生物信息学完整版

第一章生物信息学及主要内容？生物信息学是生物和信息技术的结合，这一学科包括了用来管理、分析和操作大量生物数据集的任何计算工具和方法。

生物信息学主要由哪三个组成部分？生物信息学主要由三个组成部分：1•建立可以存放和管理大量生物信息学数据集的数据库；2•开发确定大数据集中各成员关系的算法和统计方法；3•使用这些工具来分析和解释不同类型的生物数据，包括DNA, RNA和蛋白质序列、蛋白质结构、基因表达以及生化途径。

数据采集的方法及原理？一、DNA测序一一全自动的链终止反应原理：DNA测序是采用全自动的链终止反应完成得，这一技术通过加入限量的双脱氧核苷酸来产生有特定终止碱基的嵌套DNA片段，共有四种反应，每个碱基分别带有不同的荧光标记，DNA片段通过聚丙烯酰胺凝胶电泳分离，当每个片段移动到凝胶的末端时可以通过扫描仪读取序列。

二、基因组测序一一霰弹测序法、克隆重叠群的方法原理：霰弹测序法：随机打碎大DNA分子，通过很多测序反应来覆盖整个分子，完整的序列通过使用计算机搜索重叠区来重新拼接克隆重叠群的方法中，DNA片段用推理的方法亚克隆，并且进行系统的测序直到整个序列完成。

三、RNA测序一一生化实验、磁核共振谱（NMR）、质谱技术（MS）原理：对已改变的核酸进行化学识别四、蛋白质测序一一质谱技术原理：质谱技术可准确测定真空中离子分子质量/电荷比来计算精确的分子质量。

存储在GenBank中DNA序列的类型？DNA序列存储在GenBank等数据库中，一般可以分为3类：基因组DNA、cDNA、重组DNA 基因组测序的策略？完整基因组的测序，首先必须把基因组分成更小的片段，再对每个片段进行单独测序。

将短的读段拼接成基因组序列有两种策略。

1、霰弹测序法：随机打碎大DNA分子，通过很多测序反应来覆盖整个分子，完整的序列通过使用计算机搜索重叠区来重新拼接，这个方法可以快速产生大量的序列数据，但是填补最后gap（空位）时比较困难，这个过程称为结束阶段。

一、名词解释1. 生物信息学：1）生物信息学包含了生物信息的获取、处理、分析、和解释等在内的一门交叉学科；2）它综合运用了数学、计算机学和生物学的各种工具来进行研究；3）目的在于阐明大量生物学数据所包含的生物学意义。

2. BLAST（Basic Local Alignment Search Tool）直译：基本局部排比搜索工具意译：基于局部序列排比的常用数据库搜索工具含义：蛋白质和核酸序列数据库搜索软件系统及相关数据库3. PSI-BLAST：是一种迭代的搜索方法，可以提高BLAST和FASTA的相似序列发现率。

4. 一致序列：这些序列是指把多序列联配的信息压缩至单条序列，主要的缺点是除了在特定位置最常见的残基之外，它们不能表示任何概率信息。

5. HMM 隐马尔可夫模型：一种统计模型，它考虑有关匹配、错配和间隔的所有可能的组合来生成一组序列排列。

（课件定义）是蛋白质结构域家族序列的一种严格的统计模型，包括序列的匹配，插入和缺失状态，并根据每种状态的概率分布和状态间的相互转换来生成蛋白质序列。

6. 信息位点：由位点产生的突变数目把其中的一课树与其他树区分开的位点。

7. 非信息位点：对于最大简约法来说没有意义的点。

8. 标度树：分支长度与相邻节点对的差异程度成正比的树。

9. 非标度树：只表示亲缘关系无差异程度信息。

10. 有根树：单一的节点能指派为共同的祖先，从祖先节点只有唯一的路径历经进化到达其他任何节点。

11. 无根树：只表明节点间的关系，无进化发生方向的信息，通过引入外群或外部参考物种，可以在无根树中指派根节点。

12. 注释：指从原始序列数据中获得有用的生物学信息。

这主要是指在基因组DNA中寻找基因和其他功能元件（结构注释），并给出这些序列的功能（功能注释）。

13. 聚类分析：一种通过将相似的数据划分到特定的组中以简化大规模数据集的方法。

14. 无监督分析法：这种方法没有内建的分类标准，组的数目和类型只决定于所使用的算法和数据本身的分析方法。

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。

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中信息的存贮、信息的内涵和信息的传递，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内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。

生物信息学讲义第一章：生物信息学概述什么是生物信息学：又称计算生物学（computational biology），是生物学与信息学、计算机科学相互交叉形成的新兴学科，它应用数学、计算机科学的方法研究生物学问题，它所研究的主要对象是生物学的数据。

生物信息学是为了适应人类基因组计划（Human Genome Project，HGP）的需要产生的，最主要的应用是对人类基因组计划所得到的大量生物学数据进行存储、检索和分析。

目前生物信息学已被广泛的应用于医学、人类学、结构生物学和蛋白质组学（Proteomics）等研究领域。

生物信息学的研究内容：广义地说，生物信息学从事对基因组研究相关生物信息的获取、加工、储存、分配、分析和解释。

这一定义包括了两层含义，一是对海量数据的收集、整理与服务，也就是管好这些数据；另一个是从中发现新的规律，也就是用好这些数据。

具体地说，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质谱的数据，从而认识代谢、发育、分化、进化的规律。

生物信息学还利用基因组中编码区的信息进行蛋白质空间结构的模拟和蛋白质功能的预测，并将此类信息与生物体和生命过程的生理生化信息相结合，阐明其分子机理，最终进行蛋白质、核酸的分子设计、药物设计和个体化的医疗保健设计。

基因组信息学、蛋白质的结构计算与模拟以及药物设计，这三者紧密地围绕着遗传信息传递的中心法则，因而必然有机地连接在一起。

1、基因组序列数据的拼接和组装基因组研究的首要目标是获得人的整套遗传密码。

人的遗传密码有32亿个碱基，而目前DNA测序多采用鸟枪法（shotgun），每个反应只能读取几百到上千个碱基。

在进行测序前，首先应用物理方法将人的基因组打碎，得到基因组片段进行测序，然后再把这些片段重新拼接起来。

一．什么是生物信息学？Genome informatics is a scientific discipline that encompasses all aspects of genome information acquisition, processing, storage, distribution, analysis, and interpretation. （它是一个学科领域，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。

）(The U.S. Human Genome Project: The First Five Y ears FY 1991-1995, by NIH and DOE)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。

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”。

它是本世纪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。

How to find the coding regions in rude DNA sequence?By signals or By contentsAmong the types of functional sites in genomic DNA that researchers have sought to recognize are splice sites, start and stop codons, branch points, promoters and terminators of transcription, polyadenylation sites, ribosomal binding sites, topoisomerase II binding sites, topoisomerase I cleavage sites, and various transcription factor binding sites. Local sites such as these are called signals and methods for detecting them may be called signal sensors.二．新基因和新SNPs的发现与鉴定大部分新基因是靠理论方法预测出来的。

附录常用基本词汇表A B C D E F G H I J K L M N O P Q R S T U V WA英文名词中文名词解释A（Adenine）腺嘌呤作为碱基的两种嘌呤中的一种。

active site活化位点蛋白质三维表面催化作用发生的区域。

alignment比对为了确定两个同源核酸或蛋白质序列的累计差异而进行的配对称为比对。

alignment ofalignments比对的比对即比对的对象不是简单的序列，而是序列的比对。

alleles等位基因一个基因的不同版本。

alpha carbonα碳在氨基酸中与侧链（R-基团）相连的中心碳原子。

alternative splicing 可变剪接从一个单独的hnRNA生成两个或多个mRNA分子的过程。

amino terminus (N-terminal)氨基端（N端）在一个多肽中，具有自由氨基的分子端，对应于基因的5'-端。

anti-parallel反向平行表示相反的方向；在双链DNA中，这意味着如果一条链是5'到3'的，则其互补链方向是3'到5'的。

Bbase pair碱基对（1）在双链DNA中嘌呤和嘧啶之间的相互作用（特别指A和T之间，G和C之间）；（2）双链DNA序列长度的基本单位。

beta turnsβ转角在反向平行的β折叠片中，当β链反转方向的时候蛋白质内部形成的U型结构Bioinformatics生物信息学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。

Biocomputing生物计算本书中特指用计算机技术分析和处理生物分子数据。

Basic Local Alignment Search Tool(Blast)基本的局部比对搜索工具（Blast）一种常用的序列数据库搜索工具。

blotting and hybridization 印迹和杂交将分子（通常是核酸分子）从凝胶转移到膜上，接着用绑定有特定感兴趣的分子的标记探针进行洗脱的过程。