当前位置：文档库 › 翠花-2012生物信息学复习题(1)

翠花-2012生物信息学复习题(1)

2012 生物信息学复习

题

一、选择题

1. 根据PAM 打分矩阵，下列哪个氨基酸最不容易突变？

A) 丙氨酸Ala B) 谷氨酰胺Gln C) 甲硫氨酸D) 半胱氨酸Cys

Ala100，Gln93,Met94,Cys20

2. 下列哪个句子最好描述了两序列全局比对global alignments和局部比对local alignments的不同？

A) 全局比对通常用于 DNA 序列，而局部比对通常用于蛋白质序列；

B) 全局比对允许间隙，而局部比对不允许间隙；

C) 全局比对寻求全局最大化，而局部比对寻求局部最大化；

D) 全局比对比对整条序列，而局部比对寻找最佳匹配子序

列

3. 与PAM 打分矩阵比较，BLOSUM 打分矩阵的最大区别在哪里？

A) 它最好用于比对相关性很近的序列； B) 它是基于近相关蛋白的全局多序列比对；

C) 它是基于远相关蛋白的局部多序列比对； D) 它结合了局部和全局比对信息

PAM matrices are based on global alignments of closely related proteins.

4. 全局比对算法（如 Needleman-Wunsch 算法）是这样一种算法：

A) 把两条比较的蛋白质放到一个矩阵中，然后通过穷尽搜索每一个可能的比对组合

来寻找最佳分值的比对；

B) 把两条比较的蛋白质放到一个矩阵中，然后通过迭代递归的方法找到最佳的分值；

C) 把两条比较的蛋白质放到一个矩阵中，然后通过寻找最佳子序列的方法来找到最

佳的比对；

D) 能用于蛋白质，但不能用于DNA 序列

N-W is guaranteed to find optimal alignments, although the algorithm does not search all possible alignments.

It is an example of a dynamic programming algorithm:

an optimal path (alignment) is identified by

incrementally extending optimal subpaths.

Thus, a series of decisions is made at each step of the

5. 数据库搜索中或双序列比对中，敏感性定义为：

A) 搜索算法寻找真阳性（即同源序列）和避免假阳性（即不相干序列，但具有高相

似分值）的能力；

B) 搜索算法寻找真阳性（即同源序列）和避免假阳性（即没有被搜索算法报告的同

源序列）的能力；

C) 搜索算法寻找真阳性（即同源序列）和避免假阴性（即不相干序列，但具有高相

似分值）的能力；

D ) 搜索算法寻找真阳性（即同源序列）和避免假阴性（即没有被搜索算法报告的同

源序列）的能力；

Sensitivity: ability to find true positives

6. 如有一小段 DNA 序列，基本上它能编码多少种蛋白？

A）1 B）2 C）3 D）6

7. 有一段 DNA 序列，如想知道在主要的蛋白质数据库中哪一个与该DNA 编码的蛋白最接近，你会选择用哪一个程序？

A）blastn B）blastp C）blastx D）tblastx E）tblastn

8. blast 检索的哪一种输出估计了假阳性的数目？

A）E 值B）Bit score C）Percent identity D）Percent positives

? Pairwise alignments allow us to describe the percent identity

two sequences share, as well as the percent similarity

? The score of a pairwise alignment includes positive values

for exact matches, and other scores for mismatches

and gaps

The expect value E is the number of alignments

with scores greater than or equal to score S ( x>=S )

that are expected to occur by chance in a database search.

9. 将下面哪个 blast 参数改变后会得到更少的检索结果？

A）关闭 low-complexity filter B）将期望值从1变为1 0

C）提高极限值D）将打分矩阵从 PAM30 改为PAM70

期望：期望值E是得分大于或等于某个分值S的不同比对的数目在随机的数据库搜索中发生的可能性。

10.极值分布

A）描述了对数据库的 query 的scores 的分布B）比正态分布的总面积大

C）对称D）形状可用两个参数来描述，即μ（平均值）和λ（衰减系数）

11.当blast 检索的E值减小时

A）K 值也减小B）score 变大C）概率p值变大D）极值分布偏斜率减小

12.标准化的 blast score（也称为 bit scores）

A）是没有单位B）可在不同的 blast 检索之间比较，即使使用了不同的打分矩阵C）与使用的打分矩阵无关D）可在不同的 blast 检索之间比较，但前提是使用相同

的打分矩阵

13.在EMBL 和NCBI 数据库中未加工的 DNA 序列（与注释序列相比）是

A）完全重叠了B）很大程度上重叠了，不过序列不同C）相对只有一点重叠

14.下面的哪种工作，PSI-BLAST 搜索最为有效

A）在老鼠中找一个人类蛋白质的同源蛋白B）在数据库查询中找到更多的匹配蛋白C）在数据库查询中找到更多的匹配DNA 序列D）用模式序列或者信号序列加强数据库搜索

15.下面的哪种 blast 程序是用氨基酸的信号序列在一个蛋白质家族中寻找匹配的？

A）PSI-BLAST B）PHI-BLAST C）MS BLAST D）WormBLAST

16.下面的哪种 blast 程序用来分析免疫球蛋白最好？

A）RPS-BLAST B）PHI-BLAST C）IgBLAST D）ProDom

17.在一个位点特异性打分矩阵中，列中可以有20 种氨基酸。每一行则是查询的残基序列。在打分矩阵中，一个给定的氨基酸残基的分值是基于

A）一个 PAM 或者BLOSUM 矩阵B）在多序列比对中出现的频率

C）它出现的背景频率D）它周围的氨基酸的分值

18.作为PSI-BLAST 搜索过程中的一部分，会给搜索序列和数据库中超过一定长度的匹配进

行打分。尽管这个比对的氨基酸残基序列没有改变，但是在接下来的PSI-BLAST 循环中

这个比对得到的分值可能会高一点或低一点，这句话正确吗？

A）正确B）错误

19.当一个位点特异性打分矩阵中混入了假阳性序列，就称为“被破坏了”。下面哪个选

项是减少破坏的最好方法？

A）降低E值B）除去过滤C）用短一点的搜索序列D）减少循环次数

20.PSI-BLAST 和PHI-BLAST 之间的关系是

A）它们均在 NCBI 网站上发布但无联系的 blast 搜索

B）PHI-BLAST 搜索首先进行PSI-BLAST，但是其匹配结果必须含有用户自己定义的段

序列模式

C）它们均进行连续的循环搜索D）它们均采用位点特异性打分矩阵

21.如果想找一个和查询蛋白远源的蛋白质，下面哪种方法最可能成功？

A）采用PSI-BLAST，因为这个算法使用位点特异性打分矩阵最为敏感

B）采用PHI-BLAST，因为你能自己选择一个和搜索蛋白质有关的信号序列

C）采用BLASTP，因为你能自己调整你的打分矩阵从而使得搜索敏感度最大D）采用专门的物种数据库，因为它们可能含有这种远源序列

22.RNA 处理阶段不包括以下哪个步骤？

A）剪切B）出核C）甲基化D）监控

23.数字差别显示被用来比较UniGene 的cDNA 文库中的表达序列标记（EST）。EST 还出

现在微阵列中，对 EST 最好的描述是：

A）一簇非冗余序列（长约500bp）

B）cDNA 的一个标签，对应尚未被鉴别的转录产物

C）一段在基因组中多次重复的DNA 序列

D）对应于通过 cDNA 测序获得的表达基因的序列

24.在比较两个 cDNA 文库和 SAGE 文库时，可以鉴别出在其中之一存在差异表达的基因。Fisher’s exact test 可被用来检验以下零假设：

A）任何一个基因在两个文库中（如肝和肺）的相对序列数量相等

B）任何一个基因在两个文库中（如肝和肺）的相对序列数量不相等

C）两个文库中（如肝和肺）的序列总数相等

D）两个文库中（如肝和肺）的序列总数不等

Fisher `s exact test is a nonparametric method.

??It often has less statistical power than parametric

tests (such as a t-test)

arranged in an array with ranks assigned from 1 to n.

25.分析cDNA 文库时需要注意的是：

A）文库可能来源于不同组织B）文库可能包含数千个序列

C）文库的归一化方式可能不同D）文库可能包含大量很少被表达的转录产物

26.微阵列有一块固体支持物，被固定在上面的一般

是A）DNA B）RNA C）基因D）转录产物

27.在微阵列研究中，RNA 样本通常由 cDNA 或cRNA 转化而来，用来可视化的标记是

A）放射性或磷光B）放射性或荧光C）放射性或 RNA 探针D）放射性或 DNA 探针

The most common form of microarray is used to measure gene expression . RNA is isolated from matched samples of interest. The RNA is typically converted to cDNA, labeled with fluorescence (or radioactivity), then hybridized to

microarrays in order to measure the expression levels of thousands of genes.

28.MIAME 计划的目标是提供：

A）一个统一标准的系统，描述微阵列的制造

B）一个统一标准的系统，描述微阵列实验，从设计到杂交乃至图像分析

C）一个统一标准的系统，描述微阵列探针的制备，包括荧光和放射性标记

D）一个统一标准的微阵列数据库系统，包括数据存储、分析和显示标准

29.数以千计的基因的表达情况可以用cDNA 文库、SAGE 和DNA 微阵列测量。DNA 微阵列特有的一个优势是：

A）表达水平可以被量化B）可用于测量基因组中所有基因的表达水平

C）可在两个感兴趣的特定条件下测量数千个基因的表达水平

D）在比较两个感兴趣的特定条件下数千个基因的表达水平时，比其他两种方法更实用30.在芯片数据处理中，对原始数据的归一化处理是必须的，因为

A）基因表达值不是正态分布

B）实验中所用的 cDNA 有的带荧光，有的带放射性

C）在不同的样本中，利用荧光或者放射线的效率不同

D）在不同的样本中，利用荧光的效率不同

31.芯片数据分析可以用散点图，从散点图上可以得到的信息不包含：

A）确定哪个基因在相对高或低的表达水平

B）确定哪个基因上调表达或下调表达

C）确定某个基因和另外一些基因可以形成一类

D）确定某个基因属于实验中受到最重要调控基因的前5％

AB是对包含的。

32.在芯片实验中，基因表达比值的对数转换比原始数据更常用，因为：

A）两倍上调基因和两倍下调基因比值的对数有相同的绝对值

B）两倍上调基因和两倍下调基因比值的对数有相同的相对值

C）比值对数的范围和原始数据的范围相关

D）比值对数的散点图是表达值比值散点图的压缩版本

33.推测统计学分析芯片数据集的假设检验前提是：

A）概率为何值时就可以表明在比较两个样本后，某个基因受到了重要的调控

B）概率为何值时就可以表明在比较两个或更多样本后，某个基因受到了重要的调控

C）对芯片数据的聚类D）利用监督或非监督算法分析数据

34.下面的哪个描述是错误的？

A）芯片数据聚类得到的树类似于系统发育树

B）聚类的方法可以应用于芯片的基因或者样本

C）芯片数据聚类可应用于分割算法（如k均值算法）或利用层级聚类算法

D）芯片数据聚类算法总是应用主成分分析算法

35.聚类方法需要应用聚类参数的目的：

A）描述哪个聚类树是发散或收敛的B）降低高维数据集的维数

C）在含有基因表达值和样本的矩阵中，得到基因表达值的绝对值

D）在含有基因表达值和样本的矩阵中，界定基因表达值之间的关系

36.自组织图：

A）显示聚类后得到结果的结构

B）没有结构的，就如k均值聚类的结果

C）不能用聚类树的方法表示

D）含有邻居节点，用此来表达类之间的不同

37.主成份分析（PCA）：

A）熵最小化，且得到基因和蛋白之间的相关性B）包含收敛算法和发散算法

C）可对芯片实验中基因表达数据进行分析，但不能用于蛋白质芯片

D）降低高维向量的维数从而发现基因或者样本之间的关系

Principal components analysis (PCA), an exploratory technique that

reduces data dimensionality, distinguishes lead-exposed from control

cell lines.

? to reduce dimensionality

? to determine the linear combination of variables

? to choose the most useful variables (features)

? to visualize multidimensional data

? to identify groups of objects (e.g. genes/samples)

? to identify outliers

38.芯片数据分析中，非监督算法和监督算法最大的不同在于：

A）监督算法需要先验知识（如基因或样本的功能等），而非监督算法不需要

B）监督算法需要指定聚类的数目，而非监督算法不需要

C）监督算法可以对基因或样本聚类，而非监督算法只能对基因聚类

D）监督算法包含的算法有支持向量机、决策树等，而非监督算法只有聚类算法

39.同一结构域可能出现在一个蛋白质的氨基末端，也可能出现在另一个蛋白质的羧基末端

A）正确B）错误

40.一般说来，蛋白质结构域和模式（也称模体或指纹）的大小关系是：

A）一样大B）模式比结构域长C）结构域比模式长

D）只能对特定的蛋白质才能比较

A motif (or fingerprint ) is a short, conserved region of a

protein. Its size is often 10 to 20 amino acids.

41.氨基酸序列［ST］-X-［RT］是蛋白激酶C底物磷酸化的保守位点附近的序列，这段氨基酸序列是

A）一个模体，可以确定一组同源蛋白B）一个模体，但不足以确定一组同源蛋白C）一个结构域，可确定一组同原蛋白D）一个结构域，但不足以确定一组同源蛋白42.如果用软件预测一个尚不知道功能的蛋白质的糖基化位点、硫化位点、磷酸化位点是其他翻译后修饰位点：

A）软件预测结果多不可靠

B）因不知实际情况，所以很难评估

C）软件能预测相关修饰是否存在，但无法预测它们的生物学功能，只能通过实验确定D）软件能预测相关修饰是否存在，通过实验确定它们的生物学功能的方法也不可行43.Gene Ontology 的定义有一个潜在的假设，即根据分子功能、生物过程和细胞成分三个方面对基因或基因产物的描述：

A）对不同物种都是相同的，不管是植物、蠕虫还是人类B）不同物种间的差异很大C）不同物种之间的差异可能很大也可能无差异，对具体的每一个基因都要单独考虑D）不同物种之间的差异可能很大也可能无差异，需要由专家来具体分析每一个基因44.蛋白质细胞定位的信息主要在哪个Gene Ontology 分类中进行描述的：

A）分子功能B）细胞组分C）细胞定位D）生物过程

45.下面选项中，哪些是预测蛋白质功能的方法？

A）找到结构同源蛋白B）研究诱饵－猎物相互作用

C）确定蛋白质等电点D）上面选项都是

46.比较两个远缘同源的蛋白：

A）相对于序列，它们倾向于具有更相似的三维结构

B）相对于三维结构，它们倾向于具有更相似的序列

C）它们的序列相似性与结构相似性度要达到一定程度

D）并不能归纳出一个合理的结构和序列相似程度阈值

47.典型的蛋白质二级结构预测算法通常计算一个蛋白形成（）的概率

A）α螺旋B）α螺旋和β片层C）α螺旋、β片层和卷曲

D）α螺旋、β片层，卷曲和多聚体

48.相对于核磁共振，X 射线晶体衍射技术测定蛋白结构的优点在于

A）能更方便地测定跨膜蛋白结构B）衍射数据更容易分析

C）能测定较大的蛋白质结构D）长晶体比制备核磁共振样品容易

49.PDB 数据库

A）是全世界最主要的大分子二级结构数据库B）由NCBI 和EBI 共同管理

C）包括了蛋白质、蛋白质－核酸和糖类的结构数据

D）其蛋白结构数目与 SwissProt／TrEMB L 数据库中的序列数目相当

https://www.wendangku.net/doc/c19086010.html,3D 是 NCBI 的一个分子结构查看器，其特点是

A）一个与自动的同源模建联系的菜单驱动程序

B）一个命令行接口，对于结构分析十分有用

C）一个可以观察立体结构图像的结构查看器

D）一个结构查看器，同时伴有一个序列查看器

51.CATH 数据库对蛋白质结构进行了层次分析，前三个层次：类（class）、构架（architecture）和拓扑（topology）描述都是

A）蛋白质三级结构（三级结构的组成、堆垛、形状、方向和连接）

B）蛋白质二级结构（二级结构的组成、堆垛、形状、方向和连接）

C）蛋白质结构域的结构

D）蛋白质超家族是根据同源结构域划分的

52.同源模建与从头预测方法的区别在于

A）同源模建需要建立一个模型B）同源序列需要将目标与模板进行比对

C）同源模建适用于所有蛋白质序列 D）同源模建的准确度和目标、模板序列

间的相似程度无关

53.你想快速预测一个蛋白质序列的结构，对目标序列进行blast 和PSI-Blast 后，你发现在所有相关的已知结构的蛋白质中，最好的序列相似度只有17％，你将选择哪种方法？

A）X 射线晶体衍射技术B）核磁共振谱技术

C）将序列提交到蛋白质结构预测服务器进行同源模建

D）将序列提交到蛋白质结构预测服务器进行从头预测

二、名词

1. ESTs、STS、GSSs、HTGs、OMIM、PDB 等的含义

EST：表达序列标签—是从一个随机选择的 cDNA 克隆，进行 5’端和 3’端单一次测序挑选出来获得的短的 cDNA 部分序列,代表一个完整基因的一小部分.。

STS：sts使用pcr克扩增的一段序列，用于标定物理图中基因的位置，因此，只要满足上面两俄条件，都应该成为sts。一个DNA序列要成为STS须满足两个前提。首先它的序列必须是己知的以便于用PCR方法检测STS在不同DNA片段中存在与否。第二个要求是STS必须在待研究的染色体上有唯一的定位或当DNA片段群覆盖全基因组时STS在整个基因组中具有唯一的定位位点。

GSS：基因组勘测序列，是基因组 DNA 克隆的一次性部分测序得到的序：

cosmid/BAC/YAC 末端序列、通过 Exon 列。包括随机的基因组勘测序列、 trapped 获得基因组序列、通过 Alu PCR 获得的序列、以及转座子标记（序列）等。

HTG：GenBank,DDbj及EMBL为使生物学家更好地进行同源性对比搜寻高通量基因组序列而作的特殊分类.占所有DNA序列的70%以上.HTG部分包括那些通过高通量测序中心测序产生的尚未完成的DNA序列,有或没有注释

OMIM：持续更新的关于人类基因和遗传紊乱的数据库。主要着眼于可遗传的或遗传性的基因疾病，包括文本信息和相关参考信息、序列纪录、图谱和相关其他数据库

PDB：PDB是目前最主要的收集生物大分子(蛋白质、核酸和糖)三维结构的数据库,是通过

物大分子的三维结构数据库。

2. 直系同源（orthologous）与旁系同源（paralogous）

直系同源：不同物种中具有共同祖先的同源序列。

旁系同源：指单个种类中由于基因复制事件而产生的同源序列。

3. PAM 与BLOSUM 的含义

PAM：可接受点突变。一个用于衡量蛋白质序列的进化突变程度的单位。1个PAM的进化距离表

示蛋白质序列中平均1%的氨基酸残基发生突变的概率。

BLOSUM：模块替换矩阵。在替换矩阵中，每个位置的打分是在相关蛋白局部对比模块中观察到

的替换的频率而获得的。

4. 全局序列比对和局域序列比对

全局比对:是指将参与比对的两条序列里面的所有字符进行比对。全局比对主要被用来

寻找关系密切的序列。由于这些序列也都很易通过本地比对方法找到，现在全局比对

也有些被认为只是一种技巧。另外，全局比对在应用于分子进化时也有些问题（比如domain shuffling -见下)，这也限制了这种方法的可用性。

局部比对：1981年，由F. Smith 和 M.Waterman首次提出局部比对算法，动态规划方

法通过较少的改动便可以用来识别匹配的子序列，并且忽略匹配区域之前或之后的失

配和空位;局部比对时，表中小于零的位置用零代替。主要用来考察两序列的某些特殊

片段。

5. Needleman-Wunsch 算法和Smith-Waterman 算法

Needleman-Wunsch 中使用的回溯代码与 Smith-Waterman 中局部比对的回溯代码基本

相同，区别只是开始的单元格以及如何知道何时结束回溯。

这导致 Smith-Waterman 算法与 Needleman-Wunsch 算法存在着三个区别。首先，在初始化

阶段，第一行和第一列全填充为 0（而且第一行和第一列的指针均为空）。第二，在填充表

格时，如果某个得分为负，那么就用0 代替，只对得分为正的单元格添加返回指针。最后，在回溯的时候，从得分最高的单元格开始，回溯到得分为 0 的单元格为止。除此之外，回

溯的方式与 Needleman-Wunsch 算法完全相同。

6. HSPs

HSPs：高大分值片段。在一个给定的搜索中，没有空位的局部对比能得到最高的比对打

分值。

7. PSI-BLAST 和PHI-BLAST

PSI-BLAST:特定位点迭代BLAST程序。使用BLAST算法进行迭代搜索。初始搜索产生的表

达谱会在接下来的搜索中使用。这个过程会根据需要而一直重复，在每个循环中产生的

PHI-BLAST:模式发现迭代BLAST，用蛋白查询来搜索蛋白数据库的一个程序。仅仅找出那

些查询序列中含有的特殊模式的对齐。

8. 信号序列或模式

核糖体同内质网的结合受制于mRNA中特定的密码序列（可以翻译成信号肽），具有这

种密码序列的新生肽才能连同核糖体一起附着到内质网膜的特定部位。信号序列的两个

基本作用是：①通过与SRP的识别和结合，引导核糖体与内质网结合；②通过信号序列的

疏水性，引导新生肽跨膜转运。

9. 敏感性与特异性

敏感性（sensitive）和特异性（specificity）:假设待测序列中有M１条序列是基因序列，

剩余的M２条为非基因序列。我们用程序对待测序列进行预测，N条序列被预测为基因，其中有N１条确实为基因，其余N２条不是基因的一部分。敏感性定义为 N１／M１，它

表示程序预测的能力。特异性定义为 N１／N，它表示预测结果的可信度。敏感性和特异

性往往是一对矛盾，一般以敏感性和特异性的平均值作为评判程序优劣的标准。

10.基因、开放阅读框、CpG 岛、启动子、操纵子、转录终止信号等

基因:有遗传效应的DNA片段，是控制生物性状的基本遗传单位。

开放阅读框(ORF):基因序列的一部分，包含一段可以编码蛋白的碱基序列，不能被终止

子打断。结构基因的正常核苷酸序列，从起始密码子到终止密码子的阅读框可编码完

整的多肽链，其间不存在使翻译中断的终止密码子。

CpG 岛: 基因组中长度为300～3000 bp的富含CpG二核苷酸的一些区域，主要存在于基

因的5′区域。启动子区中CpG岛的未甲基化状态是基因转录所必需的，而CpG序列中的

C的甲基化可导致基因转录被抑制。

启动子:RNA聚合酶特异性识别和结合的DNA序列。启动子是基因（gene）的一个组成

部分，控制基因表达（转录）的起始时间和表达的程度。

操纵子:指启动基因、操纵基因和一系列紧密连锁的结构基因的总称。转录的功能单位。

很多功能上相关的基因前后相连成串，由一个共同的控制区进行转录的控制，包括结构

基因以及调节基因的整个DNA序列。主要见于原核生物的转录调控，如乳糖操纵子、阿

拉伯糖操纵子、组氨酸操纵子、色氨酸操纵子等

转录终止信号:特指转录过程产生RNA的一段序列所形成的茎-环结构，可特异性地被RNA聚合酶转录复合体识别而使转录终止。

11.推测统计方法与描述统计方法

描述统计学（Descriptive Statistics）:研究如何取得反映客观现象的数据，并通过图表

形式对所收集的数据进行加工处理和显示，进而通过综合概括与分析得出反映客观现象

的规律性数量特征。内容包括统计数据的收集方法、数据的加工处理方法、数据的显示

方法、数据分布特征的概括与分析方法等。

推断统计学（1nferential Statistics）:则是研究如何根据样本数据去推断总体数量特征的

方法，它是在对样本数据进行描述的基础上，对统计总体的未知数量特征做出以概率形

式表述的推断。

12.Domain 、 Motif 、family

Domain：结构域。蛋白质在折叠式与其他部分相独立的一个不连续的部分，他有自己独特的

功能。

Motif：序列模式。蛋白质序列中短的保守区域。他们是结构域中保守性很高的部分。

Family：是一系列同源序列的集合，既包括直系同源类似物又包括旁系同源类似物。

三、问答题

1. 有哪三大核酸数据库，它们各由什么机构主持？

NCBI ：美国国立生物技术信息中心，管理 GenBank 数据库；

日本的DNA数据库（DDBJ）

欧洲生物信息研究所主持的EMBL数据库

2. 分子生物学的中心法则和基因组中心法则？

分子生物学中心法则：DNA—RNA—蛋白质—细胞表型

基因组中心法则：基因组—转录组—蛋白质组--细胞表型

3. NCBI 中的Blast 程序家族主要包含哪几种主要的程序、各自适用范围和进行Blast 搜

Blast 搜索的步骤：1.选定感兴趣的序列；2.选择Blast程序；3.选择数据库；4.选择参数。

4. PSI-BLAST 和PHI-BLAST 搜索的大致步骤？说明 PSI-BLAST 崩溃的原因及防止的措施有

哪些？

PSI：1.用常规的blastp在目标数据库中进行对比搜索；2、位点特异性反复比对从第一步得到

的结果中构建多序列比对。然后为每个比对建立一个专门的搜索矩阵；3、用第二部得到的定点

评分矩阵再一次搜索原来的数据库。4、位点特异性反复比对后永缺失比对的参数检验每个匹配

的统计显著性；5、重复二至四步，一般重复5次。

PHI：

5. 如何用BLAST 来发现一个新基因？

从一个蛋白序列开始，通过tBLASTn工具搜索一个DNA数据库，可以找到相应的匹配，如与DNA

编码的已知蛋白质的匹配或者与DNA编码的相关蛋白质的匹配。然后通过BLASTx或BLASTp在蛋

6. 原核生物和真核生物的基因结构的联系与区别是什么？

联系：都是由生物基本单位中的所有核酸序列组成，都有重复序列和单一序列，都是生

物的遗传物质等

区别：1、真核生物基因组指一个物种的单倍体染色体组(1n)所含有的一整套基因。还包

括叶绿体、线粒体的基因组。

原核生物一般只有一个环状的DNA分子，其上所含有的基因为一个基因组。

2、原核生物的染色体分子量较小，基因组含有大量单一顺序（unique-sequences），DNA仅有少量的重复顺序和基因。

真核生物基因组存在大量的非编码序列。包括：.内含子和外显子、.基因家族和假基因、重复DNA序列。真核生物的基因组的重复顺序不但大量，而且存在复杂谱系。

3、原核生物的细胞中除了主染色体以外，还含有各种质粒和转座因子。质粒常为双链

环状DNA，可独立复制，有的既可以游离于细胞质中，也可以整合到染色体上。转座因

子一般都是整合在基因组中。

真核生物除了核染色体以外，还存在细胞器DNA，如线粒体和叶绿体的DNA，为双链环状，可自主复制。有的真核细胞中也存在质粒，如酵母和植物。

4、原核生物的DNA位于细胞的中央，称为模核（nucleoid）。

真核生物有细胞核，DNA序列压缩为染色体存在于细胞核中。

5、真核基因组都是由DNA序列组成，原核基因组还有可能由RNA组成，如RNA病毒。

7. 何谓信号肽？信号肽的主要作用是什么？

常指新合成多肽链中用于指导蛋白质的跨膜转移（定位）的N-末端的氨基酸序列（有时不一

定在N端）。

作用：决定该蛋白质在内质网内部进入哪一条通路再被定位到合适的地方去。

6. 研究基因表达的传统的实验技术有哪些？高通量研究基因表达的方法又有哪些？

传统实验技术：RNA印迹法、反转录的聚合酶链式反应（RT-PCR）、核糖核酸酶保护分析

高通量研究基因表达方法：1、通过产生表达序列标记，可以构建cDNA文库，并可在UniGene中

进行电子比较；2、基因表达序列分析；3、复杂的cDNA混合物可以被放射性或荧光标记，并在

含有cDNA或对应于数千个基因的寡核苷酸的DNA微阵列上杂交。

7. cDNA 文库是如何构建的？进行 cDNA 文库的电子比较时的数学基础及需注意的事项是什么？

构建：信使RNA在3端和oligo（dT）引物杂交，经过反转录得到一个mRNA：cDNA混合体。煮沸是RNA变性后，用DNA聚合酶合成cDNA双链。将接头（即可被限制性内切酶识别的核

苷酸序列）加到cDNA上，于是对该cDNA（又称插入片段）和智力或者噬菌体（载体）一

起进行合适的消化后，两者可以被连接起来。然后将大肠杆菌转化并经抗生素定抗性筛选，形成cDNA文库。

数学基础：

注意事项：1、注意需偏向较熟悉的组织；2、文库的被测序的程度影响其对原细胞或组织

内容的代表能力。3、EST一般仅在双链中的一条链上被测序，而不对两条单链都测序。出

错率会更高。4、嵌和序列可能污染cDNA文库

8. 试详细阐述微阵列实验的步骤。

微阵列实验的步骤分为：

该技术的原理是在固体表面上集成已知序列的基因探针，被测生物细胞或组织中大量标记的核酸

序列与上述探针阵列进行杂交，通过检测相应位置杂交探针，实现基因信息的快速检测。

DNA微阵列技术的主要流程：

①芯片的制备：DNA芯片的制备方法有光引导原位合成法、化学喷射法、接触式点涂法、原位

DNA控制合成、非接触微机械印刷法TOPSPOT和软光刻复制等。目前已能将40万种不同的DNA

分子放在1 cm2的芯片上。

②样品的制备：包括样品DNA或RNA的分离提纯和用PCR技术对靶基因片段扩增以及对靶基因标记。

③杂交反应：选择合适的反应条件使生物分子间的反应处于最适反应条件。芯片杂交属固-液相

杂交，影响杂交的有诸多因素，其中包括：靶标浓度、探针浓度、杂交双方的序列组成、盐浓度、

④芯片信号的检测与分析：样品中靶基因与固定在芯片上的探针发生特异性杂交而结合在芯片上的不同点，荧光素分子受特定波长的激发光照射出特定波长的荧光。通过特定的扫描仪获取杂交后的信号，目前用于芯片扫描的芯片扫描仪有：激光共聚焦扫描芯片和CCD芯片扫描仪，得到的数据用一个专门处理系统来对其进行处理，包括芯片数据的统计分析和生物学分析、芯片数据库积累和管理、芯片表达基因的国际互联网上检索和表达基因数据库分析等。

一、微阵列的实验设计；主要可分为3步进行：1、选出生物样本以供比较，如经过和未经过

药物处理的细胞系。在选择实验对象进行处理时，合适的做法是对其随机分组。2、将RNA 提取出来并作放射性或荧光标记。（一般以互补DNA为对象）。3、玻片上阵列元素按随机分布的原则排列。

二、RNA的制备与探针的制备：运用RPIzol类试剂将RNA提纯；且其纯度、质量等都需要进

行进一步的监控；RNA在被放射性或者荧光染料标记后，可对其进行探测。

三、将标记后的样本和DNA阵列杂交：即对两个样本中的基因表达模式进行比较。每个样本中

的RNA被施以荧光或放射性标记，形成“探针”。此后使探针在滤片或玻片上的杂交持续一整夜，然后清洗。

四、图像分析：阵列通过激光激发，测量其荧光强度依次测得Cy5和Cy3通道的数据并得出基

因表达水平的比值。

五、数据分析：利用微阵列实验最低限度信息计划提供的框架记录6方面信息：实验设计、微

阵列设计、样本（及其制备）、杂交过程、图像分析、为标准化做的调节。

9. 微阵列数据分析的主要步骤

10.蛋白质有哪几级结构？它们形成的原因各是什么？

蛋白质一共有四级结构。分别是初级结构：多肽链中线性的氨基酸残基序列。二级结构：如β折叠等都是由初级结构按一定的规律折叠组装而成。三级结构是有结构域在三维空间按一定的方式排列而成；四级结构则是有几条具有三级结构的肽链组成。

他们形成的原因：一级结构：有基因决定；二级结构：有氨基酸侧链的构象决定。三级结构四级结构书上都没有。。。

11.获得蛋白质三维结构的实验方法和理论预测方法有哪些？评判它们各自的优缺点

现阶段的实验方法是：

1、X射线衍射：蛋白质在足够高的浓度并在合适的条件下形成晶体才能进行（缺点），但他是用于测定蛋白质结构最精确的方法（优点），方法：晶体将X光衍射到探测装置，并通过衍射图像类型推到得到。

2、核磁共振技术：将蛋白质溶液置于磁场中，观察特征性的化学位移，从化学位移中推测蛋白结构。核磁共振优势：不需要复杂的结晶过程，劣势：不够准确

理论预测方法：

（1）同源建模，(1) 同源建模方法：对于一个未知结构的蛋白质，找到一个已知结构的同源蛋白质，以该蛋白质的结构为模板，为未知结构的蛋白质建立结构模型，序列相似性低于30%的蛋白质难以得到理想的结构模型；

（3）在找不到已知结构的蛋白质模板时使用从头预测法：根据序列本身从头预测蛋白质结构。可在没有明显同源时使用，但只能得到低分辨率的结构模型

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

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）

中科院生物信息学题目整理

生物信息学题目整理：陈润生：一、什么是生物信息学？你怎么理解它的含义？ Genome informatics is a scientific discipline that encompasses all aspects of genome information acquisition, processing, storage, distribution, analysis, and interpretation. 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。 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。对生物信息学理解的实例：怎样从新测得的DNA序列中找到编码区？非编码区与编码区的差别是什么？非编码区有什么具体功能？RNAi现象对于细胞来说有着很重要的意义，包括基因表达的调控等等，那么都有哪些具体机制可以诱导正常细胞产生RNAi现象？SARS病毒的比较基因组研究；治疗SARS的RNAi设计；SARS蛋白的结构预测和模拟。怎么理解：生物信息学是把基因组DNA序列信息分析作为源头，找到基因组序列中代表蛋白质和RNA 基因的编码区；同时，阐明基因组中大量存在的非编码区的信息实质，破译隐藏在DNA序列中的遗传语言规律；在此基础上，归纳、整理与基因组遗传信息释放及其调控相关的转录谱和蛋白谱数据，从而认识代谢、发育、分化、进化的规律。其还利用基因组中编码区信息进行蛋白空间结构模拟和蛋白功能预测，并将此类信息与生物体和生命过程的生理生化信息结合，阐明其分子机理，最终进行蛋白、核酸分子设计、药物设计、个体化医疗保健设计。二、发现新基因的两种方法是什么？算法的本质是？大部分新基因是靠理论方法预测出来的。 1、利用NCBI中EST( Expression Sequence Tag) 数据库(dbEST) 发现新基因和新SNPs。国际上现已出现了几个基于EST的基因索引如UniGene, Merck-Gene, GenExpress-index 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策略主要步骤：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。 2、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比对，从而确定是否为新基因。

生物信息学复习资料全

一、名词解释(31个) 1.生物信息学:广义：应用信息科学的方法和技术，研究生物体系和生物过程息的存贮、信息的涵和信息的传递，研究和分析生物体细胞、组织、器官的生理、病理、药理过程中的各种生物信息，或者也可以说成是生命科学中的信息科学。狭义：应用信息科学的理论、方法和技术，管理、分析和利用生物分子数据。 2.二级数据库：对原始生物分子数据进行整理、分类的结果，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立的。 3.多序列比对：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。 4.系统发育分析：是研究物种进化和系统分类的一种方法，其常用一种类似树状分支的图形来概括各种（类）生物之间的亲缘关系，这种树状分支的图形称为系统发育树。 5.直系同源：如果由于进化压力来维持特定模体的话，模体中的组成蛋白应该是进化保守的并且在其他物种中具有直系同源性。指的是不同物种之间的同源性，例如蛋白质的同源性，DNA序列的同源性。（来自百度） 6.旁系（并系）同源：是那些在一定物种中的来源于基因复制的蛋白，可能会进化出新的与原来有关的功能。用来描述在同一物种由于基因复制而分离的同源基因。（来自百度） 7.FASTA序列格式：将一个DNA或者蛋白质序列表示为一个带有一些标记的核苷酸或氨基酸字符串。 8.开放阅读框（ORF）：是结构基因的正常核苷酸序列，从起始密码子到终止密码子的阅读框可编码完整的多肽链，其间不存在使翻译中断的终止密码子。（来自百度） 9.结构域：大分子蛋白质的三级结构常可分割成一个或数个球状或纤维状的区域，折叠得较为紧密，各行其功能，称为结构域。 10.空位罚分：序列比对分析时为了反映核酸或氨基酸的插入或缺失等而插入空位并进行罚分，以控制空位插入的合理性。（来自百度） 11.表达序列标签：通过从cDNA文库中随机挑选的克隆进行测序所获得的部分 cDNA的3’或5’端序列。（来自文献） 12.Gene Ontology 协会： 13.HMM 隐马尔可夫模型：将核苷酸序列看成一个随机序列，DNA序列的编码部分与非编码部分在核苷酸的选用频率上对应着不同的Markov模型。14.一级数据库：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 15.序列一致性：指同源DNA顺序的同一碱基位置的相同的碱基成员, 或者蛋白质的同一氨基酸位置的相同的氨基酸成员, 可用百分比表示。 16.序列相似性：指同源蛋白质的氨基酸序列中一致性氨基酸和可取代氨基酸所占的比例。 17.Blastn：是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将同所查序列作一对一地核酸序列比对。（来自百度） 18.Blastp：是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐一地同每条所查序列作一对一的序列比对。（来自百度）

翠花-2012生物信息学复习题(1)

生物信息学复习题及答案

生物信息学题库

生物信息学复习题及答案陶士珩

生物信息学题库说课材料

生物信息学课后题及答案-推荐下载

生物信息学 复习题及答案(打印)

生物信息学试题整理

最新生物信息学考试复习

2019版国科大生物信息学期末考试复习题

生物信息学复习题及答案(陶士珩)

生物信息学试题

中科院生物信息学题目整理

生物信息学复习资料全

生物信息学复习题及答案(打印)