本科院校-基础医学-生物信息学-第十二章 生物分子网络

本科院校-基础医学-生物信息学-第十二章生物分子网络

单选题A11.什么样的节点被称为中心节点(hub)答案：(A)A:连通度高的节点B:聚类系数高的节点C:介数高的节点D:拓扑系数高的节点

单选题A12.下列描述正确的是答案：(C)A:有向网络一定是二分网络B:加权网络中两节点间距离就是其最短路径所经过的边数C:两个节点连通是指两个节点问能够由一条路径连接D:无向网络一定是无权网络

单选题A13.哪种方法是基于蛋白质互作网络预测蛋白质功能的算法答案：(C)A:序列比对法B:结构比对法C:邻居计数法D:ChIP-chip方法

单选题A14.下列描述与大部分的生物分子网络不相符合的是答案：(B)A:是一种小世界网络B:是一种随机网络C:是一种无标度网络D:是一种模块化的网络

单选题A15.网络中两个节点问的距离是指答案：(B)A:网络中连接两节点的路径的条数B:网络中连接两节点的最短路径的长度C:网络中连接两节点的路径的平均长度D:网络中连接两节点的最长路径的长度

单选题A16.描述网络中直接与节点相连的边的数目的拓扑属性是答案：(A)A:nu;的连通度B:nu;的聚类系数C:nu;的介数D:nu;的拓扑系数

单选题A17.哪种蛋白质互作检测技术的结果最可靠答案：(A)A:免疫共沉淀技术B:酵母双杂交技术C:串联亲和纯化-质谱分析技术D:计算机预测技术

单选题A18.下列分子网络通常表示为二分网络的是答案：(D)A:基因调控网络B:蛋白质互作网络C:代谢网络D:药物分子与其靶蛋白关系网络

单选题A19.下列哪项不是连接矩阵法表示网络的优点答案：(B)A:表示直观B:易于表示有向网络C:易于表示边的权重D:计算机存储空间小

单选题A110.DIP数据库主要提供哪方面的数据信息答案：(B)A:基因转录调控B:蛋白质相互作用C:代谢通路D:信号传导通路

单选题A111.下列模序在无向网络中常见的是答案：(C)A:自调控环B:前馈环C:全连接集D:单输入模序

单选题A112.下列网络模型不用于重构基因调控网络的是答案：(B)A:布尔网络模型B:无标度网络模型C:线性组合模型D:加权矩阵模型

单选题A113.下列哪项是对层次化网络拓扑属性特征的描述答案：(D)A:连通度分布符合泊松分布，平均聚类系数函数曲线水平B:连通度分布符合幂律分布，平均聚类系数函数曲线水平C:连通度分布符合泊松分布，平均聚类系数与连通度的倒数成正比D:连通度分布符合幂律分布，平均聚类系数与连通度的倒数成正比

单选题A114.下列技术中经常用于检测基因转录调控的是答案：(A)A:染色质免疫沉淀技术B:免疫共沉淀技术C:酵母双杂交技术D:串联亲和纯化-质谱分析技术

单选题A115.下列说法正确的是答案：(B)A:蛋白质相互作用与动态的时间空间无关B:目前蛋白质互作检测技术大多缺乏动态的时间空间信息C:蛋白质互作网络分析无法结合动态信息D:生物分子网络大多是静态不变的

名词解释题16.二分网络答案：(如果网络中的节点可分为两个互不相交的集合，而所有的边都建立在来自不同集合的节点之间，则称这样的网络为二分网络。)

名词解释题17.加权网络答案：(如果网络中的每条边都被赋予相应的数字，这个网络就称为加权网络，所赋予的数字称为边的权重。权重可以用来描述节点间的距离、相关程度、稳定程度、容量等等各种信息，具体所代表的意义依赖于网络和边本身所代表的意义。)

名词解释题18.无标度网络答案：(是指网络中连通度的分布符合幂律分布，即P(k)～k-r的网络。这种分布说明，在无标度网络中大部分节点的连通度较低，但存在少数连通度非常高的节点使网络连接在一起。在这种网络中，平均连通度等标度已经不足以描述网络的规模和结构。)

名词解释题19.邻居计数法答案：(邻居计数法是一种基于蛋白质网络的蛋白质功能预测方法，即通过统计待测蛋白质的邻居中属于不同功能的蛋白质数目，将计数最多的功能作为对待测蛋白质的预测方法。)

名词解释题20.网络模序答案：(子网模式是指一组节点按照特定的顺序连接而成的结构。网络模序是指网络中出现次数远超过随机期望的子网模式。)

名词解释题21.网络距离答案：(网络中的路径是指一系列节点，其中每个节点都有一条边连接到紧随其后的节点。对包含节点数目有限的路径来说，第一个结点称为起点，最后一个节点称为终点，两者均可称为路径的端点，其余的节点则称为路径的内点或中继点。这样的路径也称为连接起点与终点的路径。路径中所经过边的权重之和称为路径的权重，也称为路径的长度。在连接两个节点的所有路径中，长度最短的路径称为最短路径，最短路径的长度称为从起点到终点的距离。)

简答题22.请制定一个方案，利用基因表达谱数据重构网络，并进行分析。答案：(表达相关网络可以以等权网络形式构建，构建步骤如下：(1)利用基因表达谱计算表达相关矩阵，得到任意两基因间的表达相关性指标其中表达相关性指标可以根据研究目的选用Pearson相关系数、互信息和欧氏距离等。(2)选定阈值，获取显著相关的基因对。阈值的选定可以采取选定特定百分比，指标统计推断或者重排表达谱构建随机背景以获取显著性阈值等方法。(3)以相关性超过阈值的基因对作为边，基因作为节点，构建表达相关网络。基因表达相关网络可以是等权的也可以以相关系数或由相关系数决定的函数作为权值，构建加权网络。通过对基因表达相关网络的分析，可以分析基因间的功能联系，进而获得在特定实验条件下的功能相关集合。也可以结合其他生物分子网络，构建实验：条件特异的动态生物分子网络。方案二：利用基因表达信息等高通量数据挖掘基因调控关系，并以此重构基因调控网络对基因调控网络分析有着重要的意义。最常用的构建基于表达数据的基因调控网络模型包括布尔网络模型、加权矩阵模型、线性组合模型等。基于表达数据使用机器学习或者其他智能训练的方法可以构建一个真实的布尔网络。其基本原理是根据基因表达的实验数据建立待研究的基因之间的相互作用关系，确定每个基因的连接输入(或调控输入)，并且为每个基因生成布尔表达式，或者形成网络系统的状态转换表。对于复杂的网络，在网络构造过程中，其搜索空间非常大，需要利用先验知识或合理的假设，以减小搜索空间，有效地构造布尔网络。线性组合模型是一种连续网络模型，在这种模型中，一个基因的表达值是若干个其他基因表达值的加权和。基本表示形式为：《imgalt=""style="width:96px;height:29px"src="/Files/Image/001/001002/001002003/001002003001/001002003001021/001002003001021012/061b7f3a9b00414e889cc88b0870d659.jpg"/》其中，Xi(t+1)是基因i在t+1时刻的表达水平，Xi(t)是基因j在t时刻的表达水平，而omega;ij代表基因j的表达水平对基因i的影响。在这种基因相互关系表示形式中还可以增加一个常数项，反映一个基因在没有其他调控输入下的活化水平。将上述表达式转换为线性差分方程，描述一个基因表达水平的变化趋势。这样，在给定一系列基因表达水平的实验数据之后，即给定每个基因的时间序列｛Xi(t)｝，就可以利用最小二乘法或者多重分析法求解整个系统的差分方程组，从而确定方程中的所有参数，即确定omega;ij最终，利用差分方程分析各个基因的表达行为。实验结果表明，该模型能够较好地拟合基因表达实验数据。加权矩阵模型与线性组合模型相似，在该模型中，一个基因的表达值是其他基因表达值的函数。含有n个基因的基因表达状态用n维空间中的向量u(t)表示，u(t)的每一个元素代表一个基因在时刻t的表达水平。以一个加权矩阵omega;表示基因之间的相互调控作用，omega;的每一行代表一个基因的所有调控输入，omega;ij代表基因j的表达水平对基因i的影响。在时刻t，基因j对基因i的净调控输入为j的表达水平(即uj(t))乘以j对i的调控影响程度omega;ij。基因i的总调控输入ri(t)为：《imgalt=""width="74"height="18"src="/Files/Image/001/001002/001002003/001002003001/001002003001021/001002003001021012/8c27c22e6f7542b3a5e25971f7b21b56.jpg"/》这一形式与线性组合模型相似，若omega;ij为正值，则基因j激活基因i的表达，而负值表示基因j抑制基因i的表达，0表示基因j对基因i没有作用。与线性组合模型不同的是，基因i最终表达响应还需要经过一次非线性映射：《imgalt=""width="124"height="30"src="/Files/Image/001/001002/001002003/001002003001/001002003001021/001002003001021012/02aefcd900234f9799fa415b731c0595.jpg"/》这种函数是神经网络中常用的Sigraoid函数，其中alpha;和beta;是两个常数，规定非线性映射函数曲线的位置和曲度。通过上式计算出t+1时刻基因i的表达水平。在最初阶段，加权矩阵的值是未知的。但是可以利用机器学习方法，根据基因表达数据估计加权矩阵中各个元素的值。对于这样的模型，可以利用成熟的线性代数方法和神经网络方法进行分析。实验表明，该模型具有稳定的和周期稳定的基因表达水平，与实际生物系统相一致。在这种模型中还可以加入新的变量，模拟环境条件变化对基因表达水平的影响。除上述模型外，还可以利用贝叶斯网络模型等方法由表达数据等信息重构基因调控网络，这些模型可以用于预测和验证基因问的转录调控关系，也为分析基因功能，研究生物信号与功能传递机制提供了重要的信息资源。)

简答题23.什么是有向网络和无向网络?请分别举出生物分子网络中的例子说明。答案：(根据网络中的边是否具有方向性或者说连接一条边的两个节点是否存在顺序，网络可以分为有向网络与无向网络，边存在方向性为有向网络，否则为无向网络。生物分子网络的方向性取决于其所代表的关系，如调控关系中转录因子与被调控基因之间是存在顺序关系的，因此转录调控网络是有向网络，而基因表达相关网络中的边代表的是两个基因在多个实验条件下的表达高相关性，因此是无向的。)

简答题24.举例说明无向网络中的常见模序及其生物学意义。答案：(研究者从基因调控网络等有向网络中发现了一些特殊的模序，比较重要的有调控环、前馈环和单输入模序等。自调控环模序包括正向自调控环和负向自调控环，即转录因子促进或抑制自身转录的机制。在大肠埃希菌(《em》E．Coli《/em》)基因调控网络中存在较多的自调控模序。前馈环模序则是在很多物种中常见的一种调控机制，即转录因子A调控转录因子B和基因C，而同时转录因子B也调控基因C。事实上，由于调控机制本身可以为正向和负向，前馈环还可以分为8种不