福建农林大学生物信息学复习材料.doc

概念生物信息学 狭义：分子生物信息学，用信息技术存储、分析基因组、蛋白质组序列。 广义：指生物科学与信息科学与计算机科学、物理学、化学交汇融合的交叉学科。 信息：指能够消除人们不确定性的东西 。信息可以计算Score：衡量匹配结果的质量，是相对的（与选取的计分依据有关），越高越好E值：expectation value 评估相似性，是绝对的，越低越好P值：P 0 表示越显著结果越可信，P 结果随机产生的可能性越大） 是指获得至少与两条无关序列间的偶然相似性一样高的分值的概率，低P值表明重要的匹配，这些匹配可能会有生物学意义重复序列：真核生物的基因组中具有多数反复存在的DNA 顺序组成（一般不参与编码） 用Repeatmasker软件查找重复序列序列谱：由多序列对比结果的全部信息构造的序列特征表,表中列出每一个位点氨基酸残基的替代.插入,缺失等情况双序列比对：通过一定的算法对两个DNA或蛋白质的序列进行比较，找出两者之间最大相似性的方法。 工具是用程序来编写完成算法。记分矩阵：为了反映两个序列比对结果而预先设定的分值矩阵。取代矩阵：PAM、BLOSUM稀疏矩阵：只有相同的为1，其余的为0，大多数矩阵单元的值为0。DP(动态规划)：按某种条件舍去那些不可能得到最有结果的局部解。 全局比对：对给定序列全长进行比较的方式，在待比较两个序列中引入间隔，使得对序列的全场都得到比较。 局部比对：对序列进行比较时，更注重局域的最佳匹配比对工具：Blast、FASTA、Smith-watermanBLAST (Basic Local Alignment Search Tool)ORF：一个起始密码子和终止密码子之间的序列称为开放阅读框。1. 生物信息学研究内容分为哪三个部分？四个分支1 核酸与基因组信息学： （1）测序与拼接 （2）基因识别与注释 （3）SNP（单核苷酸多态性）分析 （4）非编码区信息分析（5）比较基因组学2 蛋白质组信息学： （1）蛋白质结构模拟 （2）蛋白质功能预测（3）基因表达到蛋白质产物信息分析3 代谢调控网络4 生物进化分析 数据库、算法、算法工具分析生物学数据2. 生物信息学中两种最基本研究方法？主要的不同点1 模式识别（数据）-同原序列、异源序列2 结构模拟预测（计算）-结构：chou.Fasman;；物理化学；算法 工具3. 计算机里的专业术语5 TCP-传输控制协议 IP - - -互联网协议 DNS-域名服务器 LAN-局域网WAN-广域网http-超文本传输协议ftp-文件传输协议Telnet-在UNIX平台上远程连接间的协议1. DNA数据库的类型1 常规数据库：从全基因组单基因序列2 特定数据库：模式生物基因组数据库；另一类则与特殊党的测序技术有关2. 最主要三个DNA数据库：EMBL、Genbank、DDBJ3. 数据库的搜索方法、各自的特点GenBank-Entrez(集成检索系统)EMBL-SRS （序列检索系统）Entrez特点： 使用简便，把不同类型的DB有机的结合在一起，通过超文本链接，用户可以从一个数据库直接转入另一数据库 数据库和应用程序结合在一起。 EBI的SRS系统 SRS可以将不同文本格式的数据库真和成为统一的模式。4. Entrez集成了哪些数据库PubMed：生物医学文献 核苷酸序列数据库（Genbank）蛋白质序列数据库 Structure：三维大分子结构Genome：全基因组 PopSet：人口研究的数据集OMIM：在线人类孟德尔遗传 UniSTS：标记和映射数据5. GenBank EMBL 之间对应关系及一条记录的含义GenBank ：locus definition accession version titleEMBL ： ID DE AC SV RT序列名称 序列简单说明 序列编号 序列版本号 题目GenBank： keywords source organism reference authorsEMBL： KW OS OC RN RA关键词 序列来源物种名称 种属 相关文献编号 著者PubMed：生物医学文献（PubMed）核苷酸序列数据库（Genbank）蛋白质序列数据库Structure：三维大分子结构Genome：全基因组PopSet：人口研究的数据集OMIM：在线人类孟德尔遗传UniSTS：标记和映射数据SNP：单核苷酸多态性CDD：保守结构域第三章1. 蛋白质序列数据库类型1 序列数据库：PIR（最早提出的蛋白质数据库），SWISS-PROT（更好用），NCBI2 模式和结构域数据库：PROSITE（二级），PFAM3 结构数据库：PDB（三级）4 结构分类数据库：SCOP，CATH，FSSP（四级）2. 序列数据库记录的特点1 Pir蛋白质信息资源（蛋白质序列）2 SWISS-PROT有注解的蛋白质序列数据库3. SWISS-PORT记录的格式 看书，给出的每一行要能看懂ID：序列名称和氨基酸残基数目AC：序列编号（收录号、登录号）DT：提交到数据库的时间及最近修改时间DE：描述行，对蛋白质的简单说明GN：编码蛋白质的基因名称OS：物种来源OC：分类学中的位置RN：基本注释信息CC: 按主题进行区分Function：描述功能PTM：说明修饰后的翻译Tissue specificity: 说明组织专一性Subcellular location: 说明亚细胞定位Similarity: 说明与该蛋白质具有相似性或相关的某个蛋白质家族DR：提供与其它生物信息学数据库的链接KW：关键词FT：特征表。包括跨膜螺旋等超二级结构单元、配体结合位点、翻译后修饰位点 等。每一行都有一关键词、特征序列氨 基酸残基的位置及注释信息的性质。SQ：蛋白质序列4. 序列谱表达的意思序列谱：由多序列对比结果的全部信息构造的序列特征表,表中列出每一个位点氨基酸残基的替代.插入,缺失等情况5. P序列的模式特征6. 蛋白质结构数据库PDB-用什么方法保存蛋白质结构信息PDB数据库以文本文件的方式存放数据，每个分子各用一个独立的文件。PDB是目前最主要的收集生物大分子(蛋白质、核酸和糖)三维结构的数据库,是通过X射线单晶衍射、核磁共振、电子衍射等实验手段确定的蛋白质、多糖、核酸、病毒等生物大分子的三维结构数据库。7. 蛋白质结构分类数据库、为什么蛋白质结构能够分类1 相似的二级结构元件装配2 多肽链的拓扑单位3 由固有的的物理和化学性质产生规律4 折叠是蛋白质的功能、结构和进化的单位8. 蛋白质结构域根据二级结构形式不同可以分为哪几类 全a型，全beta型，a/beta交替，a与beta混合型第4章 序列比对1. 双序列比对、算法与工具的关系 双序列比对：通过一定的算法对两个DNA或蛋白质的序列进行比较，找出两者之间最大相似性的方法。 工具是用程序来编写完成算法。2. 用那三个词描述序列比对的结果。相似性、同一性、同源性3. 相似性、同一性、同源性三个词之间什么关系 同源性是指在来源上的同一性; 相似性是指功能或特点上的趋同性; 一致性是指简单一致度。相似性和同一性都是量的概念，同源性是质的概念。4. 序列的格式（规范的模式）、三种格式各自的特点序列格式第1行第2行第3行第4行Pir名称（以P1、N1开头）注释行序列开始*表示结束FASTA注释行（无限长）序列GDE%注释行（无限长）序列5. 序列比对方法的优点及存在的问题优点：从已知信息获得未知信息最有效的方法缺点：无法确定祖先；有些保守只是时间上的反应，不是结构和功能的保守6. 序列计分的依据（记分矩阵）、用Blast比对怎么判断匹配，不匹配，插入和缺少7. 什么叫记分的矩阵？取代矩阵、稀疏矩阵两种的意义记分矩阵：为了反映两个序列比对结果而预先设定的分值矩阵。取代矩阵：PAM、BLOSUM稀疏矩阵：只有相同的为1，其余的为0，大多数矩阵单元的值为0。8. PAM、BLOSUM的区别1 来源不同，PAM基于全局比对，BLOSUM基于局部比对2 BLOSUM每个都是计算的，进化距离近；PAM是推导得到的，适用于进化距离较近的 两条序列3 统一性，PAM是由高到低，BLOSUM是由低到高4 默认值，PAM是62、80；BLOSUN是2509. 什么叫动态规划（用于全局、局部）、全局和局部的区别在哪里？三个常用的局部比对工具之间的联系 DP(动态规划)：按某种条件舍去那些不可能得到最有结果的局部解。 全局比对：对给定序列全长进行比较的方式，在待比较两个序列中引入间隔，使得对序列的全场都得到比较。 局部比对：对序列进行比较时，更注重局域的最佳匹配比对工具：Blast、FASTA、Smith-waterman10. 动态规划找到两个最佳对位的三个步骤 建立记分矩阵、回溯路径矩阵、选择最优路径11. Blast英文全称是什么及以下不同工具 BLAST (Basic Local Alignment Search Tool)程序名查询序列数据库搜索方法Blastn核酸核酸直接比较核酸序列的同源性Blastp蛋白质蛋白质直接比对蛋白序列的同源性Blastx核酸蛋白质先将核酸序列翻译成蛋白序列，再与蛋白库比对Tblastn蛋白质核酸将库中的核酸序列翻译成蛋白序列，比对蛋白序列的同源性TBlastx核酸核酸将库中的核酸序列和所查的核酸序列都翻译成蛋白序列，然后比对蛋白序列12. Blast结果分为两部分展示：图形+序列（看得懂结果）13. 空位罚分 第五章基因查找1. 原核生物基因结构的特征1 基因聚集在一起，形成基因簇（操纵元、调控元）2 启动子上游-35、-10有两个box（控制聚合酶转录的开始、控制转录的频率）3 有两种终止方式 依赖和不依赖2. 真核生物基因结构的特征1 基因并不集中在操纵子;2 真核生物基因不连续，在编码区（外显子）之间穿插非编码的内含子（“插入序列”）。3 重复序列：一般不是编码序列4 启动子：一般与转录起始位点有关5 增强子 6 TATAbox、CAATbox7 不同的剪切方式3. 重复序列分为哪几个类型（怎么查找，为什么要查找）1 单拷贝2 低度重复2-103 中度重复100万以下4 高度重复4. ORF查找、为什么有6个对话框？怎么确定哪个是基因的对话框？ ORF：一个起始密码子和终止密