生物信息-名词解释
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。
P947.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。
P988.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。
P299.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。
P2910.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。
生物信息学名词解释(原创)
名词解释（笔者承认偷了点懒，只是把能在网上找到的都整合在一张上面了，此整理仅适合开卷考试）基因表达（gene expression):基因通过转录和翻译，产生蛋白质产物和直接转录RNA参与生物功能的过程。
基因调控：涉及基因的启动关闭、活性的增加或减弱，发生在转录阶段、转录后加工阶段和翻译阶段。
负调控（Negative control）：阻遏蛋白（repressor protein）结合在受控基因上时不表达，不结合时就表达的形式。
正调控（Positive control）：基因表达的活化物（ activators ）结合在受控基因上时，激活基因表达，不结合时就不表达的形式。
一次数据库：记录实验的结果和一些初步的解释。
二次数据库：对一次数据库的数据进行分析和提炼加工后形成的、便于使用的数据库。
空位罚分 (gap penalty ):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。
Consensus sequence：共有序列，指多种原核基因启动序列特定区域内，通常在转录起始点上游-10及-35区域存在一些相似序列。
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。
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列的高低。
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。
模体（motif）：短的保守的多肽段，含有相同模体的蛋白质不一定是同源的，一般10-20个残基。
生物信息学名词解释
1.计算生物信息学（Computational Bioinformatics）是生命科学与计算机科学、数理科学、化学等领域相互交叉而形成的一门新兴学科，以生物数据作为研究对象，研究理论模型和计算方法，开发分析工具，进而达到揭示这些数据蕴含的生物学意义的目的。
2.油包水PCR (Emulsion PCR) : 1) DNA片段和捕获磁珠混合; 2) 矿物油和水相的剧烈震荡产生油包水环境; 3) DNA片段在油包水环境中扩增;4) 破油并富集有效扩增磁珠。
3.双碱基编码技术：在测序过程中对每个碱基判读两遍，从而减少原始数据错误，提供内在的校对功能。
代表测序方法：solid 测序。
4.焦磷酸测序法：焦磷酸测序技术是由4种酶催化的同一反应体系中的酶级联化学发光反应,适于对已知的短序列的测序分析,其可重复性和精确性能与SangerDNA测序法相媲美,而速度却大大的提高。
焦磷酸测序技术不需要凝胶电泳,也不需要对DNA样品进行任何特殊形式的标记和染色,具备同时对大量样品进行测序分析的能力。
在单核苷酸多态性、病原微生物快速鉴定、病因学和法医鉴定研究等方面有着越来越广泛的应用。
例如：454测序仪：用蛋白质序列查找核苷酸序列。
:STS是序列标记位点（sequence-tagged site）的缩写，是指染色体上位置已定的、核苷酸序列已知的、且在基因组中只有一份拷贝的DNA短片断，一般长200bp －500bp。
它可用PCR方法加以验证。
将不同的STS依照它们在染色体上的位置依次排列构建的图为STS图。
在基因组作图和测序研究时，当各个实验室发表其DNA测序数据或构建成的物理图时，可用STS来加以鉴定和验证，并确定这些测序的DNA片段在染色体上的位置；还有利于汇集分析各实验室发表的数据和资料，保证作图和测序的准确性。
:表达序列标签技术（EST，Expressed Sequence Tags）EST技术直接起源于人类基因组计划。
生物信息学_复习题及答案（打印）（1）
生物信息学_复习题及答案（打印）（1）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。
P947.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。
P988.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。
P299.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。
P2910.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。
生物信息学名词解释
名词解释：Consensus sequence：共有序列，指多种原核基因启动序列特定区域内，通常在转录起始点上游-10及-35区域存在一些相似序列。
1、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。
2、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列的高低。
3、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。
4、模体（motif）：短的保守的多肽段，含有相同模体的蛋白质不一定是同源的，一般10-20个残基。
5、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。
6、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。
7、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。
8、PDB：PDB中收录了大量通过实验（X射线晶体衍射，核磁共振NMR）测定的生物大分子的三维结构，记录有原子坐标、配基的化学结构和晶体结构的描述等。
PDB数据库的访问号由一个数字和三个字母组成（如，4HHB），同时支持关键词搜索，还可以FASTA程序进行搜索。
9、Prosite：是蛋白质家族和结构域数据库，包含具有生物学意义的位点、模式、可帮助识别蛋白质家族的统计特征。
生物信息学名词解释
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。
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。
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“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。
P988.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。
P299.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。
P2910.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。
P9512.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）。
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。
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。
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“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。
P988.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。
P299.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。
P2910.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值：衡量序列之间相似性是否显着的期望值。
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。
P9512.低复杂度区域：BLAST搜索的过滤选项。
生物信息学名词解释
1.生物信息学：研究大量生物数据复杂关系的学科，其特征是多学现象，这些中断的位点称为空位。
P29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10.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：在缺乏任何基因复数学模型响，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; 利用计算机为工具对实验所得大量生物学数据进行储制证据的情况下，具有共同祖先和相同功能的同源基因。
）罚分，空位罚分的多少直接影响对比的结果。
存、检索、处理及分析，并以生物学知识对结果进行解释。
P3719.值：11.E衡量序列之间相似性是否显著的期望值。
E2.二级数据库：在一级数据库、实验数据和理论分析的基础上针对值大小说明了旁系（并系）同源：指同一个物种中具有共同祖先，通过基因重复产生的一组基因，这些基因在功能上可能发生了改变。
(可以找到与查询序列（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。
query）相匹配的随机或无关序列的概率，E书：由于基因重复事件产生的相似序列。
值越小意味着序列的序列格式：是将DNA或者蛋白质序列表示为一个带有一)值越接近零，越不可能找到其他匹配序列，E3.FASTA20.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外类群：）表示一个新文件些标记的核苷酸或者氨基酸字符串，大于号（>是进化树中处于一组被分析物种之外的，具有相近亲缘关系的物种。
义。
P95的开始，其他无特殊要求。
21.有根树：能够确定所有分析物种的共同祖先的进化树。
BLAST12.低复杂度区域：搜索的过滤选项。
指序列中包含的重复序列格式：4.genbank是GenBank 数据库的基本信息单位，是最为22.除权配对算法（UPGMA）：最初，每个序列归为一类，然后找（度高的区域，如polyA广泛的生物信息学序列格式之一。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
单核苷酸多态性(SNP),主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。
遗传图谱又称连锁图谱，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。
物理图谱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。
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。
比较基因组学：全基因组核苷酸序列的整体比较的研究。
特点是在整个基因组的层次上比较基因组的大小及基因数目、位置、顺序、特定基因的缺失等。
环境基因组学：研究基因多态性与环境之间的关系，建立环境反应基因多态性的目录，确定引起人类疾病的环境因素的科学。
宏基因组是特定环境全部生物遗传物质总和，决定生物群体生命现象。
转录组即一个活细胞所能转录出来的所有mRNA。
研究转录组的一个重要方法就是利用DNA芯片技术检测有机体基因组中基因的表达。
而研究生物细胞中转录组的发生和变化规律的科学就称为转录组学。
蛋白质组学：研究不同时相细胞内蛋白质的变化，揭示正常和疾病状态下，蛋白质表达的规律，从而研究疾病发生机理并发现新药。
蛋白组：基因组表达的全部蛋白质，是一个动态的概念，指的是某种细胞或组织中，基因组表达的所有蛋白质。
代谢组是指是指某个时间点上一个细胞所有代谢物的集合，尤其指在不同代谢过程中充当底物和产物的小分子物质，如脂质，糖，氨基酸等，可以揭示取样时该细胞的生理状态。
代谢物行为更密切地反映出细胞所处的环境，该环境依赖于细胞所摄取的营养状况，所接触的药物和污染物以及其它影响细胞健康的外在因子情况。
代谢物组学是在后基因组学时代兴起的一门跨领域学科，其主要目标是定量的研究生命体对外界刺激、病理生理变化、以及本身基因突变而产生的其体内代谢物水平的多元动态反应。
代谢组学通过现代化学的仪器分析技术测机体整个代谢产物谱的变化，并通过多元统计分析方法研究整体的生物学功能状况。
一个细胞内，基因、RNA、代谢物与蛋白质之间存在着大量的相互作用，构成细胞的相互作用组，及信号转导网络或调控网络。
这些令人无法想象的复杂图谱，用系统生物学的术语来描述就是相互作用组学。
蛋白质相互作用组学研究的重要方法：酵母双杂交、噬茵体展示技术、等离子共振技术、荧光能量转移技术、蛋白质阵列技术、免疫共沉淀技术、pull-down技术等。
结构基因组学主要目的是试图在生物体的整体水平上（如全基因组、全细胞或完整的生物体）测定出（以实验为主、包括理论预测）全部蛋白质分子、蛋白质－蛋白质、蛋白质－核酸、蛋白质－多糖、蛋白质－蛋白质－核酸－多糖、蛋白质与其他生物分子复合体的精细三维结构，以获得一幅完整的、能够在细胞中定位以及在各种生物学代谢途径、生理途径、信号传导途径中全部蛋白质在原子水平的三维结构全息图。
生物信息学的主要研究内容：生物学数据的收集、存储、管理与提供，基因组序列信息的提取和分析，功能基因组相关信息分析，生物大分子结构模拟和药物设计，生物信息分析的技术与方法研究，应用与发展研究。
计算生物学/生物信息学的主要理论方法：基于数据挖掘（知识发现）的方法，基于模拟分析的方法。
系统生物学是一个试图整合不同层次信息以理解生物系统如何行使功能的学术领域。
通过研究某生物系统各不同部分之间的相互关系和相互作用（例如，与细胞信号传导，代谢通路，细胞器，细胞，生理系统与生物等相关的基因和蛋白网络），系统生物学期望最终能够建立整个系统的可理解模型。
合成生物学是一门建立在系统生物学、生物信息学等学科基础之上，并以基因组技术为核心的现代生物科学。
生物信息学常用方法：Database Search，Multiple Sequence Alignment，Algorithms。
生物学数据库应满足5个方面的主要需求（1）时间性（2）注释（3）支撑数据（4）数据质量（5）集成性生物学数据库几个明显的特征：（1）数据库的更新速度不断加快，数据量呈指数增长趋势（2）数据库使用频率增长更快（3）数据库的复杂程度不断增加（4）数据库网络化（5）面向应用（6）先进的软硬件配置。
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。
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二次数据库。
分子生物信息数据库，归纳起来，大体可以分为4个大类，即基因组数据库、核酸和蛋白质一级结构数据库、生物大分子(主要是蛋白质)三维空间结构数据库，以及由上述3类数据库和文献资料为基础构建的二次数据库。
基因组数据库来自基因组作图，序列数据库来自序列测定，结构数据库来自X射线衍射和核磁共振等结构测定。
这些数据库是分子生物学的基本数据资源，通常称为基本数据库、初始数据库，也称一次数据库。
序列数据库是分子生物信息数据库中最基本的数据库，包括核酸和蛋白质两类，以核苷酸碱基顺序或氨基酸残基顺序为基本内容，并附有注释信息。
国际著名的生物信息中心NCBI National Center for Biotechnology Information (US)EBI European Bioinformatics Institute (EU)HGMP Human Genome Mapping Project Resource Centre (UK）ExPASy Expert of Protein Analysis System (Switzerland )国际上“权威”的核酸序列数据库：欧洲分子生物学实验室的EMBL ，美国生物技术信息中心的GenBank ，日本遗传研究所的DDBJ。
三个数据库中的数据基本一致，仅在数据格式上有所差别，对于特定的查询，三个数据库的响应结果一样。
这三个数据库是综合性的DNA和RNA序列数据库，每条记录代表一个单独、连续、附有注释的DNA或RNA片段。
蛋白质序列数据库：SWISS－PROT(欧洲)，PIR(美国)蛋白质结构数据库：PDB（protein data bank），美国，目前最主要的蛋白质分子结构数据库蛋白质结构分类数据库：SCOP (Structural Classification of Proteins)，英国医学研究委员会分子生物学实验室和蛋白质工程中心，CA TH( Class, Architecture, Topology, Homology)英国伦敦大学基因组信息二级数据库：TransFac(真核生物基因转录调控因子数据库)，德国蛋白质序列二级数据库：Prosite(蛋白质序列功能位点数据库)，瑞典蛋白质二级结构数据库：DSSP (Definition of Secondary Structure of Proteins)蛋白质二级结构构象参数数据库，FSSP (Families of Structural Similar Proteins) 蛋白质家族数据库，HSSP(Homology Derived Secondary Structure of Proteins) 同源蛋白质数据库酶的分类数据库Enzyme不同数据库的序列格式：1 GenBank中DNA序列格式，2 EMBL序列格式，3 SwissProt 序列格式，4 FASTA序列格式，5 NBRF序列格式，6 Intelligenetics序列格式，7 GCG序列格式，8 PIR/CODATA序列格式，9 Plain/ASCII.Staden序列格式，10 ASN.1序列格式，11 GDE 格式。
冗余数据至少可能导致以下3个潜在的错误：如果一组DNA或氨基酸序列包含了大量非常相关序列族，则相应的统计分析将偏向这些族，在分析结果中，这些族的特性被夸大；序列间不同部分的显著相关可能是在数据样本抽样时是有偏的和不正确的；如果这些数据是被用于预测，则这些序列将使预测方法—如人工智能方法—发生偏离。
序列数据的偏差或人为假象主要来自实验过程，这与其它科学数据的情况相同。
这些人为假象主要来自以下几个方面：载体序列污染：在测序列等实验过程中，载体序列可能造成污染，致使序列记录数据中包含了载体序列；异源序列污染：有研究表明一些人类cDNA 测序结果在实验过程中被酵母和细菌序列污染；序列的重排和缺失；重复因子污染：cDNA 克隆方法有时会受到逆转录因子(如Alus)的影响；测序误差和自然多态性：测序过程存在一定的误差概率。
解决方法：选择合适的数据库；一个聪明的略策是用可能污染数据记录的序列(如载体)去估计误差程度；一些去除污染的专门软件系统已被研制出来，如EBI网站便提供了去除载体污染的在线服务。
BLAST是由美国国立生物技术信息中心（NCBI）开发的一个基于序列相似性的数据库搜索程序。
BLAST是“局部相似性基本查询工具”(Basic Local Alignment Search Tool)的缩写。
一个序列模体是一段局部保守的区域或由一组序列共有的短的序列模式。
模体指用于预测分子功能、结构特征或家族关系的模式。
3 main methods of alignment：Automatic，Manual，Combined。
状态空间搜索，就是将问题求解过程表现为从初始状态到目标状态寻找这个路径的过程。
常用的状态空间搜索有深度优先和广度优先。
广度优先是从初始状态一层一层向下找，直到找到目标为止。
深度优先是按照一定的顺序前查找完一个分支，再查找另一个分支，以至找到目标为止。
系统发生学：（Phylogenetic systematics系统分类学、cladistics遗传分类学) 是基于生物进化史的生物分类方法。
系统发生树构建步骤：（1）序列比对（2）确定替换模型（3）构建系统发生树（4）评价所建立的树。
名词解释：基序：英文motif的缩写。
也翻译为“模序”，“模体”，DNA，蛋白质等生物大分子中的保守序列。
数据库：数据库是存储在一起的相关数据的集合，这些数据是结构化的，无有害的或不必要的冗余，并为多种应用服务；数据的存储独立于使用它的程序；对数据库插入新数据，修改和检索原有数据均能按一种公用的和可控制的方式进行。