最新生物信息学学习心得
生物信息学学习心得
第一篇：生物信息学
生物信息学是上世纪90年代初人类基因组计划(hgp)依赖，随着基因组学、蛋白组学等新兴学科的建立，逐渐发展起来的生物学、数学和计算机信息科学的一门交叉应用学科。目前生物信息学的研究领域主要包括基于生物序列数据的整理和注释、生物信息挖掘工具开发及利用这些工具揭示生物学基础理论知识等领域。生物信息学作为新型交叉应用学科，可以依托本校已有的计算机科学、信息学、生物学和数学等学科优势，充分展现投入少、见效快、起点高的特色，推动学校学科建设和本科教学水平。
本实验指导书中的8个实验均设计为综合性开发实验，面向生物信息学院全体本科学生和研究生，以及全校对生物信息学感兴趣的其他专业学生开放。生物信息学实验室将提供系统的保障，包括采用mail服务器和linux帐号管理等进行实验过程管理和支持。限选《生物信息学及实验》的生物技术专业本科生至少选择其中5个实验，并不少于8个学时，即为课程要求的0.5个学分。其他选修者按照课时和学校相关规定计算创新学分。实验一熟悉生物信息学网站及其数据的生物学意义
实验目的：
培养学生利用互联网资源获取生物信息学研究前沿和相关数据的能力，熟悉生物信息学相关的一些重要国内外网站，及其核酸序列、蛋白质序列及代谢途径等功能相关数据库，学会下载生物相关的信息数据，了解不同的数据文件格式和其中重要的生物学意义。
实验原理：
利用互联网资源检索相关的国内外生物信息学相关网站，如：ncbi、sanger、tigr、kegg、sble、中科院北京基因组研究所、北大生物信息
学中心等，下载其中相关的数据，如fasta、genbank格式的核算和蛋白质序列、pathatdb格式化库文件，并输入blast命令进行计算，获得结果文件。
实验内容：
1. 向网上blast服务器提交序列，得到匹配结果；
2. 本地使用blast，格式化库文件，输入命令行得到匹配结果；
3. 对结果文件进行简要描述，阐述生物学意义。
实验报告：
1. 阐述blast原理和比对步骤；
2. 不同类型blast的结果及其说明；
3. 讨论：不同平台运行blast的需求比较。
参考书目：
《生物信息学概论》罗静初等译，北京大学出版社， 2020；
《生物信息学实验指导》胡松年等著，浙江大学出版社，2020；。
实验三利用clustalx(a方法计算的。在系统树图绘制完以后，输入的所有序列按照得分高低被分成n-1个组，然后再对组与组之间进行联配，这一步用myers和miller算法实现。
实验内容：
1. 明确软件所支持的输入文件格式，搜集整理出合适的数据；
2. 在atch程序去除ests原始序列中的载体成分和引物成分，然后用phrap生成congtig和singlet，用blast程序进一步将有同源性的contig和singlet进行功能聚类，最后通过blast 对聚类获得的cluster进行功能注释。在实验过程中将用到一些本实验室写好的perl程序用于连接各数据库和工具软件。
实验内容：
1. 运行codoncode aligner程序，并用它建立工程文件，导入例子文件
夹里面的数据；练习对序列的各种查看方式。
2. 使用codoncode aligner程序里的clip ends, trim vector, assemble
等功能，完成序列的剪切、去杂质、组装工作。
实验报告：
1. 实验各步骤记录和中间结果文件；
2. 举例简要说明结果文件中数据的生物学意义。
参考书目：
《生物信息学概论》罗静初等译，北京大学出版社， 2020；
《基因表达序列标签（est）数据分析手册》胡松年等著，浙江大学出版社， 2020。
实验五利用primer premier5.0设计
race引物
实验目的：
熟悉pcr引物设计工具primer premier5.0的一些基本功能，能够根据实验需要选择相应的引物设计方法设计pcr引物。
实验原理：
pcr实验是当代分子生物学的基本实验之一，由于目标序列和实验目的的不同，相应设计引物的要求也不一样。本实验延续ests 分析结果，对于其中需要获得全长的基因进行race引物的设计，及5’和3’race引物，配合接头序列设计单向引物，并模拟练习通过连接获得全长的基因cds序列。最后设计已知全长基因序列的pcr扩增引物。
实验内容：
1. 从网站下载并安装primer premier5.0；
2. 从 genbank 中任意获取一个 dna 序列，设计出该序列的合适引物；实验报告：
1. 实验各步骤使用的数据、运算平台、结果文件记录；
2. 比较不同引物设计平台和不同pcr实验的差别；
参考书目：
《生物信息学概论》罗静初等译，北京大学出版社， 2020；《生物信息学实验指导》胡松年等著，浙江大学出版社，2020; 。
实验八 perl程序的安装、编写、调试实验目的：
培养学生能在atics）是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。它是当今生命科学和自然科学的重大前沿领域之一，同时也将是21世纪自然科学的核心领域之一。其研究重点主要体现在基因组学(genomics)和蛋白质组学(proteomics)两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。
具体而言，生物信息学作为一门新的学科领域，它是把基因组dna序列信息分析作为源头，在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。基因组信息学,蛋白质空间结构模拟以及药物设计构成了生物信息学的3个重要组成部分。从生物信息学研究的具体内容上看，生物信息学应包括这3个主要部分：(1)新算法和统计学方法研究；(2)各类数据的分析和解释；(3)研制有效利用和管理数据新工具。
生物信息学是一门利用计算机技术研究生物系统之规律的学科。目前的生物信息学基本上只是分子生物学与信息技术（尤其是因特网技术）的结合体。生物信息学的研究材料和结果就是各种各
样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。1990年代以来，伴随着各种基因组测序计划的展开和分子结构测定技术的突破和internet的普及，数以百计的生物学数据库如雨后春笋般迅速出现和成长。对生物信息学工作者提出了严峻的挑战：数以亿计的acgt序列中包涵着什么信息？基因组中的这些信息怎样控制有机体的发育？基因组本身又是怎样进化的？
生物信息学的另一个挑战是从蛋白质的氨基酸序列预测蛋白质结构。这个难题已困扰理论生物学家达半个多世纪，如今找到问题答案要求正变得日益迫切。诺贝尔奖获得者atlab 里面有的关于生物方面的工具包也很多的。
4，生物知识，不用说的。
其他：如果要深入的话，最好会编程。什么java，perl，等。我是刚开始学。大家多指教。
导师推荐了好几本书：
《生物信息学概论》 introduction to bioinformatics(英) t k
attith 著罗静初等译北京大学出版社 2020年4月第一版本书从生物信息学的研究对象、意义出发，介绍生物信息学研究的基本方法和常用工具。主要介绍的是核酸和蛋白质序列的计算机分析方法，探讨利用现有的计算机程序，从现有的数据库中能够获取什么、不能够获取什么。全书共分十章：1.概论，2.信息网络，3.蛋白质信息资源，4.基因组信息资源，5. dna序列分析，6.双序列比对，7.多序列比对，8.二次数据库搜索，9.数据库搜索实例，10.序列分析软件包。每章末尾均提供了进一步阅读指南和有关的网址。这本书的一大特色在于丰富的例子和图表，使读者可以很直观的了解和掌握书中的内容。此外，书的末尾还附有与生物信息学相关的词汇表。总的说来，这本书实用性强，可以作为高等院校生物信息学教材，也可以作为生命科学和生物技术各领域分子生物学研究和开发工作者的生物信息学参考书。
《生物信息学手册》郝柏林张淑誉编著上海科学技术出版社2020年10月第一版一本手册式的生物信息学书籍。除了介绍了生物信息学，还包括了计算机及计算机网络（这一部分提供了一些网址）和分子生物学的知识。更为重要的是，该书的主要部分?quot;生物信息数据库和服务、软件和算法部分，提供了大量的网址。几乎是每一个条目下面都有不少网址。这本书将网络上的生物信息学资源进行了索引式的介绍，并作了必要的说明。书中列举了近千条网址和引文，基本涵盖了生物学研究的各个方
面，堪称生物信息的汪洋大海中的导航图。对生物信息学的服务、软件和算法，本书也作了较全面的描述。本书可供广大生命科学工作者以及由物理学、数学和计算机学转入生命科学领域的研究教学人员参阅（上面可以查到很多网址）。
《生物信息学》赵国屏等编著科学出版社 2020年4月第一版本书是863生物高科技丛书之一。它比较全面地介绍了生物信息学的若干个主要分支，并特别介绍了与人类基因组研究
相关的生物信息学的一些较新成果；着重介绍了数据库和数据库的查询、序列的同源比较及其在生物进化研究中的应用；以生物芯片中的生物信息学问题为例，介绍与基因表达相关的生物信息学问题；还介绍了蛋白质结构研究中的生物信息学问题，以及与分子设计和药物设计相关的生物信息学技术。本书可供生物信息学专业和生命科学相关专业的本科生、研究生和教学科研人员阅读学习，也可供相关专业的科技和应用机构的科研、管理和决策人员参考。注意，本书有很大篇幅是讲基因芯片和蛋白质结构预测的。
《生物信息学--基因和蛋白质分析的实用指南》bioinformatics--a
practical guide to the analysis of genes and proteins andreas d.baxevanis b.f.francis ouellette 著李衍达孙之荣等译清华大学出版社 2020年8月第一版这本书由前卫计算生物学家撰写，贯穿了已有的工具和数据库，包括应用软件、因特网资源、向数据库提交dna序列以及进行序列分析和利用核酸序列与蛋白质序列进行预测的的方法。以下是该书的目录：1.因特网与生物学家，2. genebank序列数据库，3.结构数据库，4.应用gcg进行序列分析，5.生物数据库的信息检索，6. ncbi 数据模型，7.序列比对和数据库搜索，
8.多序列比对和实际应用，9.系统发育分析，10.利用核酸序列的预测方法，11.利用蛋白质序列的预测方法，12.鼠类和人类公用物理图谱数据库漫游，13. acedb: 基因组信息数据库，14.提交dna序列数据库。本书有很多实际的序列和序列分析的例子。这本书适合高等院校的师生和从事生物工程研究的科技工作者阅读。
在第14章提及的通讯资源：互联网和通信地址；电话和传真号码
ddbj/embl和genbank的一般联系信息以及提交dna序列到这些数据库的入口。
ddbj（信息生物学中心，nig）
地址：ddbj，1111 yata， mishima，shiznoka 411，japan
传真：81-559-81-6849
提交： ddbjsub@ddbj.nig.ac.jp
更新： ddbjupd@ddbj.nig.ac.jp
信息： ddbj@ddbj.nig.ac.jp
互联网
主页：
ation, nationtional library of medicine, national institutes of health, building 38a, room 8n805, bethesda md 20204
电话：301-496-2475
传真：301-480-9241
提交： gb-sub@https://www.360docs.net/doc/2e11059636.html,
est/gss/sts batch-sub@https://www.360docs.net/doc/2e11059636.html,
更新： update@https://www.360docs.net/doc/2e11059636.html,
信息： datalib@https://www.360docs.net/doc/2e11059636.html,
互联网
主页：
bankit:
在dna序列数据库中使用的遗传密码：
ddbj/embl/genbank特征表文档可用bined poathematics, and computers)。
现代生物信息学是采用计算机技术和信息论方法研究蛋白质及核酸序列等各种生物信息的采集、储存、传递、检索、分析和解读的
科学, 是现代生命科学与信息科学、计算机科学、数学、统计学、
物理学和化学等学科相互渗透而形成的交叉学科。
在这短短的一学期课中，在老师的带领下，我们学到了很多关
于生物信息学的知识，其中给我印象最深的有序列比对、蛋白质结
构分析、核酸序列分析、数据库及数据库检索等内容。
比如，序列比对，它的基本问题是比较两个或两个以上符号序列
的相似性或不相似性。从生物学角度来看，它包含很多意义；如从
相互重叠的序列片段中重构dna的完整序列等。老师主要给我们
绍了blast比对。
再如，对蛋白质的分析。比如我们实验测定了一条蛋白质序列
或者从dna序列翻译得来一条蛋白质序列，我们要借助生物信息学
方法来对它进行基本性质及结构分析。其中基本性质包括它的分子
量、氨基酸数目、排列顺序、等电点分析等。结构分析包括跨膜螺
旋分析等。要运用的工具是protparam tool 和tmhmm。对于这两
个工具我都进行了实际操作练习，我觉得这对我们以后的理论学习
和实验分析都非常重要。现代生物信息学的主要研究领域及其进
1、基因组学和蛋白组学研究
基因组和蛋白组研究是生物信息学的主要内容. 同样, 生物信息
学是基因组和蛋白组研究中必不可少的工具。
基因组学(genomics)和蛋白组学(proteomics)的实质就是分析和解读核酸和蛋白质序列中所表达的结构与功能的生物信息. 这方面的研究已成为生物信息学的主要研究内容之一.
一种生物的全部遗传构成被称为该种生物的基因组. 有关基因组的研究称为基因组学. 其中, 序列基因组学(sequence genomics)主要研究测序和核苷酸序列; 结构基因组学(structural genomics)着重于遗传图谱、物理图谱和测序等方面的研究; 功能基因组学
(functional genomics)则研究以转录图为基础的基因组表达图谱; 比较基因组学(comparative ge2nomics)的研究内容包括对不同进化阶段基因组的比较和不同种群和群体基因组的比较。
蛋白组和蛋白组学的概念是随基因组和基因组学的出现而出现的. 蛋白组(proteme)的概念是由于基因表达水平并不能代表细胞中活性蛋白质的数量, 基因组序列并不能描述活性蛋白质所必需的翻译后修饰和反映蛋白质种类和含量的动态变化过程而提出的. 在一定条件下某一基因组蛋白质表达的数量类型称为蛋白组, 代表这一有机体全部蛋白质组成及其作用方式. 有关蛋白组的研究称为蛋白组学. 其中, 蛋白组的研究技术与方法、双向凝胶电泳图谱以及对不同条件下蛋白组变化的比较分析是蛋白组学的主要研究内容。生物信息学在基因组和蛋白组研究中所起的作用主要有:（1)基因组信息结构的计算分析. 即对基因组数据进行大规模并行计算并预测各种新基因和功能位点, 研究大量非编码区序列的信息结构和可能的生物学意义。(2)模式生物全基因组信息结构的比较研究.即
对已完成全基因组测序的各种模式生物的基因组信息结构进行比较分析, 包括同源序列的搜索比较和指导基因克隆.(3)功能基因组的相关信息分析, 包括对基因表达图谱及其相关算法和软件的研究, 与功能基因组信息相关的核酸、蛋白质的空间结构的预测模拟以及蛋白质的功能预测。
2、生物信息数据库
复杂的生物和生物界和日新月异的生命科学研究产出的大量的
生物学信息，对这些信息的储存、检索、比较分析必须借助于计算机数据库技术, 包括各类生物学信息数据库的建立与维护、数据的添加与注释、更新与查询、数据库资料的网络化等研究内容。现有的数据库有：核酸序列数据库（genbank、embl、ddbj）、基因组数据库、基因图谱数据库、蛋白质序列数据库（s.tan
科学出版社2020
a生物信息学概述
相关学习网站plexes）的形成。了解这些复合物对于注释蛋白质功能是必需，也是解释信号级联和调控网络等分子途径的一个步骤。死效应反映了两个突变的蛋白质
2．遗传方法
抑制子突变体可以通过恢复被破坏的蛋白质互作来补偿有害的原始突变体。而合成致死效应反映了两个突变的蛋白质不能相互作用，显性负突变（dominant negative mutation）显示了一种起着多聚复合体作用的蛋白质。
3．亲和性方法
可通过几种利用蛋白质亲和性（特异结合的倾向）分析的物理方法来为蛋白质之间的相互关系提供直接的证据，比如亲和性管柱层析法，免疫共沉淀。由ciphergen公司使亲和实验格式更趋微型化，使得在蛋白质芯片的发展中达到顶峰。
4．分子和原子的方法
x射线晶体学和核磁共振谱有助于在原子水平识别蛋白质互作，其它的蛋白质互作分析的分子方法包括荧光共振能量传递（fret），表面基元共振谱（spr）和表面增强激光接吸附/离子化技术（seldl），其中的很多方法可通过质谱技术直接集成到蛋白质注释中。
5．基于文库的方法
基于文库的蛋白质互作实验有两个主要优点：它是高度并行的实验格式；候选互作蛋白质及其cdnas之间直接关联。
影响最大的方法是酵母双杂交系统（yeast t，y2h），在这个系统中蛋白质通过识别与之连接的一个功能转录因子进行互作。 c数据库--内容，结构和注释
已注释的序列数据库
1．初级序列数据库
genbank（ncbi）、核酸序列数据库（embl）和日本的dna数据库（ddbj）
2．sbl
sbl翻译了初级核酸数据库中的编码序列。
其他数据库
1．omim
omim指人类孟德尔遗传的联机数据库，用于研究人类遗传学和人类分子生物学的强大资源。每个omim条目都有一个对特定基因或性状的已知信息的全文总结，并有指向初级序列数据库和其它遗传学资源的链接。
2．incyte和unigene
incyte是商业数据库，它提供了基因序列和专家注释的记录，
生物信息学作业
生物信息学试题 1、构建分子系统树得主要方法有哪些？并简要说明构建分子进化树 得一般步骤。（20分） 答：（1）构建进化树得方法包括两种：一类就是序列类似性比较，主要就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得差异性量度（序列进化树）；另一类在难以通过序列比较构建序列进化树得情况下，通过蛋白质结构比较包括刚体结构叠合与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上搜索所需得目得序列 b在NCBI上做blast：比对相似度较高得基因，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打开保存得*meg格式文件，构建系统进化树 2、氨基酸序列打分矩阵PAM与BLOSUM中序号有什么意义？它们各自 得规律就是什么？（10分） （1）PAM矩阵：基于进化得点突变模型，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就就是一个进化得变异单位, 即1%得氨基酸改变。 BLOSUM矩阵：首先寻找氨基酸模式，即有意义得一段氨基酸片断，分别比较相同得氨基酸模式之间氨基酸得保守性（某种氨基酸对另一种氨基酸得取代数据），然后，以所有60％保守性得氨基酸模式之间得比较数据为根据，产生BLOSUM60；以所有80％保守性得氨基酸模式之间得比较数据为根据，产生BLOSUM80。
（2）PAM用于家族内成员相比，然后把所有家族中对某种氨基酸得比较结果加与在一起，产生“取代”数据（PAM-1 ）；PAM-1自乘n次，得PAM-n。 PAM-n中，n 越小，表示氨基酸变异得可能性越小；相似得序列之间比较应该选用n值小得矩阵，不太相似得序列之间比较应该选用n值大得矩阵。PAM-250用于约 20%相同序列之间得比较。 BLOSUM-n中，n越小，表示氨基酸相似得可能性越小；相似得序列之间比较应该选用 n 值大得矩阵，不太相似得序列之间比较应该选用n值小得矩阵。BLOSUM-62用来比较62％相似度得序列，BLOSUM-80用来比较80％左右得序列。 3、蛋白质三维结构预测得主要方法有哪些？试选择其中得一种方 法，说明蛋白质三维结构预测得一般步骤。（10分） （1） a同源建模（序列相似性低于30%得蛋白质难以得到理想得结构模型 b折叠识别(已知结模板得序列一致率小于25%) c从头预测得方法(无已知结构蛋白质模板)。 （2） 4、您所熟悉得生物信息学软件有哪些？请选择其中得至少一种软 件，结合自己得研究课题，谈谈您所选择软件得基本原理，使用
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
生物信息学作业1实验2
上海师范大学实验报告 实验二 一、实验原理 答：利用Blast全球联网数据库，对输入的序列进行生物信息学分析，给出与输入序列相关性最大的对应的基因信息，比较两者的同源性。 二、操作步骤 答：（1）先打开网址https://www.360docs.net/doc/2e11059636.html,/ （2）点击右边的Blast链接，打开Blast数据库，进入Blast界面 （3）在Basic Blast中选择nucleotide blast （4）在对话框中输入核苷酸序列，在choose search set下的Database选项中选择Others (nr etc.) （5）把网页拉到最下方，点击Blast按钮 （6）在Descriptions 栏下找到Max ident 百分率最高的序列名称 （7）再往下拉，找到Alignments项下第一个序列，可以找到输入序列相关信息 （8）点击Accession，即能找到更多输入序列的相关信息。 1. tttcactcca tagttactcc ccaggtga 1.1它属于哪类生物? 答：属于Hepatitis C virus （丙型肝炎病毒） 1.2它属于哪类基因？ 答：属于non-structural protein 5B gene 1.3它在该基因的什么位置？ 答：它在该基因的第749-776这个位置。 1.4它与你搜索到的序列的同源性（Identities）是多少？ 答：同源性100% 2．（1）ccacccactg aaactgcaca gacaaatttg tacataagag 1.1它属于哪类生物? 答：属于Influenza A virus (A/chicken/Iran261/01(H9N2)) hemagglutinin (HA) gene （A型流感病毒，A型伊朗型261鸡流感病毒，H9N2病毒，血细胞凝集素抗原基因为依据） 1.2它属于哪类基因？ 答：属于ssRNA negative-strand viruses Orthomyxoviridae （单链RNA，负义链病毒，正粘病毒科） 1.3它在该基因的什么位置？ 答：它在该基因的第1-40这个位置 1.4它与你搜索到的序列的同源性（Identities）是多少？
基因组学与生物信息学教案
《基因组学与生物信息学》教案 授课专业：生物学大类各专业 课程名称：基因组学与生物信息学 主讲教师：夏庆友程道军赵萍徐汉福
课程说明 一、课程名称：基因组学与生物信息学 二、总课时数：36学时（理论27学时实验9学时） 三、先修课程：遗传学、分子生物学、基因工程 四、使用教材： 杨金水. 基因组学. 北京:高等教育出版社,2002. 张成岗. 贺福初, 生物信息学方法与实践. 北京:科学出版社，2002. 五、教学参考书： T.A.布朗著，袁建刚译著，基因组(2rd版)，北京：科学出版社,2006. 沈桂芳，丁仁瑞，走向后基因组时代的分子生物学，杭州：浙江教育出版社，2005. 罗静初译，生物信息学概论，北京：北京大学出版社，2002. 六、考核方式：考查 七、教案编写说明： 教案又称课时授课计划,是任课教师的教学实施方案。任课教师应遵循专业教学计划制订的培养目标，以教学大纲为依据，在熟悉教材、了解学生的基础上，结合教学实践经验，提前编写设计好每门课程每个章、节或主题的全部教学活动。教案可以按每堂课（指同一主题连续1~2节课）设计编写。教案编写说明如下： 1、编号：按施教的顺序标明序号。 2、教学课型表示所授课程的类型，请在相应课型栏内选择打“√”。 3、题目：标明章、节或主题。 4、教学内容：是授课的核心。将授课的内容按逻辑层次，有序设计编排，必要时标以“*”、“#”“？” 符号分别表示重点、难点或疑点。 5、教学方式既教学方法，如讲授、讨论、示教、指导等。教学手段指教科书、板书、多媒体、模型、 标本、挂图、音像等教学工具。 6、讨论、思考题和作业：提出若干问题以供讨论，或作为课后复习时思考，亦可要求学生作为作业 来完成，以供考核之用。 7、参考书目：列出参考书籍、有关资料。 8、日期的填写系指本堂课授课的时间。
最新生物信息学名词解释(个人整理)
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基因。）
大基因组大数据与生物信息学英文及翻译
Big Genomic Data in Bioinformatics Cloud Abstract The achievement of Human Genome project has led to the proliferation of genomic sequencing data. This along with the next generation sequencing has helped to reduce the cost of sequencing, which has further increased the demand of analysis of this large genomic data. This data set and its processing has aided medical researches. Thus, we require expertise to deal with biological big data. The concept of cloud computing and big data technologies such as the Apache Hadoop project, are hereby needed to store, handle and analyse this data. Because, these technologies provide distributed and parallelized data processing and are efficient to analyse even petabyte (PB) scale data sets. However, there are some demerits too which may include need of larger time to transfer data and lesser network bandwidth, majorly. 人类基因组计划的实现导致基因组测序数据的增殖。这与下一代测序一起有助于降低测序的成本，这进一步增加了对这种大基因组数据的分析的需求。该数据集及其处理有助于医学研究。 因此，我们需要专门知识来处理生物大数据。因此，需要云计算和大数据技术（例如Apache Hadoop项目）的概念来存储，处理和分析这些数据。因为，这些技术提供分布式和并行化的数据处理，并且能够有效地分析甚至PB级的数据集。然而，也有一些缺点，可能包括需要更大的时间来传输数据和更小的网络带宽，主要。 Introduction The introduction of next generation sequencing has given unrivalled levels of sequence data. So, the modern biology is incurring challenges in the field of data management and analysis. A single human's DNA comprises around 3 billion base pairs (bp) representing approximately 100 gigabytes (GB) of data. Bioinformatics is encountering difficulty in storage and analysis of such data. Moore's Law infers that computers double in speed and half in size every 18 months. And reports say that the biological data will accumulate at even faster pace [1]. Sequencing a human genome has decreased in cost from $1 million in 2007 to $1 thousand in 2012. With this falling cost of sequencing and after the completion of the Human Genome project in 2003, inundate of biological sequence data was generated. Sequencing and cataloguing genetic information has increased many folds (as can be observed from the GenBank database of NCBI). Various medical research institutes like the National Cancer Institute are continuously targeting on sequencing of a million genomes for the understanding of biological pathways and genomic variations to predict the cause of the disease. Given, the whole genome of a tumour and a matching normal tissue sample consumes 0.1 T B of compressed data, then one million genomes will require 0.1 million TB, i.e. 103 PB (petabyte) [2]. The explosion of Biology's data (the scale of the data exceeds a single machine) has made it more expensive to store, process and analyse compared to its generation. This has stimulated the use of cloud to avoid large capital infrastructure and maintenance costs. In fact, it needs deviation from the common structured data (row-column organisation) to a semi-structured or unstructured data. And there is a need to develop applications that execute in parallel on distributed data sets. With the effective use of big data in the healthcare sector, a
生物信息学名词解释资料
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基因。） 19.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。(书：由于 基因重复事件产生的相似序列。) 20.外类群：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。 21.有根树：能够确定所有分析物种的共同祖先的进化树。 22.除权配对算法（UPGMA）：最初，每个序列归为一类，然后找 到距离最近的两类将其归为一类，定义为一个节点，重复这个过程， 直到所有的聚类被加入，最终产生树根。 23.邻接法（neighbor-joining method）：是一种不仅仅计算两两比 对距离，还对整个树的长度进行最小化，从而对树的拓扑结构进行 限制，能够克服UPGMA算法要求进化速率保持恒定的缺陷。 24.最大简约法（MP）：在一系列能够解释序列差异的的进化树中 找到具有最少核酸或氨基酸替换的进化树。 25.最大似然法（ML）：它对每个可能的进化位点分配一个概率， 然后综合所有位点，找到概率最大的进化树。最大似然法允许采用 不同的进化模型对变异进行分析评估，并在此基础上构建系统发育 树。 26.一致树（consensus tree）：在同一算法中产生多个最优树，合并 这些最优树得到的树即一致树。 27.自举法检验（Bootstrap）：放回式抽样统计法。通过对数据集多 次重复取样，构建多个进化树，用来检查给定树的分枝可信度。 精品文档
生物信息学课程作业
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。
基因组学与生物信息学课后作业
基因组学与生物信息学课后作业2016/2/23 名词解释 1 基因组：基因组是指生物体内遗传信息的集合，是某个特定物种细胞内全部DNA分子的总和 2 基因组学：是一门新兴的学科，是在全基因组范围内研究基因的结构、功能、组成及进化的科学，包括多个分支学科 3 C值：指一个单倍体基因组中DNA的总和，一个特定的物种具有其特征性的C值 4 基因家族：来自于一个共同的祖先基因，由基因重复及其突变产生。序列相似，功能相近。 5 假基因：来源于功能基因，但以失去活性的DNA序列，有沉默的假基因，也有可转录的假基因 6 人类基因组计划：旨在为30多亿碱基对构成的人类基因组精确测序，发现所有人类基因并搞清其在染色体上的位置，破译人类全部遗传信息 问答题
简述真核生物染色体与原核生物染色体的差别。 答：真核生物基因组都由分散的长链线性DNA分子组成，每个DNA分子都与蛋白质结合组成染色体；原核生物基因组有2种独立结构的遗传物质，一种为拟核里的染色质，一种为质粒 另外，真核生物基因组含大量非编码序列（高度重复序列，多位于着丝粒、端粒）、断裂基因，而原核生物大部分基因都可以编码 名词解释 突变:基因组小区段范围内DNA分子发生的突然的、可遗传的变异现象。 重组:指基因组中大范围区段发生重新组合。 同源重组:指发生在非姐妹染色单体（sister chromatin) 之间或同一染色体上含有同源序列的DNA分子之间或分子之内的重新组合 转座:一段DNA片段或其拷贝从染色体的一个位置转移到另一位置，并在插入位点两侧产生一对短的正向重复序列 基因重复:含有基因的DNA片段发生重复，可能因同源重组作用出错而发生，或是因为反转录转座与整个染色体发生重复所导致 比较基因组学:在基因组水平上研究不同物种和品系之间在基因组结构与功能方面的亲缘关系及其内在联系的一门新兴交叉学科
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。 ：生物信息学数据库。UniGene试图通过计算机程序对GeneBank中的序列数据进行适当处理，剔除冗余部分，将同一基因的序列，包括EST序列片段搜集到一起，以便研究基因的转录图谱。UniGene除了包括人的基因外，也包括小鼠、大鼠等其它模式生物的基因。 :开放阅读框（ORF，open reading frame )是基因序列的一部分，包含一段可以编码蛋白的碱基序列，不能被终止子打断。编码一个蛋白质的外显子连接成为一个连续的ORF。 10.分子钟检验：只有分子钟的，没听过分子钟检验。一种关于分子进化的假说，认为两个物种的同源基因之间的差异程度与它们的共同祖先的存在时间(即两者的分歧时间)有一定的数量关系
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
《生物信息学》上机作业
《生物信息学》上机作业 题目：对人血红蛋白（HBA1）编码基因序列的生物信息分析
目录 引言 .............................................................................................................................................. - 1 -1 正文......................................................................................................................................... - 2 - 1.1 NCBI上对相关核苷酸序列的查找............................................................................ - 2 - 1.2 BLAST运行及其结果.................................................................................................. - 2 - 1.3 BLASTX运行及其结果................................................................................................ - 6 - 2 其他软件的运行及其结果..................................................................................................... - 8 - 2.1 Clustal W运行及其结果 ............................................................................................. - 9 - 2.2 MEGA4.0运行及其结果............................................................................................. - 10 -结论 ............................................................................................................................................ - 10 -
生物信息学复习
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。（来自文献） 12.Gene Ontology 协会： 13.HMM 隐马尔可夫模型：将核苷酸序列看成一个随机序列，DNA序列的编码部分与非 编码部分在核苷酸的选用频率上对应着不同的Markov模型。 14.一级数据库：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 15.序列一致性：指同源DNA顺序的同一碱基位置的相同的碱基成员, 或者蛋白质的同 一氨基酸位置的相同的氨基酸成员, 可用百分比表示。 16.序列相似性：指同源蛋白质的氨基酸序列中一致性氨基酸和可取代氨基酸所占的比 例。 17.Blastn：是核酸序列到核酸库中的一种查询。库中存在的每条已知序列都将同所查 序列作一对一地核酸序列比对。（来自百度） 18.Blastp：是蛋白序列到蛋白库中的一种查询。库中存在的每条已知序列将逐一地同 每条所查序列作一对一的序列比对。（来自百度）