中国药科大学药物生物信息学课程复习题

1、仅供个人参考生物信息学课程习题第一章绪论一、填空1、在 1990 年,美国国会批准启动人类基因组计划，拟用15 年时间测定人类全部条染色体上共3.2乘以10的9次方 个碱基序列的测定。2、DNA是遗传信息的携带者。3、蛋白质三维结构测定主要方法有X射线晶体结构分析 和全维核磁共振波谱分析。4、理想的抗生素靶标应为微生物细胞存活所必须,在病原体中高度保守,且在人体中 不存在 或与人类基因有 根本差异。5、下图例举了一个计算机辅助药物设计的实例，从a图中我们得到了配体上 R基团附近的受体上有谷氨酸119 和 谷氨酸227 残基,具有 酸性 性，因此可以将 R基团设计为 则_性基团，如图b中所示的月

2、瓜基 基团,使得抑制活性比改造前提高了 近5000倍。c；R- NH%4 -Nil；二、名词HGP (human genome project), EST (expressed sequence tag) , SNP (single nucleotide polymorphism),生物信息学(Bioinformatics), 药物基因组学 (Pharmacogenomics), intron , “Junk DNA”，比较基因组学，比较基因组学(Comparative Genomics)是基于基因组图谱和测序基础上，对已知的基因和基因组结构进行比较，来了解基因的功能、表达机理和物种进化的学科

3、。蛋白质组学，分子进化树(evolutionary tree ),基因组，基因组药物：基因组药物 (Genomic drug)是指利用基因序列数据，经生物信息学分析、高通 过基因表达、高通量功能筛选和体内外药效研究开发得到的新药候选物.不得用于商业用途仅供个人参考 三、简答1 、简述生物信息学在药物研究开发领域的应用可体现在哪些方面？一初始阶段信息收集，初步调研（确定合适的药物作用靶）可行性分析（靶点结构、化合物 信息） 二药物设计 三开发阶段，减少药物副作用，避免开发风险2、如何利用基因组信息寻找新的药物作用靶标？ A 基因组比较 B 同源性搜索 C 表达差异分析 3、如何利用人类基因组信息

4、实现个性化治疗，其基于的原理是什么？ 4、试叙述基因芯片用于疾病诊断的原理，并说明其优缺点。优点：速度快信息量大，灵敏度高，微型化，操作方法简单，结果易于判读 缺点：准确度和普及型有待加强 5、最近甲型流感流行，请设计甲型流感的分子诊断方法，说明其原理。A 基因诊断B 利用抗原-抗体反应第二、三章数据库一、单选题1 、以下数据库不能 用于检索核酸序列的是（B ）A. GenBank B. PDB C. EMBL D.DDBJ2、蛋白质结构数据常保存为下面哪一种格式为后缀的文件（A ）A. PDB B. txt C. Seq D. mdb3、下列格式属于FAST第式的是（A ）A. >se

5、q1B. <seq1C. ATGCCATA D. > ATGCCATAATGCCATAATGCCATA二、填空题1 、阅读以下数据格式，写出以下标注的含义：不得用于商业用途仅供个人参考不得用于商业用途Nucleotide巳 NCBIPubMedNuoleotldeProteinGenoEeSearch I Nucleotide forGo Clear Display ' GenBank Showls * | Send to *j Hids： sequenceall but genep'CDS andttiRN/Range: ftam ,9B6 .fo- 6,416

6、弓卜吧-四0口宿上泡吧口, 1 Reverse cotnplemented sn 1： NG 007114. Reports Homo sapiens insu.gi: 161086962 明rnmmnt Features 日m口umnueLOCUS DEFINITION ACCESSION VERSION KEYWORDSSOURCEORGAI'JISMrJG_0071141431 kip DNi linear PRI 25-JAN-2OO9Homo sapiens insulin (INS) on chromosome 11 -HG_CII：i7：L14 REGION: 4986-

7、 , 6416NG二口Q711*101:161066962RefSeqGene.Hokjo sapiens (human)Hdi.口 -apiEin-Eukaryota; Metazoa; Chordata; Craniata; Vertebrata; Euteleostomi;Mammalia; Eutheria; Euauchontoglires; Primates; Haplorrhini; Catarrhini; Hominidae; Homo.COMMENT REVIEWED REFSEQ: Th±g record has been cue孰t.d by NCBI stff

8、. Th. reference sequence was derived from 1lC：L322 17 L5 ,LOCUS是 序列名称, DEFINITION是序列定义 ,ACCESSION!数据库编号 ,VERSION是版本号, SOURCE是 来源在论文中使用了 NCBI数据库中的该序列，应标注该序列的编号，应填NG 0071142、阅读以下Prosite中结构基序的示例，说明其中各符号含义：EP0 TPO, PS00817, Eryfhropaieiin / thrombopoeitin sign Mure (PATTERN)patteny：P r(4). C . 口 . x . R

9、 “LIVM(2卜 x - KR -x(14) - CThe 2 are invoived in disu擀de bonds- 连字符用来 分离序列基序中的每个位点。每个方括号中的残基代表序列基序中某一特殊位置允许出现 的残 大括号中的符号代表序列基序中特定位置不分许出现的残基。X 表示二十个氨基酸中的任何一个 。(n)代表某特定残基的重复数。3、下面是NCBI中SARSW毒的基因组，请根据以下图说明 SARS1因组有13 个基因,编码 14个蛋白。Genome > Wrujes > SARS coronavirus, complete genomeLitieager Virus时

10、sENA 耐mses; esJUWA DdsiiiYostiajid viruE乱 no DNA 就姐e： Mid。而ali; Corenavirid就e; Icimnavirus; C010tl青疝期s groj CcirotLaviru£咫白呼 2b卜SARS匕方代通工瓜11£Gcbjoh# Jtiifa:Features :iBLASTLinks;Rjmjfw lafb:Refseq:NC 口血力8GenesGeriTme PzieiztPubliC3tion$： 3G电力日有nkAY274119Proteincoding. 14Refez FTPRefseq Sta

11、tus: ReviewedLenglh: 29,751 ntStructuralRNAs Nonei- |UUS叫$时gComplM白tlGC Comtenr 40%Pseudogene$- NineSequencing center:日匚匚dGc门cimg Sc田m二日* 匚4Mr氏 日 ril 馆 h Culumbiai 仁白八廿自杷 r 口幅gaig Cumroljand N就iuml MicrDhiulnuY AH口工乳口" Gnida% Coding; 97%Others: 12ciM 净口T"r mhlCompleted 20034 14Topology: li

12、nearMolecule: ssRMAConligs:NoneOlher genomes for species: 148口叫白iiism Group4、检索蛋白质序列可使用哪个数据库，试举两例 SWISS-PROT、PIR。5、检索蛋白质结构常使用PDB 数据库。6、根据以下检索结果说明该蛋白质结构在PDB数据库中的编号为1buy,其结IPDBRMIdIU网区4a Rb-suHb ID List Modir ： Rdkie this Seartch Seleci AH Drt修曰M Download Sebected卜 Tabulate Narrow qu白邙，Sort Re«ul

13、t&构测定方法为NMR 。PROTEIN DATA BANKAn Inlormatioh Portal to Biological Ma As of Tuesday Det 07,2008 0 there are 53521 StrucAre you missing data updates? The PDB archive has moved to ftp/ftp.wwpdh .orgB For more information click here.Hp| t Stnicibm Ndark 7 Citvtkra 1 LJowd HH1 1 Web P4ge Hib GOHihJ $

14、(：OP4iibi| CATH IBsAdvancBd Keyword Qusry for ERYTHROPOIETIN10 Ibuy 但国画, HUM*MERYTHROPOIETIN. NMRMENIMI2ED *GE STRUCHJRfCW.ErtE pjij trer匚.F-jYrtiar. , MdletuiE PROTEIN (ERYTHROPOIETIN) Mulalmi N24K,N9aKNB3 Cha.it. AjantJrCheetham,. JX.P Smith, D.H, Ac kt, K.H. Steveosuna J.L. HaeffehTJ. Sfed.R.S.,

15、Egrie,fUelearfe Datei 10-Seps-1999 £k|i. Methods NMR三、名词一级数据库，二级数据库， Genbank, UniGene, PDB, MMDB 格式，EMBL, NCBI,结构浏 览器，Rasmal, swiss-pdbviewer, Swiss-model, Prints 数据库，Prosite 数据库，BankIt, Cn3D, PIR数据库，SCO琳据库，CATH数据库第四章生物信息检索一、填空题1、请例举两个常用的搜索引擎 google、百度 。2、如果要搜索一个词组，如把人类基因组作为一个词组，搜索相关信息，应在搜索引擎的搜

16、索栏中填入“人类基因组”。3、写出以下pubmed检索时常用的限制字段的含义：au作者ti、 dp发表日期、affiliation 地址、* 截字符二、名词Pubmed, Espacenet, USPTO第五章序列比对一、选择题1、进行多序列比对常使用哪种软件（C ）A. Dock B. Compute pI/MW C. Clustal D. Rasmol2、对于远源蛋白质序列，在进行多序列比对的时候应选用下面哪一种矩阵（B ）A. BLOSUM62 B. BLOSUM30 C.PAM100 D.结合基序打分矩阵二、填空题1.要搜索一段基因序列的同源基因序列，常使用 BLAST。2、下图示意的

17、序列比对方法为点阵作图法MTFRDLLSVSFEGPRPDSSAbGS S A U M XT X3、Needleman和Wunsch在1970年提出一种比对算法，算法实现主要分三步：首先求出一 定积分系统下的原始矩阵,其次求出转化矩阵，最后寻找两个序列的最佳比对矩阵,获得最佳比对形式。三、名词序列比对aligment,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。多重序列比对，Clustal, Blast, gap,局部比对，序列比对的E值，PAM矩阵，取一个蛋白质序列中的氨基酸变异1%作为演化距离的单位，称为 1个PAM。BLOSUM矩阵：同样方式建立了 BLOS

18、UM取代矩阵。但在评估代换频率时，应用了不同的策 略，基本数据来源于 BLOCK蹴据库，其中包括了局部多重比对（包含较远的相关序列，同 在PAM中使用较近的相关序列相反）。两条序列的identities ,两条序列的相似度百分比动 态规戈U 算法(dynamic programming algorithm) 所谓动 态规戈U (dynamic programming algorithm),其指导思想就是在多级过程的每一级上列出各种可行的局部解，然后按照某些 条件舍弃那些肯定不能得到最优解的局部解。它最大的优点在于能够大大减少计算量。四、简答1、简述序列比对的用途。2、某实验克隆表达了灰葡萄抱霉

19、菌的 HMGCoA还原酶，该菌中这一酶此前未被研究过，现 在拟通过定点突变实验研究该酶的性质和功能，请问该使用哪些生物信息学手段设计合适的突变位点。a测出该蛋白质的氨基酸序列B进行同源f封t索(BLASTC找出同源性较高的序列进行比对，确定突变位点第六章核酸序列分析一、填空题1、对于任一 DNA序列(或cDNA序列)，可能存在 6种不同的阅读框,其中 /个为正向的，3 个为反向的。2、原核生物启动子有两段保守序列，即 -10区 左右的TATAAT以及-35区 左右的TTGACA它们为RNA聚合酶结合位点和识别位点。二、名词外显子，内含子，启动子，终止子， 起始密码，终止密码，ORF,Kozak

20、序列，该序列是在起始密码子之前与核糖体作用的位点，真核生物mRNA起始密码AUG上游的第三个核甘酸常常是喋吟，且多为A (-3A);其次紧跟在AUG后面的核甘酸，常常也是喋吟，但多数情况下是G (+4G)。密码子使用频度，不同生物对密码子的使用有不同的偏好，在编码区和非编码区，特定氨基酸密码子的出现频率是不同的，因而蛋白质编码区密码存在一定的规则性。ORF Finder, GT-AG法贝U, GeneSplicer,CpG岛，CpG岛(CpG island)是短的、分散的、非甲基化核酸序列，它常出现在持家基因 和受调节表达的基因 5'端REBASE Alu 序歹U, RepBase,电

21、子克隆，其原理是根据EST序列间的相互重叠， 通过计算机进行拼接和组装，以获得较长的或完整的cDNA序列。这一过程原理上与测序过程中的拼接相同。中度重复序列，中度重复序列：拷贝数在十至几百，如人类的Alu序列家族、小鼠中 Alu相关序列(称为B1序列家族)等。中度重复序列一般是不编码的序列，通常认为它们在基因 调控中起重要调节作用，包括开启或关闭基因的活性，促进或终止转录，DNA复制的起始，以及转录物参与 hnRNA的处理等。高度重复序列拷贝数高达几百至几万，其中一些是rRNA基因和某些tRNA基因，重复次数达数百次；另一些重复次数更高， 如果蝇染色体着丝粒附近就存在几种高度重复序列，它们可能

22、与细胞分裂时染色体的运动有关。三、问答1、真核生物基因结构与原核生物基因结构相比有哪些异同点。相同点都有编码区和非编码区，非编码区都有调控遗传信息表达的脱氧核甘酸序列不同点： 编码区是连续的，不存在内含子和外显子编码区能编码蛋白质结构简单编码区是间隔的、不连续的，有内含子和外显子只有外显子部分能够编码蛋白质结构复杂，存在重复序列2、试述基因结构分析的一般步骤。、查找重复序列：重复序列的存在会给序列分析带来很大的麻烦、同源体搜索与STS乍图：搜索已知同源体可能是最常用而且被广泛认识的新蛋白质编码 基因的识别方法。、基因模式预测：如果蛋白数据库中没有发现同源体.就可通过编码统计学原理和潜在的功能基

23、序（剪接信号，启动密码子）来预测基因结构。、启动子预测：发现潜在的转录结合位点和启动子信号可以帮助理解待测序列的功能意义。、转录终止位点预测：确定基因模型何时转录终止也是至关重要的，尤其当研究的序列中可能含有多个基因时。、CpG岛分析：CpG岛长度一般大于 200bp,覆盖5'启动子区域，可帮助确定基因5'末端位置。第七章蛋白质序列分析一、填空题1、蛋白质二级结构预测算法可概括为哪三种类别统计/经验算法、物理-化学方法、机器学习方法。2、蛋白质三级结构预测最常用也是精度最高的方法是同源模建。3、分子力学的方法计算蛋白质三级结构的基本假设是：蛋白质天然构象是能量最小的构象。4、蛋

24、白质结构从头预测遇到的两大难题一是分子折叠态与非折叠态之间的能量差值很&,二是全局优化 问题。5、请例举两个二级结构预测方法GOR方法、神经网络方法。6、Chou-Fasman方法二级结构预测的基本出发点在于对于蛋白质中20种不同的氨基酸残基在不同的 二级结构 中出现的 JW 进行统计分析得出 在不同二级结构中出现的倾向性 ,然后在一定规则的指 导下就可以进行预测。7、蛋白质组学研究常使用二维凝胶电泳 技术，该方法首先是等电聚隽,然后是 SDS-PAGE 电泳。8、1986年Von Heijine通过对各种跨膜蛋白的统计分析发现，带 正电荷的氨基酸主要分布在紧靠膜内连接跨膜区的环上，这

25、就是所谓的“正电荷局内 规则”。9、根据以下Blast结果，说明我们检索的蛋白质可能的功能注释为NPL4蛋白。$ 虹口= I uq 盟TUT37 -2*35-3ir支件（D 3姆期 右看田 噌# 工月口 平勤即8加一一 回由|舞K曲1«通电"21哂辱曰国Q*dttU上 CD) I/* h*tn,finrjbi di ruh KndBL*£THl.E rm jfil2fii3fiqJOJ.xJd卡轮到Scare E (bits) ValueE i | F L 弓6Qj64 J gbAAflKT羽百.I urJcriDvn qujilLis mt r'lkur

26、 11 吐|373凯|由值此HKIAAL499 pioteiti Mus mscuLus g£j46蚪7的 11 而 | P匏面口 | jjgy 的USE MPL4 prdte2n 鬼|5。否791轴工研|叼 的5刘4,1| PKEDICTED; sinilar to 配Q±hM- EiJ|0125配(11| Nucleax protein local iiat ion 4 .Ei L凶gjJTgJdbj 日AB lj|丁配,11 unnMed protein, praduct Hdtid 4 ,. Ei 11U4 351321db I BABI 4411g. 11 unr

27、iamed protein pi* ci duct Hono . E11 2! ?3自£。5crab |EAD13Sg17L 1 hypothrticai protein Kcbd 上叩工* K i. 如|得而乐自！曲乃"9年以工I XIMM* prcrteip Hanw iwitns gi 13358564£|曲 |以诙6口11 11 JipM-piou pititein Menuijiuw lasyisj 61|5融304工2|0|以£18霹4轨| Uriknowi protein far MGG:B14L51 Ei|4LDE<alTHu

28、63;|<P g命 1 山.11 Unknown (proteirt fct 1EC:559BSLL1 giJ&T2LTG5g|iib 归加口既 56, 1| unnan4d protein, product leticao. Ei 14Als加那 I rd I物里正土-11 HiitLLar 士口 GHUm 百Tp Apii uell. Ei 印冽LZEHrKlWIZMTL 11 EWEAIKF00000018437 AntM>heLes 一. ；i|lEL532iwblAM；mIKI| 即期加 EDrsoptiiLa nclancracr E id 国丽 refl HF

29、 G51的 7, ? I O&4073-PA DrasaDkula »Lan0(a. 蛀 246EMM | ro ISP 7311。11 QX6T3-FB Dr口wphila .alanBg- E TdfiTQnRA |IFAF 1 I miRlilR-PA TgEHR5 1 x WkNr1d6 7 7-66 6 66- 6 9 8 0 7 6 6 6 6 9 d- -y Q-史-9 ql - 9 g 9 8 s- S 5 2- -u o -u o nTJ- 2 2-2-2 2 2 2- 2 2-2 2-2 2- 2 2- 2 27e-94 5e-809等一刖 9e-B0 9

30、M皿 9e-S09c-B03e-77Te-758a-6S 4e-57 2fl-52 2c-522e-52 2e-S2 ”T1BE1周国EIQE1QQ Irit4lTTI*tSe-quences prodiicina siEinifirant aLierinetits:10、对蛋白质二级结构预测方法可采用参数Q3评估：Q3= （Pa+P3 +Pcoil） /T,其中Pa代表 预测a螺旋正确的氨基酸残基数、P 3代表 预测 3折叠正确的氨基酸残基数、Pcoil代表预测无规则卷曲正确的氨基酸残基楚, T为 总氨基酸残基数。二、选择题1、对于蛋白质同源结构模建，通常要求待模建序列与模板序列一致性超过（

31、D ）A. 60% B. 50% C. 40%D.30%2、对于搜索不到同源模板的蛋白质，可尝试用以下哪种方法模建结构（A ）A. Threading法 B. SWISS-MODE网络服务器 C. Homology法 D.没有办法模建 3、给定一段核酸序列，可通过什么方法查找上面蛋白质编码区（ A ）A. ORF Finder B. CpGPlot C. SWISS-MODEL D. Dock4、同源结构预测时搜索到以下可用的模板，应选用哪个模板比较好（C ）A. NMR测定的结构，一致性为30% B. X-ray测定结构，一致性为 38%, 3.0?C. X-ray测定结构，一致性为 38%

32、, 2.0? D . X-ray测定结构，一致性为 30%, 2.0?5、预测蛋白质上的跨膜区，可使用以下哪种软件或方法（ D ）A. GeneSplicer B. Chou-Fasman 算法 C. GOR D.TMHMM 6、分析蛋白质在细胞中的定位，可使用（ C ）A. SWISS-MODEL B. PHD C.TargetP D. RepBase三、名词AA CompIdent, Compute pI/Mw , PeptIden , ProtScale,比较模建（Comparative modeling）, 同源模建（homologous modeling ）：也称比较模建（compa

33、rative modeling ）,同源蛋白质具 有相似的结构和功能，所以利用结构已知的同源蛋白质可以建立目标蛋白质的结构模型，然后用理论计算方法进行优化。一维-三维剖面法：利用每一个残基在蛋白质结构中所处的环境描述蛋白质的折叠类型，根 据侧链的埋藏程度、侧链被极性原子或水分子覆盖的分数以及局部二级结构，Bowie等将蛋白质结构环境分成 18类，然后统计出20中氨基酸在18种环境中的出现概率，得到一个表示不同氨基酸对各种环境偏好程度的评估矩阵，称为3D-1D记分表。对于结构已知的蛋白质X,每一个氨基酸残基都可以分配一类环境，从而将3D结构转换为1D序列(称环境链)。从头预测(ab initio

34、 prediction),从头预测方法不需要已知结构信息，直接从蛋白质序列预测其空间结构，因而在理论上是一种理想的方法。从头预测包括分子力学模拟、二级片段堆积等方法。卷曲螺旋(coiled-coils)两个螺旋通过其疏水性界面相互缠绕在一起形成一个十分稳定的结构。卷曲螺旋在很多蛋白质中存在，例如转录因子的亮氨酸拉链结构中以及肌球蛋白中。折叠识别，InterProScan, PHD, PSIPRED信号肽，分泌蛋白新生肽 N端的一段2040氨基酸残基组成的肽段，决定新生肽链在细胞中的定位及决定某些氨基酸残基的修饰跨膜区，就是蛋白在细胞膜内的部分正电荷局内规则(填空题里有)四、问答1、实验中从鲨肝

35、 DNA文库中获得一段基因序列，简述如何用生物信息学方法分析其功能。1、目的蛋白是否和功能已知的序列相似？2、分析目的蛋白的跨膜区、细胞定位等3、目的蛋白是否有保守的序列特征？4、搜索 PROSITE BLOCKS PRINTS等数据库5、结构预测分析6、综合分析结果7、蛋白质功能预测并实验证实2、简述蛋白质结构同源模建的原理和一般过程。原理也就是定义，基本过程寻找一个或一组与待测蛋白质同源的由实验测定的蛋白质结构，进行结构叠合；建立未知蛋白质与已知结构蛋白质的序列比对；找出结构保守性的主链结构片段；模建结构变化的区域，一般为连接二级结构片段间的区域；侧链建模；利用能量计算的方法进行结构优化。

36、一般地，序列一致性越差，建立的模型精度也越差，序列一致性低于30%的蛋白质难以得到理想的结构模型。第九章生物信息软件一、填空题1、为使用PCR法克隆某个基因，在设计引物时候除需要设计两段分别与模板互补的片段外，还需要在这两个片段的5'端加上限制性酶切位点 和 保护碱基 O2、可使用 Primer Premier软件进行引物设计。3、设计引物时，除加上酶切位点外，还需要在酶切位点 5'端加上，通常为 碱基。4、例举两个常用的蛋白质结构浏览软件RasMol、 Cn3D 。5、蛋白质同源结构模建可以使用在线的免费预测工具 swiss-model。二、选择题1、pQE30表达载体上常用

37、的酶切位点有BamHI、 SacI、KpnI、SmaI、PstI、 HindIII ,现预克隆的一段基因上有EcoR太HindIII、Sack AccI、PstI等酶切位点，那么在设计引物时候可以在两段引物上各加上哪个酶切位点序列(A )A. BamHI、KpnIB、BamHI、Hindlll C、Hindlll、AccI D、Hindlll、XhoI2、以下关于力场的说法正确的是(B)A. CHARMm力场是一个适用于有机小分子的力场B. CHARMm力场是一个适用于蛋白质的力场 C.适用于蛋白质分析的力场只有AMBER力场 D.以上说法都不正确第十章计算机辅助药物设计一、 填空题1、虚拟筛选指的是将 三维结构数据库 中的化合物分子与靶标分子在计算机上逐一进行对接(docking),然后按照一定的打分规则排序，从中筛选从潜在的药物。2、以下缩写代表什么数据库？ CSD剑桥晶体结构数据库 , NCI 美 国国家癌症研究所3、FlexX是一个 柔性对接 程序二、名词解释计算机辅助药物设计，合理药物设计( rational drug desig