生物信息学课程作业
生物信息学课后题及答案
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。
生物信息学作业(一)
生物信息学实验作业一1、了解NCBI、DDBJ、EMBL上网的方法自学各网站相关介绍。
答：（1）、NCBI: （National Center of Biotechnology Information，简称NCBI）美国国立生物技术信息中心。
其主页为：。
NCBI 是在NIH的国立医学图书馆（NLM）的一个分支。
NLM是因为它在创立和维护生物信息学数据库方面的经验被选择的，而且这可以建立一个内部的关于计算分子生物学的研究计划。
NCBI的任务是发展新的信息学技术来帮助对那些控制健康和疾病的基本分子和遗传过程的理解。
NCBI有一个多学科的研究小组包括计算机科学家，分子生物学家，数学家，生物化学家，实验物理学家，和结构生物学家，集中于计算分子生物学的基本的和应用的研究。
他们一起用数学和计算的方法研究在分子水平上的基本的生物医学问题。
这些问题包括基因的组织，序列的分析，和结构的预测。
在1992年10月，NCBI承担起对GenBank DNA序列数据库的责任。
NCBI 受过分子生物学高级训练的工作人员通过来自各个实验室递交的序列和同国际核酸序列数据库（EMBL和DDBJ）交换数据建立起数据库。
同美国专利和商标局的安排使得专利的序列信息也被整合。
BLAST是一个NCBI开发的序列相似搜索程序，还可作为鉴别基因和遗传特点的手段。
BLAST能够在小于15秒的时间内对整个DNA数据库执行序列搜索。
NCBI提供的附加的软件工具有：开放阅读框寻觅器（ORF Finder），电子PCR，和序列提交工具，Sequin和BankIt。
所有的NCBI数据库和软件工具可以从WWW 或FTP来获得。
NCBI还有E-mail服务器，提供用文本搜索或序列相似搜索访问数据库一种可选方法。
主要任务：（1）建立关于分子生物学，生物化学，和遗传学知识的存储和分析的自动系统（2）实行关于用于分析生物学重要分子和复合物的结构和功能的基于计算机的信息处理的，先进方法的研究（3）加速生物技术研究者和医药治疗人员对数据库和软件的使用。
生物信息学作业
生物信息学试题
1、构建分子系统树的主要方法有哪些？并简要说明构建分子进化树
的一般步骤。
（20分）
答：（1）构建进化树的方法包括两种：一类是序列类似性比较，主
要是基于氨基酸相对突变率矩阵（常用PAM250）计算不同序列差异性积分作为它们的差异性量度（序列进化树）；另一类在难以通过序
列比较构建序列进化树的情况下，通过蛋白质结构比较包括刚体结构
叠合和多结构特征比较等方法建立结构进化树
(2)序列比对——选取所需序列——软件绘制
具体如下：
a测序获取序列或者在NCBI上搜索所需的目的序列
b在NCBI上做blast：比对相似度较高的基因，并以fast格式下载，整合在*txt文档中。
c比对序列，比对序列转化成*meg格式
d打开保存的*meg格式文件，构建系统进化树
2、氨基酸序列打分矩阵PAM和BLOSUM中序号有什么意义？它们各自
的规律是什么？（10分）
（1）PAM矩阵：基于进化的点突变模型，如果两种氨基酸替换频繁，说明
自然界接受这种替换，那么这对氨基酸替换得分就高。
一个PAM就是一个进化的变异单位, 即1%的氨基酸改变。
BLOSUM矩阵：首先寻找氨基酸模式，即有意义的一段氨基酸片断，分别比
较相同的氨基酸模式之间氨基酸的保守性（某种氨基酸对另一种氨基酸的取代数据），然后，以所有60％保守性的氨基酸模式之间的比较数据为根据，产生BLOSUM60；以所有80％保守性的氨基酸模式之间的比较数据为根据，产生。
生物信息学作业
乳腺癌易感基因BRCA1的研究班级：5061专业：药剂学姓名：孙建梅一、实验目的:（1）掌握中文文献全文的检索和获得方法。
（2）掌握Pubmed数据库文献的检索和交大图书馆英文数据库全文的获得方法。
（3）掌握核酸序列搜索的方法。
（4）掌握核酸序列相似性分析的方法。
（5）掌握PCR引物设计软件的原理、使用及特点。
（6）掌握蛋白质序列搜索的方法。
（7）掌握蛋白质序列分析常用软件的使用方法。
二、研究背景:乳腺癌易感基因(BRCA1)的突变率与35%～40%的家族性乳腺癌和卵巢癌有关。
该基因常以染色体显性方式遗传,并有很高的外显率。
外显率在乳腺癌为60%~80%,卵巢癌也可达15%~40%。
该基因作为一种抑癌基因, 不仅能抑制细胞生长, 还参与细胞周期调控、基因转录调节、DNA 损伤修复及其凋亡等重要细胞活动, 在维持基因稳定性中起重要作用。
BRCA1是目前所发现的最重要的乳腺癌易感基因之一，本人选择其为研究对象。
三、实验方法、步骤及结果:1．在中国知网（CNKI）中查找中文文献：2．在PubMed中查找英文文献：3 在Genbank中查找BRCA1基因及其序列：登陆NCBI主页，网址：/guide/，选择gene数据库4. 使用NCBI网站中的BLAST工具进行序列比对登陆/，选择核酸序列比对nucleotide BLAST，界面显示如下,输入登录号，NM-007294.3，点击“BLAST”。
结果如下：与其匹配的核苷酸序列和基因组序列如下：1, mRNA”，登录号：NM_007294.3。
variant 2, mRNA”，登录号：NM_007300.3。
5．蛋白质序列的比对检索页面：结果输出：6. 根据序列，设计PCR引物：（1）利用peimer3进行引物设计登陆引物设计软件primer3网址/primer3/。
输入FASTA格式的核苷酸序列，运算得到：上游引物：5’caccctctgctctgggtaaa 3’下游引物：5’aagctcattcttggggtcct 3’产物：5680bp。
生物信息学习题(2010-7)
生物信息学练习题（2009-2010学年第2学期）姓名：性别：班级：学号：说明：（1）此作业主要是让大家熟悉一下生物信息学的基本知识点，并真正练习一下生物信息软件的使用。
（2）此作业将作为我们的成绩，不交者将没有成绩，请认真对待；（3）作业统一用A4纸打印，并装订；（4）在7月10日前，各班学委收起后，交到新生化大楼C615房间；（5）如有问题可与我联系，一．问答题：1. 当今世界上主要的三大生物数据库是指哪些数据库？答：当今世界上主要的三大生物数据库是美国国家生物技术信息中心NCBI(National Center for Biotechnology Information)，EBI(European Bioinformatics Institute)欧洲生物信息研究所，DDBJ(DNA Data Bank of Japan)日本核酸数据库2. 人类基因组计划的完成将绘制出“四张图“，请问这四张图是指哪些图？答：人类基因组计划的完成将绘制出“四张图“是指：1遗传图谱，又称连锁图谱(linkage map)，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。
2物理图谱，是以一段已知核酸序列的片段STS序列为路标，以碱基对数目的多少为图距来表示两个遗传标记之间的物理距离[基本单位是Mb、kb、bp]的图谱。
3序列图谱，是分别将各染色体全部碱基序列绘制的图谱。
包括转录序列和非转录序列。
4转录图谱谱也叫基因表达图谱，以表达序列标签（expressed sequence tag , EST ）为位标，反映基因在不同条件下的表达情况的图谱。
3. 生物信息学的定义有狭义与广义之分，请问狭义的生物信息学定义是什么？答：目前生物信息学可以狭义地定义为：将计算机科学和数学应用于生物大分子信息的获取、加工、存储、分类、检索与分析，以达到理解这些生物大分子信息的生物学意义的交叉学科。
生物信息学作业1.doc
生物信息学实验作业试验一一．找到编码拟南芥（arabidopsis）phyA（光敏色素A）基因的核酸序列编号, 并记录查找过程。
GI：224576211步骤1．进入NCBI主页2．搜索arabidopsis phyA3．Arabidopsis thaliana phytochrome A (PHYA) gene, partial cds4．VERSION：GI：224576211二．以phyA为检索词，在pubmed数据库中分别检索在题目和关键词字段中含有该检索词的文献，记录检索出的条目数目。
Results: 614三．仔细阅读所查询核酸序列在NCBI和EMBL数据库中格式的解释，理解各字段的含义，并比较NCBI 与EMBL中序列格式的异同。
实验二一．分析你感兴趣核酸序列的分子质量、碱基组成。
Composition 35 A; 25 C; 35 G; 15 T; 0 OTHERPercentage: 32% A; 23% C; 32% G; 14% T; 0%OTHERMolecular Weight (kDa): ssDNA: 34.26 dsDNA: 67.8二．列出你所分析核酸序列（或部分序列）的互补序列、反向序列、反向互补序列、DNA双链序列和RNA 序列。
R S1 ACTACTCGAG AAGCAGCGAC AGAGGCGTTA GCCCGCTCAG CAGACTGGCA GTTCTCTACC61 GACAAAAAAG AGGTAGGAGG CACAGTAATG ATACAGGCGT AGCAGGAGGGC S1 CCCTCCTGCT ACGCCTGTAT CATTACTGTG CCTCCTACCT CTTTTTTGTC GGTAGAGAAC61 TGCCAGTCTG CTGAGCGGGC TAACGCCTCT GTCGCTGCTT CTCGAGTAGTR C S1 TGATGAGCTC TTCGTCGCTG TCTCCGCAAT CGGGCGAGTC GTCTGACCGT CAAGAGATGG61 CTGTTTTTTC TCCATCCTCC GTGTCATTAC TATGTCCGCA TCGTCCTCCCD DNA S1 GGGAGGACGA TGCGGACATA GTAATGACAC GGAGGATGGA GAAAAAACAG CCATCTCTTGCCCTCCTGCT ACGCCTGTAT CATTACTGTG CCTCCTACCT CTTTTTTGTC GGTAGAGAAC61 ACGGTCAGAC GACTCGCCCG ATTGCGGAGA CAGCGACGAA GAGCTCATCATGCCAGTCTG CTGAGCGGGC TAACGCCTCT GTCGCTGCTT CTCGAGTAGTRNA S1 GGGAGGACGA UGCGGACAUA GUAAUGACAC GGAGGAUGGA GAAAAAACAG CCAUCUCUUG61 ACGGUCAGAC GACUCGCCCG AUUGCGGAGA CAGCGACGAA GAGCUCAUCA三.列出核酸序列的限制性酶切位点分析结果（酶及识别位点）。
生物信息学习题
1单选(以下哪位科学家获得了两次诺贝尔奖？A.桑格（Frederick Sanger）B.沃森（James Waston）C.霍利（Robert W.Holley）D.克里克（Francis Crick）2单选(被称为“DNA之父”的是哪位科学家？A.摩尔根（Thomas H.Morgen）B.沃森（James Waston）C.查加夫（Erwin Chargaff）D.桑格（Frederick Sanger）3单选(被称为“计算机之父，人工智能之父”的是哪位科学家？A.莱布尼兹（Gottfried W Leibniz）B.图灵（Alan Mathison Turing）C.帕斯卡（Blaise Pascal）D.桑格（Frederick Sanger）4单选(被称为“现代实验生物学奠基人”的是哪位科学家？A.摩尔根（Thomas H.Morgen）B.达尔文（Charles Darwin）C.桑格（Frederick Sanger）D.孟德尔（Gregor J.Mendel）5单选(被称为“遗传学的奠基人，现代遗传学之父”的是哪位科学家A.孟德尔（Gregor J.Mendel）B.沃森（James Waston）C.查加夫（Erwin Chargaff）D.摩尔根（Thomas H.Morgen）1单选(从GenBank的哪一项注释中可以找到关于编码蛋白的信息？A.CDSB.SOURCEC.RBSD.ORIGIN2单选(以下关于GenBank的描述，哪个是正确的？A.GenBank里的一条数据库记录对应一个完整的基因。
B.真核生物的基因经常是分段存储在多条GenBank数据库记录里。
C.真核生物的基因都是整个存储在GenBank的一条数据库记录里。
D.原核生物的基因都是分片段存储在多条GenBank数据库记录里。
3多选(以下关系式正确的是？A.1T=1,000GB.1G=1,000MC.1G=1,000,000KD.1T=1,000,000M4(GenBank数据库中的检索号（Accession）和基因座名（Locus）指的都是一条序列在数据库中的编号，他们永远都是相同的。
生物信息学作业10
调和序列
1 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Y Y F F Y y 2 D D E D E d 3 G G G G G 4 G G G G G G 5 A I I A A/I 6 V L L V 7 V V V 8 E E E Q Q 9 A A A A A 1 L L L V L
多序列比对的方法
同源性分析中常常要通过多序列比对来找出序列之间的相 互关系，和blast的局部匹配搜索不同，多序列比对大多 都是采用全局比对的算法。这样对于采用计算机程序的自 动多序列比对是一个非常复杂且耗时的过程，特别是序列 数目多，且序列长的情况下。
Clustal程序有许多版本。 Clustal是免费软件，很容易从互联网上下载，和其它软 件一起，广泛用于序列分析。Clustal所支持的数据格式包 括EMBL/SWISSPROT、PIR、Pearson/FastA以及 Clustal本身定义的格式。它的输出格式是Clustal格式。
FASTA格式
以上这个FASTA文件中包含了gi号码、GenBank检索号码、LOCUS名称、 以及GenBank记录中的DEFINATION字段。 第一行（ 〉）表示一个新的序列文件的开始，为标记符。后面可以加上文 字说明， gi号码、GenBank检索号码、LOCUS名称等信息。 第二行 序列本身，为DNA或蛋白质的标准符号。通常核苷酸符号大小写 均可，而氨基酸一般用大写字母。
正因为存在这样的关系，很多时候对序列的相似性和 同源性就没有做很明显的区分，造成经常等价混用两个 名词。所以有出现A序列和B序列的同源性为80％一说。 不能把相似性和同源性混为一谈。所谓“具有50%同 源性”，或“这些序列高度同源”等说法，都是不确切 的，应该避免使用。
序列相似性比较和序列同源性分析
- 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)。
生物信息学作业1. Align the leghemoglobin protein from soy bean and myoglobin from human with global and local alignment software (ex. needle and water) respectively and interpret the results.ANSWER:(1)Use Needle to Align the two sequence：Aligned_sequences: 2# 1: CAA38024.1# 2: NP_001157488.1# Matrix: EBLOSUM62# Gap_penalty: 10.0# Extend_penalty: 0.5# Length: 203# Identity: 43/203 (21.2%)# Similarity: 58/203 (28.6%)# Gaps: 90/203 (44.3%)# Score: 30.0(2)Use Water to Align the two sequence：Aligned_sequences: 2# 1: CAA38024.1# 2: NP_001157488.1# Matrix: EBLOSUM62# Gap_penalty: 14# Extend_penalty: 4# Length: 32# Identity: 11/32 (34.4%)# Similarity: 15/32 (46.9%)# Gaps: 0/32 ( 0.0%)# Score: 35两种软件虽然使用同一罚分标准但得分不同。
因为Needle程序实现标准pairwise全局比对，而Water则是局部比对。
全局比对因为是比对全长序列，所以空位罚分多，得分较局部比对低。
2. Evaluate the significance of the local protein alignment score of question 1 with PRSS and interpret the result.参数如下：Statistics: (shuffled [200]) MLE statistics: Lambda= 0.1886; K=0.0575statistics sampled from 1 (1) to 200 sequencesParameters: VT160 matrix (16:-7), open/ext: -12/-2在两个不同网站选不同矩阵均未得到E值，原因可能是两条序列的同源性很低。
如果同源性高则得到的E值小，且前面的比对工作可性度大；反之则说明前置比对工作可性度低，两条序列的同源性低。
一般来说如果E值小于千分之一则证明序列同源性高。
3. Obtain two sequences from Genbank with the accession number P0A7G6 and P25454. align them with LALIGN (EBI or virginia university sever). First try gap penalties of -12 and -2. Note the length of the alignment, E-value, the percent identity, and the score of the alignment, then repeat the alignment with gap penalties of -5 and -1 and note the features of the alignment. Describe what happened when the gap penalties were reduced, and why?ANSWER:(1)First try gap penalties of -12 and -2:Visual output:Alignment：Waterman-Eggert score: 214; 58.4 bits; E(1) < 3.7e-1328.7% identity (57.4% similar) in 230 aa overlap (34-241:153-375)Waterman-Eggert score: 62; 20.7 bits; E(1) < 0.08230.3% identity (55.1% similar) in 89 aa overlap (25-111:178-256)Waterman-Eggert score: 46; 16.7 bits; E(1) < 0.7427.5% identity (56.9% similar) in 51 aa overlap (15-64:9-59)Waterman-Eggert score: 45; 16.4 bits; E(1) < 0.823.0% identity (53.3% similar) in 135 aa overlap (15-148:1-125)Waterman-Eggert score: 41; 15.4 bits; E(1) < 0.9636.4% identity (63.6% similar) in 22 aa overlap (148-169:55-76)Waterman-Eggert score: 39; 14.9 bits; E(1) < 0.9930.0% identity (62.5% similar) in 40 aa overlap (16-55:178-213)Waterman-Eggert score: 36; 14.2 bits; E(1) < 124.3% identity (59.5% similar) in 37 aa overlap (76-112:313-349)Waterman-Eggert score: 35; 14.0 bits; E(1) < 150.0% identity (80.0% similar) in 10 aa overlap (259-268:10-19)353 residues in 1 query sequences400 residues in 1 library sequences（2）repeat the alignment with gap penalties of -5 and -1：Visual output:Alignment;Waterman-Eggert score: 402; 30.1 bits; E(1) < 0.0001231.5% identity (56.6% similar) in 311 aa overlap (2-274:123-394)Waterman-Eggert score: 270; 18.9 bits; E(1) < 0.2524.7% identity (50.0% similar) in 446 aa overlap (15-352:1-399)Waterman-Eggert score: 225; 15.0 bits; E(1) < 0.9826.3% identity (50.8% similar) in 388 aa overlap (17-351:5-326)Waterman-Eggert score: 214; 14.1 bits; E(1) < 126.3% identity (44.9% similar) in 323 aa overlap (8-303:164-396)Waterman-Eggert score: 211; 13.9 bits; E(1) < 123.4% identity (46.7% similar) in 418 aa overlap (2-332:33-395)353 residues in 1 query sequences400 residues in 1 library sequences当罚分较高时，图像中线条多且短；罚分较低时，图像中线条少且长。
原因是罚分高时，为了得到最优分，系统比对时会选取局部序列，尽量避免空位罚分。
罚分较低时，不会去避免空位，而是尽量全局比对。
4. A complex sample contains DNA from many species of bacteria. The species can be divided into two broad categories: (a) High GC content, (b) Low GC content.In (a) the probability that a GC-rich sequence be obtained by randomly sequencing part of the genome is 0.8In (b), it is 0.1. Assume that the sample contains both bacterial types in the proportion of 1:3 (prior knowledge)Suppose that a sequence obtained randomly from the sample is observed GC-rich. What is the probability that it came from (a) and (b)?Answer：假设事件X：observe GC-rich from (a)事件Y: observe GC-rich from (b)事件Z: observe GC-rich from the sample contains both bacterial types in the proportionP(Z/X)=P(X)P(X/Z)/P(Z)=0.25×0.8/(0.25×0.8＋0.75×0.1)=72.72%P(Z/Y)=P(Y)P(Y/Z)/P(Z)=0.75×0.1/(0.25×0.8＋0.75×0.1)=27.27%。