生物信息学数据库答案[1]
![生物信息学数据库答案[1]](https://img.360docs.net/imgdd/06n3a4gjsrrzu4vknpys-d1.webp)
![生物信息学数据库答案[1]](https://img.360docs.net/imgdd/06n3a4gjsrrzu4vknpys-52.webp)
生物信息学（bioinformatics）：是一门交叉学科，它包含了生物信息的获取，处理，存储，分发，分析和解释等在内的所以方面，它综合运用数学，计算机科学和生物学的各种工具，来阐明和理解大量数据所包含的生物学意义。
目的：揭示"基因组信息结构的复杂性及遗传语言的根本规律"，解释生命的遗传语言。
方法：主要有创建一切适用于基因组信息分析的新方法，改进现有的理论分析方法，发展有效的能支持大尺度作图与测序需要的软件、数据库以及若干数据库工具等。
应用：生物信息的存储与获取，序列比对，测序与拼接，基因预测，生物进化与系统发育分析，蛋白质结构预测，RNA结构预测，分子设计与药物设计，代谢网络分析，基因芯片，DNA计算等。
1.1.3生物信息学的研究内容
1、序列比对（Alignment）。
2、结构比对。基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性。已有一些算法。
3、蛋白质结构预测，包括2级和3级结构预测，是最重要的课题之一。
4、计算机辅助基因识别(仅指蛋白质编码基因)。
5、非编码区分析和DNA语言研究，是最重要的课题之一。
6、分子进化和比较基因组学，是最重要的课题之一。
7、序列重叠群（Contigs）装配。
8、遗传密码的起源。
9、基于结构的药物设计。10、其他。如基因表达浦分析，代谢网络分析；基因芯片设计和蛋白质组学数据分析等，逐渐成为生物信息学中新兴的重要研究领域。这里不再赘述。
3、开放式阅读框（ORF）：是基因的起始密码子开始到终止密码子为止的一个连续编码的序列。
5、中心法则：包括DNA的自我复制，转录形成RNA并翻译成蛋白质，RNA的自我复制和逆转录的过程。
6序列比对（alignment）：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。
6、算法分析:评价一个算法的优劣，通过时间复杂度和空间复杂度来确定。
7、数据库管理系统：（database management system,DBMS）对DB进行管理的系统工程，提供DB的建立、查询、更新以及各种数据控制能。
8、数据库：统一管理的相关数据的集合。
9、搜索软件：对内容进行筛选，从中选择出符合用户的检索要求的内容同时进行分级排序，将结果显示出来。
10、人类基因组计划（HGP）：是对人类24条染色体上的3X109个碱基对（base pair,bp）序列进行测定，完成图谱绘制、测序、基因识别，及信息系统的建立。
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。
3一级数据库（一次数据库）：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。
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。
一般说来，一级数据库的数据量大，更新速度快，用户面广，通常需要高性能的计算机服务器、大容量的磁盘空间和专门的数据库管理系统支撑。
二级数据库的容量则小得多，更新速度也不像一次数据库那样快，也可以不用大型商业数据库软件支持，这类针对不同问题开发的二次数据库的最大特点是使用方便，特别适用于计算机使用经验不太丰富的生物学家。
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。
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。
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。)
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
1、GenBank：是美国国家生物技术信息中心管理的核酸序列数据库，汇集并注释了所有公开的核酸序列。
2、ORF：一组连续的含有三联密码子的能够被翻译成为多肽链的DNA序列。它由起始密码子开始，到终止密码子结束。
3、CDS：是编码一段蛋白产物的序列。
4、BLAST：是一个基于局部比对的序列相似性搜索工具。
5、EST：（表达序列标签）就是cDNA的一个片段，即一个基因编码序列的一小段。
6、PDB：（蛋白质结构数据库）是美国国家实验室创建并管理的收录生物大分子晶体结构的数据库。
7、Homology：（同源性）
8、Similarity：（相似性）
9、Orthologous：（直向同源、垂直同源）描述在不同物种中来自于共同祖先的基因。Orthologous基因可能有相同的功能，也可能没有。
10、Entrez：是NCBI网站的数据库查询系统，它集成了文献数据库、核酸序列数据库、结构数据库、基因图谱数据库，是有效利用NCBI数据库资源的工具。
11、EMBL：是欧洲分子生物学实验室创建的核酸序列数据库。
12、DDBJ：日本国立遗传研究所创建的核酸序列数据库。
13、SCOP：英国医学研究委员会的分子生物学实验室创建的收录蛋白质结构域的数据库。
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
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。
17.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。
37.PSI-BLAST：位点特异性迭代比对。是一种专门化的的比对，通过调节序列打分矩阵（scoring matrix）探测远缘相关的蛋白。
38.RefSeq：给出了对应于基因和蛋白质的索引号码，对应于最稳定、最被人承认的Genbank 序列。
39.PDB（Protein Data Bank）：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。
40.GenPept:是由GenBank中的DNA序列翻译得到的蛋白质序列。数据量很大，且随核酸序列数据库的更新而更新，但它们均是由核酸序列翻译得到的序列，未经试验证实，也没有详细的注释。
42.TrEMBL：是与SWISS-PROT相关的一个数据库。包含从EMBL核酸数据库中根据编码序列(CDS)翻译而得到的蛋白质序列，并且这些序列尚未集成到SWISS-PROT数据库中。43.MMDB(Molecular Modeling Database)：是（NCBI）所开发的生物信息数据库集成系统Entrez的一个部分，数据库的内容包括来自于实验的生物大分子结构数据。与PDB相比，对于数据库中的每一个生物大分子结构，MMDB具有许多附加的信息，如分子的生物学功能、产生功能的机制、分子的进化历史等，还提供生物大分子三维结构模型显示、结构分析和结构比较工具。
44.SCOP数据库：提供关于已知结构的蛋白质之间结构和进化关系的详细描述，包括蛋白质结构数据库PDB中的所有条目。SCOP数据库除了提供蛋白质结构和进化关系信息外，对于每一个蛋白质还包括下述信息：到PDB的连接，序列，参考文献，结构的图像等。可以按结构和进化关系对蛋白质分类，分类结果是一个具有层次结构的树，其主要的层次依次是类（class）、折叠子（fold）、超家族（super family）、家族（family）、单个PDB蛋白结构记录。
45.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。PROSITE中涉及的序列模式包括酶的催化位点、配体结合位点、与金属离子结合的残基、二硫键的半胱氨酸、与小分子或其它蛋白质结合的区域等；PROSITE还包括根据多序列比对而构建的序列统计特征，能更敏感地发现一个序列是否具有相应的特征。
46.Gene Ontology 协会：编辑一组动态的、可控的基因产物不同方面性质的字汇的协会。从3个方面描述基因产物的性质，即，分子功能，生物过程，细胞区室。
47.表谱（PSSM）：指一张基于多序列比对的打分表，表示一个蛋白质家族，可以用来搜索序列数据库。
48.比较基因组学：是在基因组图谱和测序的基础上，利用某个基因组研究获得的信息推测其他原核生物、真核生物类群中的基因数目、位置、功能、表达机制和物种进化的学科。49.简约信息位点：指基于DNA或蛋白质序列，利用最大简约法构建系统发育树时，如果每个位点的状态至少存在两种，每种状态至少出现两次的位点。其它位点为都是非简约性信息位点。
二、选择题（20分）
1、GenBank数据库的网址是（ B）
A. https://www.360docs.net/doc/db15960322.html, B: https://www.360docs.net/doc/db15960322.html,
C: https://www.360docs.net/doc/db15960322.html, D: https://www.360docs.net/doc/db15960322.html,
2、PDB蛋白质数据库结构文件中上标的表示S2+方法是（ D）
A: S^ 2+ B S=2+
C: S<2+> D: S= =2+ = =
3、生物学文献数据库中可免费使用的是（C ）
A：OVID B:CBI
C：PUB D: BIOSIS Previews
4、GBFF的数据格式中结尾标识是（ A）
A:// B: !
C: * D: <
5、NCBI数据库中查询使用的是（D ）。
A: Google B:BaiDU
C:Yahoo D:EntreZ
6、遗传密码特点（D ）
A: 密码无标点。 B: 密码简并性。
C:密码通用性。 D:三者都是。
7.生物信息学主要是利用哪种工具实现对生命科学研究中生物信息的存储、检索和分析的科学（B ）
A.人造卫星
B.计算机
C.手机
D.以上均是
E.以上均不是
8.人类基因组中真正编码蛋白质的区域仅占DNA序列的（ B）。
A.1～2%
B.3～5%
C.5～10%
D.10～20%
9. 序列文件常用的三种格式是（ A）。
A:NBRF/PIR、FASTA和GDE. B:PIR、FASTA和GDE
C:NBRF、FASTA和GDE. D: NBRF/PIR、FASTA和GBFF
10. 国际上最大的公共蛋白质序列数据库是（C ）
A. PIR
B.MIPS
C.PSD
D.JIPID
三、填空题（２０分）
1、三大数据库：核酸序列数据库、蛋白质序列数据库、结构数据库
世界三大核酸序列数据库：GenBank、EMBL-Bank、DDBJ
蛋白质序列数据库：Swiss-Prot、TrEMBL、UniProt
蛋白质结构数据库：PDB、SCOP、CATH
2、GenBank提供的服务：提供了Entrez浏览器、提供PubMed服务、免费检索条生物医学文献、提供了BLAST序列类似性检索。
3、进化树的四种构建方法：距离法（包括除权配对法和邻位相连法）独立元素法）包括简约法和似然法）
4、Blast的方法及适用范围：核酸blastn(nucleotide BLAST)、蛋白质blastp(protein BLAST)、blastx(translated BLAST)、tblastn(translated BLAST)、tblastx (translated BLAST)
1、.生物信息学研究的重点是核酸与蛋白质两方面，包括了___序列__、___结构__、__功能___。以___基因组DNA序列信息__为出发点，破译___遗传语言_，认识_遗传信息___，辩别
___DNA中的基因__，掌握基因的_调控信息____，对__蛋白质空间结构___进行模拟和预测，发现___蛋白结构和功能__，揭开生物生命的神秘面纱。
2、生物分子携带的三种信息分别为：___遗传信息，结构信息，进化信息。
3、人类基因组计划完成的4张图谱分别是___遗传图谱、物理图谱、序列图谱、转录图谱。４、多维数据库分析又称数据挖掘是对数据进行＿归纳推理和联想，寻找数据之间的关系，从中发掘有价值的信息。其基本步骤为：数据选择、数据比较＿、数据挖掘和结果分析。５、域名由以机构性质命名的域和＿以国家地区代码命名的域＿两种基本类型组成。
６、双绞线的接法按照10/100 BASE T的规定有T568A＿和
T568B两种固定的标准，其中T568B的接线顺序为＿橙白、橙、绿白、蓝＿、蓝白、绿、＿棕白、棕。遵循同级交叉异级平行的规律。
７、数据模型：（data model）数据库结构和语义的一抽象
描述，由数据结构、数据操作和完整性约束三部分组成。
８、NCBI 有四个核心元素＿文献出处， DNA 序列，蛋白质序列和三维结构。另外两个项目（分类和基因图），以及为序列服务的Entrez.Blast,Cn3D,VAST软件其同组成一个有机的数据库系统。
９、常用的分子生物学技术包括限制性酶消化
＿、凝胶电脉、＿印迹和杂交、DNA测序、＿克隆及聚合酶链式反应。
１０、三大数据库是指：美国国家生物技术信息中心（NCBI）的＿GenBank数据库https://www.360docs.net/doc/db15960322.html,/；欧洲生物信息学研究所（EBI）所维护的ＥＭＢＬ数据库https://www.360docs.net/doc/db15960322.html,/＿；日本国立遗传学研究所的DDBJ数据库。
１１、网络信息检索中高级检索技术有＿加权检索，相似性检索和智能化检索。
四、简答题（２０分）
相似性和同源性的比较:
通过序列比对先判断序列之间是否具有足够的相似性，从而判定序列是否同源，相似性和同源性虽然在某种程度上具有一致性，但是是两个完全不同的概念。相似性：一种很直接的数量关系，比如部分相同或相似的百分比或其它一些合适的度量。
同源性：是指从一些数据中推断出的基因或者蛋白质之间是否曾具有共同祖先的结论，是质的判断。
基因或者蛋白质之间要么同源要么不同源，决不像相似那样具有多或少的数量关系。
（二）、PCR的引物设计原则
答：①引物与模板的序列要紧密互补
②引物与引物之间避免形成稳定的二聚体或发夹结构
③引物不能在模板的非目的位点引发DNA 聚合反应(即错配)。
一般原则：
1、引物的长度一般为15-30 bp，常用的是18-24 bp，但不应大于38。引物过短又同时会引起错配现象，一般来说引物长度大于16bp是必要的（不容易引起错配）。
2、引物序列在模板内应当没有相似性较高，尤其是3’端相似性较高的序列，否则容易导致错配。引物3’端出现3 个以上的连续碱基，如GGG 或CCC，也会使错误引发机率增加。
3、引物3’端的末位碱基对Taq 酶的DNA 合成效率有较大的影响。不同的末位碱基在错配位置导致不同的扩增效率，末位碱基为A 的错配效率明显高于其他3 个碱基，因此应当避免在引物的3’端使用碱基A。另外，引物二聚体或发夹结构也可能导致PCR 反应失败。
5’端序列对PCR 影响不太大，因此常用来引进修饰位点或标记物。
4.、引物序列的GC 含量一般为40-60%，过高或过低都不利于引发反应。上下游引物的GC 含量不能相差太大。不同的算法推荐45-55%或50-60%
5、?G 值是指DNA 双链形成所需的自由能，该值反映了双链结构内部碱基对的相对稳定性。应当选用3’端?G 值较低（绝对值不超过9），而5’端和中间?G 值相对较高的引物。引物的3’端的?G 值过高，容易在错配位点形成双链结构并引发DNA 聚合反应。（能值越高越容易结合）
6.、对引物的修饰一般是在5’端增加酶切位点，应根据下一步实验中要插入PCR 产物的载体的相应序列而确定
7.、引物二级结构对PCR反应的影响。尽可能少的引物二聚体。
3、如何使用GenBank获取数据：
1、通过Entrez Nucleotides来查询。
2、用accession number，作者姓名，物种，基因/蛋白名字，还有许多其他的文本术语来查询。
3、用BLAST来在GenBank和其他数据库中进行序列相似搜索。
4、用E-mail来访问Entrez和BLAST可以通过Query和BLAST服务器。另外一种选择是可以用FTP下载整个的GenBank和更新数据
4、序列比对的方法、目的，意义：
答：序列比对的方法:双序列比对、全局比对、局部比对、结构比对、多序列比对、手工比对。
序列比较的任务：发现序列之间的相似性、辨别序列之间的差异
目的：相似序列 相似的结构，相似的功能
判别序列之间的同源性推测序列之间的进化关系意义：1.能够把不同种属的相关序列的比对结果按照特定的格式输出，并且在一定程度上反映它们之间的相似性。
2.所提供的信息对于提高数据库搜索灵敏度也具有很大帮助。
3.其他应用，如构建profile，打分矩阵等。
6）简述BLAST搜索的算法思想。
答：BLAST是一种局部最优比对搜索算法，将所查询的序列打断成许多小序列片段，然后小序列逐步与数据库中的序列进行比对，这些小片段被叫做字”word”；当一定长度的的字（W）与检索序列的比对达到一个指定的最低分（T）后，初始比对就结束了；一个序列的匹配度由各部分匹配分数的总和决定，获得高分的序列叫做高分匹配片段（HSP），程序将最好的HSP双向扩展进行比对，直到序列结束或者不再具有生物学显著性，最后所得到的序列是那些在整体上具有最高分的序列，即，最高分匹配片段（MSP），这样，BLAST既保持了整体的运算速度，也维持了比对的精度
１、简述生物信息数据库的功能。
答：1.收集和管理生物分子数据；2、生物学数据库的查询、搜索和数据的通信；3、生物学数据库实现生物学数据的一般分析和处理。
２、简述生物学数据库目前发展的特征有哪些？
答：a生物分子数据库的更新速度不断加快，数据量成指数增加。
b数据库使用频率增长快，数据库的价值被人们逐渐认识到。
c数据库的复杂程度不断增加。
d数据库网络化。可以通过internet 直接进行访问，公共数据库之间相互链接。
e面向应和，不简单的只是数据集，加入了检索和分析工具，可以完成基本的分析功能。
f先进的软件与硬件配置。服务器增多，服务软件也增加。
３、GBFF格式是由哪三部分组成的？
答：第一部分是描述符，从第一行LOCUS行到ORIGIN行，包含了整个记录的信息；第二部分是物性表，从FEATURES行开始，包含了注释这一记录的特性，是条目的核心，中间使用一批关键字；第三部分是序列本身，以//符号结尾。
４、生物信息学建立的四类数据库都有哪些？
答：：一级数据库，是由国际组织建设和维护的数据库。这类数据库优点是完整，更新及时，提供了较好服务平台，但存在精确性、准确性没有经评估，数据过多，重复，分类较粗。
一级数据库上开发的二级库，其专一性强，数据量相对少，但质量高，数据库结构设计更合理。
专家库，经验专家进行人工校对标识后建立的。质量高，使用可靠，更新慢。整合的数据库:是将不同数据内容按一定的要求整合而成。商业和内部数据库是整合数据库。
五、论述题（２０）
１、谈一谈数据库中三种常见序列文件格式的相同点和不同点。
答：数据库的三种常用序列文件格式是NBRF/PIR、FASTA和GDE。
一、相同点
1、每种格式不仅能够表示序列本身，还可以插入唯一的代码来识别序列，并对序列进行说明，包括序列的名称，序列所属物种，序列的长度及功能等。
2、虽然三种格式的扩展名不同，可是其实质都是文本文件。
3、在序列中10个残基空一格，60个残基换一行，核酸残基有A、T、G、C、U五种碱基；蛋白质为二十种基本氨基酸符号。
4、序列中存在的特别符号
—代表不明长度的空位（gap）；不明核酸用N，不明蛋白质是X；R代表G或A的嘌呤；Y代表T或C的嘧啶；K代表G或T（带酮基）；M代表A或C（带氨基）；S代表G或C氢键强；W代表A或T弱；B代表G、T或C；D代表G、A或T；H代表A、C或T；V代表G、C 或A；N代有A、G、C、T任意一种；*代表翻译结束。
二、不同点
1、NBRF/PIR格式；第一行以>P1开头是蛋白质序列>N1开头是核酸序列。分号后跟一个编号是序列的唯一标识号;_后是标识来源，之后是说明行，扩展名是”。Pir”or”.seq”。
2、FASTA格式：第一行以>开头但没有指明是蛋白质还是核酸序列后的代码，接着注释，通常注释以“|”分开，第一行没有长度限制。FASTA格式允许以小写字母代表序列。扩展名为“.fasta”
3、GDE格式：与FAST格式基本相同，但是行首是%号，扩展名为“.gde”。
FASTA序列格式
FASTA 序列格式包括三个部分：
（1）在注释行的第一列用字符“>”标识，后面是序列的名字和来源
（2）标准的单字符标记的序列
（3）可选的“*”表示序列的结束，它可能出现也可能不出现，但它是许多序列分析程序正确读取序列所必须的。
FASTA格式是序列分析软件最常用的格式。这种格式提供了从一个窗口到另一个窗口非常方便的拷贝途径，因为序列中没有数字或其他非字符。FASTA序列格式和蛋白质信息资源NBRF格式很相似。
GBFF格式——GenBank中DNA序列格式
GenBank中数据库(包括核酸和蛋白质序列数据库)中条目格式如下：给出描述每一个序列的信息，包括文献参考、序列的功能信息、mRNA和编码区域的位置，以及重要突变的位置。这些序列信息以字段的形式进行组织，每一行最前端都有一个标识符。在某些条目中，标识符可能缩写成两个字母(例如RF代表reference)，某些字段可能还有次级字段。计算机程序中的序列条目位于标识符“ORIGIN”和“//”之间。这些字段提供的信息可以参见网页:
序列每行前面标有数字，以显示片断位置。序列计数或序列校检求和的值可被计算机程序用来鉴定序列成分，所以除非程序本身也改变计数，序列计数是不能被改变的。
GenBank序列格式通常需要改变以适应序列分析软件。
EMBL序列格式
The European Molecular Biology Laboratory(EMBL)序列条目与GenBank类似，通过大量信息来描述每个序列。该信息组织成一个个字段，每个字段有一个标识符。这些标识符缩写成两个字母，某些字段还有次级字段。每行序列后面的数字显示片断的位置。
计算机程序可以利用序列计数或校检求和的值来保证序列的完整性和精确性。正是由于这个原因，除非程序本身也改变计数，条目的序列片断是不能被改变的。这种序列格式用于各种序列分析软件时也要进行改变
生物信息学软件及使用概述
生物信息学软件及使 刘吉平 liujiping@https://www.360docs.net/doc/db15960322.html, 用概述 生 物秀-专心做生物！ w w w .b b i o o .c o m
生物信息学是一门新兴的交叉学生物信息学的概念： 科，它将数学和计算机知识应用于生物学，以获取、加工、存储、分类、检索与分析生物大分子的信息，从而理解这些信息的生物学意义。 生 物秀-专心做生物！ w w w .b b i o o .c o m
分析和处理实验数据和公共数据，生物信息学软件主要功能 1.2.提示、指导、替代实验操作，利用对实验数据的分析所得的结论设计下一阶段的实验 3.实验数据的自动化管理 4.寻找、预测新基因及其结构、功能 5.蛋白质高级结构及功能预测（三维建模，目前研究的焦点和难点） 生 物秀-专心做生物！ w w w .b b i o o .c o m
功能1. 分析和处理实验数据和公共数据，加快研究进度，缩短科研时间 ?核酸：序列同源性比较，分子进化树构建，结构信息分析，包括基元(Motif)、酶切点、重复片断、碱基组成和分布、开放阅读框（ORF ），蛋白编码区（CDS ）及外显子预测、RNA 二级结构预测、DNA 片段的拼接； ?蛋白：序列同源性比较，结构信息分析（包括Motif ，限制酶切点，内部重复序列的查找，氨基酸残基组成及其亲水性及疏水性分析)，等电点及二级结构预测等等； ?本地序列与公共序列的联接，成果扩大。 生 物秀-专心做生物！ w w w .b b i o o .c o m
Antheprot 5.0 Dot Plot 点阵图 Dot plot 点阵图能够揭示多个局部相似性的复杂关系 生 物秀-专心做生物！ w w w .b b i o o .c o m
生物信息学考试试卷修订稿
生物信息学考试试卷 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-
一、名词解释(每小题4分,共20分) 1、生物信息学 广义：生命科学中的信息科学。生物体系和过程中信息的存贮、传递和表达；细胞、组织、器官的生理、病理、药理过程的中各种生物信息。 狭义：生物分子信息的获取、存贮、分析和利用。 2、人类基因组计划 人类基因组计划准备用15年时间，投入30亿美元，完成人类全部24条染色体的3×109脱氧核苷酸对(bp)的序列测定，主要任务包括作图(遗传图谱、物理图谱的建立及转录图谱的绘制)、测序和基因识别。其中还包括模式生物(如大肠杆菌、酵母、线虫、小鼠等)基因组的作图和测序，以及信息系统的建立。作图和测序是基本的任务，在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息。 3、蛋白质的一级结构 蛋白质的一级结构是指多肽链中氨基酸的序列 4、基因 基因--有遗传效应的DNA片断,是控制生物性状的基本遗传单位。 5、中心法则 是指遗传信息从传递给，再从RNA传递给，即完成遗传信息的转录和翻译的过程。也可以从DNA传递给DNA，即完成DNA的复制过程。这是所有有细胞结构的生物所遵循的法则。 6 、DNA序列比较 序列比较的根本任务是：（1）发现序列之间的相似性；（2）辨别序列之间的差异 目的： 相似序列相似的结构，相似的功能 判别序列之间的同源性 推测序列之间的进化关系 7、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 8、基因识别 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。 9、系统发生学 系统发生学(phylogenetics)——研究物种之间的进化关系。 10、基因芯片 基因芯片（gene chip），又称DNA微阵列（microarray），是由大量cDNA或寡核苷酸探针密集排列所形成的探针阵列，其工作的基本原理是通过杂交检测信息。
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。）
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
生物信息学简介范文
1、简介 生物信息学（Bioinformatics）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W. Gilbert在1991年曾经指出：“传统生物学解决问题的方式是实验的。现在，基于全部基因都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的。一个科学家将从理论推测出发，然后再回到实验中去，追踪或验证这些理论假设”。 生物信息学的主要研究方向：基因组学- 蛋白质组学- 系统生物学- 比较基因组学，1989年在美国举办生物化学系统论与生物数学的计算机模型国际会议，生物信息学发展到了计算生物学、计算系统生物学的时代。 姑且不去引用生物信息学冗长的定义，以通俗的语言阐述其核心应用即是：随着包括人类基因组计划在内的生物基因组测序工程的里程碑式的进展，由此产生的包括生物体生老病死的生物数据以前所未有的速度递增，目前已达到每14个月翻一番的速度。同时随着互联网的普及，数以百计的生物学数据库如雨后春笋般迅速出现和成长。然而这些仅仅是原始生物信息的获取，是生物信息学产业发展的初组阶段，这一阶段的生物信息学企业大都以出售生物数据库为生。以人类基因组测序而闻名的塞莱拉公司即是这一阶段的成功代表。 原始的生物信息资源挖掘出来后，生命科学工作者面临着严峻的挑战：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？生物信息学产业的高级阶段体现于此，人类从此进入了以生物信息学为中心的后基因组时代。结合生物信息学的新药创新工程即是这一阶段的典型应用。 2、发展简介 生物信息学是建立在分子生物学的基础上的，因此，要了解生物信息学，就必须先对分子生物学的发展有一个简单的了解。研究生物细胞的生物大分子的结构与功能很早就已经开始，1866年孟德尔从实验上提出了假设：基因是以生物成分存在，1871年Miescher从死的白细胞核中分离出脱氧核糖核酸（DNA），在Avery和McCarty于1944年证明了DNA是生命器官的遗传物质以前，人们仍然认为染色体蛋白质携带基因，而DNA是一个次要的角色。1944年Chargaff发现了著名的Chargaff规律，即DNA中鸟嘌呤的量与胞嘧定的量总是相等，腺嘌呤与胸腺嘧啶的量相等。与此同时，Wilkins与Franklin用X射线衍射技术测
生物信息学数据库或软件
一、搜索生物信息学数据库或者软件 数据库是生物信息学的主要内容，各种数据库几乎覆盖了生命科学的各个领域。 核酸序列数据库有GenBank，EMBL，DDB等，核酸序列是了解生物体结构、功能、发育和进化的出发点。国际上权威的核酸序列数据库有三个，分别是美国生物技术信息中心（NCBI）的GenBank ，欧洲分子生物学实验室的EMBL-Bank（简称EMBL），日本遗传研究所的DDBJ 蛋白质序列数据库有SWISS-PROT，PIR，OWL，NRL3D，TrEMBL等， 蛋白质片段数据库有PROSITE，BLOCKS，PRINTS等， 三维结构数据库有PDB，NDB，BioMagResBank，CCSD等， 与蛋白质结构有关的数据库还有SCOP，CATH，FSSP，3D-ALI，DSSP等， 与基因组有关的数据库还有ESTdb，OMIM，GDB，GSDB等， 文献数据库有Medline，Uncover等。 另外一些公司还开发了商业数据库,如MDL等。
生物信息学数据库覆盖面广，分布分散且格式不统一, 因此一些生物计算中心将多个数据库整合在一起提供综合服务，如EBI的SRS(Sequence Retrieval System)包含了核酸序列库、蛋白质序列库，三维结构库等30多个数据库及CLUSTALW、PROSITESEARCH等强有力的搜索工具，用户可以进行多个数据库的多种查询。 二、搜索生物信息学软件 生物信息学软件的主要功能有： 分析和处理实验数据和公共数据，加快研究进度，缩短科研时间； 提示、指导、替代实验操作，利用对实验数据的分析所得的结论设计下一阶段的实验；寻找、预测新基因及预测其结构、功能； 蛋白高级结构预测。 如：核酸序列分析软件BioEdit、DNAClub等；序列相似性搜索BLAST；多重系列比对软件Clustalx；系统进化树的构建软件Phylip、MEGA等；PCR 引物设计软件Primer premier6.0、oligo6.0等；蛋白质二级、三级结构预测及三维分子浏览工具等等。 NCBI的网址是：https://www.360docs.net/doc/db15960322.html,。 Entrez的网址是：https://www.360docs.net/doc/db15960322.html,/entrez/。 BankIt的网址是：https://www.360docs.net/doc/db15960322.html,/BankIt。 Sequin的相关网址是：https://www.360docs.net/doc/db15960322.html,/Sequin/。 数据库网址是：https://www.360docs.net/doc/db15960322.html,/embl/。
生物信息学基本知识
1.DNA:遗传物质(遗传信息的载体) 双螺旋结构,A,C,G,T四种基本字符的复杂文本 2.基因（Gene）：具有遗传效应的DNA分子片段 3.基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类包括细胞核基因组和线粒体基因组 OR一个物种中所有基因的整体组成 4.人类基因组：3.0×109bp模式生物 5.HGP的最初目标通过国际合作，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，并对其它生物进行类似研究。 6.HGP的终极目标 阐明人类基因组全部DNA序列； 识别基因； 建立储存这些信息的数据库； 开发数据分析工具； 研究HGP实施所带来的伦理、法律和社会问题。 7.遗传图谱（genetic map）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。 8.遗传连锁图：通过计算连锁的遗传标志之间的重组频率，确定它们的相对距离，一般用厘摩（cM，即每次减数分裂的重组频率为1%）表示。 9.物理图谱（physical map）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。 10.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。 11.序列图谱:随着遗传图谱和物理图谱的完成，测序就成为重中之重的工作。 DNA序列分析技术是一个包括制备DNA片段化及碱基分析、DNA信息翻译的多阶段的过程。通过测序得到基因组的序列图谱 12.大规模测序基本策略 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（美国Celera公司） 13.基因识别（gene identification）是HGP的重要内容之一，其目的是识别全部人类的基因。 基因识别包括： 识别基因组编码区 识别基因结构 基因识别目前常采用的有二种方法： 从基因组序列中识别那些转录表达的DNA片段 从cDNA文库中挑取并克隆。 14.基因组多态性（Polymorphism）:是指在一个生物群体中，同时和经常存在两种或多种不连续的变异型或基因型（genotype）或等位基因（allele），亦称遗传多态性（genetic
生物信息学基本分析
核酸序列的基本分析 运用DNAMAN软件分析核酸序列的分子质量、碱基组成和碱基分布。同时运用BioEdit（版本7.0.5.3）软件对基因做酶切谱分析。 碱基同源性分析 运用NCBI信息库的BLAST程序对基因进行碱基同源性分析(Translated query vs.protien database(blastx))网站如下：https://www.360docs.net/doc/db15960322.html,/BLAST/ 参数选择：Translated query-protein database [blastx]；nr;stander1 开放性阅读框（ORF）分析 利用NCBI的ORF Finder程序对基因做开放性阅读框分析，网址如下： https://www.360docs.net/doc/db15960322.html,/projects/gorf/orfig.cgi 参数选择：Genetic Codes：1 Standard 对蛋白质序列的结构功能域分析 运用简单模块构架搜索工具（Simple Modular Architecture Research Tool,SMART）对基因的ORF出的蛋白质序列进行蛋白质结构功能域分析。该数据库由EMBL建立，其中集成了大部分目前已知的蛋白质结构功能域的数据。 网址如下：http://smart.embl-heidelberg.de/ 运用NCBI的BLAST程序再对此蛋白质序列进行rpsBlast分析 参数选择：Search Database：CDD v2.07－11937PSSM Expect：0.01 Filter：Low complexity Search mode：multiple hits 1－pass 同源物种分析 用DNAMAN软件将蛋白质序列相关基因序列比对，根据结果绘出系统进化树，并进行分析。 蛋白质一级序列的基本分析 运用BioEdit（版本7.0.5.3）软件对基因ORF翻译的蛋白的一些基本性质，对分子量、等电点、氨基酸组成等作出分析。 二级结构和功能分析 信号肽预测 利用丹麦科技大学（DTU）的CBS服务器蛋白质序列的信号肽（signal peptide）预测，进入Prediction Serves 页面。 网址如下：http://www.cbs.dtu.dk/services/SignalP/ 参数选择： Eukaryotes；Both；GIF (inline)；Standard； 疏水性分析 利用瑞士生物信息学研究所（Swiss Institute of Bioinformatics，SIB）的ExPASy服务器上的ProtScale程序对ORF 翻译后的氨基酸序列做疏水性分析 网址如下： https://www.360docs.net/doc/db15960322.html,/cgi-bin/protscale.pl 参数选择：
生物信息学复习题及答案
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。 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 2）利用Entrez检索系统，对核酸数据搜索，输入如下信息，将获得什
生物信息学基础知识
分子生物学基础知识太仓生命信息研究所 2011-7
前言 本文仅适用于对非生物专业的员工进行基础知识普及。如有深入学习的要求，请选用正规权威教材。 本教材以蛋白质、DNA、RNA、复制、转录和翻译为主要讲解内容，目的是帮助员工理解在工作中会遇到的常见生物学概念及术语 目录 前言 (2) 目录 (2) 蛋白质 (3) 1. 什么是蛋白质 (3) 2. 蛋白质的3D结构 (5) DNA (7) 1. DNA的组成—4种碱基 (7) 2. DNA的复制 (8) 3. DNA转录为RNA (9) 4. mRNA翻译成氨基酸序列 (11)
蛋白质 1.什么是蛋白质 蛋白质是由20中基本氨基酸链接而成的，生物体的大部分是有蛋白质构成的。每种氨基酸由4部分组成：碳原子C，羧基coo-，氨基H3N和R group。 20中氨基酸按照不同的排列和不同的长度，就形成了蛋白质。不同的R group把氨基酸分为5类： 无极性脂肪类R Group：
芳香类R Group 有极性，无电荷R Group
正电荷R Group 负电荷R Group 2.蛋白质的3D结构 氨基酸链在三维空间里呈现出一定的结构。各个氨基酸分子于相邻的氨基酸之间有氢键连接。 一级结构：氨基酸的排列顺序，可以用氨基酸的缩写在书面上表达。 氨基和羧基之间的氢键使得单个的氨基酸分子能够链接起来。
二级结构：单条氨基酸链所形成的2D形态。常见的有Alpha helix Beta sheet。 Alpha helix：氨基酸分子按顺时针或逆时针的方向螺旋上升。 Beta sheet：多条氨基酸分子链并列在一起。 三级结构：氨基酸链在各个方向的形态综合在一起。
生物信息学基本知识
1. DNA: 遗传物质(遗传信息的载体)à双螺旋结构,A, C, G, T四种基本字符的复杂文本 2. 基因（Gene）：具有遗传效应的DNA分子片段 3. 基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类包括细胞核基因组和线粒体基因组 OR 一个物种中所有基因的整体组成 4. 人类基因组：3.2×109 bp 5.HGP的最初目标通过国际合作，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，并对其它生物进行类似研究。 6.HGP的终极目标 阐明人类基因组全部DNA序列； 识别基因； 建立储存这些信息的数据库； 开发数据分析工具； 研究HGP实施所带来的伦理、法律和社会问题。 7.遗传图谱（genetic map）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。 8. 遗传连锁图：通过计算连锁的遗传标志之间的重组频率，确定它们的相对距离，一般用厘摩（cM，即每次减数分裂的重组频率为1%）表示。 9. 物理图谱（physical map）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。 10. 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。 11. 序列图谱:随着遗传图谱和物理图谱的完成，测序就成为重中之重的工作。 DNA序列分析技术是一个包括制备DNA片段化及碱基分析、DNA信息翻译的多阶段的过程。通过测序得到基因组的序列图谱 12. 大规模测序基本策略 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（美国Celera公司） 13. 基因识别（gene identification）是HGP的重要内容之一，其目的是识别全部人类的基因。 基因识别包括： 识别基因组编码区 识别基因结构 基因识别目前常采用的有二种方法： 从基因组序列中识别那些转录表达的DNA片段 从cDNA文库中挑取并克隆。 14. 基因组多态性（Polymorphism）:是指在一个生物群体中，同时和经常存在两种或多种不连续的变异型或基因型（genotype）或等位基因（allele），亦称遗传多态性（genetic
生物信息学常用工具
常用DNA和蛋白质序列数据分析工具： ●序列比对工具： a)BLAST： ●网络比对，包括基础的Blast比对、参数、特殊Blast如PSI-Blast、Blast2 等； ●本地比对，包括程序下载、安装、数据库的下载及格式化、Blast程序的 运行等。 b)多序列比对ClustalX（Windows系统） 包括程序下载、安装、及程序的运行、结果的输入输出等。 ●真核生物基因结构的预测： a)基因可读框的识别： Genescan； CpG岛、转录终止信号和启动子区域预测； CpGPlot； POLYAH； PromoterScan； b)基因密码子偏好性： CodonW； c)采用mRNA序列预测基因： Spidey； d)ASTD数据库 ●分子进化遗传分析工具 ●MEGA；
●Phylip； ●蛋白质结构和功能预测 a)一级结构 ProtParam蛋白质序列理化参数检索； ProtScale蛋白质疏水性分析； COILS卷曲螺旋预测； b)二级结构 PredictProtein蛋白质结构预测； PSIPRED不同蛋白质结构预测方法； c)InterProScan: 模式和序列谱研究 Prosite：蛋白质结构域、家族和功能为点数据库； Pfam：蛋白质家族比对和HMM数据库； BLOCK：模块搜索数据库； SMART：简单模块架构搜索工具； TMHMM：跨膜结构预测工具； d)三级结构 Swiss-Model Workspace: 同源建模的网络综合服务器； Phyre：线串法预测蛋白质折叠； HMMSTR/Rosetta：从头预测蛋白质结构； Swiss-PdbViewer：分子建模和可视化工具； 序列模体的识别和解析； MEME程序包； ●蛋白质谱数据分析
生物信息学常用核酸蛋白数据库
（1）GenBank https://www.360docs.net/doc/db15960322.html,/ （2）dbEST (Database of Expressed Sequence Tags) https://www.360docs.net/doc/db15960322.html,/dbEST/index.html （3）UniGene 数据库 https://www.360docs.net/doc/db15960322.html,/UniGene/ （4）dbSTS (Database of Sequence Tagged Sites) https://www.360docs.net/doc/db15960322.html,/dbSTS/index.html （5）dbGSS (Database of Genome Survey Sequences) https://www.360docs.net/doc/db15960322.html,/dbGSS/index.html （6）HTG (High-Throughput Genomic Sequences) https://www.360docs.net/doc/db15960322.html,/HTGS/ （7）基因组数据库 https://www.360docs.net/doc/db15960322.html,/sites/entrez?db=genome （8）dbSNP (Database of Single Nucleotide Polymorphisms) 单核苷酸多态性数据库https://www.360docs.net/doc/db15960322.html,/sites/entrez?db=snp （9）EMBL (European Molecular Biology Laboratory) https://www.360docs.net/doc/db15960322.html,/embl （10）DDBJ (DNA Data Bank of Japan) http://www.ddbj.nig.ac.jp/Welcome-e.html 启动子（11）EPD (Eukaryotic Promoter Database) http://www.epd.isb-sib.ch/ 2、蛋白质数据库 https://www.360docs.net/doc/db15960322.html,/swissprot （2）TrEMBL (Translation of EMBL) https://www.360docs.net/doc/db15960322.html,/swissprot/ （3）PIR (Protein Information Resource) https://www.360docs.net/doc/db15960322.html, （4）PRF (Protein Research Foundation) http://www.prf.or.jp/en/os.html （5）PDBSTR (Re-Organized Protein Data Bank) http://www.genome.ad.jp （6）Prosite https://www.360docs.net/doc/db15960322.html,/prosite 3、结构数据库 （1）PDB (Protein Data Bank) https://www.360docs.net/doc/db15960322.html, （2）NDB（Nucleic Acid Database） https://www.360docs.net/doc/db15960322.html,/ （3）DNA-Binding Protein Database https://www.360docs.net/doc/db15960322.html,/ （4）SWISS-3D IMAGE http://www.expasy.ch/sw3d/
常用生物信息学软件
常用生物信息学软件 一、基因芯片 1、基因芯片综合分析软件。 ArrayVision 7.0 一种功能强大的商业版基因芯片分析软件，不仅可以进行图像分析，还可以进行数据处理，方便protocol的管理功能强大，商业版正式版：6900美元。 Arraypro 4.0 Media Cybernetics公司的产品，该公司的gelpro, imagepro一直以精确成为同类产品中的佼佼者，相信arraypro也不会差。 phoretix? Array Nonlinear Dynamics公司的基因片综合分析软件。 J-express 挪威Bergen大学编写，是一个用JA V A语言写的应用程序，界面清晰漂亮，用来分析微矩阵（microarray）实验获得的基因表达数据，需要下载安装JA V A运行环境JRE1.2后(5.1M)后，才能运行。 2、基因芯片阅读图像分析软件 ScanAlyze 2.44 ，斯坦福的基因芯片基因芯片阅读软件，进行微矩阵荧光图像分析，包括半自动定义格栅与像素点分析。输出为分隔的文本格式，可很容易地转化为任何数据库。 3、基因芯片数据分析软件 Cluster 斯坦福的对大量微矩阵数据组进行各种簇（Cluster）分析与其它各种处理的软件。 SAM Significance Analysis of Microarrays 的缩写，微矩阵显著性分析软件，EXCEL软件的插件，由Stanford大学编制。 4．基因芯片聚类图形显示 TreeView 1.5 斯坦福开发的用来显示Cluster软件分析的图形化结果。现已和Cluster成为了基因芯片处理的标准软件。 FreeView 是基于JA V A语言的系统树生成软件，接收Cluster生成的数据，比Treeview 增强了某些功能。 5．基因芯片引物设计 Array Designer 2.00 DNA微矩阵（microarray）软件，批量设计DNA和寡核苷酸引物工具 三、序列综合分析 V ector NTI Suite 8.0 不喜欢装备各种专业性强的软件，而希望用一个综合性的软件代替的同志可以选择本软件。本阶段的大部分功能它都有。该软件具体特有良好的数据库管理（增加、修改、查找），对要操作的数据放在一个界面相同的数据库中统一管理。软件中的大部分分析可以通过在数据库中进行选定（数据）->分析->结果（显示、保存和入库）三步完成。在分析主界面，软件可以对核酸蛋白分子进行限制酶分析、结构域查找等多种分析和操作，生成重组分子策略和实验方法，进行限制酶片段的虚拟电泳，新建输入各种格式的分子数据、
生物信息学复习总结
生物信息期末总结 1.生物信息学（Bioinformatics）定义：（第一章）★ 生物信息学是一门交叉科学，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具来阐明和理解大量数据所包含的生物学意义。 （或：） 生物信息学是运用计算机技术和信息技术开发新的算法和统计方法，对生物实验数据进行分析，确定数据所含的生物学意义，并开发新的数据分析工具以实现对各种信息的获取和管理的学科。（NSFC） 2. 科研机构及网络资源中心： NCBI：美国国立卫生研究院NIH下属国立生物技术信息中心； EMBnet：欧洲分子生物学网络； EMBL-EBI：欧洲分子生物学实验室下属欧洲生物信息学研究所； ExPASy:瑞士生物信息研究所SIB下属的蛋白质分析专家系统；(Expert Protein Analysis System) Bioinformatics Links Directory； PDB (Protein Data Bank)； UniProt 数据库 3. 生物信息学的主要应用: 1．生物信息学数据库；2．序列分析；3．比较基因组学；4．表达分析；5．蛋白质结构预测；6．系统生物学；7．计算进化生物学与生物多样性。 4.什么是数据库：★1、定义：数据库是存储与管理数据的计算机文档、结构化记录形式的数据集合。 （记录record、字段field、值value） 2、生物信息数据库应满足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。 3、生物学数据库的类型：一级数据库和二级数据库。 库等；DDBJ核酸库和EMBL数据库、Genbank（国际著名的一级核酸数据库有． 蛋白质序列数据库有SWISS-PROT等；蛋白质结构库有PDB等。） ★4、一级数据库与二级数据库的区别： 1）一级数据库： 包括：a.基因组数据库----来自基因组作图； b.核酸和蛋白质一级结构序列数据库； c.生物大分子(主要是蛋白质)的三维空间结构数据库，(来自X-衍射和核磁共振结
生物信息学入门知识
生物信息学入门知识 生物信息学是用数理和信息科学的观点、理论和方法去研究生命现象、组织和分析呈现指数增长的生物学数据的一门学科。首先是研究遗传物质的载体DNA及其编码的大分子蛋白质，以计算机为其主要工具，发展各种软件，对逐日增长的浩如烟海的DNA和蛋白质的序列和结构进行收集、整理、储存、发布、提取、加工、分析和研究，目的在于通过这样的分析逐步认识生命的起源、进化、遗传和发育的本质，破译隐藏在DNA序列中的遗传语言，揭示人体生理和病理过程的分子基础，为人类疾病的预测、诊断、预防和治疗提供最合理和有效的途径。生物信息学已经成为生物医学、农学、遗传学、细胞生物学等学科发展的强大推动力量，也是药物设计、环境监测的重要组成部分。近年来，蛋白质结构数据的快速增长，使蛋白质三维结构的处理分析也归入到生物信息学的范畴。国际上有三大一级生物信息数据库，即美国国家信息中心 (National Center of Biotechnology Information, NCBI)的Gen Bank(http:/ / www. nchi. nlm. nih. gov/ web/Gen Bank/ imdex. html)、欧洲分子生物学室验室(European Molecular Biology L aboratory-Euro-pean Bioinformatics Institute, EMBL-EBI)的 EM-BL (http:// www.ebi. https://www.360docs.net/doc/db15960322.html,/ databases/ index.html)和日本 DNA数据库 (DNA Data Bank of Japan, DDBJ) (http:/ / www.ddbj.nig.ac.jp/ )。随着生物信息学 (Bioinformatics)的发展，通过检索数据库进行核酸序列同源性检索，电子基因定位、电子延伸、电子克隆和电子表达以及蛋白质功能分析、基因鉴定等方面起到了重要作用，已成为人们认识生物个体生长发育、繁殖分化、遗传变异、疾病发生、衰老死亡等生命过程的有力工具。 一、生物信息学相关网站 生物信息学与生物计算：http://bioinformatics.weizmann.ac.il/ 这是生物信息学和生物计算学的网站，由Weizmann科学研究所，生物服务部和Crown人类基因组学中心支持。研究领域主要涵盖序列分析，蛋白质组学和基因组学等。该网站提供了数据库，电子论坛，教育，新闻，软件，招聘启事等。该网站还提供了相关链接，包括欧洲分子生物学以色列国家网点，以色列国家基因组基础设施实验室以及国际生物信息学合作中心。 生物信息学专题：https://www.360docs.net/doc/db15960322.html,/bioinformatics/bioinfo.htm 中国科学院上海生命科学研究院生物信息中心的网站中的生物信息学专题提供与生物信息学有关的新闻信息，生物信息学文献的介绍（包括的课题例如：鉴别肿瘤的亚型，细菌中的基因转移，生物钟与微阵列--哺乳动物的基因组有节奏，混乱的DNA区分人类与黑猩猩等等），相关软件下载，与数据库的链接。 生物信息学专业网：https://www.360docs.net/doc/db15960322.html,/ 生物信息学专业网旨在收集、整理与生物信息学相关的信息和资源。它的站点提供最近新闻；与生物科学相关的论文；与生物信息学相关的数据库，软件，公司，大学和期刊；工具的介绍，例如：序列逆向查询系统。 生物信息学组织：https://www.360docs.net/doc/db15960322.html,/ 生物信息学组织是生物信息学学科的综合性网站。其涉及的内容有新闻、事件提醒、会议消息、免费FTP工具下载、论文、URL推荐、演示幻灯片等。此外，其还拥有有关生物信息学