的氨基酸二级结构经验观察趋势的一系列数值参量。 位置特异性打分矩阵position-specific scoring matrix：一个矩阵，矩阵中的每一个数表示某个特定的氨基酸占据多序列比对中某个位置的频率。 基因芯片（gene chip），又称DNA微阵列（microarray），是由大量cDNA或寡核苷酸探针密集排列所形成的探针阵列，其工作的基本原理是通过杂交检测信息。 系统生物学system biology:是一个试图整合不同层次信息以理解生物系统如何行使功能的学术领域。通过研究某生物系统各不同部分之间的相互关系和相互作用（例如，与细胞信号传导，代谢通路，细胞器，细胞，生理系统与生物等相关的基因和蛋白网络），系统生物学期望最终能够建立整个系统的可理解模型。