《生物信息学》练习题

1、1、 在Genbank中查找以下6个植物蛋白序列：protein1:NP_974673.2; protein2: NP_187969.1; protein3: NP_190855.1; protein4: NP_565618.1; protein5: NP_200511.1; protein6: NP_191407.1 (以FASTA格式)。（1） 用EBI上的ClustalW2工具对其进行多序列比对，分析各蛋白序列之间的同源性。序列比对结果比对结果表明：protein1:NP_974673.2和protein4: NP_565618.1的亲缘关系最近。（2） 利用Phylip软件，选择距离法

2、构建其进化树（要求写出具体的建树步骤）。1将蛋白序列保存为FASTA格式，存于txt文档；2.用Clustalx打开txt文本，保存为*.phy文件；3.用seqboot程序打开phy文件，输出结果文件*_seqboot4.用protdist程序打开*_seqboot文件，输出为*_protdist文件5. 用neighbor程序打开*_protdist文件,输出为*_neighbor文件6. 用consense程序打开*_neighbor文件,输出为*_consense文件7.用dratree程序打开*_consense文件得到进化树。（注：由于seqboot软见无法正常运行，因此进化树无法

3、显示）（3） 任意选取其中的一个蛋白进行蛋白质一级序列分析、二级结构预测及三维结构的模拟。选择protein3: NP_190855.1一级结构网址：/tools/protparam.htmlNumber of amino acids: 456 氨基酸数目Molecular weight: 51154.5 相对分子质量Theoretical pI: 8.69 理论 pI 值Amino acid composition 氨基酸组成Ala (A) 30 6.6%Arg (R) 28 6.1%Asn (N) 15 3.3%Asp (D) 27 5.9%Cys

4、(C) 5 1.1%Gln (Q) 18 3.9%Glu (E) 28 6.1%Gly (G) 37 8.1%His (H) 16 3.5%Ile (I) 16 3.5%Leu (L) 42 9.2%Lys (K) 32 7.0%Met (M) 5 1.1%Phe (F) 17 3.7%Pro (P) 16 3.5%Ser (S) 46 10.1%Thr (T) 21 4.6%Trp (W) 8 1.8%Tyr (Y) 19 4.2%Val (V) 30 6.6%Pyl (O) 0 0.0%Sec (U) 0 0.0%(B) 0 0.0%(Z) 0 0.0%(X) 0 0.0%正/负电荷残基数

5、Total number of negatively charged residues (Asp + Glu): 55Total number of positively charged residues (Arg + Lys): 60 Atomic composition: 原子组成Carbon C 2270Hydrogen H 3531Nitrogen N 645Oxygen O 686Sulfur S 10Formula: C2270H3531N645O686S10 分子式Total number of atoms: 7142 总原子数Extinction coefficients: 消

6、光系数Extinction coefficients are in units of M-1 cm-1, at 280 nm measured in water.Ext. coefficient 72560Abs 0.1% (=1 g/l) 1.418, assuming all pairs of Cys residues form cystinesExt. coefficient 72310Abs 0.1% (=1 g/l) 1.414, assuming all Cys residues are reducedEstimated half-life: 半衰期The N-terminal o

7、f the sequence considered is M (Met).The estimated half-life is: 30 hours (mammalian reticulocytes, in vitro). 20 hours (yeast, in vivo). 10 hours (Escherichia coli, in vivo).Instability index: 不稳定系数The instability index (II) is computed to be 48.99This classifies the protein as unstable.Aliphatic i

8、ndex: 75.26 脂肪系数Grand average of hydropathicity (GRAVY): -0.554 总平均亲水性/tools/protscale.html蛋白质亲疏水性分析所用氨基酸标度信息Ala: 1.800 Arg: -4.500 Asn: -3.500 Asp: -3.500 Cys: 2.500 Gln: -3.500 Glu: -3.500 Gly: -0.400 His: -3.200 Ile: 4.500 Leu: 3.800 Lys: -3.900 Met: 1.900 Phe: 2.800 Pro: -1.60

9、0 Ser: -0.800 Thr: -0.700 Trp: -0.900 Tyr: -1.300 Val: 4.200 : -3.500 : -3.500 : -0.490 分析所用参数信息Weights for window positions 1,.,9, using linear weight variation model: 1 2 3 4 5 6 7 8 9 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 edge center edge跨膜结构预测结果（没有跨膜结构）信号肽分析：二级结构预测三级结构预测网站http:/www.sbg.bi

10、o.ic.ac.uk/phyre2、 在拟南芥基因组数据库中（/）查找编号分别为At4G33050, At3G13600，At3G52870或At2G26190基因，针对所查找的基因进行初步的生物信息学分析（每人任选其中一个基因）。（1） 在基因全长序列中标识出5UTR，exon，intron以及3UTR等基因特征（具体到碱基数）。登录网站/ ，输入登录号At3G52870,然后点击Search，结果：（2） 分别利用PLACE和PlantCARE工具对该基因的启动子（假设启动子是ATG上游20

11、00bp）进行分析，试比较分析的结果。PLACE分析Place结果有以下3种呈现方式： grouped by signal 该结果没有显示启动子区的碱基序列，结果则是按照名字的首字母排序。 mapped to sequence scanby sequence order 同grouped by signal 显示的结果相似，不过Factor or Site Name的序号由大到小排列。等Plantcare分析网址http:/bioinformatics.psb.ugent.be/webtools/plantcare/html/点击“Search for CARE”，进入，输入fasta格式的基因序列PlantCARE不仅列出了“+”链和“-”链，且有颜色标示启动子区的各个顺式作用元件和