生物信息学题库7268

A.嗜极生物A.嗜极生物B.病毒■胞内细菌D.杆菌#/15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:指多肽链中氨基酸的序列4、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DNA传递给RNA,再从RNA传递给蛋白质，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：（1）相似序列®相似的结构，相似的功能（2）判别序列之间的同源性（3）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：研究物种之间的进化关系。10、基因芯片（genechip）: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。问答题生物信息学的大体定义是什么？其发展历程如何？（1）利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。目前的生物信息学基本上只是分子生物学与信息技术（尤其是互联网技术）的结合体。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。目前主要的研究方向有：序列比对、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及建立进化模型。（2）发展历程：①20世纪50年代，生物信息学开始孕育。②20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。③20世纪70年代，生物信息学的真正开端。④20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法。⑤20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。⑥20世纪90年代后，HGP促进生物信息学的迅速发展请论述生物信息学的研究内容有哪些？1）生物分子数据的收集与管理：①基因组数据库（EMBL、GenBank、DDBJ）②蛋白质序列数据库（SWTSS-PROT、PIR）③蛋白质结构数据库（PDB）2）数据库搜索及序列比较搜索同源序列在一定程度上就是通过序列比较寻找相似序列：①序列比较的一个基本操作就是比对（Alignment），即将两个序列的各个字符（代表核苷酸或者氨基酸残基）按照对应等同或者置换关系进行对比排列，其结果是两个序列共有的排列顺序，这是序列相似程度的一种定性描述。②多重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。3）基因组序列分析:①遗传语言分析一一天书②基因组结构分析③基因识别④基因功能注释⑤基因调控信息分析⑥基因组比较4）基因表达数据的分析与处理：基因表达数据分析是目前生物信息学研究的热点和重点。目前对基因表达数据的处理主要是进行聚类分析，将表达模式相似的基因聚为一类，在此基础上寻找相关基因，分析基因的功能。所用方法主要有：①相关分析方法②模式识别技术中的层次式聚类方法③人工智能中的自组织映射神经网络④主元分析方法5）蛋白质结构预测。蛋白质的生物功能由蛋白质的结构所决定，蛋白质结构预测成为了解蛋白质功能的重要途径。蛋白质结构预测分为:（1）二级结构预测:在一定程度上二级结构的预测可以归结为模式识别问题。在二级结构预测方面主要方法有：立体化学方法、图论方法、统计方法、最邻近决策方法、基于规则的专家系统方法、分子动力学方法、人工神经网络方法。预测准确率超过70%的第一个软件是基于神经网络的PHD系统。（2）空间结构预测：在空间结构预测方面，比较成功的理论方法是同源模型法。该方法的依据是：相似序列的蛋白质倾向于折叠成相似的三维空间结构,运用同源模型方法可以完成所有蛋白质10-30%的空间结构预测工作。请叙述构建系统进化树的一般步骤。［1］序列选择：从那些可以输出FASTA格式的数据库中选择［2］多序列比对［3］替代模型的选择［4］生成树：方式：distance-based；character-based:maximumparsimony；character-andmodel-based:maximumlikelihood；character-andmodel-based:Bayesian基于距离的树生成软件：MEGA和PAUPMEGA应用算法：UPGMA,基于距离的算法。［5］结果评估:原则（一致性、效率、和鲁棒性）；检测方法：最为常见的方法是引导检测的分析方法。引导检测法：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repetitions次（至少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,值越小说明分枝的可信度越低,最好根据数据的情况选用不同的构树方法和模型。归纳前面所讲,下面几点可以帮助我们解释进化树：（1）从根节点到任何一个节点的惟一路径和方向代表了进化时间；（2）根是树中所有物种的共同祖先；（3）根节点上的物种我们认为比树中其他所有的物种分化更早。如果无法确定根节点的物种,就使用无根树进行分析。NCBI的Entrez检索包含了哪些方面的信息。Entrez是NCBI为用户提供整合的访问序列、定位、分类及结构数据的搜索和检索的系统，是一个用以整合NCBI数据库中信息的搜寻和检索的工具，包括核酸序列、蛋白质序列、蛋白质三维结构、基因组图谱和通过PubMed检索的MEDLINE。其中，Entrez可以整合检索的序列数据库包括GenBank、EMBI—DDBJ、RefSeq、PIR-International、PRF、Swiss—Prot和PDB等。Entrez有两个显著的特点：第一是对每个数据库中的记录都预先做相似性比较，产生一个列表，包括序列、结构和MEDLINE文献记录等信息；第二是对某个数据库的记录与其他数据库的相关记录做了链接，使对不同数据库的访问得以整合。所以Entrez是通过相近性和硬连接来提供集成的信息检索。Entrez可以用很广泛的文本方式搜索，比如作者名字、杂志名字、基因或蛋白名、物种、单一的检索号（如：accessionnumber、序列ID、PubMedID、MEDLNEUID）和其他的术语，因此，Entrez是一个强大的检索相关序列、结构和参考文献的信息检索工具。BLAST系列软件分别用哪些数据搜索何种数据库？

協索庁列窑注ProteanProlceini匕規豪基祗序列叮生n使70阪处矩阶"样扳直旳夭峯"K4rSEGtriastnNucleotideNudcoticle1K用扳直分血的匹nd*刈饭远的X系不*适删fcrfa&tzxNudeotideProtein«■.ifc」一的六雜栄片所怡総欣弟#TflJ■搠的DMA序列和ESTs^^lFr,-d传mbiosifcnRrotninN加1d技蔽如库#汝如海连刈菱码-d毬曄*tiW序序列Ik牧恢嚴丿弄列和转啞丿庐态険晩再丄茯耒兮举徒弟蜒索丿狂列幻藏倨真核基因结构注释包括哪些内容？相关的软件所依据的理论基础是什么？基因预测川放谨码艇CJKINSCAIN<Jcmiini4=N«zanOI^TATMTCK基因结构分析INtMJcncZS|>i«l<ryKroSplicca-Spidcy转录调控序列心动了上其駅题蛤位点Ki>nC.'ister分析CpGFlg糠於终11:4.序列纽分分析*介迄限制和核假内切fife信点NKUcuUcrr密码ri^Tn^jij<?<H|»nWGENSCAN是美国麻省理工大学的ChrisBurge于1997年开发成功的人类(或脊椎动物)基因预测软件，它根据基因的整体结构进行基因预测，不依赖于已有的蛋白库，是一种从头预测软件；用于ORF识别。通过对特征序列(GT-AG)的分析进行直接的预测基因预测软件(NetGene2),内含子/外显子剪切位点识别。与相应的基因组序列比对，分析比对片段的分布位置(Spidey),用于mRNA剪切位点识别。选择性剪切数据库：ProSplicer。启动子结合位点分析：Cister。限制性酶切位点分析：NEBcutter。密码子使用偏好性分析：CodonW。请概述基因组注释的大体流程。(1)基因组注释(Genomeannotation)是利用生物信息学方法和工具,对基因组所有基因的生物学功能进行高通量注释,是当前功能基因组学研究的一个热点。基因组注释的研究内容包括基因识别和基因功能注释两个方面。基因识别的核心是确定全基因组序列中所有基因的确切位置。从基因组序列预测新基因,现阶段主要是3种方法的结合:⑴分析mRNA和EST数据以直接得到结果;⑵通过相似性比对从已知基因和蛋白质序列得到间接证据;(3)基于各种统计模型和算法从头预测。对预测出的基因进行高通量功能注释可以借助于以下方法,利用已知功能基因的注释信息为新基因注释:(1)序列数据库相似性搜索;⑵序列模体(Motif)搜索;⑶直系同源序列聚类分析(Clusteroforthologousgroup,COG).(2)基因组注释系统是MGAP的核心,整合了许多常用的基因识别和蛋白质功能预测软件,包括GeneMarks、IPRsearch、BLASTPGP和FASTA3等，以及多个数据库,如非冗余蛋白质序列数据库(Nonredundant,NR)、已知三维空间结构的蛋白质序列数据库(PDBSeq)、国际蛋白质资源信息系统(InterPro)和直系同源蛋白质家族数据库(Clusteroforthologousgroups,COG)等，编写了相应的模块进行自动操作，并把每一步注释结果导入数据库中。MGAP整合的一般模块,可以被其他任何一种微生物基因组直接使用。综合题(共60分)1・生物信息学分析的数据对象主要有哪几种？这些数据之间存在着什么关系？其研究重点主要落实在核酸和蛋白质两个方面，包括它们的序列、结构和功能。生物信息学以基因组DNA序列信息分析作为出发点，破译遗传语言，认识遗传信息的组织规律，辨别隐藏在DNA序列中的基因，掌握基因调控信息，对蛋白质空间结构进行模拟和预测，依据蛋白质结构和功能的关系进行药物分子设计。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？A.收集和管理生物分子数据；数据分析和挖掘；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。B.(1)生物分子数据的收集与管理；(2)数据库搜索及序列比较；(3)基因组序列分析；(4)基因表达数据的分析与处理；(5)蛋白质结构预测。5・在基因组序列分析方面，科学家关注哪些信息？就人类基因组而言，编码区域在人类基因组所占的比例不超过3%。其余97%是非编码序列。对于非编码序列，人们了解得比较少，尚不清楚其含义或功能。然而，非编码区域对于生命活动具有重要的意义。这部分序列主要包括内含子、简单重复序列、移动元件(mobileelement)及其遗留物、伪基因(pseudogene)等。6・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？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。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。7、简述分子生物学中的“中心法则”。“中心法则”的核心是什么？(1)DNA是遗传物质，是携带遗传信息的载体。信息从基因的核苷酸序列中被提取出，用来指导蛋白质合成的过程对地球上的所有生物都是相同的，分子生物学家称之为中心法则(centraldogma)。(2)“中心法则”的核心：DNA分子中的遗传信息转录(transcription)到RNA分子中(即RNA聚合酶以DNA为模板合成RNA),再由RNA翻译(translation)生成体内各种蛋白质，行使特定的生物功能。8、简要介绍GenBank中的DNA序列格式。答：GenBank数据库(包括NCBI核酸和蛋白质序列数据库)中条目格式如下：给出描述每一个序列的信息，包括文献参考、序列的功能信息、mRNA和编码区域的位置，以及重要突变的位置。这些序列信息以字段的形式进行组织，每一行最前端都有一个标识符。在某些条目中，标识符可能缩写成两个字母(例如RF代表reference)，某些字段可能还有次级字段。计算机程序中的序列条目位于标识符“ORIGIN”和“//”之间。9、PCR引物设计的原则?答：引物与模板的序列要紧密互补。引物与引物之间避免形成稳定的二聚体或发夹结构。引物不能在模板的非目的位点引发DNA聚合反应（即错配）。引物的长度一般为15-30bp,常用的是18-24bp,但不应大于38。对引物的修饰一般是在5'端增加酶切位点。尽可能少的引物二聚体。引物序列的GC含量一般为40-60%。10、为什么要进行序列片段组装?在进行序列片段组装时会遇到哪些问题?大规模基因组测序得到待测序列的一系列序列片段,这些序列片段覆盖待测序列,序列片段之间也存在着相互覆盖或者重叠。遇到的问题：碱基标识错误；不知道片段的方向；存在重复区域；缺少覆盖。11、国际上有哪几个著名的核酸序列数据库?（1）欧洲分子生物学实验室的EMBL。（2）美国生物技术信息中心的GenBank。（3）日本遗传研究所的DDBJ12、生物信息学研究意义何在?答：1）认识生物本质：了解生物分子信息的组织和结构,破译基因组信息,阐明生物信息之间的关系。2）改变生物学的研究方式：变传统研究方式,引进现代信息学方法。3）在医学上的重要意义：为疾病的诊断和治疗提供依据,为设计新药提供依据。三、论述题（两个小题,共20分）1、简述人类基因组计划与生物信息学之间的相互促进关系。人类基因组计划（HumanGenomeProject,HGP）是美国在1990年提出实施的一项伟大的科学计划，与阿波罗登月计划、曼哈顿原子弹计划同称为人类自然科学史上的三大计划。自实施以来,该计划在世界各国引起了很大反响。在人类基因组计划中，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3X109个碱基对（bp,basepair）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。随着人类基因组计划的提出和实施，实验数据和可利用信息急剧增加，人类基因组计划提供了以往不可想象的巨量的生物学信息资源。基因组信息的收集、储存、分发、分析显得越来越紧迫和重要，信息的管理和分析成为人类基因组计划实施过程中的一项重要工作，人类基因组计划向信息学提出了巨大的挑战。值得庆幸的是，人类基因组计划一开始就与计算机技术、信息高速公路同步发展，信息技术为生物信息学的发展提供了非常好的条件，为生物信息学的研究和应用提供了非常好的支撑。生物信息学与人类基因组计划紧密结合，互相渗透，生物信息学成为基因组计划不可分割的一部分。事实证明，人类基因组计划在生物信息学的支持下，前进步伐大大加快，已经提前完成计划，功能基因组研究也已经全面展开。而人类基因组计划反过来又大大促进了生物信息学的发展，HGP丰富了生物信息学的研究内容，促进生物信息学新思想、新方法的产生，生物信息学在最近10年迅速发展的历程证明了这一点。1、生物序列相似性搜索的blast程序blastn、blastp、blastx、Tblastn、Tblastx各自有何区别和用途？答：程序名检测序列数据库类型方法Blastp蛋白质蛋白质用检测序列蛋白质搜索蛋白质序列数据库Blastn核酸核酸用检测序列核酸搜索核酸序列数据库Blastx核酸蛋白质将核酸序列按6条链翻译成蛋白质序列后搜索蛋白质序列数据库Tblastn蛋白质核酸用检测序列蛋白质搜索由核酸序列数据库按6条链翻译成的蛋白质序列数据库Tblastx核酸核酸将核酸序列按6条链翻译成蛋白质序列后搜索由核酸序列数据库按6条链翻译成的蛋白质序列数据库2000年6月26日，被誉为生命阿波罗计划的人类基因组计划，经过美、英、日、法、德和中国科学家的艰苦努力，终于完成了工作草图，这是人类科学世上又一个里程碑式的事件。1977年Sanger研究小组完成了第一个噬菌体全基因组的测序，并发现内含子。1997年，国内第一个生物信息中心北京大学生物信息学中心成立,从此，我国生物信息学研究得到蓬勃发展。生物信息学可以理解为生物学（或生命科学）和信息学（或计算机科学与应用）的交叉学科。生物信息学所倡导的全球范围的资源共享将对整个自然科学，乃至整个人类发展产生深远的影响。“第三次技术革命基因组革命时代，目前它处于初级阶段，一场与工业革命和以计算机为基础的革命有相同影响力的变化正在开始。”生物信息学产生和迅猛发展的主要推动力来自于新一代测序等高通量技术在生命科学领域越来越广泛的应用。生物信息学：生物信息学是一门交叉科学，它包含了生物信息的获取、处理、存储、分发、分析和解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量数据所包含的生物学意义。根据数据库存储的具体内容可分为一级数据库和二级数据库两种类型。根据数据库存放数据类型的不同，可以分为序列数据库、结构数据库、文献数据库、序列特征数据库、基因组图谱数据库、表达谱数据库等等。11•核酸序列数据库常用的有NCBI、EMBL、DDBJ.常用的蛋白结构数据库有PDB、SCCOP、GO（geneontology）语义分分子功能（MolecularFunction）、生物学过程（BiologicalProcess）、细胞组件（CellularComponent）三大类。常见的功能注释数据库GO、IPR和KEGG。序列比对的常用工具：FASTA、BLAST。序列比对的常用算法：dotplot、动态规划算法、BLAST算法。打分矩阵的构建，是基于远距离进化过程中观察到的残基替换率,并用不同的打分值表征不同残基之间相似程度。常用的打分矩阵：PAM矩阵（Dayhoff突变数据矩阵）、BLOSUM矩阵序列比对：是运用某种特定的数学模型和算法，找出两个或多个序列之间最大的匹配碱基或残基数目，比对结果反映了算法的多大程度上提供序列之间的相似性关系及它们的生物学特征。序列比对所使用的参数都有哪些？序列比对的目的是什么？序列比对（1）发现序列之间的相似性；（2）辨别序列之间的差异参数包括：分值（打分矩阵）、相似性（％）、同一性（％）、E值目的：相似序列推测相似的结构，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同一性：P47相似性：P47蛋白质序列分析主要内容包括蛋白质一级序列、蛋白质二级结构、蛋白质超二级结构、蛋白质三级结构、蛋白质分类。蛋白质的基本性质:相对分子质量、氨基酸组成、等电点（PI）、消光系数、半衰期、不稳定系数、总平均亲水性。蛋白质二级结构预测的分析流程：1D序列预测、序列基序识别、二硫键识别、无序结构识别、折叠子识别、残基接触预测、结构域预测、结构表面识别。蛋白质三级结构的预测方法：同源