生物信息学 期末复习
■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
31.细菌基因组与真核生物基因组分析工具存在较大差异的主要原因是：
A. 细菌拥有不同的密码子
B. 细菌没有细胞核
C. 细菌很少有基因与真核同源■细菌DNA的基因含量、组成结构很不一样
32.下列具有最小基因组的原核生物可能是：
A. 嗜极生物
B. 病毒■胞内细菌 D. 杆菌
33.要证明某大肠杆菌中的某个基因是水平转移而来，需要：
A. 分析该大肠杆菌中该基因的GC含量与其他基因是否有很大差异
B. 分析该大肠杆菌中该基因的密码子使用与其他基因是否有很大差异
C. 系统发生分析该基因与其他物种中基因的同源关系■获取以上三个方面的信息
34.C值矛盾是指：
A. 某些基因组中核苷酸C的含量少
B. 真核生物基因组大小同编码蛋白质的基因个数没有相关性■真核生物基因组大小同屋中的复杂性相关性很小 D. 真核生物基因组大小同进化上的年龄相关性小
35.成百上千个4~8bp的重复序列单元最可能出现在：
A. 散布性重复序列中
B. 假基因中■端粒中 D. 片段复制区域
36.从头预测真核基因的原因有：
A. 外显子/内含子边界难以确定
B. 内含子长度可能只有几个碱基对
C. 编码区域的GC含量并不总是与非编码区相同■以上三个方面的原因
37.人类基因组大小大约是多少Mb： A. 130 B. 300 ■3000 D. 30000
38.各种重复元件在人类基因组中大约占的百分比为： A. 5% B. 25% ■50% D. 95%
39.蛋白质编码区域占人类基因组百分比是：■1-5% B. 5-10% C. 10-20% D. 20-4-%
40.人类基因组中GC含量高的区域：
A. 基因密度相对较低■基因密度相对较高 C. 基因密度多变 D. 基因所含密码子相对较少
41.人类复合孟德尔遗传的基因疾病约占疾病基因的：■1% B. 10% C. 50% D. 60%
42.单基因疾病趋向于：
■在普通人群较少见，并且发生时间较早 B. 在普通人群较常见，并且发生时间较早
C. 在普通人群较少见，并且发生时间较晚
D. 在普通人群较常见，并且发生时间较晚
名词解释
1.生物信息学（bioinformatics）：是一门结合生物技术和信息技术从而揭示生物学中新原理的科学。
2.鸟枪法测序（shotgun method）一种测序方法，包括从基因组中获得随机的、已测序的克隆片段，并且
对初始基因的位置一无所知。
3.BLAST：基本局部相似性比对搜索工具。在序列数据库中快速查找与给定的序列具有最优局部对准结果
的序列的一种序列对算法。
4.整体联配（global alignment）：对两个核苷酸或蛋白质序列的全长所进行的比对。
5.FAST A：是第一个被广泛使用的数据库相似性搜索算法，这个程序通过扫描序列中“词”的小配对，从
而寻找最优局部比对。
6.算法（algorithm）：在计算机程序中包含的一种固定过程。
7.序列比对（alignment）：将两个或多个序列排在一起，以达到最大一致性的过程（对于氨基酸序列是比
较他们的保守性），这样评估序列间的相似性和同源性。
8.多序列比对（multiple sequence alignment）：三个或多个序列之间的比对，如果序列在同一列有相同结
构位置的残基和（或）祖传的残基，则会在该位置插入空位。
9.最佳联配（optimal alignment）：两个序列之间有最高打分值的排列。
10.空位（gap）：在两条序列比对过程中需要在检测序列或目标序列中引入空位，以表示插入或删除。
11.模块替换矩阵（BLUSUM）在替换矩阵中，每个位置的打分是在相关蛋白局部比对模块中观察到的替换
的频率而获得的，每个矩阵被修改成一个特殊的进化距离。
12.可接受点突变（PAM）一个用于衡量蛋白质序列的进化突变程度的单位。
13.互补序列（complementary sequence）能够与其他DNA片段根据碱基互补序列（A与T配对，G与C
配对）形成两练结构的核苷酸序列。
14.保守序列（conserved sequence）指DNA分子中的一个核苷酸片段或者蛋白质中氨基酸片段，它们在进
化过程中基本保持不变。
15.邻接片段：一组在染色体上有重叠区域的DNA片段的克隆；
16.支架：由序列重叠群拼接而成。
17.注释（annotation）对数据库中原始的DNA碱基序列添加相关信息（比如编码的基因，氨基酸序列等）
或其他的注解。
18.基因预测（gene prediction）用计算机程序对可能的基因所做的预测，它是基于DNA片段与已知基因序
列的匹配程度的。
19.直系同源（Orthologous）指不同种类的同源序列，他们是在物种的形成事件中从一个祖先序列独立进化
而成的，可能有相似功能，也可能没有。
20.旁系同源（p aralogous）是通过类似基因复制的机制产生的同源序列。
21.替换（substitution）在指定的位置不相同的氨基酸进行连配，如果联配的残基有相似的物化性质，那么
替换是保守的。
22.表达序列标签（E ST）一种短的DNA片段，是cDNA分子的一部分，可用来鉴定基因，通常用于基因
定位和基因图谱中。
23.多态性（PolyMorphism）多个个体之间DNA的差异叫多态性。
24.序列模式（Motif）蛋白质序列中短的保守区域，它们是结构域中保守性很高的部分。
25.结构域（domain）：蛋白质在折叠时候与其它部分相独立的一个不连续部分，他有自己独特的功能。
26.开放阅读框（ORF）位于DNA或RNA上起始密码子与终止密码子之间的序列。
27.表达谱（profile）一个显示某个同源家族中指定位置打分值和空位罚分的表格，可以用于搜索序列数据
库。
28.分子钟（molecular clock）对于每一个给定基因（或蛋白质）其分子进化率大致是恒定的。
29.系统发生（p hylogeny）是指生物种族的进化历史，亦即生物体在整个进化谱
30.分子进化树（molecular evolutionary tree）在研究生物进化和系统分类中，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成为系统发育树(phylogenetic tree)。
问答题
1.生物信息学的大体定义是什么？其发展历程如何？
2.请论述生物信息学的研究内容有哪些？
3.请叙述构建系统进化树的一般步骤。
4.NCBI的Entrez检索包含了哪些方面的信息。
5.BLAST系列软件分别用哪些数据搜索何种数据库？
6.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？
7.请概述基因组注释的大体流程。
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
生物信息研究中常用蛋白质数据库的总结复习进程
生物信息研究中常用蛋白质数据库的总结
生物信息研究中常用蛋白质数据库简述 内蒙古工业大学理学院呼和浩特孙利霞 2010.1.5 摘要：在后基因组时代生物信息学的研究当中，离不开各种生物信息学数据库。尤其在蛋白质从序列到功能的研究当中，目前各种行之有效的方法都是基于各种层次和结构的蛋白质数据库。随着计算机技术及网络技术的发展，目前的蛋白质数据库不论是所包含数据量还是功能都日新月异，新的数据库层出不穷。一个新手面对如此浩瀚的数据量往往无从下手。本文粗浅地为目前蛋白质数据库的使用勾画出一个轮廓，作为自己蛋白质研究入门的一个引导。 关键词：蛋白质；数据库 0 引言 随着科技的发展，个人的知识往往赶不上快速膨胀的信息量，人们为了解决这个问题，便创建了形形色色的数据库。蛋白质数据库是指：在蛋白质研究领域根据实际需要，对蛋白质序列、蛋白质结构以及文献等数据进行分析、整理、归纳、注释，构建出具有特殊生物学意义和专门用途的数据库。蛋白质数据库总体上可分为两大类：蛋白质序列数据库和蛋白质结构数据库，蛋白质序列数据库来自序列测定，结构数据库来自X-衍射和核磁共振结构测定（详见图1）。这些数据库是分子生物信息学的基本数据资源。上世纪90年代，我国从事蛋白质研究的学者使用的蛋白质数据库储存介质还是国外实验室发布的激光光盘[1]。信息的传播储存甚为不便。随着蛋白质研究的发展飞快，同时伴随着计算机和因特网发展，蛋白质数据库的储存传播方式也发生的巨大的变化。进入21世纪后，我们所用的各种蛋白质数据库都发展成为存储在网络服务器上，基于“服务器—客户机”的访问查询方式。伴随着计算机及物理测试技术的发展数据库的容量和功能成数量级膨胀。但是面对如此浩瀚的数据，新手往往感到无从下手，在需要时找不到自己需要的合适数据库。 本文从目前蛋白质数据库建立的的逻辑层次出发，系统地简绍了常用蛋白质数据的概况，它们的查询方法以及它们相互之间的联系。同时尽量不涉及数
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
数据挖掘与分析心得体会
正如柏拉图所说：需要是发明之母。随着信息时代的步伐不断迈进，大量数据日积月累。我们迫切需要一种工具来满足从数据中发现知识的需求！而数据挖掘便应运而生了。正如书中所说：数据挖掘已经并且将继续在我们从数据时代大步跨入信息时代的历程中做出贡献。 1、数据挖掘 数据挖掘应当更正确的命名为：“从数据中挖掘知识”，不过后者显得过长了些。而“挖掘”一词确是生动形象的！人们把数据挖掘视为“数据中的知识发现（KDD）”的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤！ 由此而产生数据挖掘的定义：从大量数据中挖掘有趣模式和知识的过程！数据源包括数据库、数据仓库、Web、其他信息存储库或动态地流入系统的数据。作为知识发现过程，它通常包括数据清理、数据集成、数据变换、模式发现、模式评估和知识表示六个步骤。 数据挖掘处理数据之多，挖掘模式之有趣，使用技术之大量，应用范围之广泛都将会是前所未有的；而数据挖掘任务之重也一直并存。这些问题将继续激励数据挖掘的进一步研究与改进！ 2、数据分析 数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 数据分析有极广泛的应用范围。典型的数据分析可能包含以下三个步： 1、探索性数据分析：当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。 2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。 3、推断分析：通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。 数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各
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。
生物信息学分析实例
ORF预测的可靠性检验 设计引物：Primer Premier 5.0 评估引物质量：Oligo 6.65 或Oligonucleotide Properties Calculator NCBI的BLAST 2 SEQUENCES程序 https://www.wendangku.net/doc/d710722904.html,/blast/bl2seq/wblast2.cgi 核苷酸序列＝>氨基酸序列 制作密码子用法表 蛋白质理化性质分析 在线分析 ExPasy服务器上的ProtParam https://www.wendangku.net/doc/d710722904.html,/tools/protparam.html 生物学软件 BioEdit－氨基酸成分 Seqtools－亲、疏水性残基，蛋白溶解度 蛋白质功能性区域分析 疏水性分析 在线的ProtScale 程序 https://www.wendangku.net/doc/d710722904.html,/cgi-bin/protscale.pl 使用生物学软件BioEdit7.05 采用Kyte-Doolittle的TGRESE算法 调整计算窗口大小n=9 附：该参数用于估计每种氨基酸残基的平均显示尺度，有助于对数据进行平滑。 跨膜区分析 在线分析 TMHMM Server v. 2.0 http://www.cbs.dtu.dk/services/TMHMM/ TMpred https://www.wendangku.net/doc/d710722904.html,/software/TMPRED_form.html TMP http://www.mbb.ki.se/tmap/ 信号肽预测 SignalP 3.0 Server 几种人工神经网络法的组合 G+、G-、真核生物为训练集 http://www.cbs.dtu.dk/services/SignalP/
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。
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。
计算机专业认识实习报告
认识实习心得 计算机112班ZZM 11月18日到22日是认知实习周，我们计算机专业在老师的精心安排下，组织了许多专业知识讲座，以及实地参观学习。在此之前，一提到实习，总感觉有一种神秘感，不知道我们这个专业实习能干什么？实习之后，我懂得了不少经验和道理。 讲座内容涉及职场礼仪、计算机专业技术、科技研发、创业等，实地参观无锡（国家）软件园、常州北大众志公司、常州同惠电子厂等。丰富多彩的讲座以及身临科研开发的第一线不仅拓宽了我们的视野，也使我们在专业知识的学习上明确了方向，对未来的职业选择奠定了一定的基础。下面简单的说下实习的具体感受。 第一天由无锡NIIT学校副校长郑老师做了关于职场上礼仪的讲座。郑老师从4大方面若干小点阐述了职场对礼仪的要求。首先是为什么要学习职场礼仪。古人云：“礼”者，敬人也。一是严于律己，二是尊敬他人，并且强调要学会用正确的方法尊敬别人。关于基本礼仪要求：首先强调的是个人卫生，个人的整体形象。如果一个人邋邋遢遢，个人生活一团糟，相信不会有哪个HR会看上你，并且相信你会为公司带来经济效益。其次，礼貌待人，一个人很有礼貌的去做事，可以给人的感觉是这个人很有素养，举止得体，这样会加重别人信任你的砝码。接着是关于友善，生活中难免会遇到一些竞争者，我们要正确的认识两者间的关系，友善的处理好关系有助于工作的开展，而不是盲目的排挤打压。要学会用真诚去感化别人，真诚待人。接着是尊重他人的情感，学着站在别人的角度思考问题，感受别人的心情。最好能够尝试理解他人。还有就是善待来访，善用敬语。一些基本的礼节问题讨论结束后，郑老师开始向我们介绍在公司里，作为一名员工应当具有的礼节行为。一名员工最基本的礼节行为就是要守时，如果有特殊情况不能及时赶到，应当立即打电话告知对方。时间是最宝贵的，误时的结果会让你在别人心中的形象大打折扣，会认为你不是一个严谨的人。其次就是远离流言蜚语，嘴巴一定要管好，不能四处散播不良言论，必须要为自己所说的话负责。当然还有些细节问题，例如衣着得体，讲究个人卫生；不带病上班；控制饮酒；不带不速之客；杜绝轻浮举止等，郑老师也一一作了详细解答。郑老师切身说法，列举自己生活里的例子给大家做分析，说心得。同学们听后感慨颇多。 第二天我们计算机专业进行了第二次学术报告讲座，课题为机器学习。平时学习的范围比较狭隘，很少接触到类似于这种高端的技术范畴。学院万建武老师首先从机器学习这一概念的提出及发展情况做了简单的介绍，通俗意义上讲就是让机器有自我学习的能力。目前国类研究人员还是很多的，很多高等学府都相应的开设了课程，例如北大、清华、交大等，一些重要的知名大企业技术核心也涉及到了，如阿里巴巴、百度，中国移动等，其中阿里巴巴的淘宝网站应用最为广泛。它机器会根据用户的购买喜好，以及用户的购买力进行自学习，然后在淘宝的产品库中智能的推荐该用户能够喜欢以及能够支付的产品，通过高效的算法使得自身的商品最大化的推销出去。接着，老师介绍了他本人感兴趣的研究方向，希望给与我们一些指导。视频追踪、机器排错。视频追踪类似于相机里的聚焦并锁定人物头像，视频追踪技术用来分析人物的动作形态，并且排除外界环境的干扰，要将人物的整个信息记录下来。然后老师提出了进行这项研究所需具备的条件，要喜欢接受挑战，有好的外语阅读能力，好的数学基础（线性代数、概率统计、优化、实变、泛函），对照老师提出的基本要求，自己这方面的能力还有待加强。老师举了一些眼下热门的技术使用，网络安全、门禁的入侵检测、生物信息学等。当然这项高端的技术也面临着诸多挑战问题，（1）泛化问题，机器进过学习后得出的结论，今后10年是否准确？（2）运行的速度，比如训练时间VS测试时间。（3）可理解性的问题，是否能让其他人更好的理解规则和模型，市场上的技术封装“黑盒子”能否满足需要？（4）数据利用能力（5）代价敏感，应用到的模识别，以及降维算法。很好的例子就是人脸识别。此次讲座让我不仅接触到了前沿的科技，热的研究方向，而且也让我深刻感受到稳扎基础，拓宽知识面的重要性！
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
分子与合成生物学知识点总结
1.(生命的起源)三界的分类：古细菌、细菌、真核生物 2.小分子：氨基酸、糖类、核苷酸 77% 3.大分子：核酸、蛋白质、脂质 23% 4.古细菌更类似于真核细胞，原核细菌是真正的细菌 5.合成生物学的定义：设计和构建自然界中没有发现的生物功能和生物系统。构造生物零件装置和能量，药物以及科技系统中应用工程原则和数学模型。 组装各领域专业知识的研究领域为了理解，构建，修饰生物系统。 合成生物学的目标：①操纵基因元件，将基础生物分子整合到基因线路上，来创造新性状，表达复杂的生物功能。②从稳定、标准、已经改良好的基因模块来构建生物体系。 合成生物学的目的：改造系统、系统化构建 .合成生物学与其他学科的不同：抽象性、模块性、标准化、设计和模型 6.根据进化树，古细菌和真核生物都来自细菌。 7.生物膜的作用：隔离、储存能量、物质传递、信号传导、阻断毒性 8.内共生学说：古细菌的真核细胞吞噬异样细菌，成为它的线粒体。 吞噬自养细菌，成为它的叶绿体。 9.基因的概念：基因是生物有机体遗传的分子单元 基因在染色体上 是有机体中可以编码多肽和RNA的DNA序列 10.DNA的结构和功能： 遗传信息在DNA链的核苷酸序列中 遗传信息指导合成蛋白质 基因两条链碱基配对以氢键链接 一条链模板、半保留复制5-3、3端游离羟基、糖在外，碱基在内 11.染色体结构与基因表达： 染色质的基本组成单位是核小体 核小体是组蛋白八聚体2H2A 2H2B 2H3 2H4 H1与核小体间DNA链接 染色质改造：连接DNA长度可变，结合DNA结构可变 12.三个重要的DNA序列：端粒、复制起始区、着丝点 13.核小体的N端修饰（共价修饰）： DNA甲基化和组蛋白去乙酰化协同作用共同参与转录阻遏。 磷酸化使生物学过程发生 14.转录抑制与异染色质有关 15.第三章总结：间期染色质解旋很难看见 基因表达loop结构处 常染色质结构疏松表达活跃，能编码蛋白质。 异染色质粘稠不编码。如端粒、中心粒、着丝粒 有丝分裂染色体是压缩的，有序的，染色体在细胞核中的存放时空间有序的 16.分子机器：调节DNA的蛋白质 DNA：连接酶、解旋酶（95℃）、拓扑异构酶 钳蛋白、结合蛋白
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。
分子生物学复习题(有详细答案)
分子生物学复习题(有详细答案)
绪论 思考题：（P9） 1.从广义和狭义上写出分子生物学的定义？ 广义上讲的分子生物学包括对蛋白质和核酸等生物大分子结构与功能的研究，以及从分子水平上阐明生命的现象和生物学规律。 狭义的概念，即将分子生物学的范畴偏重于核酸（基因）的分子生物学，主要研究基因或DNA结构与功能、复制、转录、表达和调节控制等过程。其中也涉及与这些过程相关的蛋白质和酶的结构与功能的研究。 2、现代分子生物学研究的主要内容有哪几个方面？什么是反向生物学？什么是 后基因组时代？ 研究内容： DNA的复制、转录和翻译；基因表达调控的研究；DNA重组技术和结构分子生物学。 反向生物学：是指利用重组DNA技术和离体定向诱变的方法研究已知结构的基因相应的功能，在体外使基因突变，再导入体内，检测突变的遗传效应，即以表型来探索基因结构。 后基因组时代：研究细胞全部基因的表达图式和全部蛋白质图式，人类基因组研究由结构向功能转移。 3、写出三个分子生物写学展的主要大事件（年代、发明者、简要内容） 1953年Watson和Click发表了“脱氧核糖核苷酸的结构”的著名论文，提出了DNA的双螺旋结构模型。 1972~1973年，重组DNA时代的到来。H.Boyer和P.Berg等发展了重组DNA 技术，并完成了第一个细菌基因的克隆，开创了基因工程新纪元。 1990~2003年美、日、英、法、俄、中六国完成人类基因组计划。解读人类遗传密码。 4、21世纪分子生物学的发展趋势是怎样的？ 随着基因组计划的完成，人类已经掌握了模式生物的所有遗传密码。又迎来了后基因组时代，人类基因组的研究重点由结构向功能转移。相关学说理论相应诞生，如功能基因组学、蛋白质组学和生物信息学。生命科学又进入了一个全新的时代。 第四章 思考题：（P130） 1、基因的概念如何？基因的研究分为几个发展阶段？ 概念：基因是原核、真核生物以及病毒的DNA和RNA分子中具有遗传效应的核苷酸序列，是遗传的基本单位和突变单位以及控制形状的功能单位。 发展阶段：○120世纪50年代以前，主要从细胞的染色体水平上进行研究，属于基因的染色体遗传学阶段。 ○220世纪50年代以后，主要从DNA大分子水平上进行研究，属于分
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）：
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。）