生物信息学期末考试答案
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（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
Internet的广泛应用
人类基因组计划（HGP）的推动
生物信息学的产生是生命科学发展的必然。
2、举例说明生物信息学的主要应用？
答： a. 获取各种生物的全基因组及其他数据;
b. 新基因发现;
c. 单核苷酸多态性分析;
d. 基因组中非编码区域的结构与功能;
e. 从基因组水平研究生物进化及其他遗传语言的可能;
f. 全基因组的比较研究;
g. 基因功能预测;
h. 遗传疾病的研究以及关键基因鉴定;
i. 蛋白质组学研究;
j. 新药设计和定向化酶;
k. 生物芯片.
3、为什么说生物信息学是大规模研究生命科学的利器？
答：生物信息学主要是一门研究生物学系统和生物学过程息流的综合系统学科，是综合运用生物学、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。目前，其核心是基因组信息学，包括基因组信息的获取、处理、存储、分配和解读。还包括：蛋白质空间结构模拟、预测和药物分子设计；软件开发和方法学研究。未来，生物信息学将进一步揭示生命系统的复杂性、遗传语言、基因表达谱、基因组、蛋白质组、代组、细胞信号组、系统生物学等等。因此，生物信息学是大规模研究生命科学的利器。
4、生物信息学涉及的生物大分子信息有哪些？
答：涉及的有：
1）核算序列DNA
包括：基因组序列、基因序列、cDNA、EST、碱基修饰、DNA功能模块/位点(如启动子、剪接体、表达调控位点等)。
2）蛋白质Protein
包括：氨基酸组成、氨基酸序列、理化性质、原子坐标、二级结构、模体、结构域、功能域/位点、3D结构。
5、在大分子序列分析中，为何局部比对比全局比对更有意义？
答：全局比对（global alignment）——指全长序列比对，用于相似性很高的序列间的分析。
局部比对（local alignment）——指生物分子序列常常是局部具有较高的相似性，呈板块分布。此法用于整体相似性较低的序列分析，灵敏度高。
原因：
1）全局比对是沿整个长度实现序列之间匹配的最大化，尝试对齐整个序列。而局部比对是对动态规划算法的修改，是给两个序列之间得分最高的地方进行匹配，集中在寻找相似度高的序列的延伸。因此相比而言，在序列分析中将未知序列同已知序列进行相似性比较，局部比对的准确性比全局比对更高。因为要实现整个序列长度的相似性匹配，比起局部匹配分析带来的误差更大；
2）另外，与局部序列比对算法相比，全序列比对算法会导致一些局部序列相似性较高而全序列相似性很小，因为全序列的平均效应而将两者的相似性漏检。一般对于2个未知关系的序列，使用局部序
列比对工具要比用全序列比对工具好。而对于一个较长的序列和一个较短的序列的比对，也应该使用局部序列比对工具。
3）再则全局比对的最高分是最后一个，而局部比对的任何一个地方都可能是最高分，即任何地方都可以是对位起始点，可见局部比对操作更为灵敏。
4）应用围上，全局比对仅适用于相似性很高的序列间分析，而局部比对一般用于相似性较低的序列分析，但是也可以用于高相似性序列分析，这样的分析结果会更加精准。
所以局部比对比全局比对更加有意义。
6、在大分子序列分析中，为何蛋白质的取代矩阵比核酸的取代矩阵更复杂？
答：取代矩阵(substitution matrix)的规则是“奖励匹配位点，罚扣不匹配位点”，故又称为计分矩阵（scoring matrix）。核算序列分析利用碱基取代矩阵，通过相似性比对匹配与否进行打分，便可以分析出其大致的碱基组成，特异位点等。而蛋白质序列利用其氨基酸残基取代矩阵分析，由于蛋白质的序列组成复制，而且蛋白质的功能是通过其三维高级结构来执行的，该结构又不一定处于静态，在行使功能的过程中，一般会发生相应的改变，所以氨基酸残基的进化取代不能简单地表述各种残基在结构和功能上的关系，所以要对蛋白质序列进一步的分析就需要更加复杂的取代矩阵。
7、多重比对的用途？BLAST的用途？
答：多重比对的用途主要用于：
1)系统演化分析，解释物种之间的进化关系；
2)基因预测；
3)蛋白质结构域的三级结构与二级结构，甚至是个别的氨基酸或核苷酸；
4)研究一个家族中的相关蛋白质序列中的保守区域，进而分析蛋白质的结构和功能。
BLAST是现在应用最广泛的序列相似性搜索工具，主要用于：
1)新DNA序列的发现、定位与分析、结构和功能预测；
2)ESTs的分析；
3)寻找分析远源关系的蛋白质序列；
4)实验设计如PCR Primer，Mutagenesis Studies，构建Profile(--谱)等；
5)揭示相似性和同源性，发现系统发育的信息；
6)寻找数据库中没有标注的编码区、发现保守区域、特定序列框等重要信息。
8、聚类分析的策略？
答：聚类分析(cluster analysis)是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。其策略方法为：
先将多个序列两两比对构建距离矩阵，反应序列之间两两关系；然后根据距离矩阵计算产生系统进化指导树，对关系密切的序列进行加权；然后从最紧密的两条序列开始，逐步引入临近的序列并不断重新构建比对，直到所有序列都被加入为止。
第一步：点击File→Load Sequences输入序列文件。
第二步：点击Alignment设定比对的一些参数。
第三步：点击Alignment→Do Complete Alignment开始序列比对。
第四步：点击File→Save Sequence as...比对完成，选择保存结果文件的格式。
9、电子克隆比传统的实验克隆有何优势？为何能实现电子克隆？
答：电子克隆利用种子序列从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。
其相比实验克隆所具有的优势有：
1)实验进程短、快捷、设备简单；
2)成本低、得率高、针对性强等；
3)对操作人员技术要求不高；
4)另外运用电子克隆的方法延伸得到的cDNA几乎囊括了所有疑似为目的基因的cDNA序
列。
能实现电子克隆是因为：EST数据库的不断完善，使得电子克隆策略已成为克隆新基因的重要方法。
从GenBank的核酸（nr）数据库中检索已测序列生物的目的基因，获得目的基因cDNA序列，以该序列为模板对另一种未测序列生物EST数据库进行BLAST检索，获得与之部分同源的EST群，从中选取一条EST作为种子序列BLAST检索该生物的EST数据库，将检出与种子序列同源性较高或有部分重叠的EST序列拼接组装为重叠群（contig），再以此重叠群序列重复以上BLAST检索过程，反复进行EST 重叠群序列的拼接和比对，直至检出所有的重叠EST或重叠群不能继续延伸，最终获得未测序列生物基因的cDNA全序列。
10、蛋白质分子结构的层次？相应的分析工具？
答：蛋白质一级结构分析：
1)ProtParam：蛋白质理化参数检索；
2)ProtScale：蛋白质亲疏水性分析；
3)coiled-coil 卷曲螺旋预测。
蛋白质二级结构预测：二级结构指α‐helix，β‐sheet，无规则卷曲(coil)，motif等组件。
预测方法：
1)神经网络、遗传算法、机器学习等；
2)与已知二级模板建立序列谱矩阵(profile matrix)、PSI‐BLASTP；
3)与同源蛋白多重比对。
模式和序列谱分析：EBI：InterProScan
整合出的部分数据库有：
Proside 蛋白质结构域、家族和功能位点；
Pfam 蛋白质家族比对；
TMHMM 跨膜区预测。
蛋白质三级结构预测：
实验测定方法：X-ray、NMR、Cryo-EM；
理论预测方法：同源建模、折叠识别、从头计算。
三、综合分析
1、DNA序列的鉴定策略
答：鉴定三步骤：
1)找到序列中的非编码区
编码区与非编码区显著不同，重复序列和低复杂序列排除基因的可能性，首先屏蔽掉。屏蔽重复序列的分析程序有：RepeatMasker, XBLAST, CENSOR等。此外，确定待检序列是否真实（载体污染，宿主序列污染，纯度因素等），载体序列污染分析程序有：NCBI / VecScreen；EMBL / Blast2 EVEC。
2)找基因
根据基因特征信号，如保守序列(启动子，CpG岛)、起始和终止密码子、polyA，碱基频率，密码子偏好，EST。原核生物采用可读框ORF检测基因非常有效。
CpG岛的预测工具：EMBL-EBIK的在线工具CpGPlot；
转录终止信号的预测方式：真核生物基因末端有终止子信号，在mRNA终止密码子下游具有polyA 加
尾信号AATAAA，可用于基因终止位点的预测。在线预测工具：POLYAH；
启动子预测分析工具：TRES、Neural network、Dragon promoter finder、PromoterScan；
可读框ORF=起始密码子ATG——终止密码子TGA或TAG或TAA。
开放读框的识别分析程序有：ORF Finder (NCBI), GenScan, GenomeScan。
采用mRNA序列预测基因：以公共数据库获得mRNA /cDNA，从基因组序列预测基因，在线预测工具(NCBI) Spidey。
3)鉴定找到的基因
建立基因模型以便核对，同源性搜索增加可信度
2、蛋白质结构分析和预测的策略
答：策略为：
1)在数据库中搜寻与蛋白质序列相似的模板；
2)查询序列和已知三维结构的蛋白质序列的相似性比对；
3)如果符合相似则直接进行结构比较建模；
4)如果不相似则先进行蛋白质家族、功能域、聚类分析，再与已知的蛋白质结构比对，有关
系的才进行比较建模；
5)若还是不相关，则对蛋白质序列进行结构分析，对可以预想出其结构的蛋白质预测其三维
结构，对无法预想出结构的蛋白质在实验室中进行进一步结构分析。
知识点
生物信息学研究的基本方法
?生物学数据库的建立
?生物学数据的检索
?生物学数据的处理
?生物学数据的利用
生物信息数据的存储格式
一般由两/三部分组成：纪录信息、特性注释、序列本身
FASTA格式（序列最简单注释）
?序列文件的第一行是由大于符号（＞）打头的任意文字说明，主要为标记序列用。
?从第二行开始是序列本身，标准核苷酸符号或氨基酸单字母符号。通常核苷酸符号
大小写均可，而氨基酸一般用大写字母。
?文件中和每一行都不要超过80个字符（通常60个字符）。
GenBank和EMBL数据库基本数据的格式
序列名称、长度、日期
序列说明、编号、版本号
物种来源、学名、分类学位置
相关文献作者、题目、刊物、日期
序列特征表
碱基组成
序列本身（每行60个碱基）
PDB格式
记录除了原子坐标外，还包括物种来源、化合物名称、结构递交以及有关文献等基本注释信息。此外，还给出分辨率、结构因子、温度系数、蛋白质主链数目、配体分子式、金属离子、二级结构信息、二硫键位置等和结构有关的数据。
蛋白质序列的格式
FASTA、序列文件格式、PDB数据格式
一次数据库
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。
一级核酸数据库：GenBank数据库、EMBL数据库、DDBJ数据库
一级蛋白质序列数据库：SWISS-PROT库、PIR库
一级蛋白质结构数据库：PDB数据库
二次数据库
在一级数据库、实验数据、文献数据和理论分析的基础上，针对不同的研究容和需要，对生物学知识和信息的进一步整理得到的数据库。
人类基因组图谱库GDB、转录因子和结合位点库、TRANSFAC、蛋白质序列功能位点数据库Prosite等。蛋白质数据库
序列数据库（序列及其注释）：
SWISS-PROT、PIR (protein information resource)、NCBI（其功能和应用围快速拓展）
模体和结构域数据库（结构域、功能域）：
PROSITE、Pfam (protein families database of alignments and HMMs)
结构数据库：
PDB (protein databank)
蛋白质分类数据库：
SCOP、CATH、FSSP
PDB是目前最主要的收集生物大分子(蛋白质、核酸和糖，以及病毒)三维结构的数据库,是通过X射线单晶衍射、核磁共振、电子衍射等实验手段确定的蛋白质、多糖、核酸、病毒等生物大分子的三维结构数据库。
NCBI数据库检索系统Entrez
Entrez是NCBI开发的基于WWW的数据库检索工具，它可以用来搜索20多个集成在NCBI中的数据库信息。
数据库搜索：BLAST & FASTA
多序列比对工具
Clustal W：对DNA和蛋白质进行多序列联配并且生成亲缘树的工具。
EMBL：提供在线的基于万维网界面的ClustalW服务：
对Clustal W的结果进行观察的程序为：njplotWIN95, treeview, 等
构建进化树------基于大分子序列进化
分子系统发育：DNA在进化过程中积累突变，从而导致不同株系后代的DNA、RNA和蛋白质的分支。这个原则被用于进化树的构建。
进化树构建的基本步骤
1、多序列比对（自动或手动）：用Clustal，有些软件已整合上Clustal, 如MEGA。
2、确定建树方法（取代模型）：距离(UPGMA, NJ, ME)、最大节约(MP)、最大似然(ML)，
3、建树；
4、进化树评估。
电子克隆
7.1 利用UniGene数据库进行序列电子延伸
7.2 从数据库中获取cDNA全长序列
7.3 序列拼接
本地拼接软件
Windows：Sequencher, DNAstar, …
Unix: CAP3, Phrap, TIGR Assembler, Velvet, …
在线服务：CAP3 网址
7.4 基因的电子表达谱分析
7.5 核酸序列的电子基因定位分析
蛋白质序列的获取
直接测序：Edman，蛋白质组技术
翻译编码的DAN序列：ORF，EBI protein machine搜索或检索数据库
同源建模是将目标序列在蛋白质结构数据库(PDB)比对搜索, 找出最好的
模板来构建新的结构, 再做能量最小化运算, 获得接近”真实”的蛋白质结构.
ExPASY提供三种生物信息学蛋白结构预测工具
1 Homology modeling;同源建模（25%以上一致性被认为有相似的结构）
2 Threading; 串线法（一致性低于30%时）
3 ab initio从头算（基于能量最低原则，分子力学、分子动力学）
同源建模的基本步骤
1 同源的参考蛋白搜索(PDB)
2 确定结构保守区: 如果目标蛋白有2个以上已知结构的参考蛋白,可将之叠加确定保守区,若仅一个有空间结构则做多重比对.
3 蛋白主链建模: 保守区主链坐标直接来自参考蛋白的, 环区可用片段搜索或自动生成.
4 侧链安装: 在转子文库中挑选最佳残基侧链构象组合.
5 优化处理: 根据分子动力学和分子力学.(能量最小化计算)
6 合理性检测: 常用Profiles-3D检测.
PubMed文献检索
PubMed是美国国家医学图书馆下属的国家生物技术信息中心(NCBI)开发的、基于WWW的查询系统：1.如何理解生物信息语言的复杂性和生物信息学的局限性？
答：物体或者事物的属性，分为单一或者极度复杂，他们可通过任何方式，比如声音、光波、电波、颜色、行为、温度、气体、形态、能量等，传递到与之关联的事物的外界，却又得到多种应答：沟通、接纳、排斥、刺激。
2、几种常用的序列格式：
①GenBank序列格式②GCC序列格式③EMBL序列格式④ASN.1序列格式
⑤PIR/CODATA序列格式⑥SwissProt序列格式⑦Plain/ASCII.Staden序列格式
⑧FASTA序列格式⑨NBRF序列格式⑩GDE格式
⑾Intelligenetics序列格式⑿PDB格式
2019年北京林业大学计算生物学与生物信息学(0710Z2)研究方向、考试科目、参考书目、考研经验、复习指导
2019年北京林业大学生科院计算生物学与生物信息学（0710Z2）研究方向、考试科目、参考书目、考研经验、复习指导 一．研究方向 01系统生物学 二．初试考试科目 ①101思想政治理论 ②201英语一 ③714生物化学与分子生物学 ④847遗传学 三．复试笔试科目 专业综合考试（包括分子生物学，遗传学） 四．参考书目 1.初试参考书目 714生物化学与分子生物学： 【1】《生物化学》王镜岩高等教育出版社； 【2】《生物化学》沈同等高等教育出版社 【3】《分子生物学》瞿礼嘉高等教育出版社 847遗传学：
【1】《普通遗传学》杨业华高等教育出版社； 【2】《林木遗传学基础》朱之悌中国林业出版社 2.复试参考书目 分子生物学与遗传学相关的基本概念、基础理论、研究方法与技术；系统生物学相关前沿领域发展概 五、北林生物化学与分子生物学复习备考建议 1、零基础复习阶段（6月前) 本阶段根据考研科目，选择适当的参考教材，有目的地把教材过一遍，全面熟悉教材，适当扩展知识面，熟悉专业课各科的经典教材。这个期间非常痛苦，要尽量避免钻牛角尖，遇到实在不容易理解的内容，先跳过去，要把握全局。系统掌握本专业理论知识。对各门课程有个系统性的了解，弄清每本书的章节分布情况，内在逻辑结构，重点章节所在等，但不要求记住，最终基本达到北林本科水平。 2、基础复习阶段（6－8月) 本阶段要求考生熟读教材，攻克重难点，全面掌握每本教材的知识点，结合真题找出重点内容进行总结，并有相配套的专业课知识点笔记,进行深入复习，加强知识点的前后联系，建立整体框架结构，分清重难点，对重难点基本掌握。同时多练习相关参考书目课后习题、习题册，提高自己快速解答能力，熟悉历年真题，弄清考试形式、题型设置和难易程度等内容。要求吃透参考书内容，做到准确定位，事无巨细地对涉及到的各类知识点进行地毯式的复习，夯实基础，训练思维，掌握一些基本概念和基本模型。 3、强化提高阶段（9月－11月）
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。
2020-2021年中国科学院大学(中科院)运筹学与控制论考研招生情况、分数线、参考书目及备考经验
一、中国科学院数学与系统科学研究院简介 中国科学院数学与系统科学研究院由中科院数学研究所、应用数学研究所、系统科学研究所及计算数学与科学工程计算研究所四个研究所整合而成，此外还拥有科学与工程计算国家重点实验室、中科院管理决策与信息系统重点实验室、中科院系统控制重点实验室、中科院数学机械化重点实验室、华罗庚数学重点实验室、随机复杂结构与数据科学重点实验室，以及中科院晨兴数学中心和中科院预测科学研究中心等。2010年11月成立国家数学与交叉科学中心，旨在从国家层面搭建一个数学与其它学科交叉合作的高水平研究平台。数学与系统科学研究院拥有完整的学科布局，研究领域涵盖了数学与系统科学的主要研究方向。共有16个硕士点和13个博士点（二级学科），分布在经济学、数学、系统科学、统计学、计算机科学与技术、管理科学与工程六个一级学科中，可以在此范围内招收和培养硕士与博士研究生。在2006年全国学科评估中，我院数学学科的整体评估得分为本学科的最高分数。数学与系统科学研究院硕士招生类别为硕士研究生、硕博连读生和专业学位硕士研究生。2019年共计划招收122名。 二、中国科学院大学运筹学与控制论专业招生情况、考试科目
三、中国科学院大学运筹学与控制论专业分数线
2018年硕士研究生招生复试分数线 2017年硕士研究生招生复试分数线 四、中国科学院大学运筹学与控制论专业考研参考书目 616数学分析 现行（公开发行）综合性大学（师范大学）数学系用数学分析教程。 801高等代数 [1] 北京大学编《高等代数》，高等教育出版社，1978年3月第1版，2003年7月第3版，2003年9月第2次印刷. [2] 复旦大学蒋尔雄等编《线性代数》，人民教育出版社，1988. [3] 张禾瑞，郝鈵新，《高等代数》，高等教育出版社， 1997. 五、中国科学院大学运筹学与控制论专业复试原则 在中国科学院数学与系统科学研究院招生工作小组领导下，按研究所成立招收硕士研究生复试小组，设组长1人、秘书1人。 复试总成绩按百分制计算，其中专业知识成绩占60％，英语听力及口语测试成绩占20％，综合素质成绩占20%。 在面试环节，每位考生有5分钟自述，考查内容主要包括专业知识、外语（口语）水平和综合素质等。 1、专业知识面试重点考查考生对专业基础知识掌握的深度和广度，对知识灵活运用的程度以及考生的实验技能和实际动手能力等，了解考生从事科研工作的潜力和创新能力。 2、外语面试主要考查考生的听、说能力及语言运用能力。 3、思想品德的面试包括考生的政治态度、思想品德、工作学习态度、团队合作精神、科研道德、遵纪守法以及心理素质等内容。 4、体检主要了解考生的身体健康状况，也包括体能、体质和心理素质等。
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。
新版苏州大学生物学考研经验考研参考书考研真题
考研这个念头，我也不知道为什么，会如此的难以抑制，可能真的和大多数情况一样，我并没有过脑子，只是内心的声音告诉我：我想这样做。 得知录取的消息后，真是万分感概，太多的话想要诉说。 但是这里我主要想要给大家介绍一下我的备考经验，考研这一路走来，收集考研信息着实不易，希望我的文字能给师弟师妹们一个小指引，不要走太多无用的路。其实在刚考完之后就想写一篇经验贴，不过由于种种事情就给耽搁下来了，一直到今天才有时间把自己考研的历程写下来。 先介绍一下我自己，我是一个比较执着的人，不过有时候又有一些懒散，人嘛总是复杂的，对于考研的想法我其实从刚刚大一的时候就已经有了，在刚刚进入大三的时候就开始着手复习了，不过初期也只是了解一下具体的考研流程以及收集一些考研的资料，反正说到底就是没有特别着急，就我个人的感受来说考研备考并不需要特别长的时间，因为如果时间太长的话容易产生疲惫和心理上的变化反而不好。 下面会是我的一些具体经验介绍和干货整理，篇幅总体会比较长，只因，考研实在是一项大工程，真不是一两句话可描述完的。 所以希望大家耐心看完，并且会有所帮助。 文章结尾处附上我自己备考阶段整理的学习资料，大家可以自取。 苏州大学生物学的初试科目为: (101)思想政治理论 (201)英语一 (631)生物化学（F）
(857)细胞生物学（F） 参考书目为： 1.王镜岩等.《生物化学》.高等教育出版社第三版,200 2. 2.《细胞生物学》翟中和高等教育出版社 先说一下我的英语单词复习策略 1、单词 背单词很重要，一定要背单词，而且要反复背！！！你只要每天背1-2个小时，不要去纠结记住记不住的问题，你要做的就是不断的背，时间久了自然就记住了。 考察英语单词的题目表面上看难度不大，但5500个考研单词，量算是非常多了。我们可以将其区分为三类：高频核心词、基础词和生僻词，分别从各自的特点掌握。 （1）高频核心词 单词书可以用《木糖英语单词闪电版》，真题用书是《木糖英语真题手译》里面的单词都是从历年考研英语中根据考试频率来编写的。 核心，顾名思义重中之重。对于这类词汇，一方面我们可以用分类记忆法，另一方面我们可以用比较记忆法。 分类记忆法，这种方法指的是把同类词汇收集在一起同时记忆。将同类词汇放在一起记忆，当遇到其中一个词时，头脑中出现的就是一组词，效率提高的同时，也增强了我们写作用词的准确度和自由度。例如：damp，wet，dank，moist，humid都含“潮湿的”意思。damp指“轻度潮湿,使人感觉不舒服的”。wet指“含水分或其他液体的”、“湿的”。moist指“微湿的”、“湿润的”,
高通量测序基础知识
高通量测序基础知识简介 陆桂 什么是高通量测序？ 高通量测序技术（High-throughput sequencing，HTS）是对传统Sanger测序（称为一代测序技术）革命性的改变,一次对几十万到几百万条核酸分子进行序列测定, 因此在有些文献中称其为下一代测序技术(next generation sequencing，NGS )足见其划时代的改变, 同时高通量测序使得对一个物种的转录组和基因组进行细致全貌的分析成为可能, 所以又被称为深度测序(Deep sequencing)。 什么是Sanger法测序（一代测序） Sanger法测序利用一种DNA聚合酶来延伸结合在待定序列模板上的引物。直到掺入一种链终止核苷酸为止。每一次序列测定由一套四个单独的反应构成，每个反应含有所有四种脱氧核苷酸三磷酸(dNTP)，并混入限量的一种不同的双脱氧核苷三磷酸(ddNTP)。由于ddNTP缺乏延伸所需要的3-OH基团，使延长的寡聚核苷酸选择性地在G、A、T或C处终止。终止点由反应中相应的双脱氧而定。每一种dNTPs和ddNTPs的相对浓度可以调整，使反应得到一组长几百至几千碱基的链终止产物。它们具有共同的起始点，但终止在不同的的核苷酸上，可通过高分辨率变性凝胶电泳分离大小不同的片段，凝胶处理后可用X-光胶片放射自显影或非同位素标记进行检测。 什么是基因组重测序（Genome Re-sequencing） 全基因组重测序是对基因组序列已知的个体进行基因组测序，并在个体或群体水平上进行差异性分析的方法。随着基因组测序成本的不断降低，人类疾病的致病突变研究由外显子区域扩大到全基因组范围。通过构建不同长度的插入片段文库和短序列、双末端测序相结合的策略进行高通量测序，实现在全基因组水平上检测疾病关联的常见、低频、甚至是罕见的突变位点，以及结构变异等，具有重大的科研和产业价值。 什么是de novo测序 de novo测序也称为从头测序：其不需要任何现有的序列资料就可以对某个物种进行测序，利用生物信息学分析手段对序列进行拼接，组装，从而获得该物种的基因组图谱。获得一个物种的全基因组序列是加快对此物种了解的重要捷径。随着新一代测序技术的飞速发展，基因组测序所需的成本和时间较传统技术都大大降低，大规模基因组测序渐入佳境，基因组学研究也迎来新的发展契机和革命性突破。利用新一代高通量、高效率测序技术以及强大的生物信息分析能力，可以高效、低成本地测定并分析所有生物的基因组序列。 什么是外显子测序（whole exon sequencing） 外显子组测序是指利用序列捕获技术将全基因组外显子区域DNA捕捉并富集后进行高通量测序的基因组分析方法。外显子测序相对于基因组重测序成本较低，对研究已知基因的SNP、Indel等具有较大的优势，但无法研究基因组结构变异如染色体断裂重组等。
生物信息学论文
生物信息学论文 论文题目 PBL教学法在生物信息学课程教学中的应用与实践 指导老师：谷峻 学生姓名：吕晓莹 学号： 20112501092 院系：生命科学学院 专业：生物科学 撰写时间：2014年4月
摘要：PBL Problem-Based Leaming)，即基于问题学习，是由美国神经病学教授Barrows首创并于1969年在加拿大的麦克马斯特大学医学院试行的一种新的教学方法。PBL 的基本特点是以教师为引导，以学生为中心，通过解决问题来学习，与传统的以学科为基础，以教师为中心的教学方法相比有很大的不同。本论文通过对照PBL 教学理念和生物信息学课程理论，来探究PBL 教学法在生物信息学课程教学中应用与实践，为提高生物信息学课程教学质量提供一种可行方法。 关键词：PBL 教学法，生物信息学，应用与实践 1 前言 生物信息学是20世纪90年代由多种学科知识相互渗透、融合而兴起的一门用数理和信息科学的观点、理论以及方法去研究生命现象、组织和分析呈现指数增长的生物医学数据的一门学科，具有开放性、发展性、交叉性、综合性、应用性等特点。鉴于此，尽管国内的生物信息学科学研究开展得如火如荼，但由于受到师资、教材、授课对象、教学条件、教学法等因素限制，开设该课程的高校尚未真正形成一套成熟的、科学的教学体系。 目前, 国内的生物信息学教学基本沿用以“教师讲授为主”的传统教学模式。以课堂为中心、以理论教学为主, 进行“满堂灌”式教育, “照本宣读”的方式也比较常见。缺乏与生物信息学交叉前沿性特点相适应的型教学模式。同时，实验教学比较单一, 常以验证性为目的, 有些甚至成为了“文献检索”课程, 缺乏和专相适应的综合性、设计性实验。现代教学改革与实践证明，在教学过程中必须要突出“学生是教学活动的主体”，既要注意张扬学生“个性”，更要强化学生团队合作意识及创新、创业能力培养，以保证人才培养质量。在这种情况下，传统的教学模式已与当前社会快速发展的局面格格不入，迫切需要变革。因此，为激发学生的学习积极性和教学参与热情，探索先进的教学法以革新生物信息学的教学内容及考核方式等显得尤为重要。其中，以PBL 为例的教学法在生物信息学课程教学应用与实践中取得了良好的课程教学效果。 2 PBL 教学法的优势 2.1 PBL 教学顺应时代的发展 当今社会是信息时代, 生物学不断发展, 知识不断更新, 老师要讲的内容越来越多, 学生要读的书越来越厚, 授课内容与课时不相适应的矛盾非常突出, 且教学双方负担过重, 教学效果难以保证, 这种填鸭式的传统教学越来越无法适应信息社会的要求, 这就要求学生在接受人类已有的科学知识基础上, 着重培养创造能力, 学会自己寻找知识和创造知识的本领。而PBL 教学模式能明显减少说教式教学和学习负担, 既能加强学生独立学习，又能减轻教师的教学负担，顺应了时代的发展。 2.2 有利于培养学生主动学习的能力和形成双向交流 传统的教学模式是以学科为基础, 教师课堂讲解为主, 教学内容进度和方法均由老师决定，其 对象是学生整体, 容易忽视单一个体的学习兴趣、能力及个性特征, 学生始终处于被动地接受知识的地位, 不利于主动学习能力的培养。而PBL 教学法打破传统的界限, 采取以“学生为中心、问题为核心”的教育方式。在教师的整体把握和指导下, 学生充分运用现代化科技手段如教材、图书馆、录像、模型、文献检索系统、电脑学习软件、网络以及多媒体等多种形式进行自学。课堂上,PBL模式强调学生主动参与学习, 从而大大提高学习效果和长期记忆的形成。从教学的角度来看, 指导老师长期与同一小组学生
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。
医学信息学基本概念与定义-医学信息学基本概念(精)
医学信息学基本概念 J C Wyatt, J L Y Liu. 文研究生周琴译导师许培扬审 摘要：本文是关于医学信息学，这门年轻的学科的术语的定义汇编。希望它对行业内的初学者与职业工作者能有所益处。 关键词：医学信息学词汇表 医学信息学主要研究与应用方法去改善对病人信息、临床知识、人口信息和其它与病人康复与公共卫生有关的信息的管理。它是一门伴随19世纪40年代数字计算机的出现而产生的年轻学科。用于医学的机械性计算起源于更早的年代，在19世纪，赫尔曼霍列瑞斯的“打卡数字处理系统”即开始用于美国人口普查，随后又被用于公共卫生与流行病学调查1。此例反应了医学信息学的多学科性，它与各个不同的领域都有相关性，包含临床医学、公共卫生学（如流行病学与卫生服务研究）、认知科学、计算和信息学。 由于医学信息学工作者的领域多样，新来者很容易混淆行业的专业术语。因此，对想更多了解医学信息学的人做一个医学信息学的基本概念的介绍是有用的。近几年，关于此学科的各种不同分支开始出现，包括公共卫生信息学、用户卫生信息学与临床信息学。对于医学信息学与它的分支学科是否是不同的学科的讨论，Shortliffe 和Ozbolt认为：“信息学的基础是一系列可重复利用与广泛应用的方法，它对所有的卫生学学科都适用，并且‘医学信息学’对于一个综合性核心学科是一个有用的概念，所有的学生都应该学习，不管这些学生的医学专业方向。”2 3以下对医学信息学的分支学科的定义反应了这一理念。 挑选医学信息学术语的标准，在挑选某术语时采用了以下一条或者多条原则： ●对流行病学家和公共卫生专家而言是新出现的词语。 ●一个有众所周知含义的术语，被用于医学信息学领域的具体方面。 ●与流行病学或公共卫生相关的概念。 ●对理解医学信息学必不可少的概念。 ●一个存在时间较长，而不是过渡性的专业术语。 ●在对此术语的意义与使用上有普遍的共识。
生物信息学试题复习参考(张弓)
2014-2015学年生物信息学期末考试题 写在前面：这是我考试时候写的答案的大致内容，具体文字我已经不记得了，给大家一个参考，希望对大家复习有帮助。因为我也是扣了很多分，所以答案也有很多错的，大家不要尽信。祝大家考试顺利。 一、实验设计和基础分析 以下qPT-PCR实验方案有哪些错误？请标出错误，并说明原因和写出正确方案。 目的：比较肺癌细胞迁移前后的X基因转录水平表达量 方法：（1）用Trizol法提取细胞总RNA，并用跑胶、OD260/280等方法确认无降解。 （2）用poly-dT引物进行反转录 （3）设计基因特异性PCR引物，用qPCR仪测定X基因和GAPDH基因的Ct值。GAPDH作为内参。 （4）以2^-ΔΔCt方法计算X基因相对于GAPDH的相对含量 （5）比较迁移前后的相对表达量，做三个重复，用t-test进行统计检验，P<0.05为差异显著 1.错误：不能用GAPDH基因作为定量标准；原因：癌症迁移前后GAPDH基因的表达量已经改变了，做定量标准不准确；方案：采用外参（如：其他物种的基因） 2.错误：不能用t-test进行统计检验；原因：t-test进行统计检验的前提是数据呈正态分布，基因表达量不一定呈正太分布；方案：将数据取log10，对数化。 上述两个是我考试时候写的答案，后来经提醒：还发现了一个错误：不能用poly-dT引物进行反转录；原因：。。。。。。；方案：用Oligodt进行逆转录。 二、双序列比对的生物学意义解释 两种细菌的同源蛋白质endonuclease III，长度都为200氨基酸左右，其功能相同，蛋白质序列使用BLAST 可以比对上，同源性高达57%，但其编码DNA序列用BLAST却无法比对上，为了尽可能提高亲缘关系较远的序列的比对效率，比对已经使用BLAST网站上Somewhat similar sequence选项，默认参数（见下图）：
生物信息学基本知识
1.DNA:遗传物质(遗传信息的载体) 双螺旋结构,A,C,G,T四种基本字符的复杂文本 2.基因（Gene）：具有遗传效应的DNA分子片段 3.基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类包括细胞核基因组和线粒体基因组 OR一个物种中所有基因的整体组成 4.人类基因组：3.0×109bp模式生物 5.HGP的最初目标通过国际合作，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，并对其它生物进行类似研究。 6.HGP的终极目标 阐明人类基因组全部DNA序列； 识别基因； 建立储存这些信息的数据库； 开发数据分析工具； 研究HGP实施所带来的伦理、法律和社会问题。 7.遗传图谱（genetic map）又称连锁图谱(linkage map)，它是以具有遗传多态性（在一个遗传位点上具有一个以上的等位基因，在群体中的出现频率皆高于1%）的遗传标记为“路标”，以遗传学距离（在减数分裂事件中两个位点之间进行交换、重组的百分率，1%的重组率称为1cM）为图距的基因组图。 遗传图谱的建立为基因识别和完成基因定位创造了条件。 8.遗传连锁图：通过计算连锁的遗传标志之间的重组频率，确定它们的相对距离，一般用厘摩（cM，即每次减数分裂的重组频率为1%）表示。 9.物理图谱（physical map）是指有关构成基因组的全部基因的排列和间距的信息，它是通过对构成基因组的DNA分子进行测定而绘制的。绘制物理图谱的目的是把有关基因的遗传信息及其在每条染色体上的相对位置线性而系统地排列出来。 10.转录图谱是在识别基因组所包含的蛋白质编码序列的基础上绘制的结合有关基因序列、位置及表达模式等信息的图谱。 11.序列图谱:随着遗传图谱和物理图谱的完成，测序就成为重中之重的工作。 DNA序列分析技术是一个包括制备DNA片段化及碱基分析、DNA信息翻译的多阶段的过程。通过测序得到基因组的序列图谱 12.大规模测序基本策略 逐个克隆法：对连续克隆系中排定的BAC克隆逐个进行亚克隆测序并进行组装（公共领域测序计划） 全基因组鸟枪法：在一定作图信息基础上，绕过大片段连续克隆系的构建而直接将基因组分解成小片段随机测序，利用超级计算机进行组装（美国Celera公司） 13.基因识别（gene identification）是HGP的重要内容之一，其目的是识别全部人类的基因。 基因识别包括： 识别基因组编码区 识别基因结构 基因识别目前常采用的有二种方法： 从基因组序列中识别那些转录表达的DNA片段 从cDNA文库中挑取并克隆。 14.基因组多态性（Polymorphism）:是指在一个生物群体中，同时和经常存在两种或多种不连续的变异型或基因型（genotype）或等位基因（allele），亦称遗传多态性（genetic
生物信息学 第二章 GenBank序列数据库
第二章GenBank序列数据库 简介 一级蛋白质和核酸数据库在分子生物学界是如此的司空见惯，以致于我们很少会去考虑这些普遍存在的工具是如何建立的。但是如果我们能够了解这些序列是如何汇集到一起的，这将有助于我们加深对生物学的理解，并且能够更加充分地发掘这些记录中蕴藏的信息。 GenBank是美国国立卫生研究院维护的基因序列数据库，汇集并注释了所有公开的核酸以及蛋白质序列。每个记录代表了一个单独的、连续的、带有注释的DNA或RNA片段。这些文件按类别分为几组：有些按照系统发生学划分，另外一些则按照生成这些序列数据的技术方法划分。目前GenBank中所有的记录均来自于最初作者向DNA序列数据库的直接提交。这些作者将序列数据作为论文的一部分来发表，或将数据直接公开。GenBank由位于马里兰州Bethesda的美国国立卫生研究院下属国立生物技术信息中心建立，与日本DNA数据库（DDBJ）以及欧洲生物信息研究院的欧洲分子生物学实验室核苷酸数据库（EMBL）一起，都是国际核苷酸序列数据库合作的成员。所有这三个中心都可 以独立地接受数据提交，而三个中心之间则逐日交换信息，并制作相同的充分详细的数据库向公众开放（虽然格式上有细微的差别，并且所使用的信息系统也略有不同）。 这一章描述GenBank数据库是如何构成的，它如何与蛋白质数据库相衔接，以及如何解释其中的数据成分。关于序列数据库，前人已经作了大量的工作，具体可参见（Schuler et al., 1996; Bairoch and Apweiller, 1997; Benson et al., 1997; George et al., 1997; Stoesser et al., 1997; Tateno et al., 1997）。所有这些论 文都指出了数据库快速增长的趋势，并对如何利用这些生物学资源提出了建议。出于科学研究的考虑，以及由于历史的原因，序列数据被分别存放在核苷酸和蛋白质数据库中。核苷酸序列是查询核苷酸数据库以及蛋白质数据库时的主要出发点，并且目前有一种趋势，将核苷酸数据库介入到蛋白质数据库的管理之中（正如我们下面将要看到的那样）。这并不奇怪，因为数据库维护者与数据提交者之
中国科学院大学生物信息学期末考试资料,陈润生老师
生物信息学期末考试复习 1.生物学中的7个数学故事 (1) 孟德尔遗传定律（分离和自由组合定律）运用了组、合原理中的加法原理和乘法原理。 (2) Hardy-Weinberg遗传平衡定律通过构造数学关系式来证明。 (3)基因在染色体上的线性排列采用概率分布优化距离的计算距离，使其更接近真实情况。 (4)关联分析通过假设检验看两个特征的关联有无统计显著性。 (5) 序列比对设计合适的算法可以有效降低计算复杂度。 (6)基因组学和其他的组学组学时代产生的大量数据需要依赖数据库技术来寻找生物分子之间的关联。 (7)微阵列芯片大规模芯片数据需要数据挖掘：聚类、关联、预测建模、异常检测。 2. DNA、protein、RNA序列比对及其算法 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。常用的方法有：点阵法，动态规划算法，k-tup 算法等。 （1）dotplot算法：通过点阵作图的方法表示，能很直观地氨基酸序列或核苷酸序列上的插入、删除、重复和反相重复。 算法步骤：将两条序列的碱基（或残基）分别沿x轴和y轴排列，依次比较两条序列的每个碱基（或残基），如果两个碱基（或残基）相同则在矩阵中填充点，这样就形成一个点矩阵。在点矩阵中，将对角线上的点连接起来，这些直线所对应的矩形区域就是这两条序列的相似性片段。 算法特点：该算法相似性片段实际上是相同的片段；而且不能提供相似性片段在统计学意义上的相似性。 （2）动态规划算法：分为全局动态规划算法和局部动态规划算法。保证了指定打分模型的情况下，两条序列能获得尽可能的最高分 算法步骤：①初始化序列矩阵；②将序列输入矩阵，计算分数并绘制箭头；③用箭头回溯找到最优得分路径；④连接最优路径，产生序列比对。 动态规划算法优缺点： 优点：对于一个给定的计分函数集合，能找到最优的比对 缺点：时间复杂度为O(n 2)，运行慢，计算所需的内存与序列长度的平方成正比，因此不适用于非常长序列的比对。 序列比对的定义，存在哪几种算法，打分矩阵是什么意思 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; 算法种类：动态规划算法、Smith-Waterman Alterations算法、FASTA - Hi Level Algorithm 算法、BLAST – Heuristic算法； 打分矩阵：通过点矩阵对序列比对进行积分，根据不同物质情况可分为DNA序列打分矩阵：等价矩阵、转换-颠换矩阵、blast矩阵；蛋白质打分矩阵：等价矩阵、遗传密码矩阵、疏水性矩阵、PAM矩阵、BLOSUM矩阵。 1.动态规划算法，给个表格可以把数字填出：
CADD药物信息学基本知识
药物信息学初步 1药物信息学： a药物信息学是有关药物研究和开发过程中所涉及的大量小分子、大分子及其相互作用信息的学科。 b药物信息学，简单说来就是化学信息学和生物信息学的加和。 c也包括类药性、药物代谢动力学性质和毒性预测、药靶预测、高内涵筛选及代谢模型等综合信息在新药发现和发展中的整合、分析和应用。 2化学信息学与生物信息学 ?化学信息学（Chemoinformatics，Chemical Informatics），简而言之，一切与小分子化合物有关的计算机操作和运算都属于化学信息学的研究范畴，包括小分子的结构、构象、能量、性质等，也包括小分子与大分子的相互作用，还包括小分子的设计。 ?化学信息学的研究已有较长的历史，比如1960年代出现的QSAR，但作为学科名词1998年才首次出现。 ?与之相对的是生物信息学（Bioinformatics或Biological Informatics）。生物信息学是随着人类基因组计划的实施而出现的，最初仅是指对基因组序列的比较分析。但现在已发展到既对生物大分子的序列、也对生物大分子的结构、构象进行研究。针对生物大分子结构、功能等的计算研究，叫做计算生物学（Computational Biology）。 3 化学信息学在药物设计中的主要应用 ●虚拟组合化学库的设计； ●化合物数据库的相似性分析与多样性分析； ●化合物数据库的类药性分析、ADMET性质预测； ●化合物数据库的虚拟筛选； ●。。。 4 为什么要进行ADMET预测 ●ADMET是候选药物临床研究失败的主要原因（占60%）。 ●ADMET评估已成药物研发的关键，需尽早进行。 ●由于ADMET涉及药物体内过程，因此评估非常困难。 ●实验评价ADMET缺点：代价大、周期长，一般在临床前研究阶段才开始进行，且动物数据与人体数据并 不完全一致。 ●计算机预测ADMET优点：代价低、速度快，可以在化合物合成之前进行，也可以与先导物优化一起进行， 这样可将理论上具有不良ADMET性质的分子尽早排除，从而降低失败率。 5 ADMET预测的基本要求 ●要有大量可靠的实验数据供使用； ●要有合适的方式对分子结构进行表达； ●要有合适的建模方法及评价指标。 6 常规ADMET预测方法 ●分子结构采用分子描述符进行表达；分子描述符与性质之间采用统计回归分析方法建立预测模型。 ●存在的问题：分子描述符是间接描述分子，具有计算繁杂、数据可能不准确，数量众多而难以取舍，模型 可解释性差等问题。 7 基于子结构模式识别的ADMET预测方法 ●新方法：分子结构采用分子指纹进行表达；分子指纹与性质之间采用机器学习方法建立预测模型。 ●优点：跳过分子描述符而直接从分子结构出发来预测分子性质，提高了预测精度；采用信息增益技术识别 关键子结构，建立的模型具有可解释性；等等。 8生物信息学在药物设计中的应用 ●药物作用新靶标的发现与确证： ?人体内靶标 ?病原体内靶标 ●蛋白质序列比较、分析；蛋白质结构相似性比较、同源蛋白的识别。 ●蛋白质二级结构与三维结构的预测。 9 序列比对(sequence alignment) ●序列比对指将两个或多个序列排列在一起，标明其相似之处。序列中可以插入间隔（通常用短横线“-”表示）。
生物信息学 第七章：序列比对和数据库搜索
第七章：序列比对和数据库搜索 Gregory D.Schuler National Center for Biotechnology Information National Library of Medicine. National Institutes of Health Bethesda. Maryland 引言 在生物学的研究中,有一个常用的方法,就是通过比较分析获取有用的信息和知识。达尔文正是研究比较了galapagos finches同其它一些物种的形态学特征， 从而提出了自然选择学说。今天，我们对基因和蛋白质序列进行比较，从本质上来讲是同达尔文一样，进行同样的分析，只不过更加精细，更加详尽。在这个意义上，我们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。最常用的比较方法是序列比对，它为两个或更多个序列的残基之间的相互关系提供了一个非常明确的图谱。在这一章，我们只讨论一下双重比对，即只比较两个序列，至于较多的序列即多序列比对，将在第八章介绍。 七十年代以来，DNA测序方法的飞速发展，极大地引发了序列信息量的扩增， 从而使可供比较的序列数量呈现爆炸式增长。分子生物学家应该意识到，将未知序列同整个数据库中的已知序列进行比较分析已经成为他们手中一个强有力的研究手段。在过去的三十年里，即使不提及计算机的应用，序列比较的各种算法也已经发展得越来越迅速，也越来越成熟，已经能够跟上序列数据库增长的步伐。今天，我们已经拥有一些小的模式物种的基因组的全序列，还拥有人类基因序列的一些较大的样品，我们已经进入比较基因组时代，也就是说，对两个物种进行全基因组序列比较已经不再是一个梦想。 序列比对的进化基础 进行序列比对的目的之一是让人们能够判断两个序列之间是否具有足够的相似性，从而判定二者之间是否具有同源性。值得注意的是，相似性和同源性虽然在
生物信息学考试试卷
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： 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。
生物信息学基本分析
核酸序列的基本分析 运用DNAMAN软件分析核酸序列的分子质量、碱基组成和碱基分布。同时运用BioEdit（版本7.0.5.3）软件对基因做酶切谱分析。 碱基同源性分析 运用NCBI信息库的BLAST程序对基因进行碱基同源性分析(Translated query vs.protien database(blastx))网站如下：https://www.wendangku.net/doc/ab17888149.html,/BLAST/ 参数选择：Translated query-protein database [blastx]；nr;stander1 开放性阅读框（ORF）分析 利用NCBI的ORF Finder程序对基因做开放性阅读框分析，网址如下： https://www.wendangku.net/doc/ab17888149.html,/projects/gorf/orfig.cgi 参数选择：Genetic Codes：1 Standard 对蛋白质序列的结构功能域分析 运用简单模块构架搜索工具（Simple Modular Architecture Research Tool,SMART）对基因的ORF出的蛋白质序列进行蛋白质结构功能域分析。该数据库由EMBL建立，其中集成了大部分目前已知的蛋白质结构功能域的数据。 网址如下：http://smart.embl-heidelberg.de/ 运用NCBI的BLAST程序再对此蛋白质序列进行rpsBlast分析 参数选择：Search Database：CDD v2.07－11937PSSM Expect：0.01 Filter：Low complexity Search mode：multiple hits 1－pass 同源物种分析 用DNAMAN软件将蛋白质序列相关基因序列比对，根据结果绘出系统进化树，并进行分析。 蛋白质一级序列的基本分析 运用BioEdit（版本7.0.5.3）软件对基因ORF翻译的蛋白的一些基本性质，对分子量、等电点、氨基酸组成等作出分析。 二级结构和功能分析 信号肽预测 利用丹麦科技大学（DTU）的CBS服务器蛋白质序列的信号肽（signal peptide）预测，进入Prediction Serves 页面。 网址如下：http://www.cbs.dtu.dk/services/SignalP/ 参数选择： Eukaryotes；Both；GIF (inline)；Standard； 疏水性分析 利用瑞士生物信息学研究所（Swiss Institute of Bioinformatics，SIB）的ExPASy服务器上的ProtScale程序对ORF 翻译后的氨基酸序列做疏水性分析 网址如下： https://www.wendangku.net/doc/ab17888149.html,/cgi-bin/protscale.pl 参数选择：