生物信息學(xué)_復(fù)習(xí)題及答案(打印)

1、一、名詞解釋：1.生物信息學(xué)： 研究大量生物數(shù)據(jù)復(fù)雜關(guān)系的學(xué)科，其特征是多學(xué)科交叉，以互聯(lián)網(wǎng)為媒介，數(shù)據(jù)庫為載體。利用數(shù)學(xué)知識(shí)建立各種數(shù)學(xué)模型; 利用計(jì)算機(jī)為工具對(duì)實(shí)驗(yàn)所得大量生物學(xué)數(shù)據(jù)進(jìn)行儲(chǔ)存、檢索、處理及分析，并以生物學(xué)知識(shí)對(duì)結(jié)果進(jìn)行解釋。2.二級(jí)數(shù)據(jù)庫：在一級(jí)數(shù)據(jù)庫、實(shí)驗(yàn)數(shù)據(jù)和理論分析的基礎(chǔ)上針對(duì)特定目標(biāo)衍生而來，是對(duì)生物學(xué)知識(shí)和信息的進(jìn)一步的整理。3.FASTA序列格式：是將DNA或者蛋白質(zhì)序列表示為一個(gè)帶有一些標(biāo)記的核苷酸或者氨基酸字符串，大于號(hào)（>）表示一個(gè)新文件的開始，其他無特殊要求。4.genbank序列格式：是GenBank 數(shù)據(jù)庫的基本信息單位，是最為廣泛的生物信息學(xué)

2、序列格式之一。該文件格式按域劃分為4個(gè)部分：第一部分包含整個(gè)記錄的信息（描述符）；第二部分包含注釋；第三部分是引文區(qū)，提供了這個(gè)記錄的科學(xué)依據(jù)；第四部分是核苷酸序列本身，以“/”結(jié)尾。5.Entrez檢索系統(tǒng)：是NCBI開發(fā)的核心檢索系統(tǒng)，集成了NCBI的各種數(shù)據(jù)庫，具有鏈接的數(shù)據(jù)庫多，使用方便，能夠進(jìn)行交叉索引等特點(diǎn)。6.BLAST：基本局部比對(duì)搜索工具，用于相似性搜索的工具，對(duì)需要進(jìn)行檢索的序列與數(shù)據(jù)庫中的每個(gè)序列做相似性比較。P947.查詢序列（query sequence）：也稱被檢索序列，用來在數(shù)據(jù)庫中檢索并進(jìn)行相似性比較的序列。P988.打分矩陣（scoring matrix）：在

3、相似性檢索中對(duì)序列兩兩比對(duì)的質(zhì)量評(píng)估方法。包括基于理論（如考慮核酸和氨基酸之間的類似性）和實(shí)際進(jìn)化距離（如PAM）兩類方法。P299.空位（gap）：在序列比對(duì)時(shí)，由于序列長(zhǎng)度不同，需要插入一個(gè)或幾個(gè)位點(diǎn)以取得最佳比對(duì)結(jié)果，這樣在其中一序列上產(chǎn)生中斷現(xiàn)象，這些中斷的位點(diǎn)稱為空位。P2910.空位罰分：空位罰分是為了補(bǔ)償插入和缺失對(duì)序列相似性的影響，序列中的空位的引入不代表真正的進(jìn)化事件，所以要對(duì)其進(jìn)行罰分，空位罰分的多少直接影響對(duì)比的結(jié)果。P3711.E值：衡量序列之間相似性是否顯著的期望值。E值大小說明了可以找到與查詢序列（query）相匹配的隨機(jī)或無關(guān)序列的概率，E值越接近零，越不可能找到

4、其他匹配序列，E值越小意味著序列的相似性偶然發(fā)生的機(jī)會(huì)越小，也即相似性越能反映真實(shí)的生物學(xué)意義。P9512.低復(fù)雜度區(qū)域：BLAST搜索的過濾選項(xiàng)。指序列中包含的重復(fù)度高的區(qū)域，如poly（A）。13.點(diǎn)矩陣（dot matrix）：構(gòu)建一個(gè)二維矩陣，其X軸是一條序列，Y軸是另一個(gè)序列，然后在2個(gè)序列相同堿基的對(duì)應(yīng)位置（x，y）加點(diǎn)，如果兩條序列完全相同則會(huì)形成一條主對(duì)角線，如果兩條序列相似則會(huì)出現(xiàn)一條或者幾條直線；如果完全沒有相似性則不能連成直線。14.多序列比對(duì)：通過序列的相似性檢索得到許多相似性序列，將這些序列做一個(gè)總體的比對(duì)，以觀察它們?cè)诮Y(jié)構(gòu)上的異同，來回答大量的生物學(xué)問題。15.分子

5、鐘：認(rèn)為分子進(jìn)化速率是恒定的或者幾乎恒定的假說，從而可以通過分子進(jìn)化推斷出物種起源的時(shí)間。16.系統(tǒng)發(fā)育分析：通過一組相關(guān)的基因或者蛋白質(zhì)的多序列比對(duì)或其他性狀，可以研究推斷不同物種或基因之間的進(jìn)化關(guān)系。17.進(jìn)化樹的二歧分叉結(jié)構(gòu)：指在進(jìn)化樹上任何一個(gè)分支節(jié)點(diǎn)，一個(gè)父分支都只能被分成兩個(gè)子分支。系統(tǒng)發(fā)育圖：用枝長(zhǎng)表示進(jìn)化時(shí)間的系統(tǒng)樹稱為系統(tǒng)發(fā)育圖，是引入時(shí)間概念的支序圖。18.直系同源：指由于物種形成事件來自一個(gè)共同祖先的不同物種中的同源序列，具有相似或不同的功能。（書：在缺乏任何基因復(fù)制證據(jù)的情況下，具有共同祖先和相同功能的同源基因。）19.旁系（并系）同源：指同一個(gè)物種中具有共同祖先，通過

6、基因重復(fù)產(chǎn)生的一組基因，這些基因在功能上可能發(fā)生了改變。(書：由于基因重復(fù)事件產(chǎn)生的相似序列。)20.外類群：是進(jìn)化樹中處于一組被分析物種之外的，具有相近親緣關(guān)系的物種。21.有根樹：能夠確定所有分析物種的共同祖先的進(jìn)化樹。22.除權(quán)配對(duì)算法（UPGMA）：最初，每個(gè)序列歸為一類，然后找到距離最近的兩類將其歸為一類，定義為一個(gè)節(jié)點(diǎn)，重復(fù)這個(gè)過程，直到所有的聚類被加入，最終產(chǎn)生樹根。23.鄰接法（neighbor-joining method）：是一種不僅僅計(jì)算兩兩比對(duì)距離，還對(duì)整個(gè)樹的長(zhǎng)度進(jìn)行最小化，從而對(duì)樹的拓?fù)浣Y(jié)構(gòu)進(jìn)行限制，能夠克服UPGMA算法要求進(jìn)化速率保持恒定的缺陷。24.最大簡(jiǎn)約法

7、（MP）：在一系列能夠解釋序列差異的的進(jìn)化樹中找到具有最少核酸或氨基酸替換的進(jìn)化樹。25.最大似然法（ML）：它對(duì)每個(gè)可能的進(jìn)化位點(diǎn)分配一個(gè)概率，然后綜合所有位點(diǎn)，找到概率最大的進(jìn)化樹。最大似然法允許采用不同的進(jìn)化模型對(duì)變異進(jìn)行分析評(píng)估，并在此基礎(chǔ)上構(gòu)建系統(tǒng)發(fā)育樹。26.一致樹（consensus tree）：在同一算法中產(chǎn)生多個(gè)最優(yōu)樹，合并這些最優(yōu)樹得到的樹即一致樹。27.自舉法檢驗(yàn)（Bootstrap）：放回式抽樣統(tǒng)計(jì)法。通過對(duì)數(shù)據(jù)集多次重復(fù)取樣，構(gòu)建多個(gè)進(jìn)化樹，用來檢查給定樹的分枝可信度。28.開放閱讀框（ORF）：開放閱讀框是基因序列的一部分，包含一段可以編碼蛋白的堿基序列。29.密碼

8、子偏好性（codon bias）：氨基酸的同義密碼子的使用頻率與相應(yīng)的同功tRNA的水平相一致，大多數(shù)高效表達(dá)的基因僅使用那些含量高的同功tRNA所對(duì)應(yīng)的密碼子，這種效應(yīng)稱為密碼子偏好性。30.基因預(yù)測(cè)的從頭分析：依據(jù)綜合利用基因的特征，如剪接位點(diǎn)，內(nèi)含子與外顯子邊界，調(diào)控區(qū)，預(yù)測(cè)基因組序列中包含的基因。31.結(jié)構(gòu)域（domain）：保守的結(jié)構(gòu)單元，包含獨(dú)特的二級(jí)結(jié)構(gòu)組合和疏水內(nèi)核，可能單獨(dú)存在，也可能與其他結(jié)構(gòu)域組合。相同功能的同源結(jié)構(gòu)域具有序列的相似性。32.超家族：進(jìn)化上相關(guān)，功能可能不同的一類蛋白質(zhì)。33.模體（motif）：短的保守的多肽段，含有相同模體的蛋白質(zhì)不一定是同源的，一般1

9、0-20個(gè)殘基。34.序列表譜（profile）：是一種特殊位點(diǎn)或模體序列，在多序列比較的基礎(chǔ)上，氨基酸的權(quán)值和空位罰分的表格。35.PAM矩陣：PAM指可接受突變百分率。一個(gè)氨基酸在進(jìn)化中變成另一種氨基酸的可能性，通過這種可能性可以鑒定蛋白質(zhì)之間的相似性，并產(chǎn)生蛋白質(zhì)之間的比對(duì)。一個(gè)PAM單位是蛋白質(zhì)序列平均發(fā)生1%的替代量需要的進(jìn)化時(shí)間。36.BLOSUM矩陣：模塊替代矩陣。矩陣中的每個(gè)位點(diǎn)的分值來自蛋白比對(duì)的局部塊中的替代頻率的觀察。每個(gè)矩陣適合特定的進(jìn)化距離。例如，在BLOSUM62矩陣中，比對(duì)的分值來自不超過62%一致率的一組序列。37.PSI-BLAST：位點(diǎn)特異性迭代比對(duì)。是一種

10、專門化的的比對(duì)，通過調(diào)節(jié)序列打分矩陣（scoring matrix）探測(cè)遠(yuǎn)緣相關(guān)的蛋白。38.RefSeq：給出了對(duì)應(yīng)于基因和蛋白質(zhì)的索引號(hào)碼，對(duì)應(yīng)于最穩(wěn)定、最被人承認(rèn)的Genbank序列。39.PDB（Protein Data Bank）：PDB中收錄了大量通過實(shí)驗(yàn)（X射線晶體衍射，核磁共振NMR）測(cè)定的生物大分子的三維結(jié)構(gòu)，記錄有原子坐標(biāo)、配基的化學(xué)結(jié)構(gòu)和晶體結(jié)構(gòu)的描述等。PDB數(shù)據(jù)庫的訪問號(hào)由一個(gè)數(shù)字和三個(gè)字母組成（如，4HHB），同時(shí)支持關(guān)鍵詞搜索，還可以FASTA程序進(jìn)行搜索。40.GenPept:是由GenBank中的DNA序列翻譯得到的蛋白質(zhì)序列。數(shù)據(jù)量很大，且隨核酸序列數(shù)據(jù)庫的

11、更新而更新，但它們均是由核酸序列翻譯得到的序列，未經(jīng)試驗(yàn)證實(shí)，也沒有詳細(xì)的注釋。41.折疊子（Fold）：在兩個(gè)或更多的蛋白質(zhì)中具有相似二級(jí)結(jié)構(gòu)的大區(qū)域，這些大區(qū)域具有特定的空間取向。42.TrEMBL：是與SWISS-PROT相關(guān)的一個(gè)數(shù)據(jù)庫。包含從EMBL核酸數(shù)據(jù)庫中根據(jù)編碼序列(CDS)翻譯而得到的蛋白質(zhì)序列，并且這些序列尚未集成到SWISS-PROT數(shù)據(jù)庫中。43.MMDB(Molecular Modeling Database)：是（NCBI）所開發(fā)的生物信息數(shù)據(jù)庫集成系統(tǒng)Entrez的一個(gè)部分，數(shù)據(jù)庫的內(nèi)容包括來自于實(shí)驗(yàn)的生物大分子結(jié)構(gòu)數(shù)據(jù)。與PDB相比，對(duì)于數(shù)據(jù)庫中的每一個(gè)生物大

12、分子結(jié)構(gòu)，MMDB具有許多附加的信息，如分子的生物學(xué)功能、產(chǎn)生功能的機(jī)制、分子的進(jìn)化歷史等 ，還提供生物大分子三維結(jié)構(gòu)模型顯示、結(jié)構(gòu)分析和結(jié)構(gòu)比較工具。44.SCOP數(shù)據(jù)庫：提供關(guān)于已知結(jié)構(gòu)的蛋白質(zhì)之間結(jié)構(gòu)和進(jìn)化關(guān)系的詳細(xì)描述，包括蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫PDB中的所有條目。SCOP數(shù)據(jù)庫除了提供蛋白質(zhì)結(jié)構(gòu)和進(jìn)化關(guān)系信息外，對(duì)于每一個(gè)蛋白質(zhì)還包括下述信息：到PDB的連接，序列，參考文獻(xiàn)，結(jié)構(gòu)的圖像等。可以按結(jié)構(gòu)和進(jìn)化關(guān)系對(duì)蛋白質(zhì)分類，分類結(jié)果是一個(gè)具有層次結(jié)構(gòu)的樹，其主要的層次依次是類（class）、折疊子（fold）、超家族（super family）、家族（family）、單個(gè)PDB蛋白結(jié)構(gòu)記錄。

13、45.PROSITE：是蛋白質(zhì)家族和結(jié)構(gòu)域數(shù)據(jù)庫，包含具有生物學(xué)意義的位點(diǎn)、模式、可幫助識(shí)別蛋白質(zhì)家族的統(tǒng)計(jì)特征。 PROSITE中涉及的序列模式包括酶的催化位點(diǎn)、配體結(jié)合位點(diǎn)、與金屬離子結(jié)合的殘基、二硫鍵的半胱氨酸、與小分子或其它蛋白質(zhì)結(jié)合的區(qū)域等；PROSITE還包括根據(jù)多序列比對(duì)而構(gòu)建的序列統(tǒng)計(jì)特征，能更敏感地發(fā)現(xiàn)一個(gè)序列是否具有相應(yīng)的特征。 46.Gene Ontology 協(xié)會(huì)：編輯一組動(dòng)態(tài)的、可控的基因產(chǎn)物不同方面性質(zhì)的字匯的協(xié)會(huì)。 從3個(gè)方面描述基因產(chǎn)物的性質(zhì)，即，分子功能，生物過程，細(xì)胞區(qū)室。47.表譜（PSSM）：指一張基于多序列比對(duì)的打分表，表示一個(gè)蛋白質(zhì)家族，可以用來搜索

14、序列數(shù)據(jù)庫。48.比較基因組學(xué)：是在基因組圖譜和測(cè)序的基礎(chǔ)上，利用某個(gè)基因組研究獲得的信息推測(cè)其他原核生物、真核生物類群中的基因數(shù)目、位置、功能、表達(dá)機(jī)制和物種進(jìn)化的學(xué)科。49.簡(jiǎn)約信息位點(diǎn)：指基于DNA或蛋白質(zhì)序列，利用最大簡(jiǎn)約法構(gòu)建系統(tǒng)發(fā)育樹時(shí)，如果每個(gè)位點(diǎn)的狀態(tài)至少存在兩種，每種狀態(tài)至少出現(xiàn)兩次的位點(diǎn)。其它位點(diǎn)為都是非簡(jiǎn)約性信息位點(diǎn)。4. 一致序列：這些序列是指把多序列聯(lián)配的信息壓縮至單條序列，主要的缺點(diǎn)是除了在特定位置最常見的殘基之外，它們不能表示任何概率信息。5. HMM 隱馬爾可夫模型：一種統(tǒng)計(jì)模型，它考慮有關(guān)匹配、錯(cuò)配和間隔的所有可能的組合來生成一組序列排列。（課件定義）是蛋白質(zhì)

15、結(jié)構(gòu)域家族序列的一種嚴(yán)格的統(tǒng)計(jì)模型，包括序列的匹配，插入和缺失狀態(tài)，并根據(jù)每種狀態(tài)的概率分布和狀態(tài)間的相互轉(zhuǎn)換來生成蛋白質(zhì)序列。6. 信息位點(diǎn)：由位點(diǎn)產(chǎn)生的突變數(shù)目把其中的一課樹與其他樹區(qū)分開的位點(diǎn)。7. 非信息位點(diǎn)：對(duì)于最大簡(jiǎn)約法來說沒有意義的點(diǎn)。8. 標(biāo)度樹：分支長(zhǎng)度與相鄰節(jié)點(diǎn)對(duì)的差異程度成正比的樹。9. 非標(biāo)度樹：只表示親緣關(guān)系無差異程度信息。10. 有根樹：?jiǎn)我坏墓?jié)點(diǎn)能指派為共同的祖先，從祖先節(jié)點(diǎn)只有唯一的路徑歷經(jīng)進(jìn)化到達(dá)其他任何節(jié)點(diǎn)。11. 無根樹：只表明節(jié)點(diǎn)間的關(guān)系，無進(jìn)化發(fā)生方向的信息，通過引入外群或外部參考物種，可以在無根樹中指派根節(jié)點(diǎn)。18. 質(zhì)譜(MS)是一種準(zhǔn)確測(cè)定真空中

16、離子的分子質(zhì)量/電荷比(m/z)的方法，從而使分子質(zhì)量的準(zhǔn)確確定成為可能。質(zhì)譜分析的兩個(gè)工具19. 分子途徑是指一組連續(xù)起作用以達(dá)到共同目標(biāo)的蛋白質(zhì)。20. 虛擬細(xì)胞：一種建模手段，把細(xì)胞定義為許多結(jié)構(gòu)，分子，反應(yīng)和物質(zhì)流的集合體。21. 先導(dǎo)化合物：是指具有一定藥理活性的、可通過結(jié)構(gòu)改造來優(yōu)化其藥理特性而可能導(dǎo)致藥物發(fā)現(xiàn)的特殊化合物。就是利用計(jì)算機(jī)在含有大量化合物三維結(jié)構(gòu)的數(shù)據(jù)庫中，搜索能與生物大分子靶點(diǎn)匹配的化合物，或者搜索能與結(jié)合藥效團(tuán)相符的化合物，又稱原型物，簡(jiǎn)稱先導(dǎo)物，是通過各種途徑或方法得到的具有生物活性的化學(xué)結(jié)構(gòu)22. 權(quán)重矩陣（序列輪廓）：它們表示完全結(jié)構(gòu)域序列，多序列聯(lián)配中每

17、個(gè)位點(diǎn)的氨基酸都有分值，并且特定位置插入或缺失的可能性均有一定的衡量方法（課件定義）?；A(chǔ)上針對(duì)特定的應(yīng)用目標(biāo)而建立的數(shù)據(jù)庫。23. 系統(tǒng)發(fā)育學(xué)（phylogenetic）：確定生物體間進(jìn)化關(guān)系的科學(xué)分支。24. 系統(tǒng)生物學(xué)（systems biology）：是研究一個(gè)生物系統(tǒng)中所有組分成分（基因、mRNA、蛋白質(zhì)等）的構(gòu)成以及在特定條件下這些組分間的相互關(guān)系，并分析生物系統(tǒng)在一定時(shí)間內(nèi)的動(dòng)力學(xué)過程25. 蛋白質(zhì)組（proteome）：是指一個(gè)基因組、一種生物或一個(gè)細(xì)胞/組織的基因組所表達(dá)的全套蛋白質(zhì)。26. ESI電噴霧離子化：一種適合大分子如蛋白質(zhì)離子化沒有明顯降解的質(zhì)譜技術(shù)。1. 鳥槍法

18、測(cè)序（shotgun method）一種測(cè)序方法，包括從基因組中獲得隨機(jī)的、已測(cè)序的克隆片段，并且對(duì)初始基因的位置一無所知。2. BLAST：基本局部相似性比對(duì)搜索工具。在序列數(shù)據(jù)庫中快速查找與給定的序列具有最優(yōu)局部對(duì)準(zhǔn)結(jié)果的序列的一種序列對(duì)算法。3. 整體聯(lián)配（global alignment）：對(duì)兩個(gè)核苷酸或蛋白質(zhì)序列的全長(zhǎng)所進(jìn)行的比對(duì)。4. FASTA：是第一個(gè)被廣泛使用的數(shù)據(jù)庫相似性搜索算法，這個(gè)程序通過掃描序列中“詞”的小配對(duì)，從而尋找最優(yōu)局部比對(duì)。5. 算法（algorithm）：在計(jì)算機(jī)程序中包含的一種固定過程。6. 序列比對(duì)（alignment）：將兩個(gè)或多個(gè)序列排在一起，以達(dá)

19、到最大一致性的過程（對(duì)于氨基酸序列是比較他們的保守性），這樣 評(píng)估序列間的相似性和同源性。7. 多序列比對(duì)（multiple sequence alignment）：三個(gè)或多個(gè)序列之間的比對(duì)，如果序列在同一列有相同結(jié)構(gòu)位置的殘基和（或）祖?zhèn)鞯臍埢瑒t會(huì)在該位置插入空位。8. 最佳聯(lián)配（optimal alignment）：兩個(gè)序列之間有最高打分值的排列。9. 空位（gap）：在兩條序列比對(duì)過程中需要在檢測(cè)序列或目標(biāo)序列中引入空位，以表示插入或刪除。10. 模塊替換矩陣（BLUSUM）在替換矩陣中，每個(gè)位置的打分是在相關(guān)蛋白局部比對(duì)模塊中觀察到的替換的頻率而獲得的，每個(gè)矩陣被修改成一個(gè)特殊的進(jìn)化

20、距離。11. 可接受點(diǎn)突變（PAM）一個(gè)用于衡量蛋白質(zhì)序列的進(jìn)化突變程度的單位。12. 互補(bǔ)序列（complementary sequence）能夠與其他DNA片段根據(jù)堿基互補(bǔ)序列（A與T配對(duì)，G與C配對(duì)）形成兩練結(jié)構(gòu)的核苷酸序列。13. 保守序列（conserved sequence）指DNA分子中的一個(gè)核苷酸片段或者蛋白質(zhì)中氨基酸片段，它們?cè)谶M(jìn)化過程中基本保持不變。14. 鄰接片段（contig）與支架（scaffold）15. 鄰接片段：一組在染色體上有重疊區(qū)域的DNA片段的克隆；16. 支架：由序列重疊群拼接而成。17. 注釋（annotation）對(duì)數(shù)據(jù)庫中原始的DNA堿基序列添加相

21、關(guān)信息（比如編碼的基因，氨基酸序列等）或其他的注解。18. 基因預(yù)測(cè)（gene prediction）用計(jì)算機(jī)程序?qū)赡艿幕蛩龅念A(yù)測(cè)，它是基于DNA片段與已知基因序列的匹配程度的。19. 直系同源（Orthologous）指不同種類的同源序列，他們是在物種的形成事件中從一個(gè)祖先序列獨(dú)立進(jìn)化而成的，可能有相似功能，也可能沒有。20. 旁系同源（paralogous）是通過類似基因復(fù)制的機(jī)制產(chǎn)生的同源序列。21. 替換（substitution）在指定的位置不相同的氨基酸進(jìn)行連配，如果聯(lián)配的殘基有相似的物化性質(zhì)，那么替換是保守的。22. 表達(dá)序列標(biāo)簽（EST）一種短的DNA片段，是cDNA分子

22、的一部分，可用來鑒定基因，通常用于基因定位和基因圖譜中。23. 多態(tài)性（PolyMorphism）多個(gè)個(gè)體之間DNA的差異叫多態(tài)性。24. 基因預(yù)測(cè)（Gene Prediction） 同1925. 序列模式（Motif）蛋白質(zhì)序列中短的保守區(qū)域，它們是結(jié)構(gòu)域中保守性很高的部分。26. 結(jié)構(gòu)域（domain）：蛋白質(zhì)在折疊時(shí)候與其它部分相獨(dú)立的一個(gè)不連續(xù)部分，他有自己獨(dú)特的功能。27. 開放閱讀框（ORF）位于DNA或RNA上起始密碼子與終止密碼子之間的序列。28. 表達(dá)譜（profile）一個(gè)顯示某個(gè)同源家族中指定位置打分值和空位罰分的表格，可以用于搜索序列數(shù)據(jù)庫。29. 分子鐘（molecu

23、lar clock）對(duì)于每一個(gè)給定基因（或蛋白質(zhì)）其分子進(jìn)化率大致是恒定的。30. 系統(tǒng)發(fā)生（phylogeny）是指生物種族的進(jìn)化歷史，亦即生物體在整個(gè)進(jìn)化譜31. 分子進(jìn)化樹（molecular evolutionary tree）在研究生物進(jìn)化和系統(tǒng)分類中，常用一種類似樹狀分支的圖形來概括各種（類）生物之間的親緣關(guān)系，這種樹狀分支的圖形成為系統(tǒng)發(fā)育樹(phylogenetic tree)。一、選擇題:1. 以下哪一個(gè)是mRNA條目序列號(hào)： A. J01536. NM_15392C. NP_52280D. AAB1345062. 確定某個(gè)基因在哪些組織中表達(dá)的最直接獲取相關(guān)信息方式是： .

24、 UnigeneB. EntrezC. LocusLinkD. PCR3. 一個(gè)基因可能對(duì)應(yīng)兩個(gè)Unigene簇嗎？ 可能B. 不可能4. 下面哪種數(shù)據(jù)庫源于mRNA信息： dbESTB. PDBC. OMIMD. HTGS5. 下面哪個(gè)數(shù)據(jù)庫面向人類疾病構(gòu)建： A. ESTB. PDB. OMIMD. HTGS6. Refseq和GenBank有什么區(qū)別： A. Refseq包括了全世界各個(gè)實(shí)驗(yàn)室和測(cè)序項(xiàng)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Refseq7. 如果你需要查詢文獻(xiàn)信息，下列哪個(gè)數(shù)據(jù)庫

25、是你最佳選擇： A. OMIMB. Entrez PubMedD. PROSITE8. 比較從Entrez和ExPASy中提取有關(guān)蛋白質(zhì)序列信息的方法，下列哪種說法正確：A. 因?yàn)镚enBank的數(shù)據(jù)比EMBL更多，Entrez給出的搜索結(jié)果將更多B. 搜索結(jié)果很可能一樣，因?yàn)镚enBank和EMBL的序列數(shù)據(jù)實(shí)際一樣 搜索結(jié)果應(yīng)該相當(dāng)，但是ExPASy中的SwissProt記錄的輸出格式不同9. 天冬酰胺、色氨酸和酪氨酸的單字母代碼分別對(duì)應(yīng)于： N/W/YB. Q/W/YC. F/W/YD. Q/N/W10. 直系同源定義為： 不同物種中具有共同祖先的同源序列B. 具有較小的氨基酸一致性但是

26、有較大的結(jié)構(gòu)相似性的同源序列C. 同一物種中由基因復(fù)制產(chǎn)生的同源序列D. 同一物種中具有相似的并且通常是冗余的功能的同源序列11. 下列那個(gè)氨基酸最不容易突變： A. 丙氨酸B. 谷氨酰胺C. 甲硫氨酸 半胱氨酸12. PAM250矩陣定義的進(jìn)化距離為兩同源序列在給定的時(shí)間有多少百分比的氨基酸發(fā)生改變： A. 1%B. 20%. 80%D. 250%13. 下列哪個(gè)句子最好的描述了兩個(gè)序列全局比對(duì)和局部比對(duì)的不同：A. 全局比對(duì)通常用于比對(duì)DNA序列，而局部比對(duì)通常用于比對(duì)蛋白質(zhì)序列B. 全局比對(duì)允許間隙，而局部比對(duì)不允許C. 全局比對(duì)尋找全局最大化，而局部比對(duì)尋找局部最大化 全局比對(duì)比對(duì)整體

27、序列，而局部比對(duì)尋找最佳匹配子序列14. 假設(shè)你有兩條遠(yuǎn)源相關(guān)蛋白質(zhì)序列。為了比較它們，最好使用下列哪個(gè)BLOSUM和PAM矩陣： BLOSUM45和PAM250B. BLOSUM45和PAM1C. BLOSUM80和PAM250D. BLOSUM10和PAM115. 與PAM打分矩陣比較，BLOSUM打分矩陣的最大區(qū)別是：A. 最好用于比對(duì)相關(guān)性高的蛋白B. 它是基于近相關(guān)蛋白的全局多序列比對(duì) 它是基于遠(yuǎn)相關(guān)蛋白的局部多序列比對(duì)D. 它結(jié)合了全局比對(duì)和局部比對(duì)16. 如果有一段DNA序列，它可能編碼多少種蛋白質(zhì)序列： A. 1B. 2C. 3. 617. 要在數(shù)據(jù)庫查詢一段與某DNA序列編碼

28、蛋白質(zhì)最相似的序列，應(yīng)選擇： A. blastn B. blastpC. tblastnD. tblastp blastx18. 為什么ClustalW（一個(gè)采用了Feng-Doolittle漸進(jìn)比對(duì)算法的程序）不報(bào)告E值：A. ClustalW報(bào)告E值 使用了全局比對(duì)C. 使用了局部比對(duì)D. 因?yàn)槭嵌嘈蛄斜葘?duì)19. Feng-Doolittle方法提出“一旦是空隙，永遠(yuǎn)是空隙”規(guī)則的依據(jù)是：A. 保證空隙不會(huì)引物序列加入而填充B. 假定進(jìn)化早期分歧的序列有較高優(yōu)先級(jí)別 假定最近序列空隙應(yīng)該保留D. 假定最遠(yuǎn)序列空隙應(yīng)該保留20. 根據(jù)分子鐘假說： A. 所有蛋白質(zhì)都保持一個(gè)相同的恒定進(jìn)化速率

29、B. 所有蛋白質(zhì)的進(jìn)化速率都與化石記錄相符合C. 對(duì)于每一個(gè)給定的蛋白質(zhì)，分子進(jìn)化的速率是逐漸減慢的，就如同不準(zhǔn)時(shí)的鐘 對(duì)于每一個(gè)給定的蛋白質(zhì)，其分子進(jìn)化的速率在所有的進(jìn)化分支上大致是恒定21. 系統(tǒng)發(fā)生樹的兩個(gè)特征是： A. 進(jìn)化分支和進(jìn)化節(jié)點(diǎn) 樹的拓?fù)浣Y(jié)構(gòu)和分支長(zhǎng)度C. 進(jìn)化分支和樹根D. 序列比對(duì)和引導(dǎo)檢測(cè)方法22. 下列哪一個(gè)是基于字母特征的系統(tǒng)發(fā)生分析的算法： A. 鄰位連接法（NJ法）B. Kimura算法 最大似然法（ML）D. 非加權(quán)平均法（UPGMA）23. 基于字母特征和基于距離的系統(tǒng)發(fā)生分析的算法的基本差異是： 基于字母特征的算法沒有定義分支序列的中間數(shù)據(jù)矩陣B. 基于字

30、母特征的算法可應(yīng)用于DNA或者蛋白質(zhì)序列，而基于距離僅能用于DNA C. 基于字母特征的算法無法運(yùn)用簡(jiǎn)約算法 D. 基于字母特征的算法的進(jìn)化分支與進(jìn)化時(shí)間無關(guān)24. 一個(gè)操作分類單元（OTU）可指：A. 多序列比對(duì) 蛋白質(zhì)序列C. 進(jìn)化分支D. 進(jìn)化節(jié)點(diǎn)25. 構(gòu)建進(jìn)化樹最直接的錯(cuò)誤來源是：多序列比對(duì)錯(cuò)誤B. 采樣的算法差異C. 假設(shè)進(jìn)化分支是單一起源D. 嘗試推測(cè)基因的進(jìn)化關(guān)系26. 第一個(gè)被完整測(cè)定的基因組序列是： A. 啤酒酵母的3號(hào)染色體B. 流感病毒 X174D. 人類基因組27. 普通的真核生物線粒體基因組編碼大約多少個(gè)蛋白質(zhì)： 10 B. 100C. 1000D. 1000028

31、. 根據(jù)基因組序列預(yù)測(cè)蛋白質(zhì)編碼基因的算法的最大問題是： A. 軟件太難使用. 假陽性率太高，許多不是外顯子的序列部分被錯(cuò)誤指定C. 假陽性率太高，許多不是外顯子功能未知D. 假陰性率太高，丟失太多外顯子位點(diǎn)29. HIV病毒亞型的系統(tǒng)演化研究可以： A. 證實(shí)HIV病毒是由牛病毒演化而來 . 用于指導(dǎo)開發(fā)針對(duì)保守蛋白的疫苗C. 證實(shí)哪些人類組織最容易遭受病毒侵染30. 一個(gè)典型的細(xì)菌基因組大小約為多少bp： A. 20000. 200000 C. 2000000D. 2000000031. 細(xì)菌基因組與真核生物基因組分析工具存在較大差異的主要原因是：A. 細(xì)菌擁有不同的密碼子B. 細(xì)菌沒有細(xì)

32、胞核C. 細(xì)菌很少有基因與真核同源 細(xì)菌DNA的基因含量、組成結(jié)構(gòu)很不一樣32. 下列具有最小基因組的原核生物可能是：A. 嗜極生物B. 病毒 胞內(nèi)細(xì)菌D. 桿菌33. 要證明某大腸桿菌中的某個(gè)基因是水平轉(zhuǎn)移而來，需要：A. 分析該大腸桿菌中該基因的GC含量與其他基因是否有很大差異B. 分析該大腸桿菌中該基因的密碼子使用與其他基因是否有很大差異C. 系統(tǒng)發(fā)生分析該基因與其他物種中基因的同源關(guān)系 獲取以上三個(gè)方面的信息34. C值矛盾是指： A. 某些基因組中核苷酸C的含量少B. 真核生物基因組大小同編碼蛋白質(zhì)的基因個(gè)數(shù)沒有相關(guān)性真核生物基因組大小同屋中的復(fù)雜性相關(guān)性很小D. 真核生物基因組大小

33、同進(jìn)化上的年齡相關(guān)性小35. 成百上千個(gè)48bp的重復(fù)序列單元最可能出現(xiàn)在： A. 散布性重復(fù)序列中B. 假基因中 端粒中D. 片段復(fù)制區(qū)域36. 從頭預(yù)測(cè)真核基因的原因有：A. 外顯子/內(nèi)含子邊界難以確定B. 內(nèi)含子長(zhǎng)度可能只有幾個(gè)堿基對(duì)C. 編碼區(qū)域的GC含量并不總是與非編碼區(qū)相同 以上三個(gè)方面的原因37. 人類基因組大小大約是多少M(fèi)b： A. 130 B. 300 3000 D. 3000038. 各種重復(fù)元件在人類基因組中大約占的百分比為： A. 5%B. 25%50%D. 95%39. 蛋白質(zhì)編碼區(qū)域占人類基因組百分比是： 1-5%B. 5-10%C. 10-20%D. 20-4-%

34、40. 人類基因組中GC含量高的區(qū)域：A. 基因密度相對(duì)較低 基因密度相對(duì)較高C. 基因密度多變D. 基因所含密碼子相對(duì)較少41. 人類復(fù)合孟德爾遺傳的基因疾病約占疾病基因的： 1%B. 10%C. 50%D. 60%42. 單基因疾病趨向于： 在普通人群較少見，并且發(fā)生時(shí)間較早 B. 在普通人群較常見，并且發(fā)生時(shí)間較早C. 在普通人群較少見，并且發(fā)生時(shí)間較晚D. 在普通人群較常見，并且發(fā)生時(shí)間較晚二.填空題1. 常用的三種序列格式：NBRF/PIR,FASTA和GDE2. 初級(jí)序列數(shù)據(jù)庫：GenBank，EMBL和DDBJ3. 蛋白質(zhì)序列數(shù)據(jù)庫：SWISS-PROT和TrEMBL4. 提供蛋

35、白質(zhì)功能注釋信息的數(shù)據(jù)庫：KEGG（京都基因和基因組百科全書）和PIR（蛋白質(zhì)信息資源）5. 目前由NCBI維護(hù)的大型文獻(xiàn)資源是PubMed6. 數(shù)據(jù)庫常用的數(shù)據(jù)檢索工具：Entrez，SRS，DBGET7. 常用的序列搜索方法：FASTA和BLAST8. 高分值局部聯(lián)配的BLAST參數(shù)是HSPs（高分值片段對(duì)），E（期望值）9. 多序列聯(lián)配的常用軟件：Clustal10. 蛋白質(zhì)結(jié)構(gòu)域家族的數(shù)據(jù)庫有：Pfam，SMART11. 系統(tǒng)發(fā)育學(xué)的研究方法有：表現(xiàn)型分類法，遺傳分類法和進(jìn)化分類法 12. 系統(tǒng)發(fā)育樹的構(gòu)建方法： 距離矩陣法，最大簡(jiǎn)約法和最大似然法13. 常用系統(tǒng)發(fā)育分析軟件：PHYL

36、IP14. 檢測(cè)系統(tǒng)發(fā)育樹可靠性的技術(shù)：bootstrapping和Jack-knifing15. 原核生物和真核生物基因組中的注釋所涉及的問題是不同的16. 檢測(cè)原核生物ORF的程序：NCBI ORF finder17. 測(cè)試基因預(yù)測(cè)程序正確預(yù)測(cè)基因的能力的項(xiàng)目是GASP（基因預(yù)測(cè)評(píng)估項(xiàng)目）18. 二級(jí)結(jié)構(gòu)的三種狀態(tài)：螺旋，折疊和轉(zhuǎn)角19. 用于蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的基本神經(jīng)網(wǎng)絡(luò)模型為三層的前饋網(wǎng)絡(luò)，包括輸入層，隱含層和輸出層20. 通過比較建模預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的軟件有SWISS-PDBVIEWER（SWISSMODEL網(wǎng)站）21. 蛋白質(zhì)質(zhì)譜數(shù)據(jù)搜索工具：SEQUEST22. 分子途徑最廣泛數(shù)

37、據(jù)庫：KEGG23. 聚類分析方法，分為有監(jiān)督學(xué)習(xí)方法，無監(jiān)督學(xué)習(xí)方法24. 質(zhì)譜的兩個(gè)數(shù)據(jù)庫搜索工具：SEQEST和Lutkefish二、問答題1） 生物信息學(xué)的發(fā)展經(jīng)歷了哪幾個(gè)階段答：生物信息學(xué)的發(fā)展經(jīng)歷了3個(gè)階段。第一個(gè)階段是前基因組時(shí)代。這一階段主要是以各種算法法則的建立、生物數(shù)據(jù)庫的建立以及DNA和蛋白質(zhì)序列分析為主要工作；第二階段是基因組時(shí)代。這一階段以各種基因組計(jì)劃測(cè)序、網(wǎng)絡(luò)數(shù)據(jù)庫系統(tǒng)的建立和基因?qū)ふ覟橹饕ぷ?。第三階段是后基因組時(shí)代。這一階段的主要工作是進(jìn)行大規(guī)?；蚪M分析、蛋白質(zhì)組分析以及其他各種基因組學(xué)研究。2） 生物信息學(xué)步入后基因組時(shí)代后，其發(fā)展方向有哪幾個(gè)方面。答：生

38、物信息學(xué)步入后基因組時(shí)代后，其發(fā)展方向主要有：各種生物基因組測(cè)序及新基因的發(fā)現(xiàn)；單核苷酸多態(tài)性（SNP）分析；基因組非編碼區(qū)信息結(jié)構(gòu)與分析；比較基因組學(xué)和生物進(jìn)化研究；蛋白質(zhì)結(jié)構(gòu)和功能的研究。3）美國國家生物技術(shù)信息中心（NCBI）的主要工作是什么？請(qǐng)列舉3個(gè)以上Entrez系統(tǒng)可以檢索的數(shù)據(jù)庫。（NCBI維護(hù)的數(shù)據(jù)庫）NCBI的主要工作是在分子水平上應(yīng)用數(shù)學(xué)和計(jì)算機(jī)科學(xué)的方法研究基礎(chǔ)生物，醫(yī)學(xué)問題。為科學(xué)界開發(fā)，維護(hù)和分享一系列的生物信息數(shù)據(jù)庫；開發(fā)和促進(jìn)生物信息學(xué)數(shù)據(jù)庫，數(shù)據(jù)的儲(chǔ)存，交換以及生物學(xué)命名規(guī)則的標(biāo)準(zhǔn)化。維護(hù)的主要數(shù)據(jù)庫包括答：PubMed、核酸序列數(shù)據(jù)庫GenBank、PROW

39、、三維蛋白質(zhì)結(jié)構(gòu)分子模型數(shù)據(jù)庫MMDB。4）序列的相似性與同源性有什么區(qū)別與聯(lián)系？答：相似性是指序列之間相關(guān)的一種量度，兩序列的的相似性可以基于序列的一致性的百分比；而同源性是指序列所代表的物種具有共同的祖先，強(qiáng)調(diào)進(jìn)化上的親緣關(guān)系。P1475）BLAST套件的blastn、blastp、blastx、tblastn和tblastx子工具的用途什么？答：blastn是將給定的核酸序列與核酸數(shù)據(jù)庫中的序列進(jìn)行比較；Blastp是使用蛋白質(zhì)序列與蛋白質(zhì)數(shù)據(jù)庫中的序列進(jìn)行比較，可以尋找較遠(yuǎn)的關(guān)系；Blastx將給定的核酸序列按照六種閱讀框架將其翻譯成蛋白質(zhì)與蛋白質(zhì)數(shù)據(jù)庫中的序列進(jìn)行比對(duì)，對(duì)分析新序列和

40、EST很有用；Tblastn將給定的氨基酸序列與核酸數(shù)據(jù)庫中的序列（雙鏈）按不同的閱讀框進(jìn)行比對(duì)，對(duì)于尋找數(shù)據(jù)庫中序列沒有標(biāo)注的新編碼區(qū)很有用；Tblastx只在特殊情況下使用，它將DNA被檢索的序列和核酸序列數(shù)據(jù)庫中的序列按不同的閱讀框全部翻譯成蛋白質(zhì)序列，然后進(jìn)行蛋白質(zhì)序列比對(duì)。P976）簡(jiǎn)述BLAST搜索的算法思想。答：BLAST是一種局部最優(yōu)比對(duì)搜索算法，將所查詢的序列打斷成許多小序列片段，然后小序列逐步與數(shù)據(jù)庫中的序列進(jìn)行比對(duì)，這些小片段被叫做字”word”；當(dāng)一定長(zhǎng)度的的字（W）與檢索序列的比對(duì)達(dá)到一個(gè)指定的最低分（T）后，初始比對(duì)就結(jié)束了；一個(gè)序列的匹配度由各部分匹配分?jǐn)?shù)的總和決

41、定，獲得高分的序列叫做高分匹配片段（HSP），程序?qū)⒆詈玫腍SP雙向擴(kuò)展進(jìn)行比對(duì)，直到序列結(jié)束或者不再具有生物學(xué)顯著性，最后所得到的 序列是那些在整體上具有最高分的序列，即，最高分匹配片段（MSP），這樣，BLAST既保持了整體的運(yùn)算速度，也維持了比對(duì)的精度。P957）什么是物種的標(biāo)記序列？答：指物種特有的一段核苷酸序列?？梢酝ㄟ^相似性查詢，得到某一序列在數(shù)據(jù)庫中的某一物種中反復(fù)出現(xiàn)，且在其他物種中沒有的明顯相似的序列。8）什么是多序列全局比對(duì)的累進(jìn)算法？（三個(gè)步驟）答：第一，所有的序列之間逐一比對(duì)（雙重比對(duì)）；第二，生成一個(gè)系統(tǒng)樹圖，將序列按相似性大致分組；第三，使用系統(tǒng)樹圖作為引導(dǎo)，產(chǎn)生出

42、最終的多序列比對(duì)結(jié)果。P529）簡(jiǎn)述構(gòu)建進(jìn)化樹的步驟，每一步列舉1-2種使用的軟件或統(tǒng)計(jì)學(xué)方法。答：（1）多序列比對(duì)：Clustal W （2）校對(duì)比對(duì)結(jié)果：BIOEDIT（3）建樹：MEGA（4）評(píng)估系統(tǒng)發(fā)育信號(hào)和進(jìn)化樹的牢固度：自舉法（Bootstrap）P11410）簡(jiǎn)述除權(quán)配對(duì)法（UPGMA）的算法思想。答：通過兩兩比對(duì)聚類的方法進(jìn)行，在開始時(shí)，每個(gè)序列分為一類，分別作為一個(gè)樹枝的生長(zhǎng)點(diǎn)，然后將最近的兩序列合并，從而定義出一個(gè)節(jié)點(diǎn)，將這個(gè)過程不斷的重復(fù)，直到所有的序列都被加入，最后得到一棵進(jìn)化樹。P11911）簡(jiǎn)述鄰接法（NJ）構(gòu)樹的算法思想。答：鄰接法的思想不僅僅計(jì)算最小兩兩比對(duì)距離

43、，還對(duì)整個(gè)樹的長(zhǎng)度進(jìn)行最小化，從而對(duì)樹的拓?fù)浣Y(jié)構(gòu)進(jìn)行限制。這種算法由一棵星狀樹開始，所有的物種都從一個(gè)中心節(jié)點(diǎn)出發(fā)，然后通過計(jì)算最小分支長(zhǎng)度的和相繼尋找到近鄰的兩個(gè)序列，每一輪過程中考慮所有可能的序列對(duì)，把能使樹的整個(gè)分支長(zhǎng)度最小的序列對(duì)一組，從而產(chǎn)生新的距離矩陣，直到尋找所有的近鄰序列。P11712）簡(jiǎn)述最大簡(jiǎn)約法（MP）的算法思想。P68答：是一種基于離散特征的進(jìn)化樹算法。生物演化應(yīng)該遵循簡(jiǎn)約性原則，所需變異次數(shù)最少（演化步數(shù)最少）的演化樹可能為最符合自然情況的系統(tǒng)樹。在具體的操作中，分為非加權(quán)最大簡(jiǎn)約分析（或稱為同等加權(quán)）和加權(quán)最大簡(jiǎn)約分析，后者是根據(jù)性狀本身的演化規(guī)律（比如DNA不同位

44、點(diǎn)進(jìn)化速率不同）而對(duì)其進(jìn)行不同的加權(quán)處理。P12013）簡(jiǎn)述最大似然法（ML）的算法思想。P69答：是一種基于離散特征的進(jìn)化樹算法。該法首先選擇一個(gè)合適的進(jìn)化模型，然后對(duì)所有可能的進(jìn)化樹進(jìn)行評(píng)估，通過對(duì)每個(gè)進(jìn)化位點(diǎn)的替代分配一個(gè)概率，最后找出概率最大的進(jìn)化樹。P12214）UPGMA構(gòu)樹法不精確的原因是什么？P69答：由個(gè)于UPGMA假設(shè)在進(jìn)化過程中所有核苷酸/氨基酸都有相同的變異率，也就是存在著一個(gè)分子鐘；這種算法當(dāng)所構(gòu)建的進(jìn)化樹的序列進(jìn)化速率明顯不一致時(shí)，得到的進(jìn)化樹相對(duì)來說不準(zhǔn)確的。P119,倒數(shù)第2段，前4行。15) 在MEGA2軟件中，提供了哪些堿基替換距離模型，試列舉其中3種，解釋

45、其含義。答：堿基替換模型包括，No.of differences 、p-distance、Jukes-Cantor distance、T ajima-Nei distance、Kimur 2-parameter distance、Tamura 3-parameter distance、Tamura-Nei distancep-distance： 表示有差異的核苷酸位點(diǎn)在序列中所占比例，將有差異的核苷酸位點(diǎn)數(shù)除已經(jīng)比對(duì)的總位點(diǎn)數(shù)就可以得到Jukes-Cantor：模型假設(shè) A T C G 的替換速率是一致的，然后給出兩個(gè)序列核苷酸替換數(shù)的最大似然估計(jì)Kimura 2-parameter：模型考慮

46、到了轉(zhuǎn)換很顛換隊(duì)多重?fù)糁械挠绊?，但假設(shè)整個(gè)序列中4鐘核苷酸的頻率是相同哈德在不同位點(diǎn)上的堿基替換頻率是相同的16）列舉5項(xiàng)DNA序列分析的內(nèi)容及代表性分析工具。答：（1）尋找重復(fù)元件：RepeatMasker （2）同源性檢索確定是否存在已知基因：BLASTn （3）從頭開始方法預(yù)測(cè)基因：Genscan （4）分析各種調(diào)控序列：TRES/DRAGON PROMOTOR FINDER (5) CpG島：CpGPlot P130，表格代表性工具：ORF Finder、BLASTn、tBLASTx、BLASTx、Gene Wise 17）如何用BLAST發(fā)現(xiàn)新基因？ 答：從一個(gè)一直蛋白質(zhì)序列開始，通

47、過tBLASTn工具搜索一個(gè)DNA數(shù)據(jù)庫，可以找到相應(yīng)的匹配，如與DNA編碼的已知蛋白質(zhì)的匹配或者與DNA編碼的相關(guān)蛋白質(zhì)的匹配。然后通過BLASTx或BLASTp在蛋白質(zhì)數(shù)據(jù)庫中搜索DNA或蛋白質(zhì)序列來“確定”一個(gè)新基因。18）試述SCOP蛋白質(zhì)分類方案答：SCOP將PDB數(shù)據(jù)庫中的蛋白質(zhì)按傳統(tǒng)分類方法分成型、型、/型、+型，并將多結(jié)構(gòu)域蛋白、膜蛋白和細(xì)胞表面蛋白、N蛋白單獨(dú)分類，一共分成7種類型，并在此基礎(chǔ)上，按折疊類型、超家族、家族三個(gè)層次逐級(jí)分類。對(duì)于具有不同種屬來源的同源蛋白家族，SCOP數(shù)據(jù)庫按照種屬名稱將它們分成若干子類，一直到蛋白質(zhì)分子的亞基。19）試述SWISS-PROT中的

48、數(shù)據(jù)來源。答：（1）從核酸數(shù)據(jù)庫經(jīng)過翻譯推導(dǎo)而來；（2）從蛋白質(zhì)數(shù)據(jù)庫PIR挑選出合適的數(shù)據(jù)；（3）從科學(xué)文獻(xiàn)中摘錄；（4）研究人員直接提交的蛋白質(zhì)序列數(shù)據(jù)。20）TrEMBL哪兩個(gè)部分？ 答：（1）SP-TrEMBL(SWISS-PROT TrEMBL)包含最終將要集成到SWISS-PROT的數(shù)據(jù)，所有的SP-TrEMBL序列都已被賦予SWISS-PROT的登錄號(hào)。（2）REM-TrEMBL(REMaining TrEMBL)包括所有不準(zhǔn)備放入SWISS-PROT的數(shù)據(jù)，因此這部分?jǐn)?shù)據(jù)都沒有登錄號(hào)。21）試述PSI-BLAST 搜索的5個(gè)步驟。答：1 選擇待查序列（query）和蛋白質(zhì)數(shù)據(jù)庫

49、；2 PSI-BLAST 構(gòu)建一個(gè)多序列比對(duì)，然后創(chuàng)建一個(gè)序列表譜（profile）又稱特定位置打分矩陣（PSSM）；3 PSSM被用作 query搜索數(shù)據(jù)庫4 PSI-BLAST 估計(jì)統(tǒng)計(jì)學(xué)意義 (E values)5 重復(fù) 3 和 4 , 直到?jīng)]有新的序列發(fā)現(xiàn)。22）列舉5種常用的系統(tǒng)發(fā)育分析軟件 PHYLIP、PAUP、MEGA、PAML、TreeView。三. 操作與計(jì)算題1.如何獲取訪問號(hào)為U49845的genbank文件？解釋如下genbank文件的LOCUS行提供的信息： LOCUS SCU49845 5028 bp DNA linear PLN 21-JUN-1999 答：（1

50、）訪問NCBI的Entrez檢索系統(tǒng)，（2）選擇核酸數(shù)據(jù)庫，（3）輸入U(xiǎn)49845序列訪問號(hào)開始檢索。第一項(xiàng)是LOCUS名稱，前三個(gè)字母代表物種名第二項(xiàng)是序列長(zhǎng)度第三項(xiàng)是序列分子類型第四項(xiàng)是分子為線性的第五項(xiàng)是GenBank分類碼第六項(xiàng)是最后修訂日期 P132.利用Entrez檢索系統(tǒng)對(duì)核酸數(shù)據(jù)搜索，輸入如下信息，將獲得什么結(jié)果：AF114696:AF114714ACCN。P35 答：獲得序列訪問號(hào)AF114696到AF114714之間的連續(xù)編號(hào)的序列。3.相比使用BLAST套件搜索數(shù)據(jù)庫，BLAST2工具在結(jié)果呈現(xiàn)上有什么優(yōu)點(diǎn)？答：BLAST2序列分析工具，它能進(jìn)行兩條序列的精確比對(duì)，同時(shí)給

51、出兩序列的圖形化比對(duì)結(jié)果和文本形式的聯(lián)配結(jié)果。4.MEGA2如何將其它多序列比對(duì)格式文件轉(zhuǎn)化為MEGE格式的多序列比對(duì)文件？答：（1）選擇菜單file，（2）選擇Text File Editor and Format Coverter 工具，（3）調(diào)入需要轉(zhuǎn)換的序列和相應(yīng)的格式，（4）獲得轉(zhuǎn)換后的MEGA格式的文件并保存。5.什么簡(jiǎn)約信息位點(diǎn)Pi?答：指基于DNA或蛋白質(zhì)序列，應(yīng)用最大簡(jiǎn)約法構(gòu)建系統(tǒng)發(fā)育樹時(shí)，如果某個(gè)位點(diǎn)的狀態(tài)存在兩種或兩種以上，每種狀態(tài)出現(xiàn)兩次或兩次以上，這樣的位點(diǎn)稱簡(jiǎn)約信息位點(diǎn)。6. 以下軟件的主要用途是什么？RepeatMasker, CpGPlot, Splice Vi

52、ew, Genscan, ORF finder, neural network promoter prediction.答：RepeatMasker：是對(duì)重復(fù)序列進(jìn)行分析的軟件GpGPlot：用來查找一條DNA序列中CpG島，使用Gardine-Garden和Frommer描述的方法Splice View：是對(duì)一段序列進(jìn)行剪接位點(diǎn)的分析即其中的受體和供體位點(diǎn)Genscan：是一種從頭分析工具ORF finder：是用來分析序列ORF的工具neural networkpromoter prediction：神經(jīng)網(wǎng)絡(luò)啟動(dòng)子預(yù)測(cè)是另外一種分析啟動(dòng)子的方法10.試述蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)的三類方法（1）同

53、源建模，(1) 同源建模方法：對(duì)于一個(gè)未知結(jié)構(gòu)的蛋白質(zhì)，找到一個(gè)已知結(jié)構(gòu)的同源蛋白質(zhì)，以該蛋白質(zhì)的結(jié)構(gòu)為模板，為未知結(jié)構(gòu)的蛋白質(zhì)建立結(jié)構(gòu)模型，序列相似性低于30%的蛋白質(zhì)難以得到理想的結(jié)構(gòu)模型；（2）在已知結(jié)模板的序列一致率小于25%時(shí)，使用折疊識(shí)別方法進(jìn)行預(yù)測(cè)；（3）在找不到已知結(jié)構(gòu)的蛋白質(zhì)模板時(shí)使用從頭預(yù)測(cè)的方法。1. FASTA序列格式 第一行以“>”開頭但并沒有指明是蛋白質(zhì)還是核酸序列。后跟代碼，接著是注釋（在同一行），通常注釋要以“|”符號(hào)相隔，第一行沒有長(zhǎng)度限制。值得注意的是FASTA文件允許以小寫字母表示氨基酸。文件擴(kuò)展名為“.fasta”。 （NBIR/PIR序列格式 第

54、一行以“>”開頭，后面緊跟兩字母編碼（P1代表蛋白質(zhì)序列，N1代表核酸），再接一個(gè)分號(hào)，分號(hào)后緊跟序列標(biāo)識(shí)號(hào)。后面是說明行，該行可長(zhǎng)可短，沒有長(zhǎng)度限制。接下來是序列本身，以“*”號(hào)終止。文件的擴(kuò)展名為“.pir”或“.seq”。 GDE序列格式 與FASTA的格式基本相同，但行首為“%”，文件擴(kuò)展名為“.gde”。）2. BLAST的五個(gè)子程序程序查詢序列數(shù)據(jù)庫種類簡(jiǎn)述方法Blastp蛋白質(zhì)蛋白質(zhì)可以找到具有遠(yuǎn)源進(jìn)化關(guān)系的匹配序列待搜索蛋白序列與蛋白數(shù)據(jù)庫比較Blastn核苷酸核苷酸適合尋找分值較高的匹配，不適合遠(yuǎn)源關(guān)系待搜索核酸序列與核酸數(shù)據(jù)庫比較Blastx核苷酸（已翻譯）蛋白質(zhì)適合

55、新DNA序列和EST序列的分析將待搜索核酸序列按6個(gè)讀框翻譯成蛋白質(zhì)序列，然后與數(shù)據(jù)庫中的蛋白質(zhì)比較TBlastn蛋白質(zhì)核苷酸（已翻譯）適合尋找數(shù)據(jù)庫中尚未標(biāo)注的編碼區(qū)將數(shù)據(jù)庫中核酸序列按6個(gè)讀框翻譯成蛋白序列，然后與待搜索蛋白序列對(duì)比TBlastx核苷酸（已翻譯）核苷酸（已翻譯）適合分析EST序列無論是待搜索核酸序列還是數(shù)據(jù)庫中核酸序列，都按6個(gè)讀框翻譯成蛋白序列3. 生物類的數(shù)據(jù)庫類別： 一級(jí)數(shù)據(jù)庫：數(shù)據(jù)庫中的數(shù)據(jù)直接來源于實(shí)驗(yàn)獲得的原始數(shù)據(jù)，只經(jīng)過簡(jiǎn)單的歸類整理和注釋；二級(jí)數(shù)據(jù)庫：對(duì)原始生物分子數(shù)據(jù)進(jìn)行整理、分類的結(jié)果，是在一級(jí)數(shù)據(jù)庫、實(shí)驗(yàn)數(shù)據(jù)和理論分析的基礎(chǔ)上針對(duì)特定的應(yīng)用目標(biāo)而建立的

56、。4. PSI-Blast的原理：PSI-BLAST是一種將雙序列比對(duì)和多序列比對(duì)結(jié)合在一起的數(shù)據(jù)庫搜索方法。其主要思想是通過多次迭代找出最佳結(jié)果。每次迭代都發(fā)現(xiàn)一些中間序列，用于在接下去的迭代中尋找查詢序列的更多疏遠(yuǎn)相關(guān)序列（拓展了序列進(jìn)化關(guān)系的覆蓋面積）。具體做法是最初對(duì)查詢序列進(jìn)行BLAST搜索，接著把查找得到的每一擊中項(xiàng)作為BLAST搜索第二次迭代的查詢序列，重復(fù)這個(gè)過程直到找不到有意義的相似序列為止。（以下為研究生課件部分）PSI-BLAST的基本思路在于根據(jù)最初的搜索結(jié)果，依照預(yù)先定義的相似性閾值將序列分成不同的組，構(gòu)建一個(gè)位點(diǎn)特異性的序列譜，并通過多次迭代不斷改進(jìn)這一序列譜以提高搜索的靈敏度。 利用第一次搜索結(jié)果構(gòu)建位置特異性分?jǐn)?shù)矩陣，并用于第二次的搜索，第二次搜索結(jié)果用于第三次搜索，依此類推，直到找出最佳搜索結(jié)果。此外，BLAST不僅可用于檢測(cè)序列對(duì)數(shù)據(jù)庫的搜索，還可用于兩個(gè)序列之間的比對(duì)。 5. 多序列聯(lián)配的意義： 1）分析多個(gè)序列的一致序列；2）用于進(jìn)化分析，是用系統(tǒng)發(fā)育方法構(gòu)建進(jìn)化樹的初始步驟；3）尋找個(gè)體