哈尔滨工业大学考博生物信息学大纲.doc

博士生入学专业基础课考试大纲考试科目：生物信息学 考试代码：2285 一、 考试要求要求考生全面系统地生物信息学的基本概念、基本原理、典型方法和实用技术，并且能灵活运用所学知识解决生物信息中的具体问题。二、 考试内容1) 生物信息学引论l 人类基因组计划与基因组信息学l 蛋白质结构与功能关系研究l 生物信息学的主要研究内容：生物分子数据的收集与管理，数据库搜索及序列比较，基因组序列分析，基因表达数据的分析与处理，蛋白质结构预测l 生物信息学所用的方法与技术：数学统计方法，动态规划方法，机器学习与模式识别技术，数据库技术及数据挖掘，人工神经网络技术，专家系统，分子模型化技术，量子力学和分子力学计算，生物分子的计算机模拟，因特网（Internet）技术2) 生物信息学的生物学基础l 蛋白质的结构和功能l 遗传信息载体DNA与分子生物学中心法则l 基因组结构l 基因表达调控l 新生肽链的折叠l 生物大分子结构的测定3) 序列比较l 序列的相似性：字母表和序列，编辑距离，通过点矩阵分析两条序列的相似之处，序列的两两比对，用于序列相似性的打分矩阵l 两两比对算法：序列两两比对基本算法，子序列与完整序列的比对，寻找最大的相似子序列，准全局序列比对l 序列多重比对：SP模型，多重比对的动态规划算法，优化计算方法，星形比对，树形比对，其他多重序列比对算法，统计特征分析l DNA片段组装：片段组装问题，序列片段组装模型，序列片段覆盖图，贪婪算法，非循环图拓扑排序法4) 基因组信息分析l 原核与真核基因组特点l 基因组序列分析：基因组序列分析步骤和分析结果评价，核苷酸关联分析l 基因识别方法：最长ORFs法，基于密码子出现频率的预测方法，同源性方法，神经网络方法，隐马尔可夫模型法，模式判别分析法，基于动态规划的基因结构预测方法，基于剪切比对的基因识别，其他基因识别方法l 非编码区域分析和调控元件识别：调控元件的建模，调控元件模式的得分函数，模式驱动的调控元件识别，序列驱动的调控元件识别5) 系统发生分析l 分子系统发生与系统发生树l 基于距离的系统发生树构建方法l 基于特征的系统发生树构建方法l 最大似然法、系统发生树的可靠性l 全基因组系统发生分析6) 蛋白质结构预测l 蛋白质二级结构预测算法l RNA二级结构的预测算法l 蛋白质空间结构预测算法7) 基因表达数据分析l 基因表达数据的获取l 基因表达数据预处理l 基因表达差异的显著性分析：倍数分析，t检验，贝叶斯分析l 基因表达谱聚类分析：相似性度量函数，聚类方法，基于模型的聚类方法，支持向量机，聚类结果的可视化，聚类结果的定量评价l 基因表达数据的分类分析：朴素贝叶斯分类法，k-近邻法，其他分类法l 主成分分析PCAl 基于基因表达谱的基因调控网络研究：布尔网络模型，线性组合模型，加权矩阵模型，数据整合分析三、 试卷结构考试时间180时分钟，满分100分1）题型结构l 概念题（10分）l 简答题（25分）l 求解题（30分）l 计算题（35分）2）内容结构l 生物信息学引论（10分）l 生物信息学的生物学基础（10分）l 序列比较（15分）l 基因组信息分析（20分）l 系统发生分析（15分）l