生物信息学作4业

生物信息学操作练习（一）数据库搜索与序列比对2013/3/27布置，一周内完成，结果存为单个word文件，文件名统一为“学号-姓名-01.doc”，上传网络教学平台或邮箱“”。(一)现有如下序列：MALAGAPAGGPCAPALEALLGAGALRLLDSSQIVIISAAQDASAPPAPTGPAAPAAGPCDPDLLLFATPQAPRPTPSAPRPALGRPPVKRRLDLETDHQYLAESSGPARGRGRHPGKGVKSPGEKSRYETSLNLTTKRFLELLSHSADGVVDLNWAAEVLKVQKRRIYDITNVLEGIQLIAKKSKNHIQWLGSHTTVGVGGRLEGLTQDLRQLQESEQQLDHLMNICTTQLRLLSEDTDSQRLAYVTCQDLRSIADPAEQMVMVIKAPPETQLQAVDSSENFQISLKSKQGPIDVFLCPEETVGGISPGKTPSQEVTSEEENRATDSATIVSPPPSSPPSSLTTDPSQSLLSLEQEPLLSRMGSLRAPVDEDRLSPLVAADSLLEHVREDFSGLLPEEFISLSPPHEALDYHFGLEEGEGIRDLFDCDFGDLTPLDF要求： (1) 用NCBI BlastP比对(使用默认参数) 搜索，以确定该蛋白质的名称、序列号、物种来源等基本信息； (2) 通过BLAST寻找其在小鼠(Mus musculus)中相似度最高的同源蛋白，提供比对结果；(3) 通过比对Pfam数据库，推断该蛋白属于何种蛋白质家族，可能的功能是什么？(4) 多重比对练习：已知拟南芥(Arabidopsis thaliana) 转录因子E2F家族包含6个成员，分别为E2Fa (又名E2F3), E2Fb(又名E2F1), E2Fc, E2Fd, E2Fe, E2Ff，请通过Entrez查寻其蛋白质序列信息，并将结果保存为FASTA格式；建立上述蛋白的多重比对FASTA文件；用ClustalW或ClustaX进行多重比对，将结果保存下来以便进一步分析。(二)按要求对以下序列进行比对分析 (命名为 “query.fasta”).GCATGCTGGCTCCTTTGGGATCGATCCGTCCGGTTCTTCTCCGGCCGGCCACCTCTCGAAGGTGACGCTGTCGCCGACGAGCCACCGACATCCGACCGACAGCCCCCGACAGCGCTCCTACGCGGTGCCGACATGACACCGACACCGCAGGTCGGACGACGGGGGCTCAGGCGCGACGGGCGCGGATCACGACGGCCGTACCGCCGCGACGGCGAGCACCGCCGCGCCGCCGAGGAGTGGCCGAAGGAGTGAAGATCGGTTACGGACCGTAAAGGAGTACCTGGCGCACCGGCGCGTTGTCGCATCGTCGTCCCGGCCGGTGGCGGAGCATGCCACCCATGCTGTCCGGTCTTCTGGCCAGATTGGTCAAACTGCTGCTCGGGCGCCACGGCAGTGCGCTGCACTGGAGGGCCGCGGGTGCCGCGACGGTCCTCCTGGTGATCGTCCTCCTCGCGGGCTCGTACTTGGCCGTCCTGGCTGAGCGCGGCGCACCGGGCGCGCAGCTGATCACGTATCCGCGGGCGCTGTGGTGGTCCGTGGAGACCGCGACGACCGTCGGCTACGGCGACCTGTACCCCGTGACTCTGTGGGGCCGGCTCGTGGCCGTGGTGGTGATGGTCGCCGGGATCACCTCCTTCGGTCTGGTGACCGCCGCGCTGGCCACCTGGTTCGTCGGCCGGGAACAAGAGCGCCGGGGCCACTTCGTGCGCCACTCCGAGAAGGCCGCCGAGGAGGCGTACACGCGGACGACCCGGGCGCTGCACGAGCGTTTCGACCGTTTGGAGCGAATGCTCGACGACAACCGCCGGTGACTCCGCCGGTGACCGCCCGAGCGAGGCCGCACCGATGAGTCTGCGGCGGTTGTGCGGTCTACCCGTCGACGAAGGGAGCGCACCATGCGCAAGATCATCATTTGCACGTTCCTGACGCTGGACGGCGTCATGCAGGCGCCGGGCGGCCCGGACGAGGACGCCGAGAGCGGCTTCGAACACGGCGGCTGGCAGAAGCCGGTGGACGACGACGAGGTCGGCACGGCCATCGCCGGCTGGTACGAGGACTCCGACGCCATGCTCCTCGGCCGCAAGACCTACGACATCTTCGCGTCGTACTGGCCGACCGCCGACCCCGACAACCCGTTCA CCCATCGGATGAACAGCATGC(1) 用NCBI BlastX (核酸蛋白质数据库)，推断该基因组序列最有可能编码的蛋白质是什么？长度多少？其登录号(accession number) 是多少？(2) 请标出以上所得的蛋白质对应的query核酸编码序列的起止位置。(3) 以该蛋白序列为模板，用BlastP 搜索，将最大命中数(Max target sequences) 设为1000： (a) 若使用默认的non-redundant protein (nr) database，默认参数不变，Blast 输出多少条序列？结果最末位的序列的E值为多少？(b) 若换用SwissProt 蛋白质数据库，其他默认参数不变，Blast 输出多少条序列？结果最末位的序列的E值为多少？(4) 若想获得与该蛋白相关的空间结构信息，该如何操作，试对结果做简单统计。统计内容应包括多少个物种，每条序列的相似度（identity%, similarity%）如何。(5) 对(4)操作获得的序列进行多重比对，给出结果。Query 330 MPPMlsgllarlvklllGRHGSALHWRaagaatvllvivllaGSYLAVLAERGAPGAQLI 509 MPPMLSGLLARLVKLLLGRHGSALHW AAGAATVLLVIVLLAGSYLAVLAERGAPGAQLISbjct 1 MPPMLSGLLARLVKLLLGRHGSALHWAAAGAATVLLVIVLLAGSYLAVLAERGAPGAQLI 60Query 510 TYPRALWWSVETATTVGYGDLYPVTLWGRLVAVVVMVAGITSFGLVTAALATWFVGREQE 689 TYP ALWWSVETATTVGYGDLYPVTLWGR VAVVVMVAGITSFGLVTAALATWFVGREQESbjct 61 TYPAALWWSVETATTVGYGDLYPV