生物信息学复习题及答案陶士珩

生物信息学复习题生物信息学复习题 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。 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： LOCUSSCU498455028 bpDNAlinearPLN 21-JUN-1999 2）利用 Entrez 检索系统，对核酸数据搜索，输入如下信息，将获得什 么结果： AF114696:AF114714[ACCN]。 3) 相比使用 BLAST 套件搜索数据库，BLAST2 工具在结果呈现上有什么 优点？ 4）MEGA2 如何将其它多序列比对格式文件转化为 MEGE 格式的多序列比 对文件？ 5）什么简约信息位点 Pi？ 6）以下软件的主要用途是什么？ RepeatMasker, CpGPlot, Splice View, Genscan, ORF finder, neural network promoter prediction. 7) 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。 TGTACGGCTATA TC - -CGCCT –TA 8) 用 UPGMA 重建系统发生树，距离矩阵如下： 物种ABCD B9 C811 D121510 E1518135 9）画出 4 个物种的 3 棵不同的无根树.这 4 个物种在某位置上的核苷酸 分别是 T,T,C和 C,为每个内部节点推断的祖先序列标出最可能的候 选核苷酸，3 棵可能的无根树中有几棵是一样简约的(因为他们有最 小替换数)?有几棵树的替换树是 2?有大于 2 个替换的树吗? 10）如何将所研究的蛋白质与其他相关蛋白质做结构比对。 答案部分答案部分 一、名词解释：一、名词解释： 生物信息学：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。 二级数据库：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。P11，第 2 段。 FASTAFASTA 序列格式序列格式：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。 genbankgenbank 序列格式：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。P13，第 2 段。 EntrezEntrez 检索系统：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。P83-85P83-85。。 BLASTBLAST：：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 查询序列（查询序列（queryquery sequencesequence））：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，第 1 段。 打分矩阵打分矩阵 （（scoringscoring matrixmatrix）） ：： 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，第 2 段。 空位（空位（gapgap）：）：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，第 2 段。 空位罚分空位罚分： 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，倒数第 2 段。 E E 值：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 低复杂度区域：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）。P100，第一段。 点矩阵（点矩阵（dotdo