中国药科大学药物生物信息学课程复习题

生物信息学课程习题

第一章绪论

一、填空

1、在1990 年，美国国会批准启动人类基因组计划，拟用15 年时间测定人类全部条染色体上共 3.2乘以10的9次方个碱基序列的测定。

2、DNA 是遗传信息的携带者。

3、蛋白质三维结构测定主要方法有X射线晶体结构分析和多维核磁共振波谱分析。

4、理想的抗生素靶标应为微生物细胞存活所必须，在病原体中高度保守，且在人体中不存在或与人类基因有根本差异。

5、下图例举了一个计算机辅助药物设计的实例，从a图中我们得到了配体上R基团附近的受体上有谷氨酸119 和谷氨酸227 残基，具有酸性性，因此可以将R 基团设计为碱性基团，如图b中所示的胍基基团，使得抑制活性比改造前提高了近5000倍。

二、名词

HGP（human genome project），EST（expressed sequence tag）, SNP（single nucleotide polymorphism）,生物信息学（Bioinformatics），药物基因组学（Pharmacogenomics），intron，“Junk DNA”，

比较基因组学，比较基因组学(Comparative Genomics)是基于基因组图谱和测序基础上，对已知的基因和基因组结构进行比较，来了解基因的功能、表达机理和物种进化的学科。

蛋白质组学，分子进化树（evolutionary tree），基因组，

基因组药物：基因组药物(Genomic drug)是指利用基因序列数据，经生物信息学分析、高通过基因表达、高通量功能筛选和体内外药效研究开发得到的新药候选物．

三、简答

1、简述生物信息学在药物研究开发领域的应用可体现在哪些方面？

一初始阶段信息收集，初步调研（确定合适的药物作用靶）可行性分析（靶点结构、化合物信息）

二药物设计

三开发阶段，减少药物副作用，避免开发风险

2、如何利用基因组信息寻找新的药物作用靶标？

A基因组比较

B同源性搜索

C表达差异分析

3、如何利用人类基因组信息实现个性化治疗，其基于的原理是什么？

4、试叙述基因芯片用于疾病诊断的原理，并说明其优缺点。

优点：速度快信息量大，灵敏度高，微型化，操作方法简单，结果易于判读

缺点：准确度和普及型有待加强

5、最近甲型流感流行，请设计甲型流感的分子诊断方法，说明其原理。

A基因诊断

B利用抗原-抗体反应

第二、三章数据库

一、单选题

1、以下数据库不能用于检索核酸序列的是（ B ）

A. GenBank

B. PDB

C. EMBL

D.DDBJ

2、蛋白质结构数据常保存为下面哪一种格式为后缀的文件（A ）

A. PDB

B. txt

C. Seq

D. mdb

3、下列格式属于FASTA格式的是（A ）

A. >seq1

B.

C. ATGCCATA

D. > ATGCCATA

ATGCCATA ATGCCATA

二、填空题

1、阅读以下数据格式，写出以下标注的含义：

LOCUS是序列名称，DEFINITION是序列定义，ACCESSION是数据库编号，VERSION是版本号，SOURCE 是来源

在论文中使用了NCBI数据库中的该序列，应标注该序列的编号，应填NG_007114 。

2、阅读以下Prosite中结构基序的示例，说明其中各符号含义：

－连字符用来分离序列基序中的每个位点。

[ ] 每个方括号中的残基代表序列基序中某一特殊位置允许出现的残基。

{ } 大括号中的符号代表序列基序中特定位置不允许出现的残基。

X 表示二十个氨基酸中的任何一个。

(n) 代表某特定残基的重复数。

3、下面是NCBI中SARS病毒的基因组，请根据以下图说明SARS基因组有13 个基因，

编码14 个蛋白。

4、检索蛋白质序列可使用哪个数据库，试举两例SWISS-PROT 、PIR 。

5、检索蛋白质结构常使用PDB 数据库。

6、根据以下检索结果说明该蛋白质结构在PDB数据库中的编号为1buy ，其结

构测定方法为NMR 。

三、名词

一级数据库，二级数据库，Genbank，UniGene，PDB，MMDB格式，EMBL，NCBI，结构浏览器，Rasmal，swiss-pdbviewer，Swiss-model，Prints数据库，Prosite数据库，BankIt，Cn3D，PIR数据库，SCOP数据库，CATH数据库

第四章生物信息检索

一、填空题

1、请例举两个常用的搜索引擎google 、百度。

2、如果要搜索一个词组，如把人类基因组作为一个词组，搜索相关信息，应在搜索引擎的

搜索栏中填入“人类基因组”。

3、写出以下pubmed检索时常用的限制字段的含义：[au] 作者

[ti]标题、[dp] 发表日期、[affiliation] 地址、* 截字符

二、名词

Pubmed，Espacenet，USPTO

第五章序列比对

一、选择题

1、进行多序列比对常使用哪种软件( C )

A. Dock

B. Compute pI/MW

C. Clustal

D. Rasmol

2、对于远源蛋白质序列，在进行多序列比对的时候应选用下面哪一种矩阵（B ）

A. BLOSUM62

B. BLOSUM30

C.PAM100

D. 结合基序打分矩阵

二、填空题

1. 要搜索一段基因序列的同源基因序列，常使用BLAST 。

2、下图示意的序列比对方法为点阵作图法

3、Needleman和Wunsch在1970年提出一种比对算法，算法实现主要分三步：首先求出一定积分系统下的原始矩阵，其次求出转化矩阵，最后寻找两个序列的最佳比对矩阵，获得最佳比对形式。

三、名词

序列比对aligment，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。

多重序列比对，Clustal，Blast，gap，局部比对，序列比对的E值，

PAM矩阵，取一个蛋白质序列中的氨基酸变异1%作为演化距离的单位，称为1个PAM。BLOSUM矩阵：同样方式建立了BLOSUM取代矩阵。但在评估代换频率时，应用了不同的策略，基本数据来源于BLOCKS数据库，其中包括了局部多重比对（包含较远的相关序列，同在PAM中使用较近的相关序列相反）。

两条序列的identities，两条序列的相似度百分比

动态规划算法(dynamic programming algorithm)所谓动态规划(dynamic programming algorithm) ，其指导思想就是在多级过程的每一级上列出各种可行的局部解，然后按照某些条件舍弃那些肯定不能得到最优解的局部解。它最大的优点在于能够大大减少计算量。

四、简答

1、简述序列比对的用途。

2、某实验克隆表达了灰葡萄孢霉菌的HMGCoA还原酶，该菌中这一酶此前未被研究过，现在拟通过定点突变实验研究该酶的性质和功能，请问该使用哪些生物信息学手段设计合适的突变位点。

a测出该蛋白质的氨基酸序列

B进行同源性搜索（BLAST）

C找出同源性较高的序列进行比对，确定突变位点

第六章核酸序列分析

一、填空题

1、对于任一DNA序列（或cDNA序列），可能存在 6 种不同的阅读框，其中3 个为正向的， 3 个为反向的。

2、原核生物启动子有两段保守序列，即-10区左右的TATAAT，以及-35区左右的TTGACA，它们为RNA聚合酶结合位点和识别位点。

二、名词

外显子，内含子，启动子，终止子，起始密码，终止密码，ORF，

Kozak序列，该序列是在起始密码子之前与核糖体作用的位点，真核生物mRNA起始密码AUG 上游的第三个核苷酸常常是嘌呤，且多为A（-3A）；其次紧跟在AUG后面的核苷酸，常常也是嘌呤，但多数情况下是G（+4G）。

密码子使用频度，不同生物对密码子的使用有不同的偏好，在编码区和非编码区，特定氨基酸密码子的出现频率是不同的，因而蛋白质编码区密码存在一定的规则性。

ORF Finder，GT-AG法则，GeneSplicer，

CpG岛，CpG岛（CpG island）是短的、分散的、非甲基化核酸序列，它常出现在持家基因和受调节表达的基因5’端

REBASE，Alu序列，RepBase，

电子克隆，其原理是根据EST序列间的相互重叠，通过计算机进行拼接和组装，以获得较长的或完整的cDNA序列。这一过程原理上与测序过程中的拼接相同。

中度重复序列，中度重复序列：拷贝数在十至几百，如人类的Alu序列家族、小鼠中Alu相关序列（称为B1序列家族）等。中度重复序列一般是不编码的序列，通常认为它们在基因调控中起重要调节作用，包括开启或关闭基因的活性，促进或终止转录，DNA复制的起始，以及转录物参与hnRNA的处理等。

高度重复序列拷贝数高达几百至几万，其中一些是rRNA基因和某些tRNA基因，重复次数达数百次；另一些重复次数更高，如果蝇染色体着丝粒附近就存在几种高度重复序列，它们可能与细胞分裂时染色体的运动有关。

三、问答

1、真核生物基因结构与原核生物基因结构相比有哪些异同点。

相同点①都有编码区和非编码区，

②非编码区都有调控遗传信息表达的脱氧核苷酸序列

不同点：①编码区是连续的，不存在内含子和外显子

②编码区能编码蛋白质

③结构简单

①编码区是间隔的、不连续的，有内含子和外显子

②只有外显子部分能够编码蛋白质

③结构复杂，存在重复序列

2、试述基因结构分析的一般步骤。

①、查找重复序列：重复序列的存在会给序列分析带来很大的麻烦

②、同源体搜索与STS作图：搜索已知同源体可能是最常用而且被广泛认识的新蛋白质编码基因的识别方法。

③、基因模式预测：如果蛋白数据库中没有发现同源体．就可通过编码统计学原理和潜在的功能基序(剪接信号，启动密码子)来预测基因结构。

④、启动子预测：发现潜在的转录结合位点和启动子信号可以帮助理解待测序列的功能意义。

⑤、转录终止位点预测：确定基因模型何时转录终止也是至关重要的，尤其当研究的序列中可能含有多个基因时。

⑥、CpG岛分析：CpG岛长度一般大于200bp，覆盖5’启动子区域，可帮助确定基因5’末端位置。

第七章蛋白质序列分析

一、填空题

1、蛋白质二级结构预测算法可概括为哪三种类别统计/经验算法、物理-化学方法、机器学习方法。

2、蛋白质三级结构预测最常用也是精度最高的方法是同源模建。

3、分子力学的方法计算蛋白质三级结构的基本假设是：蛋白质天然构象是能量最小的构象。

4、蛋白质结构从头预测遇到的两大难题一是分子折叠态与非折叠态之间的能量差值很小，二是全局优化问题。

5、请例举两个二级结构预测方法GOR方法、神经网络方法。

6、Chou-Fasman方法二级结构预测的基本出发点在于对于蛋白质中20种不同的氨基酸残基在不同的二级结构中出现的几率进行统计分析得出在不同二级结构中出现的倾向性，然后在一定规则的指导下就可以进行预测。

7、蛋白质组学研究常使用二维凝胶电泳技术，该方法首先是等电聚焦，然后是SDS-PAGE 电泳。

8、1986年Von Heijine通过对各种跨膜蛋白的统计分析发现，带正电荷的氨基酸主要分布在紧靠膜内连接跨膜区的环上，这就是所谓的“正电荷局内规则”。

9、根据以下Blast结果，说明我们检索的蛋白质可能的功能注释为NPL4 蛋白。

10、对蛋白质二级结构预测方法可采用参数Q3评估：Q3=（Pα+Pβ+Pcoil）/T，其中Pα代表预测α螺旋正确的氨基酸残基数、Pβ代表预测β折叠正确的氨基酸残基数、Pcoil代表预测无规则卷曲正确的氨基酸残基数，T为总氨基酸残基数。

二、选择题

1、对于蛋白质同源结构模建，通常要求待模建序列与模板序列一致性超过（D ）

A. 60%

B. 50%

C. 40%

D.30%

2、对于搜索不到同源模板的蛋白质，可尝试用以下哪种方法模建结构（A ）

A. Threading 法

B. SWISS-MODEL网络服务器

C. Homology法

D. 没有办法模建

3、给定一段核酸序列，可通过什么方法查找上面蛋白质编码区（A ）

A．ORF Finder B. CpGPlot C. SWISS-MODEL D. Dock

4、同源结构预测时搜索到以下可用的模板，应选用哪个模板比较好（C ）

A. NMR测定的结构,一致性为30%

B. X-ray测定结构，一致性为38%，3.0?

C. X-ray测定结构，一致性为38%，2.0?

D. X-ray测定结构，一致性为30%，2.0?

5、预测蛋白质上的跨膜区，可使用以下哪种软件或方法（ D）

A. GeneSplicer

B. Chou-Fasman算法

C. GOR

D.TMHMM

6、分析蛋白质在细胞中的定位，可使用（ C ）

A. SWISS-MODEL

B. PHD

C.TargetP

D. RepBase

三、名词

AA CompIdent，Compute pI/Mw，PeptIden，ProtScale，比较模建(Comparative modeling)，同源模建（homologous modeling）：也称比较模建（comparative modeling），同源蛋白质具有相似的结构和功能，所以利用结构已知的同源蛋白质可以建立目标蛋白质的结构模型，然后用理论计算方法进行优化。

一维-三维剖面法：利用每一个残基在蛋白质结构中所处的环境描述蛋白质的折叠类型，根据侧链的埋藏程度、侧链被极性原子或水分子覆盖的分数以及局部二级结构，Bowie等将蛋

白质结构环境分成18类，然后统计出20中氨基酸在18种环境中的出现概率，得到一个表

示不同氨基酸对各种环境偏好程度的评估矩阵，称为3D-1D记分表。对于结构已知的蛋白质X，每一个氨基酸残基都可以分配一类环境，从而将3D结构转换为1D序列（称环境链）。从头预测（ab initio prediction），从头预测方法不需要已知结构信息，直接从蛋白质序列预测其空间结构，因而在理论上是一种理想的方法。从头预测包括分子力学模拟、二级片段堆积等方法。

卷曲螺旋（coiled-coils）两个螺旋通过其疏水性界面相互缠绕在一起形成一个十分稳定的结构。卷曲螺旋在很多蛋白质中存在，例如转录因子的亮氨酸拉链结构中以及肌球蛋白中。折叠识别，InterProScan，PHD，PSIPRED，

信号肽，分泌蛋白新生肽N端的一段20~40氨基酸残基组成的肽段，决定新生肽链在细胞中的定位及决定某些氨基酸残基的修饰

跨膜区，就是蛋白在细胞膜内的部分

正电荷局内规则（填空题里有）

四、问答

1、实验中从鲨肝DNA文库中获得一段基因序列，简述如何用生物信息学方法分析其功能。

1、目的蛋白是否和功能已知的序列相似？

2、分析目的蛋白的跨膜区、细胞定位等

3、目的蛋白是否有保守的序列特征？

4、搜索PROSITE、BLOCKS、PRINTS等数据库

5、结构预测分析

6、综合分析结果

7、蛋白质功能预测并实验证实

2、简述蛋白质结构同源模建的原理和一般过程。

原理也就是定义，基本过程

①寻找一个或一组与待测蛋白质同源的由实验测定的蛋白质结构，进行结构叠合；

②建立未知蛋白质与已知结构蛋白质的序列比对；

③找出结构保守性的主链结构片段；

④模建结构变化的区域，一般为连接二级结构片段间的区域；

⑤侧链建模；

⑥利用能量计算的方法进行结构优化。一般地，序列一致性越差，建立的模型精度也越差，序列一致性低于30％的蛋白质难以得到理想的结构模型。

第九章生物信息软件

一、填空题

1、为使用PCR法克隆某个基因，在设计引物时候除需要设计两段分别与模板互补的片段外，还需要在这两个片段的5’端加上限制性酶切位点和保护碱基。

2、可使用Primer Premier 软件进行引物设计。

3、设计引物时，除加上酶切位点外，还需要在酶切位点5’端加上，通常为碱基。

4、例举两个常用的蛋白质结构浏览软件RasMol 、Cn3D 。

5、蛋白质同源结构模建可以使用在线的免费预测工具swiss-model 。

二、选择题

1、pQE30表达载体上常用的酶切位点有BamHI、SacI 、KpnI 、SmaI 、PstI、HindIII ，现预克隆的一段基因上有EcoRI、HindIII、SacI、AccI、PstI等酶切位点，那么在设计引物时候

可以在两段引物上各加上哪个酶切位点序列（A ）

A. BamHI、KpnI B、BamHI、HindIII C、HindIII、AccI D、HindIII、XhoI

2、以下关于力场的说法正确的是（B）

A. CHARMm力场是一个适用于有机小分子的力场

B. CHARMm力场是一个适用于蛋白质的力场

C. 适用于蛋白质分析的力场只有AMBER力场

D. 以上说法都不正确

第十章计算机辅助药物设计

一、填空题

1、虚拟筛选指的是将三维结构数据库中的化合物分子与靶标分子在计算机上逐一进行对接（docking），然后按照一定的打分规则排序，从中筛选从潜在的药物。

2、以下缩写代表什么数据库？CSD 剑桥晶体结构数据库，NCI 美国国家癌症研究所

3、FlexX是一个柔性对接程序

二、名词解释

计算机辅助药物设计，合理药物设计（rational drug design），合理药物设计（rational drug design）或基于结构的药物设计（structure-based drug design)就是基于对疾病过程的分子病理生理学的理解，根据靶点的分子结构，并参考效应子的化学结构特征设计出针对该疾病的药物分子，从而引导设计走向合理化。由此设计出的药物往往活性强，作用专一，副作用较低，故称为合理药物设计。

合理药物设计离不开计算机，因此也可称为计算机辅助药物设计。

直接药物设计方法

，间接药物设计方法，

QSAR，3D-QSAR，虚拟筛选，模板定位法，

原子生长法:根据靶点的性质，如静电、氢键和疏水性等，逐个地增加原子，配成与受点形状和性质互补的分子。

分子碎片法，活性类似物法（active analogue approach，AAA），Hansch法，比较分子场分析（CoMFA），DOCK

三、问答题

1、简述药物虚拟筛选的原理和过程。

2、什么是分子对接，它依据的原理是什么？

3、Spaltmann等提出判断一个基因是否适合作为抗菌靶标，其标准为什么？

4、简述如何利用基因组信息寻找新的药物靶点？

5、简述靶标有效性可以采用哪些方法验证？

答:1、基因组学方法,针对特定基因的“敲除(knockout)”技术或转基因动物模型是最成熟的验证靶标有效性的方法。2．蛋白质组学方法,蛋白质组学很适合用于确定靶标蛋白质在信号传导路径中所起的作用。，可以获得信号分子的异构化的重要信息(例如糖基化或磷酸化)，因此可以了解在疾病过程中靶标蛋白质发生了那些变化。3、核糖酶方法,核糖酶(ribozyme)是具有催化活性的RNA，能够与mRNA杂交并切断mRNA。利用长度大概200个核苷酸的RNA就能设计用以清除细胞中特定mRNA的核糖酶。最简单的核糖酶称为锤头核糖酶(hammer head ribozyme)4、免疫化学方法,直接针对脊椎动物细胞外大分子抗原识别部位的单克隆或多克隆抗体可用以研究相应大分子的功能，

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。

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

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

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。

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

蛋白质组学期末复习题

蛋白质组学相关试题及答案 解释 1． Proteome(蛋白质组)：由一个细胞或者组织的基因组所表达的全部相应的蛋白质，称为蛋白质组。 2. Proteomics(蛋白质组学)：指应用各种技术手段来研究蛋白质组的一门新兴学科，即研究细胞在不同生理或病理条件下蛋白质表达的异同，对相关蛋白质进行分类和鉴定。更重要的是蛋白质组学的研究要分析蛋白质间相互作用和蛋白质的功能. 3. Mass Spectrometer（质谱仪）：质谱仪是一个用来测量单个分子质量的仪器，但实际上质谱仪提供的是分子的质量与电荷比（m/z or m/e）。分离和检测不同同位素的仪器。即根据带电粒子在电磁场中能够偏转的原理，按物质原子、分子或分子碎片的质量差异进行分离和检测物质组成的一类仪器。质谱仪最重要的应用是分离同位素并测定它们的原子质量及相对丰度。 4. Proteome sample holographic preparation（蛋白组样品的全息制备）：（1）keep protein information （2）adapted to separation and identification methods （3）different samples,different extraction. 蛋白质样品制备是蛋白质组研究的第一步，也是最关键的一步。因为这一步会影响蛋白质产量、生物学活性、结构完整性。因此要用最小的力量使细胞达到最大破坏程度同时保持蛋白质的完整性。原则是，保持蛋白质的所有信息；选择合适的分离和鉴定方法；对于不同的样品要用不同的提取方法。 5. Post translational modification(蛋白质翻译后修饰) 肽链合成的结束，并不一定意味着具有正常生理功能的蛋白质分子已经生成。已知很多蛋白质在肽链合成后还需经过一定的加工（processing）或修饰，由几条肽链构成的蛋白质和带有辅基的蛋白质，其各个亚单位必须互相聚合才能成为完整的蛋白质分子。 6. De novo sequencing(从头测序) 从头测序为蛋白质组研究提供了一种不用借助于任何蛋白质序列数据库信息，直接解读串联质谱数据的方法。其基本算法主要由4个部分组成：质谱图的构建、

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）：