文档库 最新最全的文档下载
当前位置:文档库 › 生物信息学复习题及答案(陶士珩)剖析

生物信息学复习题及答案(陶士珩)剖析

生物信息学复习题及答案(陶士珩)剖析
生物信息学复习题及答案(陶士珩)剖析

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。

2.Orthologs(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。

3.Paralogs(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。

4.Xenologs (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。

5.Identity 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。

8.P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0.05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。

11.NCBI: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.

12.FASTA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“//”结尾。

14.Entrez检索系统:是NCBI开发的核心检索系统,集成了NCBI的各种数据库,具有链接的数据库多,使用方便,能够进行交叉索引等特点,可以使用关键词如基因名字、物种名字及生物学功能检索等。

15.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

16.系统发生树(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。基因复制事件可能发生在物种形成之前或之后,造成基因树与物种树拓扑结构存在差异的(来自两个物种的两个基因的分化可能发生在物种形成事件之前)。

18. 有根树:包含一唯一的节点,将其作为树中所有物种的共同祖先,并且这一节点到其他节点的路径也是唯一的,最常用的确定树根的方法就是利用分子钟理论。在相同序列数条件下,有根树的可能的形式要多于无根树,这就有根树出错的概率明显高于无根树;无根树:找不到代表祖先树根的唯一节点的系统树。无根树只能确定之间的亲缘关系的远近,在相同序列数条件下,可能的构树形式相对有根树要少,并且无根树是没有方向的,其中线段的两个演化方向都有可能。

19.分子钟:认为在进化过程中物种间分子进化速率是恒定的或者几乎不变的假说,即蛋白序列间的氨基酸替换数正比于序列间的分歧世代数。意义:利用蛋白质序列的恒定的进化速率,可以推算不同物种序列发生分化的时间,从而将一些不同物种的系统发生关系确定下来以及推断出物种起源的时间。缺陷:不同生物体的分子进化速率差别是很大的,如病毒的一些序列;不同基因的分子钟一般不同;只能用于长期进化历程中仍保持其生物学功能的那些基因,那些进化丢失功能或基因复制后改变功能的不能适用;进化速率是可变的,某些基因在自我扩增后进化速率大大提高;

20.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。

21.邻接法(neighbor-joining method):其首先确定距离最近的分类单元对。然后使系统树的总距离达到最小,不断循环将相邻分类单元秉承一个新的分类单元,最终建立相应的系统发育树。其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。

需要理解的地方:window size dotplot

1.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。

2. why the reliability of protein alignment is higher than that of DNA?

(1)核酸序列有四种碱基构成,当用两条核酸序列比对时出现随机匹配的概率是25%,而蛋

白序列由20种氨基酸序列组成,当用两条蛋白序列比对时出现随机匹配的概率是5%,因此用核酸序列比对时出现假阳性概率比较大,可靠性差。

(2)密码子的简并。由于密码子存在简并现象,导致密码子的变化不一定会导致氨基酸的变化,即一个氨基酸可以有多个密码子,因而在进化过程中蛋白质序列比核酸序列更为保守,采用蛋白序列比对更具有实际的意义。

(3)当序列相似性很高时可以选择DNA 序列进行比对。 3.PAM 矩阵的假设条件及PAM1与PAM250的关系。

(1)假设条件:a.临近突变独立。相邻位置的突变是独立的互不影响的。b.进化历程的独立。每个位点的突变概率仅由当前状态决定。c.位置独立。某个氨基酸突变为另一个氨基酸仅有这两个氨基酸决定。

(2)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100个氨基酸中有1个发生可能被自然选择接受的突变改变。PAM250则是PAM1自乘250次后得到的,即100个氨基酸中发生250个可被自然选择接受的点突变,但这并不意味250次PAM 后,每个氨基酸都发生变化,最后仍然具有20%的相似性,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;PAM1常用于近缘序列(85%),而PAM250用于相似度为20%左右的的远缘序列。

(3)PAM1-PAM250生物学意义:PAM250矩阵适用于20%一致性的的远相关蛋白的比对,而PAM1适用于85%的近缘序列,说明了生物进化是朝着趋异进化的,但总能彼此保持一定的相似性。PAM 120: 40% similar; PAM 80: 50% similar; PAM 60: 60% similar;

(4)PAM 矩阵的局限性:Basic assumption: No correlations in exchange frequencies between neighboring sites.Structural analysis has confirmed role of neighboring residues in 3D structure 。Different sites within proteins show different levels of variability ;

A phylogenetic tree must be constructed first, implying some circularity in the analysis

The original PAM1 matrix was based on a limited number of families, not necessarily representative of all protein families

4. 此矩阵与PAM 矩阵的比较:相同之处是都在打分矩阵中使用对数比值;执行双序列比对时都基于查询序列和匹配序列的一致程度,然后选择矩阵。

(1)PAM 矩阵是建立在一个进化突变模型的基础上,他认为aa 的突变是一个马尔科夫的过程,即每个位点的aa 突变是相互独立的,且与该位点以前的突变无关;而BLOSUM 矩阵没有明确的进化模型,他根据同一蛋白家族中序列保守的aa 模块中观察到的替换情况得到。 (2)用于产生矩阵的蛋白质家族及多肽链数目,BLOSUM 比PAM 大约多20倍,结果将更加可靠。

(3)PAM 基于全局比对得到的,用于追朔蛋白的进化起源而BLOSUM 是基于局部比对,用于寻找局部的保守的区域。

(4) PAM-n 中,n 越小,表示氨基酸变异的可能性越小;相似的序列之间比较应该选用n 值小的矩阵,不太相似 的序列之间比较应该选用n 值大的矩阵。PAM-250用于约20%相同序列之间的比较。BLOSUM-n 中,n 越小,表示氨基酸相似的可能性越小;相似的序列之间比较应该选用 n 值大的矩阵,不太相似的序列之间比较应该选 用n 值小的矩阵。BLOSUM-62用来比较62%相似度的序列,BLOSUM-80用来比较80%左右的序列。 5.空格罚分机制

线性罚分模型:是某个固定的罚分,不区分起始空位与延伸空位,无论有多少个空格每个空

gx w x

格罚分的值是固定的,可以用公式Wx=gx表示。

仿射罚分。由两部分组成,起始空位罚分大,延伸空位罚分小,可由方程Wx=g+r(x-1)or Wx=g+rx表示,其中Wx为gap penalty score of a gap of length ;g为gap opening penalty;r为gap extension penalty;X为gap length

通常Gap opening penalty: 2 – 3 times larger than the most negative value in the substitution matrix that is being used;Gap extension penalty: 0.1 to 0.3 times the value of the gap opening penalty.

空格的末端罚分机制:对于全局比对和序列长度相同同源性比对,一般包含罚分。而不知道同源性或长度不同的应不包含对末端空格的罚分。

6. PSI-BLAST and PHI-BLAST

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。

7.

8.Sensitivity: ability to find all related sequences;(true positives) / (true

positives + false negative) The most sensitive search finds all related sequences, but might have lots of false positives

Specificity (selectivity): ability to reject unrelated sequences(true positive) / (true positive + false positive);The most specific search will return only related sequences, but might have lots of false negatives

9.

10.马尔科夫链和隐马尔科夫链的异同点及应用

(1)相同点:是一个数学模型,是一种随机的过程,隐马尔可夫模型是马尔可夫链的一种,都是关于转移概率的模型,都可用来使用来分析蛋白质家族序列的模型。

(2)定义:a.隐马尔可夫模型是马尔可夫链的一种,它的状态不能直接观察到,但能通过观测向量序列观察到,每个观测向量都是通过某些概率密度分布表现为各种状态,每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以,隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。.马尔科夫链:是一个数学模型,是一种随机的过程,马尔科夫链的每一个环表示系统的一个状态.由前一个状态转变成现在状态的概率,仅由前一状态决定。这种转换包括往自身的转换和其他可能的转换,并且概率服从一定的分布。

b.马尔可夫模型当前状态的概率仅取决于前一状态,而隐马尔可夫模型只与当前状态有关,而与而与导致其成为当前状态的历史变换无关。

c.马尔科夫模型多用于原核生物的DNA序列建模,而隐马尔可夫模型能很好地对真核生物DNA序列建模,实现了基因预测从原来单纯的编码序列的预测发展到了基因整体结构的预测。

d.在马尔科夫链中每一个状态对应于一个可观察的事件,状态是已知的;而隐马尔可夫模型是对马尔科夫模型的推广,使得可观察的是状态的一个概率函数,而状态本身是不可观察的,所能观察到的是他的发散状态。

(3)隐马尔可夫模型的应用:多序列比对,基因各部分结构的识别,蛋白二级结构预测。

11.用Fitch-Margoliash构建进化树的步骤

1)Find the mostly closely related pairs of sequences (A, B).

2)Treat the rest of the sequences as a composite. Calculate the average distance from A to all others; and from B to all others.

3)Use these values to calculate the length of the edges a and b.

4)Treat A and B as a composite. Calculate the average distances between AB and each of the other sequences. Create a new distance table

5)Identify next pair of related sequences and begin as with step 1.

6)Subtract extended branch lengths to calculate lengths of intermediate branches.

7)Repeat the entire process with all possible pairs of sequences.

8)Calculate predicted distances between each pair of sequences for each tree to find the best tree.

12.UPGMA(创建的为有根树,基于分子钟理论)

(1)两条序列间的最小距离是d DE ,所以物种D 和E 聚到一组,如下图。

(2) 计算新的距离矩阵,其中复合物种(DE )替换D 和E ,如下表。其他物种与新物种组

之间的距离由它们与组中两个物种(D 和E )之间距离的平均值决定,如d (DE )A =1/2(d AD +d AE )

第二次聚类在A 和C 之间,组成AC 类。如下图,

(3) 将A 和C 合并,计算新的矩阵,如下表,最后一次聚类((

AC )B )将物种B 的分支点

(4)设未知数,计算距离。

13.MP 法建树 所谓信息位点,它必须在至少2个分类群中具有相同的序列性状。信息位点是指那些至少存

D E

DE D E A C

(AC)(DE) D

E

A

C

((AC)B)(DE) B

在2个不同碱基且每个不同碱基至少出现两次的位点。

14.原理,区别及适用

距离法:假定序列尊循分子钟假说,通过构建分子序列之间的距离来构建系统发生树。首先需要根据某种进化模型计算所有对象间的进化距离,然后根据不同的算法,从进化距离最短的开始依次聚类,利用距离方阵计算出最优树,或将分支长度之和最小化,获得最优树,常见的有UPGMA ,NJ 法等。适用与序列建间有明显差异的。 MP 法:最大简约法,这种方法构建的进化树试图用最少的替换数来揭示不同物种间序列的差异,因此需要找出比对序列间的有效信息位点在给出所有可能的系统进化树,最终从全部信息位点构建出的系统树中鉴别出整体变异数最小的树,及最佳的系统发育树。简约树的分值完全决定于所有重建祖先序列中的最小突变数,而突变是否按照事先约定的核苷酸最少替代的途径进行是不得而知。适用于亲缘关系很近相似度高的的序列建树

ML 法:极大似然法,一类基于完全统计的系统发生树重建方法的代表,该方法明确地使用概率模型。在ML 法中,以一个特定的替代模型分析既定的一组序列数据,使所获得的每一个拓扑结构的似然率均为最大,挑出其最大似然值最大的拓扑结构选为最终树,所考虑的参数不是拓扑结构而是每个拓扑结构的枝 长,并对似然值求最大来估计枝长。分析的核心在于替代模型——根据碱基频率的相等或不等、转换和颠换速率的相等或不等。适用于亲缘缘关系较远的以及其他各种形式的建树。 贝叶斯推论法:贝叶斯定理用于估算某一事件在另一相关联的事件发生以后将会发生的概率,即后验概率(posterior probability) 在系统发生分析中,贝叶斯推理法通过对一定数量进化树的后验概率分布情况进行分析, 从而对系统发生事件做出判断。分析时需要采用马可夫链- 蒙特卡罗( MCMC)数据模拟技术来估算后验概率。

与ML 法比较,可知Maximum likelihood search for tree that maximizes the chance of seeing the data (P (Data | Tree));Bayesian inference search for tree that maximizes the chance of seeing the tree given the data (P (Tree | Data))。

14.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,用来检验你所计算的进化树分支可信度的。简单地讲就是把序列的位点都重排,重排后的序列再用相同的办法构树,如果原来树的分枝在重排后构的树中也出现了,就给这个分枝打上一分,如果没出现就给0分,这样经过你给定的100-1000次重排构树打分后,每个分枝就都得出分值,计算机会给你换算成bootstrap 值。重排的序列有很多组合,值越大说明分枝的可信度越高。一般bootstrap 值大于70%时该进化分支的存在被认为是被引导检测所支持的。最好根据数据的情况选用不同的构树方法和模型,以期获得更加可靠的结果。 15.全局比对与局部比对的比较及生物学意义

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。

16.在序列比对时DNA 序列和蛋白质序列得分矩阵的意义有何不同?

核酸序列得分系统比较简单,只需要考虑匹配、不匹配及空位罚分这三种情况;而蛋白序列比对就要复杂得多,除了考虑匹配和空位罚分外,对于不匹配的情形,要根据不同氨基酸的性质区别对待,可以为正分、负分及零分其基本依据是PAM 矩阵或BLOSUM 矩阵。

)(),,(),,|()|,,(D P T P T D P D T P θτθτθτ?=

Bradi1g04080.1 0.164 0.228 0.329 0.307 0.566 0.491 0.285 0.982 1.535 0.239 0.187 Bradi1g04080.2 0 0 0 0 0 0 0 0 0 0 0 Bradi1g14000.1 28.05 39.66 24.86 33.25 30.18 27.94 3.182 10.97 10.15 37.45 28.29 Bradi1g14010.1 18.56 21.68 10.37 10.19 17.06 19.37 2.987 10.3 26.17 17.39 11.72 Bradi1g20390.1 15.25 37.66 176.5 28.26 90.42 20.31 10.08 34.74 27.08 29 22.02 Bradi1g28110.2 23.28 4.958 12.62 2.696 2.367 3.255 13.99 48.22 5.481 5.405 14.57 Bradi1g28950.2 1.9 1.289 1.051 1.147 1.618 0.964 0.423 1.458 0.869 1.57 1.791 Bradi1g28950.4 0 0.017 0 0 0 0 0 0 0 0 0 Bradi1g30720.1 109.4 268.9 62.53 255.9 171.3 26.53 16.74 57.69 41.29 133.2 174.2 Bradi1g35350.1 0 0.051 0.472 0 1.841 7.715 0.964 3.324 3.465 0.485 0.507 Bradi1g45040.1 0.547 0.364 0.27 0 0.066 0.098 0.496 1.71 0.446 0.243 0.396 Bradi1g45040.3 0 0.016 0 0 0.032 0 0 0 0.109 0.017 0 Bradi1g47570.1 21.8 11.32 6.627 6.502 9.649 4.743 1.658 5.714 9.662 9.292 12.48 Bradi1g74480.1 15.54 15.04 12.15 10.42 15.67 13.07 6.699 23.09 14.64 11.36 10.15 Bradi2g00670.1 48.33 57.57 36.43 41.98 11.3 2.178 4.017 13.85 19.25 25.25 31.9 Bradi2g06260.1 9.555 28.42 11.44 19.74 22.3 58.07 2.159 7.442 14.79 19.53 18.43 Bradi2g15560.1 28.67 17.61 13.58 11.09 14.89 2.61 10.35 35.68 21.39 31.38 36.35 Bradi2g19590.1 29.41 23.75 24.74 9.15 21.33 27.2 4.446 15.33 28.67 20.89 10.31 Bradi2g44910.1 14.71 6.888 9.902 4.339 6.808 16.03 2.768 9.543 21.63 12.82 14.69 Bradi2g46340.1 24.04 20.69 14.95 18.11 10.87 15.35 12.5 43.1 31.21 27.95 25.03 Bradi2g49700.1 4.424 5.702 42.6 3.828 11.67 24.81 1.464 5.048 4.385 4.066 5.96 Bradi2g49790.1 16.05 13.77 18.05 10.39 7.387 9.674 6.928 23.88 20.83 13.51 16.56 Bradi2g57470.1 0.859 0.256 76.38 0 0.17 1.513 4.359 15.02 7.328 4.335 1.44 Bradi3g01850.1 6.421 6.508 18.24 4.545 2.47 1.069 0.265 0.915 1.165 4.58 6.018 Bradi3g05520.2 69.18 77.04 27.84 56.6 104.5 43.42 32.71 112.7 92.73 45.53 35.26 Bradi3g08260.1 0.312 0.197 0.683 0 0.215 0.204 0.332 1.146 0.398 0.392 0.61 Bradi3g08260.2 0 0 0 0 0.019 0 0 0 0.064 0.02 0 Bradi3g09170.1 3.41 1.432 4.079 1.359 2.284 0.584 0.509 1.756 1.498 2.096 3.336 Bradi3g09170.2 0 0.025 0.231 0 0.075 0 0 0 0 0.053 0.035 Bradi3g13050.1 1.905 0.207 1.519 0 0.37 0.918 0.388 1.338 3.765 0.173 0.757 Bradi3g13060.1 1.079 0.522 23.48 0 0.779 3.207 0.49 1.687 5.717 0.547 0.826 Bradi3g18150.1 78.89 70.52 31.22 53.92 70.04 38.17 13.09 45.12 36.9 58.05 56.41 Bradi3g27120.1 0.493 0.305 0.175 0.288 0.493 0.183 0.107 0.37 0.064 0.14 0.429 Bradi3g27120.2 0 0 0 0 0 0 0 0 0 0 0 Bradi3g44707.1 13.25 12.29 2.16 4.119 1.715 1.238 1.017 3.504 6.144 9.966 17.68 Bradi3g45660.1 2.566 0.547 1.32 1.024 2.461 0.681 0.405 1.395 0.388 1.689 2.43 Bradi3g47600.1 44.92 62.46 11.26 88.23 198.2 14.98 3.709 12.78 21.57 30.21 34.25 Bradi3g48360.1 7.078 5.808 5.319 0.838 5.887 12.28 12.66 43.65 43.39 9.849 4.478 Bradi3g59510.1 19.69 15.46 15.52 18.01 24.81 19.04 13.69 47.2 41.8 15.34 12.75 Bradi3g60210.1 10.65 8.852 71.71 5.514 6.687 52.21 6.714 23.14 12.17 5.813 7.171 Bradi4g02367.1 1.068 0.643 0.252 0 0.541 0.549 3.481 12 2.168 0.259 0.975 Bradi4g02900.1 11.25 20.2 198.9 12.75 12.3 15.89 5.548 19.13 17.02 10.68 8.253 Bradi4g04470.1 22.27 17.63 14 9.781 7.439 28.18 5.888 20.3 26.81 18.67 23.83

Bradi4g09990.1 3.668 1.942 1.36 3.962 4.398 1.383 1.404 4.84 3.075 2.55 5.565 Bradi4g36880.1 0 0 0 0 0 0 0 0 0 0 0 Bradi4g36880.2 0.04 0.055 0.056 0 0.109 0.02 2.478 8.541 0.649 0.029 0 Bradi4g36880.4 0.543 0.176 0.18 0 0.225 0.037 0.307 1.058 0.085 0.079 0.035 Bradi4g38400.1 15.43 21.77 17.46 14.34 18.66 21.95 3.878 13.37 13.72 12.44 11.46 Bradi4g41870.1 2.821 1.379 3.343 0.926 1.097 1.857 0.144 0.495 0.723 2.345 3.278 Bradi4g41870.2 0 0.041 0 0 0 0.03 0 0 0 0 0 Bradi5g21330.1 1.165 0.709 0.723 0.153 0.161 2.514 0.816 2.814 1.228 1.91 1.083 Bradi5g26917.1 0.807 1.235 10.41 0 3.535 5.033 0.842 2.903 7.943 1.059 0

项目雌蕊花药种子授粉

5d

种子授粉

10d 胚乳胚叶片

早期花

Bradi1g07650.1 18.81 17.24 13.86 7.231 6.078 10.04 7.739 12.27 Bradi1g10970.1 9.582 6.736 7.731 4.111 6.435 3.162 16.9 8.411 Bradi1g41850.1 0.374 0.303 0.371 1.403 0.443 0 0.412 1.412 Bradi1g58810.1 1.11 41.22 0.937 0.059 0.082 0.388 0.367 1.435 Bradi1g65500.1 0.393 1.325 0 0 0.068 0 15.01 2.503 Bradi1g67397.1 31.57 17.1 28.16 25.01 16.68 15.44 52.11 23.21 Bradi2g17800.1 0.701 2.69 0.162 1.445 0.323 0.076 0.63 0.571 Bradi2g17820.1 2.657 2.098 0.588 0 1.211 0.079 0.062 0.059 Bradi2g17830.1 7.272 1.991 0 0 0.495 0.036 0 0.108 Bradi2g17840.1 1.508 1.749 0.286 1.748 0.948 0 0.035 0.201 Bradi2g47480.1 2.85 4.436 0.086 0.744 0.685 0.04 4.935 1.697 Bradi2g47490.1 5.434 12.39 0.534 1.107 0.98 1.656 4.977 1.214 Bradi2g47500.1 11.99 22.69 0.436 0.847 1.866 0.041 2.613 0.921 Bradi2g47510.1 1.697 5.813 0.079 0 0 0 2.383 0.387 Bradi3g10887.1 1.537 1.408 1.425 3.171 5.315 0.292 1.02 3.572 Bradi3g36080.1 0.221 0 0.026 0 0 0 0 0.361 Bradi3g36080.2 0 0.024 0.048 0 0 0 0 0.167 Bradi3g45790.1 1.766 0.122 0.659 0 0.387 0.843 1.461 1.602 Bradi3g51380.1 6.091 6.455 7.023 2.921 1.559 2.043 2.062 6.361 Bradi3g57740.1 9.755 4.45 2.772 2.927 4.428 3.374 4.926 5.769 Bradi4g22760.1 19.12 43.99 17.48 12.56 14.61 6.039 34.4 7.01 Bradi4g29500.1 9.862 5.032 6.419 3.489 0.387 5.769 0.234 34.29 Bradi5g10670.1 0.465 0.302 0.511 1.248 0.562 0.025 0.477 0.152 Bradi5g10670.2 0.078 0.137 0.081 0 0.107 0 0.12 0.114 Bradi5g18180.1 12.09 20.95 15.29 5.903 5.325 7.179 14.46 12.59 Bradi5g24870.1 0.576 1.941 0.773 0.247 0.327 0.349 0.254 0.524 Bradi5g24870.2 0.315 0.164 0.044 0 0.029 0 0.022 0 Bradi5g24870.3 0 0.046 0 0 0 0 0.034 0

lvs_bd stg1inf_bd stg2inf_bd anther_bd pistil_bd seed5_bd seed10_bd emb_bd endobio_bd kmeans_clu

Bradi5g10670 23.09 7.025 7.742 18.99 14.87 15.01 17.04 7.882 Bradi3g36080 0 15.97 7.98 4.261 4.611 2.972 4.269 3.398

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

生物信息学复习题及答案陶士珩

生物信息学复习题及答 案陶士珩 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

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。

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

生物信息学考试试卷修订稿

生物信息学考试试卷 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-

一、名词解释(每小题4分,共20分) 1、生物信息学 广义:生命科学中的信息科学。生物体系和过程中信息的存贮、传递和表达;细胞、组织、器官的生理、病理、药理过程的中各种生物信息。 狭义:生物分子信息的获取、存贮、分析和利用。 2、人类基因组计划 人类基因组计划准备用15年时间,投入30亿美元,完成人类全部24条染色体的3×109脱氧核苷酸对(bp)的序列测定,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。其中还包括模式生物(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。作图和测序是基本的任务,在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息。 3、蛋白质的一级结构 蛋白质的一级结构是指多肽链中氨基酸的序列 4、基因 基因--有遗传效应的DNA片断,是控制生物性状的基本遗传单位。 5、中心法则 是指遗传信息从传递给,再从RNA传递给,即完成遗传信息的转录和翻译的过程。也可以从DNA传递给DNA,即完成DNA的复制过程。这是所有有细胞结构的生物所遵循的法则。 6 、DNA序列比较 序列比较的根本任务是:(1)发现序列之间的相似性;(2)辨别序列之间的差异 目的: 相似序列相似的结构,相似的功能 判别序列之间的同源性 推测序列之间的进化关系 7、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 8、基因识别 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。 9、系统发生学 系统发生学(phylogenetics)——研究物种之间的进化关系。 10、基因芯片 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。

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 复习题及答案(打印)

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。 3.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。 4.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。 5.Entrez检索系统:是NCBI开发的核心检索系统,集成了NCBI的各种数据库,具有链接的数据库多,使用方便,能够进行交叉索引等特点。 6.BLAST: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。P94 7.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。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 11.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 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

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

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。

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

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)

相关文档