生物信息学题库 -精校+整理
生物信息学题库
一、名词解释
1、生物信息学:生物分子信息的获取、存贮、分析和利用;以数学为基础，应用计算机技术，研究生物学数据的科学。
2、相似性(similarity):相似性是指序列比对过程中用来描述检测序列和目标序列之间相同DNA 碱基或氨基酸残基顺序所占比例的高低。
3、同源性(homolo gy):生物进化过程中源于同一祖先的分支之间的关系。
4、BLAST(Basic Local Alignment Search Tool):基本局部比对搜索工具，用于相似性搜索的工具，对需要进行检索的序列与数据库中的每个序列做相似性比较。
5、HMM隐马尔可夫模型:是蛋白质结构域家族序列的一种严格的统计模型，包括序列的匹配，插入和缺失状态，并根据每种状态的概率分布和状态间的相互转换来生成蛋白质序列。
6、一级数据库:一级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(投稿文章首先要将核苷酸序列或蛋白质序列提交到相应的数据库中)
7、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。
8、GenBank:是具有目录和生物学注释的核酸序列综合公共数据库，由NCBI构建和维护。
9、EMBL:EMBL实验室：欧洲分子生物学实验室。EMBL 数据库：是非盈利性学术组织EMBL建立的综合性数据库，EMBL 核酸数据库是欧洲最重要的核酸序列数据库，它定期地与美国的GenBank、日本的DDBJ数据库中的数据进行交换，并同步更新。
10、DDBJ:日本核酸序列数据库，是亚洲唯一的核酸序列数据库。
11、Entrez:是由NCBI主持的一个数据库检索系统，它包括核酸，蛋白以及Medline文摘数据库，在这三个数据库中建立了非常完善的联系。
12、SRS(sequence retrieval system):序列查询系统，是EBI提供的多数据库查询工具之一。有与 Entrez类似的功能，还提供一系列的序列分析工具，可以直接进行在线序列分析处理。
13、EST:收集大量cDAN或EST序列以及其他相关信息，目前最大的公共表达序列数据库。
14、GSS:GeneBank数据库的一部分，收集基因组DNA克隆的测序序列。
15、GEO:基因表达精选集是一个储存高通量功能基因组学数据的数据库。
16、SCOP数据库:提供关于已知结构的蛋白质之间结构和进化关系的详细描述，包括蛋白质结构数据库PDB中的所有条目。
17、PROSITE :是蛋白质家族和结构域数据库，包含具有生物学意义的位点、模式、可帮助识别蛋白质家族的统计特征。
18、RefSeq: 是一个收录注释过的非冗余转录本、蛋白质和基因组序列的数据库。
19、结构域Structure domain:结构域，是在蛋白质三级结构中介于二级和三级结构之间的可以明显区分但又相对独立的折叠单元。
20、开放阅读框ORF:开放阅读框，位于DNA或RNA上起始密码子与终止密码子之间的序列。
21、启动子Promoter:启动子是基因的一个组成部分，是位于结构基因5…端上游区的DNA序列，控制基因表达(转录)的起始时间和表达的程度。
22、3’UTR:3?非翻译区的缩写，真核生物的转录终止信号是在3?非翻译区的 : polyA。
23、CpG island:是在哺乳动物基因组中的一个500bp到300bp的区域，富含GC。
24、模体Motif:又称模体，蛋白质序列中短的保守区域，它们是结构域中保守性很高的部分。
25、PDB(Protein Data Bank):蛋白质结构数据库，是国际上著名的生物大分子结构数据库，由美国Brookhaven国家实验室建立。
26、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。
27、遗传连锁图:又叫遗传图谱(genetic map)是以具有遗传多态性的遗传标记为“路标”，以遗传学距离为图距的基因组图。
28、蛋白质组(proteom):是指一个基因组、一种生物或一个细胞/组织的基因组所表达的全套蛋白质。
29、基因组学:研究生物基因组和如何利用基因的一门学问。
30、比较基因组学:是在基因组图谱和测序的基础上，利用某个基因组研究获得的信息推测其他原核生物、真核生物类群中的基因数目、位置、功能、表达机制和物种进化的学科。
31、FASTA序列格式:是将DNA或者蛋白质序列表示为一个带有一些标记的核苷酸或者氨基酸字符串，大于号(>)表示一个新文件的开始，其他无特殊要求。
32、genbank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;第三部分是引文区，提供了这个记录的科学依据;第四部分是核苷酸序列本身，以“//”结尾。
33、查询序列(query sequence):也称被检索序列，用来在数据库中检索并进行相似性比较的序列。
34、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。P29
35、空位罚分:空位罚分是为了补偿插入和缺失对序列相似性的影响，序列中的空位的引入不代表真正的进化事件，所以要对其进行罚分，空位罚分的多少直接影响对比的结果。P37
36、E值: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值越接近零，越不可能找到其他匹配序列，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。P95
37、低复杂度区域:BLAST搜索的过滤选项。指序列中包含的重复度高的区域，如poly(A)。
38、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。
39、多序列比对:通过序列的相似性检索得到许多相似性序列，将这些序列做一个总体的比对，以观察它们在结构上的异同，来回答大量的生物学问题。
40、分子钟:认为分子进化速率是恒定的或者几乎恒定的假说，从而可以通过分子进化推断出物种起源的时间。
41、系统发育分析:通过一组相关的基因或者蛋白质的多序列比对或其他性状，可以研究推断不同物种或基因之间的进化关系。
42、进化树的二歧分叉结构:指在进化树上任何一个分支节点，一个父分支都只能被分成两个子分支。
43、系统发育图:用枝长表示进化时间的系统树称为系统发育图，是引入时间概念的支序图。
44、直系同源:指由于物种形成事件来自一个共同祖先的不同物种中的同源序列，具有相似或不同的功能。(书:在缺乏任何基因复制证据的情况下，具有共同祖先和相同功能的同源基因。)
45、旁系(并系)同源:指同一个物种中具有共同祖先，通过基因重复产生的一组基因，这些基因在功能上可能发生了改变。(书:由于基因重复事件产生的相似序列。)
46、外类群:是进化树中处于一组被分析物种之外的，具有相近亲缘关系的物种。
47、除权配对算法(UPGMA):最初，每个序列归为一类，然后找到距离最近的两类将其归为一类，定义为一个节点，重复这个过程，直到所有的聚类被加入，最终产生树根。
48、邻接法(neighbor-joining method):是一种不仅仅计算两两比对距离，还对整个树的长度进行最小化，从而对树的拓扑结构进行限制，能够克服UPGMA算法要求进化速率保持恒定的缺陷。
49、最大简约法(MP):在一系列能够解释序列差异的的进化树中找到具有最少核酸或氨基酸替换的进化树。
50、最大似然法(ML):它对每个可能的进化位点分配一个概率，然后综合所有位点，找到概率最大的进化树。最大似然法允许采用不同的进化模型对变异进行分析评估，并在此基础上构建系统发育树。
51、自举法检验(Bootstrap):放回式抽样统计法。通过对数据集多次重复取样，构建多个进化树，用来检查给定树的分枝可信度。
52、密码子偏好性(codon bias):氨基酸的同义密码子的使用频率与相应的同功tRNA的水平相一致，大多数高效表达的基因仅使用那些含量高的同功tRNA所对应的密码子，这种效应称为密码子偏好性。
53、基因预测的从头分析:依据综合利用基因的特征，如剪接位点，内含子与外显子边界，调控区，预测基因组序列中包含的基因。
54、超家族:进化上相关，功能可能不同的一类蛋白质。
55、序列表谱(profile):是一种特殊位点或模体序列，在多序列比较的基础上，氨基酸的权值和空位罚分的表格。
56、PAM矩阵:PAM指可接受突变百分率。一个氨基酸在进化中变成另一种氨基酸的可能性，通过这种可能性可以鉴定蛋白质之间的相似性，并产生蛋白质之间的比对。一个PAM单位是蛋白质序列平均发生1%的替代量需要的进化时间。
57、BLOSUM矩阵:模块替代矩阵。矩阵中的每个位点的分值来自蛋白比对的局部块中的替代频率的观察。每个矩阵适合特定的进化距离。例如，在BLOSUM62矩阵中，比对的分值来自不超过62%一致率的一组序列。
58、PSI-BLAST:位点特异性迭代比对。是一种专门化的的比对，通过调节序列打分矩阵(scoring matrix)探测远缘相关的蛋白。
59、RefSeq:给出了对应于基因和蛋白质的索引号码，对应于最稳定、最被人承认的Genbank 序列。
60、有根树:单一的节点能指派为共同的祖先，从祖先节点只有唯一的路径历经进化到达其他任何节点。
61、无根树:只表明节点间的关系，无进化发生方向的信息，通过引入外群或外部参考物种，可以在无根树中指派根节点。
62、一致树(consensus tree):在同一算法中产生多个最优树，合并这些最优树得到的树即一致树。
63、分子进化树(molecular evolutionary tree)：在研究生物进化和系统分类中，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成为系统发育树(phylogenetic tree)。
1、1970年Needleman和Wunsch提出了著名的序列比对算法，是生物信息学发展中最重要的贡献
2、20世纪90年代后， HGP促进生物信息学的迅速发展
3、HGP选择作为研究人类的四大“模式生物”有酵母、线虫、果蝇、小鼠
4、在人的遗传连锁图谱上，1cM的物理距离大约为1000000 核苷酸
5、基因组测序的基本策略有逐个克隆法和全基因组鸟枪法
6、国际上三大生物信息学中心有:NCBI ， EBI 和 CIB
7、国际上最重要的核酸初级序列数据库有: GeneBank ， EMBL 和 DDBJ
8、国际上最重要的蛋白质序列数据库:SWISS-PROT和PIR
9、常用的序列搜索方法:FASTA和BLAST
10、目前由NCBI维护的大型文献资源是PubMed
11、数据库常用的数据检索工具:Entrez， SRS
12、多序列联配的常用软件:Clustal
13、在生物学中常用的两种动态规划算法分别有:Needleman-Wunsch和Smith-Waterman
14、在用BLAST进行核酸序列查询时，查询序列和数据库中被比对上序列之间是否显著性相似可用E值来度量，E值越大，相似性越小，E值越小，相似性越大。生物学意义上相似的两条序列，其E值远小于1.0
15、写出以下标注的含义:LOCUS是基因座位，DEFINITION是基因定义，ACCESSION是登录号，VERSION是版本号，SOURCE是来源物种
16、检测原核生物ORF的程序:NCBI-ORF finder
17、二级结构的状态有: α螺旋，β折叠，β转角，无规则卷曲
18、对于任一DNA序列(或cDNA序列)，可能存在 6 种不同的阅读框，其中 3 个为正向的， 3 个为反向的
19、原核生物启动子有两段保守序列，即 -10区左右的TATAAT，以及 -35区左右的TTGACA，它们为 RNA聚合酶结合位点和识别位点
20、蛋白质同源结构建模可以使用在线的免费预测工具swiss-model
21. 系统发育树主要的三种构建方法: 距离矩阵法、最大简约法、最大似然法。
22、可使用Oligo6软件进行引物设计。
23. 写出以下pubmed检索时常用的限制字段的含义:[au] 作者、[ti]标题、[dp] 发表日期、[affiliation]地址
1、( C )是现在国际上最主要的核酸序列数据库
A. EBI
B. PDB
C. GenBank
D. NCBI
2、基本局部比对搜素工具是( C )
A. Mega
B. ClustalW
C. BLAST
D. GCG
3、单核苷酸的标记是( B )
A. RFLP
B. SNP
C. SSR
D. RAPD
4、提交序列到GenBank中，使用的程序可以是( D )
A. Entrez
B. SRS
C. Medline
D. BankIt
5、人类基因组计划没有计划完成的几张图谱分别是( D )
A. 物理图谱
B. 遗传图谱
C. 序列图谱
D. 生物图谱
6、最常用的序列相似性查询工具是( B )
A. PIR
B.BLAST
C.SWISS-PROT
D.PDB
7、下列哪些分子类型不属于非蛋白质编码区( C )
A.内含子
B.卫星DNA
C.外显子
D.启动子
8、卫星DNA的多态性是由( B )所决定的。
A. DNA点突变个数
B. 限制性内切酶识别序列个数不同
C. DNA的二级结构不同
D. 重复单位不同
9、真核基因组特点不包括( B )
A. 基因组大，巨大的非编码序列，重复序列占了绝大部分
B. 基因结构复杂，有显著长度的开放阅读框
C. 存在可变剪接
D. CpG岛
10、PDB是蛋白质的( B )
A. 分类数据库
B. 结构数据库
C. 核酸数据库
D.模体数据库
11、根据研究发现，人类基因组中真正编码蛋白质的区域仅占DNA 序列的( A )
A. 1-2%
B. 3-5%
C. 5-10%
D.10-20%
12、在真核生物的一个基因内含子两端，即外显子/内含子拼接边界处，其符合( B )规则。
A. Kozak
B. GT…AG
C. SD
D. Poly(A)
13、PIR是( D )
A. 分类数据库
B. 核酸数据库
C. mRNA数据库
D.蛋白质数据库
A. 登录号
B. 算法
C. 比对
D.分类
15、隐马尔科夫模型的代号是( A )
A. HMM
B. CDD
C. HTGS
D. GSS
16、DNA中Tm值与( B )含量成正比
A. G+A
B. G+C
C. T+C
D. A+T
17、OMIM是( A )
A. 在线人类孟德尔遗传数据库
B. 国家核酸数据库
C. 人类基因组计划
D. 水稻基因组计划
18、被誉为“生物信息学之父”的科学家是( D )
A. Dulbecco
B. Sanger
C. 吴瑞
D. 林华安
19、下列Fasta格式正确的是( B )
A. seq1: agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
B. >seq1 agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
C. seq1:agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
D. >seq1agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
20、国际三大核酸数据库每间隔多长时间就互相交换数据库里的数据( A )
A.每天
B.7 天
C. 10天
D. 一个月
21、UTR的含义是( B )
A. 编码区
B. 非编码区
C. 低复杂度区域
D. 开放阅读框
22、以下数据库不能用于检索核酸序列的是( B )
A. GenBank
B. PDB
C. EMBL
D.DDBJ
23、进行多序列比对常使用哪种软件 ( C )
A. Dock
B. Compute pI/MW
C. Clustal
D. Rasmol
24、对于远源蛋白质序列，在进行多序列比对的时候应选用下面哪一种矩阵( B )
A. BLOSUM62
B. BLOSUM30
C.PAM100
D. 结合基序打分矩阵
25、对于蛋白质同源结构模建，通常要求待模建序列与模板序列一致性超过 ( D )
A. 60%
B. 50%
C. 40%
D.30%
26、对于搜索不到同源模板的蛋白质，可尝试用以下哪种方法模建构 ( A )
A. Threading 法
B. SWISS-MODEL网络服务器
C. Homology法
D. 没有办法模建
27、给定一段核酸序列，可通过什么方法查找上面蛋白质编码区( A )
A.ORF Finder
B. CpGPlot
C. SWISS-MODEL
D. Dock
28、预测蛋白质上的跨膜区，可使用以下哪种软件或方法( D )
A. GeneSplicer
B. Chou-Fasman算法
C. GOR
D.TMHMM
A. 美国国家生物信息中心
B. 欧洲分子生物学实验室
C. 日本DNA数据库
D. 瑞士国家基因组研究中心
30、NCBI的含义是( A )
A. 美国国家生物信息中心
B. 欧洲分子生物学实验室
C. 日本DNA数据库
D. 瑞士国家基因组研究中心
四、简答
1、生物信息学的发展经历了哪几个阶段？
答:生物信息学的发展经历了3个阶段。
第一个阶段是前基因组时代。这一阶段主要是以各种算法法则的建立、生物数据库的建立以及DNA和蛋白质序列分析为主要工作;
第二阶段是基因组时代。这一阶段以各种基因组计划测序、网络数据库系统的建立和基因寻找为主要工作。
第三阶段是后基因组时代。这一阶段的主要工作是进行大规模基因组分析、蛋白质组分析以及其他各种基因组学研究。
2、生物信息学的主要研究任务是什么,目前生物信息学的主要研究内容是什么？
答：任务:①收集和管理生物分子数据;②数据分析和挖掘;③开发分析工具和实用软件:生物分子序列比较工具、基因识别工具、生物分子结构预测工具、基因表达数据分析工具。
内容:(1)序列比对;(2)基因预测;(3)药物设计;(4)蛋白质结构预测;(5)基因调控网络的预测;(6)蛋白质相互作用预测;(7)分子进化分析
3、人类基因组计划的主要内容和目的是什么？
答：人类基因组计划中，人们准备用15年时间，投入30亿美元，完成人类全部24条染色体中3×109个碱基对(bp，base pair)的序列测定，其主要任务包括作图(遗传图谱、物理图谱的建立及转录图谱的绘制)、测序和基因识别，还包括模式生物(如大肠杆菌、酵母、线虫、小鼠等)基因组的作图和测序，以及信息系统的建立。
目的：是解码生命、了解生命的起源、了解生命体生长发育的规律、认识种属之间和个体之间存在差异的起因、认识疾病产生的机制以及长寿与衰老等生命现象、为疾病的诊治提供科学依据。
4、什么是一级数据库，哪些数据库属于一级数据库,它与二级数据库有什么区别？
答：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。国际上著名的一级核酸数据库有Genbank数据库、EMBL核酸库和DDBJ库等;蛋
白质序列数据库有SWISS-PROT、PIR等;蛋白质结构库有PDB等。一级数据库的数据量大、更新速度快、用户面广，但存在过多的冗余数据;二级数据库的容量比较小，更新速度没有一级数据库快，但经过帅选后，避免了过多的冗余数据，其中与蛋白质相关的二级数据库较多。5、向GeneBank数据库提交序列的软件有几种,各有什么特点？
答：BankIt, Sequin
Bankit的特点:使用简单，每个步骤有详细说明。但一次只能提交一个序列，长度不能太长。
Sequin的特点:安装在用户自己的计算机上，可同时递交若干序列和较长序列，而且整合了许多有用的序列注释工具。
6、列举5项DNA序列分析的内容及代表性分析工具？
答:(1)核酸序列组成成分分析:BioXM、BioEdit
(2)基因结构分析:NCBI-ORF finder、CpGPlot、PromoterScan、POLYAH
(3)重复序列分析:Repeat Masker
(4)序列同源性:Blast
(5) 限制性内切酶酶切位点分析:BioXM、 Bioedit
7、如何获取访问号为U49845的genbank文件,解释如下genbank文件的LOCUS行提供的信息: LOCUS SCU49845 5028 bp DNA linear PLN 21-JUN-1999 。
答:(1)访问NCBI的Entrez检索系统，(2)选择核酸数据库，(3)输入U49845序列访问号开始检索。
第一项是LOCUS名称，前三个字母代表物种名第二项是序列长度第三项是序列分子类型第四项是分子为线性的第五项是GenBank分类码第六项是最后修订日期
8、BLAST算法的搜索步骤及其在数据库搜索中的主要作用，E值和P值分别是什么，它们有什么意义？
答:1.登陆blast主页;2.根据数据类型，选择合适的程序;3.填写表单信息;4.提交任务;5.查看和分析结果
BLAST中使用的统计值有概率p值和期望e值。
E期望值(E-value)这个数值表示你仅仅因为随机性造成获得这一比对结果的可能次数。这一数值越接近零，发生这一事件的可能性越小。从搜索的角度看，E值越小，比对结果越显著。默认值为10，表示比对结果中将有10个匹配序列是由随机产生，如果比对的统计显著性值(E 值)小于该值(10)，则该比对结果将被检出，换句话说，比较低的E值将使搜索的匹配要求更严格，结果报告中随机产生的匹配序列减少。
p值表示比对结果得到的分数值的可信度。一般说来，p值越接近于零，则比对结果的可信度越大;相反，p值越大，则比对结果来自随机匹配的可能性越大。
9、简述NCBI中Entrez系统的功能。
答：高级检索系统;查找核酸、蛋白、文献、结构、基因组序列、大分子三维结构、突变数据、探针序列、单核苷酸多态性等数据。
10、BLAST套件的blastn、blastp、blastx、tblastn和tblastx子工具的用途什么？
答：Blastn是将给定的核酸序列与核酸数据库中的序列进行比较;Blastp是使用蛋白质序列与蛋白质数据库中的序列进行比较，可以寻找较远的关系;Blastx将给定的核酸序列按照六种阅读框架将其翻译成蛋白质与蛋白质数据库中的序列进行比对，对分析新序列和EST很有用;Tblastn将给定的氨基酸序列与核酸数据库中的序列(双链)按不同的阅读框进行比对，对于寻找数据库中序列没有标注的新编码区很有用;Tblastx只在特殊情况下使用，它将DNA被检索的序列和核酸序列数据库中的序列按不同的阅读框全部翻译成蛋白质序列，然后进行蛋白质序列比对。
11、什么是序列比对中使用的PAM矩阵和BLOSUM矩阵，它们的作用是什么，一般如何选择合适的评分矩阵？
答:PAM矩阵(Point Accepted Mutation)基于进化的点突变模型，如果两种氨基酸替换频繁，说明自然界接受这种替换，那么这对氨基酸替换得分就高。一个PAM就是一个进化的变异单位, 即1%的氨基酸改变，但这并不意味100次PAM后，每个氨基酸都发生变化，因为其中一些位置可能会经过多次突变，甚至可能会变回到原来的氨基酸。
模块替换矩阵BLOSUM(BLOcks Substitution Matrix)首先寻找氨基酸模式，即有意义的一段氨基酸片断(如一个结构域及其相邻的两小段氨基酸序列)，分别比较相同的氨基酸模式之间氨基酸的保守性(某种氨基酸对另一种氨基酸的取代数据)，然后，以所有60,保守性的氨基酸模式之间的比较数据为根据，产生BLOSUM60;以所有80,保守性的氨基酸模式之间的比较数据为根据，产生BLOSUM80。
PAM矩阵和BLOSUM矩阵都是用于序列相似性的记分矩阵(scoring matrix)。记分矩阵中含有对齐时具体使用的数值。一般FASTA和BLAST都提供BLOSUM或PAM系列矩阵供选择，若要进行突变性质的进化分析时可以使用PAM，FASTA缺省推荐BLOSUM50矩阵。
12、为下面的序列比对确定比对得分:匹配得分= +1，失配得分= 0，空位得分= -1。
答：X=TGTACGGCTATA; Y=TC--CGCCT-TA TT 1
GC 0 T- -1 A- -1 CC 1GG 1 GC 0CC 1 TT 1 A- -1 TT 1 AA 1
最后得分1+0+(-1)+(-1)+1+1+0+1+1+(-1)+1+1=4
13、使用Needleman-Wunsch算法计算序列X和Y的最佳比对(配对score=4，错配score=-3，空位罚分score=-4)X=TTCGAGT;Y=ATTCCAAG。
T T C G A G T
0 -4 -8 -12 -16 -20 -24 -28 A -4 -3 -7 -11 -15 -12 -16 -20 T -8 0 1 -3 -7 -11 -15 -12 T -12 -4 4 0 -4 -8 -12 -11 C -16 -8 0 8 4 0 -4 -8 C -20 -12 -4 4 5 1 -3 -7 A -24 -16 -8 0 1 9 5 1 A -28 -20 -12 -4 -3 5 6 2 G -32 -24 -16 -8 0 1 9 5
14、掌握蛋白质结构有什么意义,为什么要进行蛋白质结构预测？
答：（1）研究蛋白质的结构意义重大，分析蛋白质结构、功能及其关系是蛋白质组计划中的一个重要组成部分。研究蛋白质结构，有助于了解蛋白质的作用，了解蛋白质如何行使其生物功能，认识蛋白质与蛋白质(或其它分子)之间的相互作用，这无论是对于生物学还是对于医学和药学，都是非常重要的。
（2）对于未知功能或者新发现的蛋白质分子，通过结构分析，可以进行功能注释，指导设计进行功能确认的生物学实验。通过分析蛋白质的结构，确认功能单位或者结构域，可以为遗传操作提供目标，为设计新的蛋白质或改造已有蛋白质提供可靠的依据，同时为新的药物分子设计提供合理的靶分子结构。
15、简述BLAST搜索的算法思想。
答:BLAST是一种局部最优比对搜索算法，将所查询的序列打断成许多小序列片段，然后小序列逐步与数据库中的序列进行比对，这些小片段被叫做字”word”;当一定长度的的字(W)与检索序列的比对达到一个指定的最低分(T)后，初始比对就结束了;一个序列的匹配度由各部分匹配分数的总和决定，获得高分的序列叫做高分匹配片段(HSP)，程序将最好的HSP双向扩展进行比对，直到序列结束或者不再具有生物学显著性，最后所得到的序列是那些在整体上具有最高分的序列，即，最高分匹配片段(MSP)，这样，BLAST既保持了整体的运算速度，也维持了比对的精度。
16、试述PSI-BLAST 搜索的5个步骤。
答: ①选择待查序列(query)和蛋白质数据库;
② PSI-BLAST 构建一个多序列比对，然后创建一个序列表谱(profile)又称特定位置打分矩阵(PSSM);
③ PSSM被用作 query搜索数据库
④ PSI-BLAST 估计统计学意义 (E values)
⑤重复③和④ , 直到没有新的序列发现。
17、PSI-BLAST and PHI-BLAST
答：PSI-BLAST:位点特异性反复比对，首先进行一般的blastp比对，从比对结果中构建多
序列比对的搜索矩阵，然后用此矩阵在一次搜索原来的数据库，重复5次直到没有新的结果出
现为止。其是一种更加高灵敏度的Blastp程序，对于发现远亲物种的相似蛋白或某个蛋白家族的新成员。
PHI-Blast:模式识别BLAST，是一种既能和查询匹配又能和模式匹配的的蛋白序列的比对
程序，是一种高灵敏性的blastp程序，一般经过一次搜索即可取得很好的效果，而当一次之后
其与PSI-BLAST功能是一致的。广泛用于蛋白家族成员的鉴定。
18、全局比对与局部比对的比较及生物学意义
答：全局比对:对序列的全部字符进行比对，试图使尽可能多的字符实现匹配。其主要用于序列相似度很高且序列长度相近的序列比对，用于进化的研究和结构的预测。
局部比对:寻找序列间相似度最高的区域，也就是匹配密度最高的部分。其主要应用于某
些部位相似度较高而其他部位差异较大的序列的比对，用于寻找保守的核苷酸及蛋白质序列中氨基酸模式
19、简述除权配对法(UPGMA)的算法思想。
答:通过两两比对聚类的方法进行，在开始时，每个序列分为一类，分别作为一个树枝的生长点，然后将最近的两序列合并，从而定义出一个节点，将这个过程不断的重复，直到所有的序列都被加入，最后得到一棵进化树。P119 11)
20、简述邻接法(NJ)构树的算法思想。
答:邻接法的思想不仅仅计算最小两两比对距离，还对整个树的长度进行最小化，从而对树的拓扑结构进行限制。这种算法由一棵星状树开始，所有的物种都从一个中心节点出发，然后通过计算最小分支长度的和相继寻找到近邻的两个序列，每一轮过程中考虑所有可能的序列对，把能使树的整个分支长度最小的序列对一组，从而产生新的距离矩阵，直到寻找所有的近邻序列。P117
21、简述最大简约法(MP)的算法思想。P68
答:是一种基于离散特征的进化树算法。生物演化应该遵循简约性原则，所需变异次数最少(演化步数最少)的演化树可能为最符合自然情况的系统树。在具体的操作中，分为非加权最大简约分析(或称为同等加权)和加权最大简约分析，后者是根据性状本身的演化规律(比如DNA不同位点进化速率不同)而对其进行不同的加权处理。P120 13)
22、简述最大似然法(ML)的算法思想。P69
答:是一种基于离散特征的进化树算法。该法首先选择一个合适的进化模型，然后对所有可能的进化树进行评估，通过对每个进化位点的替代分配一个概率，最后找出概率最大的进化树。P122
23、UPGMA构树法不精确的原因是什么？P69
答:由个于UPGMA假设在进化过程中所有核苷酸/氨基酸都有相同的变异率，也就是存在着一个分子钟;这种算法当所构建的进化树的序列进化速率明显不一致时，得到的进化树相对来说不准确的。
24、进化树的可靠性分析
答：自展法(Bootstrap Method)
1、从排列的多序列中随机有放回的抽取某一列，构成相同长度的新的排列序列;
2、重复上面的过程，得到多组新的序列;
3、对这些新的序列进行建树，再观察这些树与原始树是否有差异，以此评价建树的可靠性。
25、生物信息学数据库的组成包括哪些部分,数据库有哪些类型？
答:生物信息学数据库的组成包括一级数据库和二级数据库。数据库的类型包括核算和蛋白质一级结构序列数据库、基因组数据库、生物大分子三维空间结构
数据库、以上述3类数据库和文献资料为基础构建的二次数据库。
26、简要介绍 GenBank中的DNA序列格式。
答:GenBank中的DNA序列格式可以分成三个部分，第一部分为描述符，从第一行LOCUS行到ORIGIN行，包含了关于整个记录的信息;第二部分为特性表，从FEATURES行开始，包含了注释这一纪录的特性，是条目的核心，中间使用一批关键字;第三部分是核苷酸序列的本身。
27、简要介绍FASTA序列格式
答:FASTA格式，又叫Pearson格式，是最简单的，使用最多的格式。它的基本形式分为三个部分:第一行:大于号(，)表示一个新的序列文件的开始，为标记符。后面可以加上文字说明，gi号，GenBank检索号，LOCUS名称等信息。第二行:序列本身，为DNA的标准符号，通常大小写均可。结束:无特殊标志，但建议多留一个空行，以便将序列和其他内容区分开。28、序列的相似性与同源性有什么区别与联系？
答:(1)相似性是指序列之间相关的一种统计学的量度，两序列的的相似性可以基于序列的一致性和相似度的百分比，也可以用相应的分数来衡量这种相似;而同源性是指序列所代表的物种具有共同的祖先，强调进化上的亲缘关系，不能用相应的数字去量化这种关系，我们只能说序列具有高的一致性的百分比的可能是同源的。
(2)相似的不一定是同源的，同源的则表现出一定的相似性。因为在进化中来源于不同的基因或序列由于不同的独立突变而趋同的并不罕见。相反同源序列由于来源于共通过祖先则表现出一定的相似性。
五、思考题
1、生物信息学的含义是什么,举一个例子说明你对生物信息学的哪方面感兴趣。
答：生物信息学的含义:生物分子信息的获取、存贮、分析和利用;以数学为基础，应用计算机技术，研究生物学数据的科学。
生物信息技术在医药领域的应用涉及到新药开发、新诊断技术、预防措施及新的治疗技术，如单克隆抗体、基因诊断、荧光检测、基因芯片等。其中基因芯片技术可用于包括遗传性疾病、传染性疾病及肿瘤等疾病的诊断、DNA序列分析、药物筛选、基因表达水平的测定等领域。2、预测基因的一般步骤是什么？
答：如下
①获取DNA目标序列
②查找ORF并将目标序列翻译成蛋白质序列，利用相应工具查找ORF并将DNA序列翻译成蛋白质序列
③在数据库中进行序列搜索，利用BLAST进行ORF核苷酸序列和ORF翻译的蛋白质序列搜索
④进行目标序列与搜索得到的相似序列的全局对比
⑤查找基因家族进行多序列比对，获得比对区段的基因家族信息
⑥查找目标序列中的特定模序，分别在Prosite、BLOCK、Motif数据库中进行profile、模块(block)、模序(motif)检索
⑦预测目标序列蛋白质结构，利用PredictProtein(EMBL)、NNPREDICT等预测目标序列的蛋白质二级结构。
3、为什么蛋白质空间结构预测很重要，目前有哪几条途径用于从蛋白质的氨基酸序列预测其空间三维结构？
答:蛋白质空间结构的预测很重要。研究蛋白质结构，有助于了解蛋白质如何行使其生物功能，认识蛋白质与蛋白质(或其它分子)之间的相互作用，通过分析蛋白质的结构，确认功能单位或者结构域，可以为遗传操作提供目标，为设计新的蛋白质或改造已有蛋白质提供可靠的依据，同时为新的药物分子设计提供合理的靶分子结构。目前有三条途径用于从蛋白质一级序列预测其空间三维结构:
A、同源建模法。是蛋白质三维结构预测的主要方法。对于一个未知结构的蛋白质，首先通过序列同源分析找到一个已知结构的同源蛋白质，然后，以该蛋白质的结构为模板，为未知结构的蛋白质建立结构模型。前提是必须要有一个已知结构的同源蛋白质。
B、穿针引线法。需建立核心折叠数据库，在预测蛋白质空间结构时将一个待预测结构的蛋白质序列与数据库中核心折叠进行比对，找出比对结果最好的核心折叠，作为构造待预测蛋白质结构模型的根据。
C、从头开始法。在既没有已知结构的同源蛋白质、也没有已知结构的远程同源蛋白质的情况下，直接根据序列本身来预测其结构。该方法先对蛋白质及溶剂作近似处理，再建立能量函数，通过对构象空间进行快速搜索找到与某一全局最小能量相对应的构象。
4、简述PCR引物设计的基本原则及其注意要点。
答：原则:首先引物与模板的序列要紧密互补，其次引物与引物之间避免形成稳定的二聚体或发夹结构，再次引物不能再模板的非等位点引发DNA聚合反应(即错配)。
注意要点:
1、引物的长度一般为15-30bp，常用的是18-27bp，但不应大于38，因为过长会导致其延伸温度大于74?，不适合于TaqDNA聚合酶进行反应。
2、引物序列在模板内应当没有相似性较高，尤其是3?端相似性较高的序列，否则容易导致错配。引物3?端出现3个以上的连续碱基，如GGG或CCC，也会使错误引发几率增加。
3、引物3?端的末位碱基对Taq酶的DNA合成效率有较大的影响。不同的末位碱基在错配位置导致不同的扩增效率，末位碱基为A的错配效率明显高于其他3个碱基，因此应当避免在引物的3?端使用碱基。另外，引物二聚体或发夹结构也可能导致PCR反应失败。5?端序列对PCR影响不太大，因此常用来引进修饰位点或标记物。
4、引物序列的GC含量一般为40-60%，过高或过低都不利于引发反应。上下游引物的GC含量不能相差太大。
5、引物所对应模板位置序列的Tm值在72?左右可使复性条件最佳。Tm值的计算有很多种方法，如按公式Tm=4(G+C)+2(A+T)，在Oligo软件中使用的是最邻近法(thenearestneighbormethod)。
6、G值是指DNA双链形成所需的自由能，该值反映了双链结构内部碱基对的相对稳定性。应当选用3?端G值较低(绝对值不超过9)，而在5?端和中间G值相对较高的引物。引物的3?端的G值过高，容易在错配位点形成双链结构并引发DNA聚合反应。
7、引物二聚体及发夹结构的能值过高(超过4.5kcal/mol)易导致产生引物二聚体带，并且降低引物有效浓度而使PCR反应不能正常进行。
8、对引物的修饰一般是在5?端增加酶切位点，应根据下一步实验中要插入PCR产物的载体的相应序列而确定。
5、假设你得到一段未知基因的DNA序列，从你学习到的生物信息学分析方法和软件，设计一个分析流程来分析该未知基因的功能和家族类别(包括系统发育树构建)。
答：1、得到未知基因的DNA序列，用Blast做序列比对，找出与其基因相似的核苷酸序列和蛋白质序列。
2、接着，用搜索出来的较相似的序列用ClustW进行多序列比对，得到该序列的保守情况和突变情况。
3、最后用距离法构建系统发育树
6、假设你得到一段未知蛋白的氨基酸序列，从你学习到的生物信息学分析方法和软件，设计一个分析流程来分析该未知蛋白的功能和家族类别以及其结构预测。
答：1、用该序列进行BLASTP搜索。2、再对其进行蛋白质结构域、功能域的搜索，可以用Znterproscan、Pfam，并对其进行结构分析。3、再用ClustW进行多序列比对。4、用人工神经网络的方法对其结构进行结构预测。
7、基于距离和离散特征的系统发育树构建方法有哪些,分别简述其原理和方法。
答：基于距离的构建方法：(1) UPGMA 非加权分组平均法(2)邻近法(3)最小进化方法等。
基于离散特征的构建方法：(1)最大简约法(2)最大似然法(3)进化简约法(4)相容性方法等。
基于距离的构建方法利用所有物种或分类单元间的进化距离，依据一定的原则及算法构建系统发生树。其基本思路是列出所有可能的序列对，计算序列之间的遗传距离，选出相似程度比较大或非常相关的序列对，利用遗传距离预测进化关系。
基于离散特征的构建方法利用的是具有离散特征状态的数据，如DNA序列中的特定位点的核苷酸。建树时，着重分析分类单位或序列间每个特征( 如核苷酸位点) 的进化关系等。
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
生物信息学题库
■一、选择题: 1.以下哪一个是mRNA条目序列号： A. J01536■. NM_15392 C. NP_52280 D. AAB134506 2.确定某个基因在哪些组织中表达的最直接获取相关信息方式是：■. Unigene B. Entrez C. LocusLink D. PCR 3.一个基因可能对应两个Unigene簇吗？■可能 B. 不可能 4.下面哪种数据库源于mRNA信息：■dbEST B. PDB C. OMIM D. HTGS 5.下面哪个数据库面向人类疾病构建： A. EST B. PDB ■. OMIM D. HTGS 6.Refseq和GenBank有什么区别： A. Refseq包括了全世界各个实验室和测序项目提交的DNA序列B. GenBank提供的是非冗余序列 ■. Refseq源于GenBank，提供非冗余序列信息D. GenBank源于Refseq 7.如果你需要查询文献信息，下列哪个数据库是你最佳选择： A. OMIM B. Entrez ■PubMed D. PROSITE 8.比较从Entrez和ExPASy中提取有关蛋白质序列信息的方法，下列哪种说法正确：A. 因为GenBank的数据比EMBL更多，Entrez给出的搜索结果将更多B. 搜索结果很可能 一样，因为GenBank和EMBL的序列数据实际一样■搜索结果应该相当，但是ExPASy中的SwissProt记录的输出格式不同 9.天冬酰胺、色氨酸和酪氨酸的单字母代码分别对应于：■N/W/Y B. Q/W/Y C. F/W/Y D. Q/N/W 10.直系同源定义为：■不同物种中具有共同祖先的同源序列B. 具有较小的氨基酸一致性但是有较大的结构相似性的同源序列 C. 同一物种中由基因复制产生的同源序列 D. 同一物种中具有相似的并且通常是冗余的功能的同源序列 11.下列那个氨基酸最不容易突变： A. 丙氨酸B. 谷氨酰胺 C. 甲硫氨酸■半胱氨酸 12.PAM250矩阵定义的进化距离为两同源序列在给定的时间有多少百分比的氨基酸发生改变： A. 1% B. 20%■. 80% D. 250% 13.下列哪个句子最好的描述了两个序列全局比对和局部比对的不同：A. 全局比对通常用于比对DNA序列，而局部比对通常用于比对蛋白质序列B. 全局比对允许间隙，而局 部比对不允许C. 全局比对寻找全局最大化，而局部比对寻找局部最大化■全局比对比对整体序列，而局部比对寻找最佳匹配子序列 14.假设你有两条远源相关蛋白质序列。为了比较它们，最好使用下列哪个BLOSUM和PAM矩阵：■BLOSUM45和PAM250 B. BLOSUM45和PAM 1 C. BLOSUM80和PAM250 D. BLOSUM10和PAM1 15.与PAM打分矩阵比较，BLOSUM打分矩阵的最大区别是：A. 最好用于比对相关性高的蛋白B. 它是基于近相关蛋白的全局多序列比对 ■它是基于远相关蛋白的局部多序列比对D. 它结合了全局比对和局部比对 16.如果有一段DNA序列，它可能编码多少种蛋白质序列： A. 1 B. 2 C. 3 ■. 6 17.要在数据库查询一段与某DNA序列编码蛋白质最相似的序列，应选择： A. blastn B. blastp C. tblastn D. tblastp■blastx 18.为什么ClustalW（一个采用了Feng-Doolittle渐进比对算法的程序）不报告E值：A. ClustalW报告E值■使用了全局比对 C. 使用了局部比对 D. 因为是多序列比对 19.Feng-Doolittle方法提出“一旦是空隙，永远是空隙”规则的依据是：A. 保证空隙不会引物序列加入而填充B. 假定进化早期分歧的序列有较高优先级别■假定最近序列空隙应 该保留 D. 假定最远序列空隙应该保留 20.根据分子钟假说：A. 所有蛋白质都保持一个相同的恒定进化速率 B. 所有蛋白质的进化速率都与化石记录相符合C. 对于每一个给定的蛋白质，分子进化的速率是逐 渐减慢的，就如同不准时的钟■对于每一个给定的蛋白质，其分子进化的速率在所有的进化分支上大致是恒定 21.系统发生树的两个特征是： A. 进化分支和进化节点■树的拓扑结构和分支长度C. 进化分支和树根D. 序列比对和引导检测方法 22.下列哪一个是基于字母特征的系统发生分析的算法：A. 邻位连接法（NJ法）B. Kimura算法■最大似然法（ML）D. 非加权平均法（UPGMA） 23.基于字母特征和基于距离的系统发生分析的算法的基本差异是：■基于字母特征的算法没有定义分支序列的中间数据矩阵 B. 基于字母特征的算法可应用于DNA或者蛋白质序列，而基于距离仅能用于DNA C. 基于字母特征的算法无法运用简约算法 D. 基于字母特征的算法的进化分支与进化时间无关 24.一个操作分类单元（OTU）可指：A. 多序列比对■蛋白质序列C. 进化分支D. 进化节点 25.构建进化树最直接的错误来源是：■多序列比对错误B. 采样的算法差异C. 假设进化分支是单一起源D. 尝试推测基因的进化关系 26.第一个被完整测定的基因组序列是：A. 啤酒酵母的3号染色体B. 流感病毒■ФX174 D. 人类基因组 27.普通的真核生物线粒体基因组编码大约多少个蛋白质：■10 B. 100 C. 1000 D. 10000 28.根据基因组序列预测蛋白质编码基因的算法的最大问题是：A. 软件太难使用■. 假阳性率太高，许多不是外显子的序列部分被错误指定C. 假阳性率太高，许 多不是外显子功能未知 D. 假阴性率太高，丢失太多外显子位点 29.HIV病毒亚型的系统演化研究可以：A. 证实HIV病毒是由牛病毒演化而来■. 用于指导开发针对保守蛋白的疫苗C. 证实哪些人类组织最容易遭受病毒侵染 30.一个典型的细菌基因组大小约为多少bp：A. 20000■. 200000 C. 2000000 D. 20000000
生物信息学题库说课材料
生物信息学题库
■一、选择题: 1.以下哪一个是mRNA条目序列号： A. J01536■. NM_15392 C. NP_52280 D. AAB134506 2.确定某个基因在哪些组织中表达的最直接获取相关信息方式是：■. Unigene B. Entrez C. LocusLink D. PCR 3.一个基因可能对应两个Unigene簇吗？■可能 B. 不可能 4.下面哪种数据库源于mRNA信息：■ dbEST B. PDB C. OMIM D. HTGS 5.下面哪个数据库面向人类疾病构建： A. EST B. PDB ■. OMIM D. HTGS 6.Refseq和GenBank有什么区别： A. Refseq包括了全世界各个实验室和测序项目提交的DNA序列B. GenBank提供的是非冗余序列 ■. Refseq源于GenBank，提供非冗余序列信息D. GenBank源于Refseq 7.如果你需要查询文献信息，下列哪个数据库是你最佳选择： A. OMIM B. Entrez ■ PubMed D. PROSITE 8.比较从Entrez和ExPASy中提取有关蛋白质序列信息的方法，下列哪种说法正确：A. 因为GenBank的数据比EMBL更多，Entrez给出的搜索结果将更多B. 搜索结果很可 能一样，因为GenBank和EMBL的序列数据实际一样■搜索结果应该相当，但是ExPASy中的SwissProt记录的输出格式不同 9.天冬酰胺、色氨酸和酪氨酸的单字母代码分别对应于：■ N/W/Y B. Q/W/Y C. F/W/Y D. Q/N/W 10.直系同源定义为：■不同物种中具有共同祖先的同源序列B. 具有较小的氨基酸一致性但是有较大的结构相似性的同源序列 C. 同一物种中由基因复制产生的同源序列 D. 同一物种中具有相似的并且通常是冗余的功能的同源序列 11.下列那个氨基酸最不容易突变： A. 丙氨酸 B. 谷氨酰胺 C. 甲硫氨酸■半胱氨酸 12.PAM250矩阵定义的进化距离为两同源序列在给定的时间有多少百分比的氨基酸发生改变： A. 1% B. 20%■. 80% D. 250% 13.下列哪个句子最好的描述了两个序列全局比对和局部比对的不同：A. 全局比对通常用于比对DNA序列，而局部比对通常用于比对蛋白质序列B. 全局比对允许间隙，而 局部比对不允许C. 全局比对寻找全局最大化，而局部比对寻找局部最大化■全局比对比对整体序列，而局部比对寻找最佳匹配子序列 14.假设你有两条远源相关蛋白质序列。为了比较它们，最好使用下列哪个BLOSUM和PAM矩阵：■ BLOSUM45和PAM250 B. BLOSUM45和PAM 1 C. BLOSUM80和PAM250 D. BLOSUM10和PAM1 15.与PAM打分矩阵比较，BLOSUM打分矩阵的最大区别是：A. 最好用于比对相关性高的蛋白B. 它是基于近相关蛋白的全局多序列比对 ■它是基于远相关蛋白的局部多序列比对D. 它结合了全局比对和局部比对 16.如果有一段DNA序列，它可能编码多少种蛋白质序列： A. 1 B. 2 C. 3 ■. 6 17.要在数据库查询一段与某DNA序列编码蛋白质最相似的序列，应选择： A. blastn B. blastp C. tblastn D. tblastp■ blastx 18.为什么ClustalW（一个采用了Feng-Doolittle渐进比对算法的程序）不报告E值：A. ClustalW报告E值■使用了全局比对 C. 使用 了局部比对 D. 因为是多序列比对 19.Feng-Doolittle方法提出“一旦是空隙，永远是空隙”规则的依据是：A. 保证空隙不会引物序列加入而填充B. 假定进化早期分歧的序列有较高优先级别■假定最近序列空 隙应该保留 D. 假定最远序列空隙应该保留 20.根据分子钟假说： A. 所有蛋白质都保持一个相同的恒定进化速率 B. 所有蛋白质的进化速率都与化石记录相符合C. 对于每一个给定的蛋白质，分子进化的速率是逐渐 减慢的，就如同不准时的钟■对于每一个给定的蛋白质，其分子进化的速率在所有的进化分支上大致是恒定 21.系统发生树的两个特征是： A. 进化分支和进化节点■树的拓扑结构和分支长度C. 进化分支和树根D. 序列比对和引导检测方法 22.下列哪一个是基于字母特征的系统发生分析的算法： A. 邻位连接法（NJ法）B. Kimura算法■最大似然法（ML）D. 非加权平均法（UPGMA） 23.基于字母特征和基于距离的系统发生分析的算法的基本差异是：■基于字母特征的算法没有定义分支序列的中间数据矩阵 B. 基于字母特征的算法可应用于DNA或者蛋白质序列，而基于距离仅能用于DNA C. 基于字母特征的算法无法运用简约算法 D. 基于字母特征的算法的进化分支与进化时间无关 24.一个操作分类单元（OTU）可指：A. 多序列比对■蛋白质序列C. 进化分支D. 进化节点 25.构建进化树最直接的错误来源是：■多序列比对错误B. 采样的算法差异C. 假设进化分支是单一起源D. 尝试推测基因的进化关系 26.第一个被完整测定的基因组序列是： A. 啤酒酵母的3号染色体B. 流感病毒■ФX174 D. 人类基因组 27.普通的真核生物线粒体基因组编码大约多少个蛋白质：■ 10 B. 100 C. 1000 D. 10000 28.根据基因组序列预测蛋白质编码基因的算法的最大问题是： A. 软件太难使用■. 假阳性率太高，许多不是外显子的序列部分被错误指定C. 假阳性 率太高，许多不是外显子功能未知 D. 假阴性率太高，丢失太多外显子位点 29.HIV病毒亚型的系统演化研究可以： A. 证实HIV病毒是由牛病毒演化而来■. 用于指导开发针对保守蛋白的疫苗C. 证实哪些人类组织最容易遭受病毒侵染 30.一个典型的细菌基因组大小约为多少bp： A. 20000■. 200000 C. 2000000 D. 20000000
生物信息学课后题及答案-推荐下载
生物信息学课后习题及答案 （由10级生技一、二班课代表整理） 一、绪论 1.你认为，什么是生物信息学？ 采用信息科学技术，借助数学、生物学的理论、方法，对各种生物信息（包括核酸、蛋 白质等）的收集、加工、储存、分析、解释的一门学科。2.你认为生物信息学有什么用？对你的生活、研究有影响吗？（1）主要用于： 在基因组分析方面：生物序列相似性比较及其数据库搜索、基因预测、基因组进化和分 子进化、蛋白质结构预测等 在医药方面：新药物设计、基因芯片疾病快速诊断、流行病学研究：SARS 、人类基因组计划、基因组计划：基因芯片。 （2）指导研究和实验方案，减少操作性实验的量；验证实验结果；为实验结果提供更多的支持数据等材料。 3.人类基因组计划与生物信息学有什么关系？ 人类基因组计划的实施，促进了测序技术的迅猛发展，从而使实验数据和可利用信息急剧增加，信息的管理和分析成为基因组计划的一项重要的工作 。而这些数据信息的管理、分析、解释和使用促使了生物信息学的产生和迅速发展。 4简述人类基因组研究计划的历程。 通过国际合作，用15年时间（1990-2005）至少投入30亿美元，构建详细的人类基因组遗传图和物理图，确定人类DNA 的全部核苷酸序列，定位约10万基因，并对其他生物进行类似研究。 1990，人类基因组计划正式启动。 1996，完成人类基因组计划的遗传作图，启动模式生物基因组计划。 1998完成人类基因组计划的物理作图，开始人类基因组的大规模测序。Celera 公司加入，与公共领域竞争启动水稻基因组计划。 1999，第五届国际公共领域人类基因组测序会议，加快测序速度。 2000，Celera 公司宣布完成果蝇基因组测序，国际公共领域宣布完成第一个植物基因组——拟南芥全基因组的测序工作。 2001，人类基因组“中国卷”的绘制工作宣告完成。 2003，中、美、日、德、法、英等6国科学家宣布人类基因组序列图绘制成功，人类基因组计划的.目标全部实现。2004，人类基因组完成图公布。 2.我国自主知识产权的主要基因组测序计划有哪些？水稻（2002），家鸡（2004），家蚕（2007），家猪（2012），大熊猫（2010） 2．第一章 、管路敷设技术通过管线不仅可以解决吊顶层配置不规范高中资料试卷问题，而且可保障各类管路习题到位。在管路敷设过程中，要加强看护关于管路高中资料试卷连接管口处理高中资料试卷弯扁度固定盒位置保护层防腐跨接地线弯曲半径标高等，要求技术交底。管线敷设技术包含线槽、管架等多项方式，为解决高中语文电气课件中管壁薄、接口不严等问题，合理利用管线敷设技术。线缆敷设原则：在分线盒处，当不同电压回路交叉时，应采用金属隔板进行隔开处理；同一线槽内，强电回路须同时切断习题电源，线缆敷设完毕，要进行检查和检测处理。、电气课件中调试对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行 高中资料试卷调整试验；通电检查所有设备高中资料试卷相互作用与相互关系，根据生产工艺高中资料试卷要求，对电气设备进行空载与带负荷下高中资料试卷调控试验；对设备进行调整使其在正常工况下与过度工作下都可以正常工作；对于继电保护进行整核对定值，审核与校对图纸，编写复杂设备与装置高中资料试卷调试方案，编写重要设备高中资料试卷试验方案以及系统启动方案；对整套启动过程中高中资料试卷电气设备进行调试工作并且进行过关运行高中资料试卷技术指导。对于调试过程中高中资料试卷技术问题，作为调试人员，需要在事前掌握图纸资料、设备制造厂家出具高中资料试卷试验报告与相关技术资料，并且了解现场设备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。 、电气设备调试高中资料试卷技术电力保护装置调试技术，电力保护高中资料试卷配置技术是指机组在进行继电保护高中资料试卷总体配置时，需要在最大限度内来确保机组高中资料试卷安全，并且尽可能地缩小故障高中资料试卷破坏范围，或者对某些异常高中资料试卷工况进行自动处理，尤其要避免错误高中资料试卷保护装置动作，并且拒绝动作，来避免不必要高中资料试卷突然停机。因此，电力高中资料试卷保护装置调试技术，要求电力保护装置做到准确灵活。对于差动保护装置高中资料试卷调试技术是指发电机一变压器组在发生内部故障时，需要进行外部电源高中资料试卷切除从而采用高中资料试卷主要保护装置。
生物信息学试题整理
UTR的含义是（B ） A.编码区 B. 非编码区 C. motif的含义是（D ）。 A.基序 B. 跨叠克隆群 C. algorithm 的含义是（B ）。 A.登录号 B. 算法 C. RGR^ （D ）。 A.在线人类孟德尔遗传数据 D.水稻基因组计划 下列Fasta格式正确的是（B） 低复杂度区域 D. 幵放阅读框 碱基对 D. 结构域 比对 D. 类推 B. 国家核酸数据库 C. 人类基因组计划 A. seql: agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta B. >seq1 agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta C. seq1:agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta D. >seq1agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta 如果我们试图做蛋白质亚细胞定位分析，应使用（D） A. NDB 数据库 B. PDB 数据库 C. GenBank 数据库 D. SWISS-PROT 数
据库 Bioinformatics 的含义是（A ）。 A. 生物信息学 B. 基因组学 C. 蛋白质组学 D. 表观遗传学 Gen Bank中分类码PLN表示是（D ）。 A.哺乳类序列 B. 细菌序列 C.噬菌体序列 D. 植物、真菌和藻类序列 ortholog 的含义是（A）0 A.直系同源 B.旁系同源 C.直接进化 D.间接进化 从cDNA文库中获得的短序列是（D ）o A. STS B. UTR C. CDS D. EST con tig的含义是（B ）o A.基序 B. 跨叠克隆群 C. 碱基对 D. 结构域 TAIR （AtDB）数据库是（C）o A.线虫基因组 B. 果蝇基因组 C. 拟南芥数据库 D. 大肠杆菌基因组ORF的含义是（D ）o A.调控区 B. 非编码区 C.低复杂度区域 D. 幵放阅读框
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。）
生物信息学试题
华中农业大学研究生课程考试试卷（B） 考试科目名称：生物信息学考试时间：2011年6月15日备注：所有答案均要写在答题纸上，否则，一律无效。 提示：（1）2小时答题时间；（2）课堂开卷，独立完成；（3）答题简明扼要 1．请查询序列AK101913（GenBank注册号）的相关信息并回答下列问题：（1）若用限制性内切酶PstΙ消化这条序列，可以得到几个片段？（4分） （2）该序列编码的蛋白质有多少个氨基酸？哪种氨基酸所占比例最高？等电点是多少？是否糖蛋白质？如果是糖蛋白，请给出具体类型及糖基化位点。（10分）（3）请分析该序列编码蛋白的保守结构域，根据你的分析，该蛋白可能具有什么样的生物学功能？（6分） 2．任选一种基因结构分析工具，预测序列J04982（GenBank注册号）的基因结构及其编码产物的理化性质。请注明分析工具的名称，以及是否采用某一物种的数据作为参照。 （1）根据你所选用的分析方法，这条序列编码多少个基因？分别包含有多少个exon？预测基因（如有多个基因请注明是第几个基因）是否有转录起点和PolyA加尾信号？ 分析结果是否与GenBank提供的注释信息相符合？（10分） （2）预测的第一个基因编码的蛋白质是否包含有信号肽（注明切割位点）和跨膜区域（注明跨膜区）？预测该蛋白的亚细胞定位。（10分） 注：3a、3b任选一题 3a．RZ220是水稻分子标记遗传连锁图上的一个分子标记，请回答下列有关问题：（1）这个分子标记/位点被定位于水稻的第几号染色体？在你检索的网站（请注明网址）多少水稻的遗传连锁图使用了该分子标记？请列出分子标记遗传连锁图的名称及 其类型（Map Type）（10分） （2）RZ220属于什么类型的分子标记？指出一个与该标记连锁或附近的QTL（注明其编号），并说明该QTL控制什么性状，列出定位该QTL的研究的相关文献。（10分） 3b．BM6506是羊分子标记遗传连锁图上的一个分子标记或位点，请回答下列有关问题：（请注明分析方法名称） （1）这个分子标记/位点被定位于羊的第几号染色体？（4分） （2）在SM1分子标记遗传连锁图上与这个分子标记/位点紧密连锁（两侧）的分子标记/位点的名称是什么？这个分子标记/位点在SM1分子标记遗传连锁图上的遗传位置 是多少？（8分） （3）列出一篇与该标记相关的文献及其在PubMed中的PMID号。（8分） 4．分析六条蛋白质序列（BAF63641、ABO31104、ACO11338、ABH07379、AAF65254、AAB38498）的同源性并回答下列问题（请注明分析方法名称）： （1）哪两条序列的进化关系最近，一致性（Identity）是多少？相似度（Similarity/Positive）是多少？（10分）
生物信息学复习题及答案(陶士珩)
生物信息学复习题 一、名词解释 生物信息学, 二级数据库, FASTA序列格式, genbank序列格式, Entrez，BLAST，查询序列（query），打分矩阵（scoring matrix），空位（gap），空位罚分，E值, 低复杂度区域，点矩阵（dot matrix），多序列比对，分子钟，系统发育（phylogeny），进化树的二歧分叉结构，直系同源，旁系同源，外类群，有根树，除权配对算法（UPGMA），邻接法构树，最大简约法构树，最大似然法构树，一致树（consensus tree），bootstrap，开放阅读框（ORF），密码子偏性（codon bias），基因预测的从头分析法，结构域（domain），超家族，模体（motif），序列表谱（profile），PAM矩阵，BLOSUM，PSI-BLAST，RefSeq，PDB数据库，GenPept，折叠子，TrEMBL，MMDB，SCOP，PROSITE，Gene Ontology Consortium，表谱（profile）。 二、问答题 1）生物信息学与计算生物学有什么区别与联系 2）试述生物信息学研究的基本方法。 3）试述生物学与生物信息学的相互关系。 4）美国国家生物技术信息中心（NCBI）的主要工作是什么请列举3个以上NCBI 维护的数据库。 ￥ 5）序列的相似性与同源性有什么区别与联系 6）BLAST套件的blastn、blastp、blastx、tblastn和tblastx子工具的用途什么 7）简述BLAST搜索的算法。 8）什么是物种的标记序列 9）什么是多序列比对过程的三个步骤 10）简述构建进化树的步骤。 11）简述除权配对法（UPGMA）的算法思想。 12）简述邻接法（NJ）的算法思想。 13）简述最大简约法（MP）的算法思想。 14）简述最大似然法（ML）的算法思想。 ? 15）UPGMA构树法不精确的原因是什么 16）在MEGA2软件中，提供了多种碱基替换距离模型，试列举其中2种，解释其含义。 17）试述DNA序列分析的流程及代表性分析工具。 18）如何用BLAST发现新基因 19）试述SCOP蛋白质分类方案。 20）试述SWISS-PROT中的数据来源。 21）TrEMBL哪两个部分 22）试述PSI-BLAST 搜索的5个步骤。[ 3） 三、操作与计算题 1）如何获取访问号为U49845的genbank文件解释如下genbank文件的LOCUS行提供的信息： LOCUS SCU49845 5028 bp DNA linear PLN 21-JUN-1999
中科院生物信息学题目整理
生物信息学题目整理： 陈润生： 一、什么是生物信息学？你怎么理解它的含义？ Genome informatics is a scientific discipline that encompasses all aspects of genome information acquisition, processing, storage, distribution, analysis, and interpretation. 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。 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。 对生物信息学理解的实例：怎样从新测得的DNA序列中找到编码区？非编码区与编码区的差别是什么？非编码区有什么具体功能？RNAi现象对于细胞来说有着很重要的意义，包括基因表达的调控等等，那么都有哪些具体机制可以诱导正常细胞产生RNAi现象？SARS病毒的比较基因组研究；治疗SARS的RNAi设计；SARS蛋白的结构预测和模拟。 怎么理解： 生物信息学是把基因组DNA序列信息分析作为源头，找到基因组序列中代表蛋白质和RNA 基因的编码区；同时，阐明基因组中大量存在的非编码区的信息实质，破译隐藏在DNA序列中的遗传语言规律；在此基础上，归纳、整理与基因组遗传信息释放及其调控相关的转录谱和蛋白谱数据，从而认识代谢、发育、分化、进化的规律。 其还利用基因组中编码区信息进行蛋白空间结构模拟和蛋白功能预测，并将此类信息与生物体和生命过程的生理生化信息结合，阐明其分子机理，最终进行蛋白、核酸分子设计、药物设计、个体化医疗保健设计。 二、发现新基因的两种方法是什么？算法的本质是？ 大部分新基因是靠理论方法预测出来的。 1、利用NCBI中EST( Expression Sequence Tag) 数据库(dbEST) 发现新基因和新SNPs。 国际上现已出现了几个基于EST的基因索引如UniGene, Merck-Gene, GenExpress-index 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 主要步骤：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。 2、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比对，从而确定是否为新基因。
《生物信息学》练习题剖析
1、在Genbank中查找以下6个植物蛋白序列：protein1:NP_974673.2; protein2: NP_187969.1; protein3: NP_190855.1; protein4: NP_565618.1; protein5: NP_200511.1; protein6: NP_191407.1 (以FASTA格式)。 （1）用EBI上的ClustalW2工具对其进行多序列比对，分析各蛋白序列之间的同源性。 序列比对结果 比对结果表明：protein1:NP_974673.2和protein4: NP_565618.1的亲缘关系最近。
（2）利用Phylip软件，选择距离法构建其进化树（要求写出具体的建树步骤）。 1．将蛋白序列保存为FASTA格式，存于txt文档； 2.用Clustalx打开txt文本，保存为*.phy文件； 3.用seqboot程序打开phy文件，输出结果文件*_seqboot 4.用protdist程序打开*_seqboot文件，输出为*_protdist文件 5. 用neighbor程序打开*_protdist文件,输出为*_neighbor文件 6. 用consense程序打开*_neighbor文件,输出为*_consense文件 7.用dratree程序打开*_consense文件得到进化树。 （注：由于seqboot软见无法正常运行，因此进化树无法显示） （3）任意选取其中的一个蛋白进行蛋白质一级序列分析、二级结构预测及三维结构的模拟。 选择protein3: NP_190855.1 一级结构 网址：https://www.sodocs.net/doc/e48595438.html,/tools/protparam.html Number of amino acids: 456 氨基酸数目 Molecular weight: 51154.5 相对分子质量 Theoretical pI: 8.69 理论 pI 值 Amino acid composition 氨基酸组成 Ala (A) 30 6.6% Arg (R) 28 6.1% Asn (N) 15 3.3% Asp (D) 27 5.9% Cys (C) 5 1.1% Gln (Q) 18 3.9% Glu (E) 28 6.1% Gly (G) 37 8.1% His (H) 16 3.5% Ile (I) 16 3.5% Leu (L) 42 9.2%
生物信息学复习题及答案
一、名词解释： 1.生物信息学：研究大量生物数据复杂关系的学科，其特征是多学科交叉，以互联网为媒介，数据库为载体。利用数学知识建立各种数学模型; 利用计算机为工具对实验所得大量生物学数据进行储存、检索、处理及分析，并以生物学知识对结果进行解释。 2.二级数据库：在一级数据库、实验数据和理论分析的基础上针对特定目标衍生而来，是对生物学知识和信息的进一步的整理。 序列格式：是将DNA或者蛋白质序列表示为一个带有一些标记的核苷酸或者氨基酸字符串，大于号（>）表示一个新文件的开始，其他无特殊要求。 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；第三部分是引文区，提供了这个记录的科学依据；第四部分是核苷酸序列本身，以“询序列（query sequence）：也称被检索序列，用来在数据库中检索并进行相似性比较的序列。P98 8.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。P29 9.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。P29 10.空位罚分：空位罚分是为了补偿插入和缺失对序列相似性的影响，序列中的空位的引入不代表真正的进化事件，所以要对其进行罚分，空位罚分的多少直接影响对比的结果。P37值：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值越接近零，越不可能找到其他匹配序列，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。P95 12.低复杂度区域：BLAST搜索的过滤选项。指序列中包含的重复度高的区域，如poly（A）。 13.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。 14.多序列比对：通过序列的相似性检索得到许多相似性序列，将这些序列做一个总体的比对，以观察它们在结构上的异同，来回答大量的生物学问题。 15.分子钟：认为分子进化速率是恒定的或者几乎恒定的假说，从而可以通过分子进化推断出物种起源的时间。 16.系统发育分析：通过一组相关的基因或者蛋白质的多序列比对或其他性状，可以研究推断不同物种或基因之间的进化关系。 17.进化树的二歧分叉结构：指在进化树上任何一个分支节点，一个父分支都只能被分成两个子分支。 系统发育图：用枝长表示进化时间的系统树称为系统发育图，是引入时间概念的支序图。 18.直系同源：指由于物种形成事件来自一个共同祖先的不同物种中的同源序列，具有相似或不同的功能。（书：在缺乏任何基因复制证据的情况下，具有共同祖先和相同功能的同源基因。） 19.旁系（并系）同源：指同一个物种中具有共同祖先，通过基因重复产生的一组基因，这些基因在功能上可能发生了改变。(书：由于基因重复事件产生的相似序列。) 20.外类群：是进化树中处于一组被分析物种之外的，具有相近亲缘关系的物种。 21.有根树：能够确定所有分析物种的共同祖先的进化树。
(完整版)生物信息学复习题百度文库合集
生物信息学， 一、名词解释： 1、生物信息学：生物分子信息的获取、存贮、分析和利用；以数学为基础，应用计算机技术，研究生物学数据的科学。 2、相似性（similarity）：两个序列（核酸、蛋白质）间的相关性。 3、同源性（homology）：生物进化过程中源于同一祖先的分支之间的关系。 4、同一性（identity）：两个序列（核酸、蛋白质）间未发生变异序列的关系。 5、序列比对（alignment）：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。 6、生物数据库检索（database query，数据库查询）：对序列、结构以及各种二次数据库中的注释信息进行关键词匹配查找。 7、生物数据库搜索（database search)：通过特定序列相似性比对算法，找出核酸或蛋白质序列数据库中与待检序列具有一定程度相似性的序列。 二、简答题： 1、分子生物学的三大核心数据库是什么？它们各有何特点？ GenBank核酸序列数据库；SWISS-PROT蛋白质序列数据库；PDB生物大分子结构数据库；2、简述生物信息学的发生和发展。 20世纪50年代，生物信息学开始孕育； 20世纪60年代，生物分子信息在概念上将计算生物学和计算机科学联系起来； 20世纪70年代，生物信息学的真正开端； 20世纪70年代到80年代初期，出现了一系列著名的序列比较方法和生物信息分析方； 20世纪80年代以后，出现一批生物信息服务机构和生物信息数据库； 20世纪90年代后，HGP促进生物信息学的迅速发展。 3、生物信息学的主要方法和技术是什么？ 数学统计方法；动态规划方法；机器学习与模式识别技术；数据库技术及数据挖掘；人工神经网络技术；专家系统；分子模型化技术；量子力学和分子力学计算；生物分子的计算机模拟；因特网（Internet）技术 4、常见的DNA测序方法有哪些？各有何技术特点和优缺点？ Maxam-Gilbert DNA化学降解法： 优点：可测完全未知序列及CG富含区； 缺点：操作繁琐； Sanger双脱氧链终止法： 优点：简便，可测较长片段； 缺点：需已知部分序列或加接头； 焦磷酸测序： 优点：廉价、高通量； 缺点：一次测序片段短。 5、分子生物学数据库有哪些类型？各有何特点？ 基因组数据库：基因组测序 核酸序列数据库：核酸序列测定 一次数据库：蛋白质序列数据库：蛋白质序列测定。生物大分子(蛋白质)三维结构数据库：X-衍射和核磁共振 特点：数量少，容量大，更新快
生物信息学期末考试答案分析解析
一、名词 Bioinformatics：生物信息学——是一门综合运用生物学、数学、物理学、信息科学以及计算机科学等诸多学科的理论方法，以互联网为媒介、数据库为载体、利用数学和计算机科学对生物学数据进行储存、检索和处理分析，并进一步挖掘和解读生物学数据。 Consensus sequence：共有序列——决定启动序列的转录活性大小。各种原核启动序列特定区域内（通常在转录起始点上游-10及-35区域）存在共有序列，是在两个或多个同源序列的每一个位置上多数出现的核苷酸或氨基酸组成的序列。 Data mining：数据挖掘——数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常是利用计算方法分析生物数据，即根据核酸序列预测蛋白质序列、结构、功能的算法等，实现对现有数据库中的数据进行发掘。 EST：(Expressed Sequence Tag)表达序列标签——是某个基因cDNA克隆测序所得的部分序列片段，长度大约为200~600bp。 Similarity：相似性——是直接的连续的数量关系，是指序列比对过程中用来描述检测序列和目标序列之间相同DNA碱基或氨基酸残基顺序所占比例的高低。 Homology：同源性——是两个对象间的肯定或者否定的关系。如两个基因在进化上是否曾具有共同祖先。从足够的相似性能够判定二者之间的同源性。 Alignment：比对——从核酸以及氨基酸的层次去分析序列的相同点和不同点，以期能够推测它们的结构、功能以及进化上的联系。或是指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。 BLOSUM：模块替换矩阵——是指在对蛋白质数据库搜索时，采用不同的相似性分数矩阵进行检索的相似性矩阵。以序列片段为基础，从蛋白质模块数据库BLOCKS中找出一组替换矩阵，用于解决序列的远距离相关。在构建矩阵过程中，通过设置最小相同残基数百分比将序列片段整合在一起，以避免由于同一个残基对被重复计数而引入的任何潜在的偏差。在每一片段中，计算出每个残基位置的平均贡献，使得整个片段可以有效地被看作为单一序列。通过设置不同的百分比，产生了不同矩阵。 PAM(Point Accepted Mutation)：突变数据矩阵PAM即可接受点突变——指1个PAM表示100个残基中发生一个残基突变概率的进化距离。在序列比对中，能够反映一个氨基酸发生改变的概率与两个氨基酸随机出现的概率的比值的矩阵。 Contig：叠连群——是指一组相互两两头尾拼接的可装配成长片段的DNA序列克隆群，也指彼此间可通过重叠序列而连接成连续的、扩展的、不间断的DNA序列的交叠片段产物。通过比对不同的序列，我们能够发现片段的顺序，并且contigs能被添加、删除、重排列来形成新的序列。 Phylogenetic tree：系统发生树又称为演化树（evolutionary tree）——是表明被认为具有共同祖先的各物种间演化关系的树，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）。它用来表示系统发生研究的结果，用它描述物种之间的进化关系。 In Silico Cloning：电子克隆——是近年来发展起来的一门基于表达序列标签（ESTs）的快速克隆基因的新技术，其利用种子序列从EST及UniGene数据库中搜索相似性序列，进行拼装、检索、分析等，以此获得目标基因的全长cDNA，在此基础上也能够实现基因作图定位。 二、问题思考 1、生物信息学这门学科是如何发展起来的？ 答：生物学数据爆炸式增长 生物大分子数据库相继建立 生物技术与计算机技术并行飞速发展