生物信息学课后思考题答案

第三十八页第一章生物信息学的概念及发展历史1．登陆GenBank/ENA/DDBJ三大数据库网站，进行了解学习。GenBank、ENA和DDBJ是国际三大核酸序列数据库，共同组成GenBank/ENA/DDBJ国际核酸序列数据库，每日同步更新数据。用户可通过以下方式了解学习：GenBank（美国国家生物技术信息中心NCBI维护，网址/genbank/）：提供海量核酸序列数据及BLAST比对工具，支持关键词、序列号或物种检索。ENA（欧洲生物信息研究所EBI管理，网址https://www.ebi.ac.uk/ena）：除序列存储外，整合了测序原始数据（如FASTQ文件）和注释信息，支持复杂查询及数据批量下载。DDBJ（日本国立遗传学研究所运营，网址https://www.ddbj.nig.ac.jp）：专注亚洲生物数据，提供序列提交服务及物种分类工具，界面支持日语和英语。可以依次访问三大数据库官网，通过“帮助文档”或“教程”模块学习基本操作，例如使用Entrez系统检索或利用序列比对功能，结合文档中提及的联合数据交换特点（如数据同步性）进行实践探索。2．生物信息学的主要应用有哪些？①生物信息学数据库：数据库建设；数据库整合和数据挖掘。②序列分析：序列比对；基因序列注释③其他主要应用：比较基因组学；基因和蛋白质的表达分析；生物芯片大规模功能表达谱的分析；蛋白质结构的预测；蛋白质与蛋白质相互作用；表型组学；生物系统模拟；代谢网络建模分析（预测调控网络、网络普遍性分析、建立模型分析）；计算机进化生物学；生物多样性研究；合成生物学；生物医学文本挖掘3．从表1-1中你能总结出生命科学与计算机科学发展的哪些规律？生命科学与计算机科学大事记的对比分析可总结出以下规律：1.技术发展相互依存计算机技术赋能生命科学：如20世纪70年代Needleman-Wunsch序列比对算法（1970年）和Smith-Waterman算法（1981年）的开发，为分子生物学数据分析提供了工具；人类基因组计划（1990年启动）依赖计算机高效处理海量数据，同时催生生物信息学作为独立学科分支。生命科学需求驱动计算技术创新：例如蛋白质结构预测和基因组注释的需求促进了机器学习、高性能计算（如“天河”系列超算）和云计算（2010年后广泛应用）的发展。2.革新性技术引领跨越式突破计算设备的算力迭代与测序技术创新同步：例如第一代电子管计算机（1946年）与基因调控理论（1941年）同期出现；第二代测序技术（2003年）与Linux内核、WindowsServer2003等算力支撑同期发展；第三代测序技术与量子计算、“天机芯”类脑芯片（2019年）等新型计算模式同步推进。生物数据爆发倒逼存储与算法升级：如DNA测序数据量从GenBank的早期版本到21世纪的万亿碱基级别增长，对应数据库技术（如XML标准、分布式存储）、并行计算和深度学习算法的革新。3.学科交叉深化融合软硬件工具与生物问题深度结合：UNIX操作系统（1969年）、C语言（1972年）的诞生为生物信息软件（如BLAST）提供开发基础；互联网（1984年节点破千）、BBS（1978年）和云计算（2007年）促进了全球生物数据共享与协作。跨领域技术里程碑重合：如PCR技术（1983年）与微软Windows系统命名同年；CRISPR技术（2013年）突破与人工智能AlphaFold（2020年）深层关联，体现信息技术与基因编辑的协同创新。4.从学科分立到系统整合20世纪侧重基础工具构建：早期以孤立工具为主（如机械计算器、电报与遗传规律发现），后期逐步对接（如蛋白质组学概念与SGML标准同年提出）。21世纪趋向多维融合：例如，千人基因组计划（2008年）与多核处理器（英特尔酷睿i7）同步推进；单细胞测序技术（2017年）与“天河三号”超算、量子计算机等技术协同解决复杂生物问题。5.核心驱动力持续迁移硬件→算法→数据驱动：从计算机硬件性能提升（如ENIAC到IBM深蓝），到关注算法效率（动态规划算法用于序列比对、深度学习用于结构预测），最终转向数据驱动的多组学研究（如2010年后外显子测序、表观基因组图谱依赖大数据平台）。4．查阅代谢网络建模分析的最新进展。（1）​转录组与代谢网络整合建模的新突破​张贺飞/李旭航团队通过开发WormPerturb-Seq技术，实现了线虫全机体水平的代谢基因扰动与转录组数据整合，构建了首个线虫代谢流全网络分布图谱。该方法通过分析转录变化的显著性和相似性预测代谢流状态，结合稳定同位素示踪实验验证，揭示了成年线虫以戊糖磷酸循环主导、依赖蛋白质和RNA供能等颠覆性发现，突破了传统代谢模型的局限性。该模型为活体代谢网络的动态解析提供了新范式，并获《自然》审稿人高度评价为“突破性进展”。（2）​结构动力学建模方法的创新应用​RalfSteuer等人提出的结构动力学建模方法，通过分析代谢网络Jacobian矩阵的参数化表示，无需依赖特定动力学方程即可研究系统动态行为。该方法以糖酵解和卡尔文循环为例，揭示了代谢网络稳态附近的稳定性和振荡机制，例如ATP反馈抑制导致糖酵解振荡、卡尔文循环在低产物抑制下的分岔现象。这种归一化建模框架为复杂代谢网络的高通量动力学分析提供了通用工具。（3）​酶约束模型构建的自动化与标准化​陈禹团队开发的GECKO3.0工具箱解决了酶约束模型参数匮乏的难题，新增酶参数预测模块和轻量化模型构建选项，支持任意物种的高精度建模。该工具通过79步标准化流程整合基因组、酶动力学及多组学数据，显著提升模型预测性能（如细胞工厂设计效率），被《自然-实验手册》推荐为下一代代谢模型构建指南。（4）​人工智能驱动的代谢模型优化​机器学习在代谢工程中实现多项突破：①DeepEC、ECPICK等算法通过蛋白质语言模型预测酶功能，提升代谢网络注释精度；②随机森林模型整合气象、水文数据预测河流网络代谢参数（GPP、ER），空间预测相关性达0.85以上；③基于代谢资源重叠分析的SMETANA方法量化微生物互作强度，结合随机矩阵理论筛选网络阈值，显著提升生态网络可靠性。（5）​微生物代谢互作网络分析工具升级​iNAP2.0平台新增代谢互补性分析模块，整合PhyloMint、SMETANA等工具，可计算物种间代谢物转移潜力并构建二分网络。其创新性在于：①利用RMT理论客观筛选互作阈值；②可视化代谢物介导的微生物互作链路，为解析肠道/土壤等复杂群落的代谢分工提供新方法。该工具已成功应用于宏基因组数据驱动的碳氮循环网络重构。5．有人说，生物将是下一场技术革命的热土，你认为生物信息学对生物的产业化有哪些方面的贡献？(1)​加速药物研发与精准医疗​：生物信息学通过整合基因组、蛋白质组等大数据，显著缩短药物靶点筛选和分子设计周期，推动创新药研发效率提升。例如，在癌症研究中能识别肿瘤标志物并预测疾病进展，支持个体化治疗方案制定。结合人工智能技术，还可优化药物活性预测和临床试验设计。(2)​推动农业生物技术创新​：在作物基因组分析和分子育种中，生物信息学帮助鉴定抗病、高产基因，加速抗虫水稻、耐旱小麦等新品种培育，提升农业生产效率。同时支持精准农业管理，通过土壤、气候数据分析优化资源分配，减少环境负担。(3)​赋能生物制造与工业升级​：基于生物大数据的代谢网络建模和酶工程优化，生物信息学助力微生物细胞工厂设计，提升生物燃料、生物基材料等产品的生产效率与可持续性，推动传统化工向绿色制造转型。(4)​支撑生物多样性保护与环境治理​：通过分析物种遗传多样性、生态系统数据，生物信息学为濒危物种保护、污染监测及生态修复提供科学依据，例如识别濒危物种遗传资源并制定保护策略。(5)​驱动跨领域技术融合与产业协同​：作为生物学与人工智能、大数据等技术的交汇点，生物信息学促进生命科学从认知向工程化跨越，催生智能医疗、合成生物学等新兴领域，形成生物经济创新集群效应。综上，生物信息学通过数据驱动的技术突破，正在重构生物医药、农业、制造及环保等产业的核心竞争力，为生物技术从实验室走向规模化应用提供全链条支撑。第二章生物学数据库及其检索1．一级数据库与二级数据库的区别是什么？生物类的数据库类别：一级数据库：数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理和注释；二级数据库：对原始生物分子数据进行整理、分类的结果，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立的。一级数据库与二级数据库的主要区别如下：一级数据库（如GenBank、PDB）是存储实验原始数据的档案库（如测序结果、晶体结构数据），仅含基础注释（如物种来源、文献信息）；二级数据库（如RefSeq、UniProt）则基于一级数据进行加工，通过计算分析或人工注释添加功能、结构等深度信息（如预测蛋白质功能、生成一致性序列）。二级数据库的注释虽对研究意义重大，但也需警惕程序自动生成结果的潜在误导性。简言之，一级库侧重原始数据归档，二级库侧重信息整合与知识挖掘。2．数据库的FlatFile和XML格式各有何特点？(1)FlatFile格式特点1通用性与跨平台性：以纯文本形式存储，使用分隔符区分字段与记录，兼容几乎所有计算系统与工具（如UNIX命令行工具）。可通过FTP、电子邮件轻松传输，独立于操作系统平台。简单易处理：无需复杂数据库管理系统，可用正则表达式解析（如Perl脚本），适合快速开发自定义处理程序。存储与检索局限性：数据规模增大时（如GenBank达上千GB），检索效率低下（需全文遍历）。维护困难，格式变更需同步更新所有解析工具。数据冗余问题：随着数据库扩展，重复信息可能增多（如EMBL的CON序列条目需动态组装），导致存储空间利用不高效。(2)XML格式特点结构化与自描述性：通过嵌套标签组织数据，形成层次化树状结构（如PubMed的XML条目），辅以DTD（文件类型定义）或Schema规范数据类型与关系，支持复杂数据建模。标准化与扩展性：符合W3C国际标准，跨平台兼容性强；支持XQuery/XPath等查询语言，适用于分布式系统（如NCBI的PubMed数据库）。高效数据交换：紧凑的文本格式适合网络传输（如SOAP协议），同时DOM（文档对象模型）提供标准化解析接口，便于编程处理。适用场景：常用于动态、异构数据的集成（如生物医学文献数据库和术语库MeSH），支持工作流管理与跨数据库引用。3．Entrez的检索途径有哪些？（1）全局检索（GlobalSearch）在Entrez全局搜索页面输入关键词，可同时检索NCBI集成的多个数据库（如PubMed、GenBank、OMIM等），返回各数据库的命中数量，用户可进一步选择特定数据库查看详细结果。1（2）特定数据库检索通过NCBI主页的下拉菜单或数据库主页链接（如Gene数据库主页/gene）选择单一数据库进行检索，支持更精确的搜索条件（如布尔操作符AND/OR/NOT）。1（3）高级检索（AdvancedSearch）使用“查询构造器”构建复杂检索式，通过选择字段（如Organism、SequenceLength）、时间范围等限定条件。（4）布尔操作符与字段限定支持AND、OR、NOT逻辑运算，结合方括号指定字段（如Homosapiens[Organism]），提高检索准确性。（5）历史记录与保存搜索检索历史自动保存，支持通过“MyNCBI”账户保存常用检索式，并设置自动化更新。（6）批量检索（BatchEntrez）上传包含序列GI号或AccessionNumber的文本文件（格式如FASTA或TXT），一次性获取多条记录的详细信息。（7）过滤器（Filters）登录后可使用过滤器限制结果，如按物种分类（Taxonomy）、文献类型、发表时间等筛选。（8）剪贴板（Clipboard）功能临时存储500条记录（8小时有效），允许跨页面整合和下载不同检索结果，支持自定义显示格式和排序方式。（9）跨数据库链接（Hard/SoftLink）通过记录的硬链接（直接关联）或软链接（预计算的相似记录，如BLAST相似序列）跳转至相关数据库条目，实现数据交叉索引。例如，基因记录可链接至蛋白结构或文献摘要。第三章序列比对原理1．利用dotplot方法，完成ANALYSIS和NALYZES两条序列的比对。2．氨基酸序列打分矩阵PAM和BLOSUM中序号有什么意义？它们各自的规律是什么？PAM矩阵的序号（如PAM250）表示每100个氨基酸残基经历的进化突变数。一个PAMn单位对应每100个残基发生n次可接受的点突变总和（可能存在同一位置的多次突变）。PAMn值越大，代表的进化距离越长（如PAM250比PAM1适合更远源序列）。其规律是数值与进化距离成正比，适用于模拟较长进化历程的累积突变。BLOSUM矩阵的序号（如BLOSUM62）表示构建矩阵时使用的最小序列相似性百分比阈值。例如BLOSUM62基于相似性≥62%的序列局部比对区块。BLOSUM数值越小，所代表的进化距离越长（如BLOSUM50比BLOSUM62适用于更远缘比较）。其规律是数值与序列保守性正相关，与进化距离负相关，更符合远距离替换的统计特征。

3．动态规划算法的时间和空间复杂度是多少？4．在进行实际的多重序列比对时，常采用什么样的策略？多重序列比对的常用策略​​1、渐进式比对​基于序列相似度构建指导树，逐层合并序列形成全局比对，工具包括ClustalW/X和MAFFT。优势是速度快，适合中等规模数据，但早期错误可能影响后续结果（“冻结效应”）。​2、迭代优化​通过动态调整权重、重新比对和循环优化修正渐进比对的局部错误，工具如MUSCLE和T-Coffee。适用于远缘序列或结构域差异大的蛋白家族，计算成本较高。3、​隐马尔可夫模型（HMMs）​​利用概率模型描述序列保守区与变异区域，工具如HMMER。对低相似度序列敏感，尤其适合跨膜蛋白比对，但依赖初始比对质量。​4、基于结构的比对​结合已知结构模板（如PDB）约束保守区域对齐，工具如Promals3D。显著提升远缘序列精度，但需依赖实验结构数据。​5、分割与合并​先识别保守锚点局部比对，再整合全局结果，适用于含重复元件的序列，如MAFFT的分割策略。需可靠锚点识别算法支撑。​6、空位罚分调整​采用仿射罚分区分空位起始与延伸，工具如ClustalW。结合残基属性动态调整，平衡比对敏感性与特异性。​7、快速算法​利用k-mer索引、FFT或降维处理加速超大规模数据比对，如ClustalOmega的mBed算法，牺牲部分精度换取效率。​8、人工校对​通过工具（Jalview）手动修正关键位点，结合实验证据确保生物学合理性，弥补自动化工具的局限性。​流程总结​：数据预处理→选择工具（依规模/类型）→优化参数→迭代优化→人工验证，兼顾效率与精度。5．使用Clustal、T-Coffee、MultAlin等工具进行多序列比对，并比较它们结果的异同。Clustal、T-Coffee和MultAlin三种多序列比对工具的异同点总结如下：一、共同点核心目标：均用于生物序列的多序列比对，旨在发现序列间的保守区域、功能/结构域及进化关系。算法基础：均涉及序列的层次化或渐进式处理（如Clustal的渐进比对、MultAlin的层次聚类）。适用范围：均支持核酸和蛋白质序列比对，可通过在线平台或本地软件使用。输出功能：均支持生成保守区域比对结果，可用于下游系统发育分析或功能注释。二、不同点①核心算法与特点Clustal（W/X）渐进式比对：通过两两比对构建指导树，逐步添加序列，但早期比对错误可能无法修正（“冻结”问题）。优化策略：动态调整空位罚分和打分矩阵，适合一般性分析。分支工具：ClustalOmega支持大规模数据，速度快但仅命令行操作；ClustalX有图形界面但处理量有限。T-Coffee整合多源信息：结合全局/局部比对结果及结构、功能等外部数据，准确性更高。处理复杂场景：适合蛋白质比对，尤其是低相似性序列，但速度较慢；提供快速模式优化高相似性序列。人工干预支持：允许用户手动调整比对结果，减少自动算法的误差。MultAlin层次聚类算法：通过双序列比对生成距离矩阵，分层次聚类后完成多序列比对。轻量化设计：适合小规模、短序列的快速比对，但对长序列或大规模数据计算效率低且内存占用高。②适用场景Clustal：广泛应用于常规研究，平衡速度与精度，适合中等规模的数据（如数百条序列）。T-Coffee：适用于高精度需求场景（如功能关键区域分析），但处理大规模数据时受限。MultAlin：专为少量短序列设计，常用于实验室小样本分析，不适合基因组级数据。③性能与资源消耗速度：MultAlin（小数据最快）＜Clustal（中等）＜T-Coffee（最慢）。准确性：T-Coffee＞Clustal≥MultAlin（保守区域检测）。扩展性：ClustalOmega可处理数十万条序列；T-Coffee和MultAlin仅限小/中规模。④用户体验界面支持：ClustalX提供图形界面；T-Coffee和MultAlin以命令行或在线服务为主。灵活性：T-Coffee允许人工编辑，适应复杂需求；Clustal和MultAlin依赖全自动流程。总结Clustal是通用的高效工具，T-Coffee适用于高精度复杂分析，而MultAlin适合小规模快速比对，三者互补，需根据数据规模、精度需求及资源条件选择。第四章蛋白质结构预测与分析1．为什么说蛋白质的高级结构是由一级结构决定的？​①一级结构决定折叠基础​：蛋白质一级结构（氨基酸序列）编码其三维构象的所有信息，支持Anfinsen的热力学假说：天然构象是自由能最低的稳定态。实验（如牛胰核糖核酸酶复性）表明，仅凭一级结构即可自发重构高级结构，证明序列本身蕴含完整折叠指令。②理化性质驱动折叠机制​：氨基酸的氢键、疏水性等性质直接引导折叠：疏水残基形成内核，亲水残基暴露表面；脯氨酸破坏α螺旋，半胱氨酸通过二硫键稳定结构。这些特性由序列决定，并控制局部构象（如α螺旋/β折叠）和整体疏水效应。③同源序列反映结构保守性​：同源蛋白（序列同一性低至25%）常保持相似折叠模式，保守残基对应关键结构或功能位点（如酶活性中心）。基于此，同源建模方法（如SWISS-MODEL）通过序列比对推导结构，印证序列保守性对构象的决定作用。④序列突变引发结构异常​：错义突变（如Prion中PrP^C→PrP^Sc构象转化、ΔF508导致囊性纤维化）通过破坏折叠稳定性或质量控制引发疾病，表明特定序列对构象选择具有敏感性，突显一级结构对高级构象的严格约束。⑤进化中的结构约束性​：蛋白质折叠模式（如TIM桶）在进化中高度保守，核心疏水残基序列严格保留，表面残基允许变异。SCOP/CATH数据库显示不同序列可趋同于同一超折叠框架，反映自然选择对序列-结构关系的维持。⑥实验与预测验证序列决定论​：实验解析（X射线、NMR）显示构象与序列特征高度吻合；AI预测工具（AlphaFold）仅凭序列即可高精度模拟结构，进一步证实一级结构决定高级构象的理论基础。

2．列举蛋白质结构比对的基本原理和方法。蛋白质结构比对旨在通过比较不同蛋白质的三维空间结构相似性，揭示其潜在的进化关系、功能关联及结构分类基础。其核心是通过定义蛋白质的“共同子结构（equivalentset）”，在三维空间中最大化结构重叠区域。评价标准常采用打分函数，包括分子间均方根偏差（cRMS）和分子内均方根距离（dRMS）。前者通过刚体转化（平移和旋转）最小化对应原子坐标差异，后者则基于距离矩阵衡量拓扑相似性。结构比对的统计显著性通过Z-score或概率值（P-value）评估，最终反映功能或进化相关性的强弱。方法：（1）DALI方法：基于分子内距离矩阵比较，采用蒙特卡罗模拟拼接相似片段，适用于探索远缘蛋白的进化关系。（2）CE方法：通过匹配8残基片段迭代优化比对，引入Z值评估结构相似性，适合分析超家族层级的结构关联。（3）STRUCTURAL方法：使用分子间距离和动态规划算法，结合刚体叠加优化比对，支持多初始策略提升全局比对精度。1（4）SSM方法：通过匹配二级结构单元迭代扩展比对区域，利用几何参数Q评估结构相似性，显著提升计算效率。1（5）TM-align方法：采用TM-score衡量结构相似性，结合多初始策略快速优化，适用于大规模结构数据库搜索。1（6）多结构比对方法（如MultiProt）：采用渐进式策略构建系统发育树，实现多序列结构层次化全局比对。（7）柔性比对方法：允许铰链点弯曲优化刚体比对，解决大构象变化蛋白的结构匹配问题。1（8）功能位点比对（如CPSARST）：专注于活性位点/配体结合口袋的局部结构相似性分析，强化功能相关性推断。1（9）VAST方法：基于图论构建三维几何核心，通过二级结构向量匹配快速筛选结构相似区域。（10）SuperPose方法：采用四元数建模优化叠加参数，实现多构象动态比较及结构动态性可视化。3．分类介绍蛋白质结构预测的方法并简述其原理。蛋白质二级结构预测方法1.经验参数法（如Chou-Fasman方法）

原理：基于单个氨基酸残基形成不同二级结构（α螺旋、β折叠、β转角）的统计倾向性因子。通过对已知结构的蛋白质进行统计分析，预测未知序列的二级结构。特点：简单易用，但精度较低（约60%）。

2.信息论方法（如GOR方法）

原理：结合贝叶斯统计学和信息论，考虑氨基酸残基的局部序列环境（相邻残基的影响），计算残基处于不同二级结构的概率。特点：精度较经验参数法有所提升（约65%）。

3.人工神经网络法（如PHD、PSIPRED）

原理：利用多序列比对输入信息，通过非线性神经元网络模型学习和训练已知结构的蛋白质序列与二级结构的映射关系，进而预测新序列的结构。特点：引入进化信息，精度显著提高（70%以上）。

蛋白质三级结构预测方法1.同源建模（HomologyModeling）原理：假设序列相似性（≥25%）的蛋白质具有相似的三维结构。以已知结构的同源蛋白为模板，通过序列比对构建目标蛋白的保守核心骨架，补充可变区并优化能量。2.折叠识别（FoldRecognition，或Threading）原理：基于结构保守性优于序列保守性的假设，将目标序列“穿针引线”匹配到已知折叠类型的结构库中，筛选能量最优或统计显著的模板。3.从头预测法（AbInitioPrediction）原理：根据物理化学原理（如自由能最小化），直接从序列计算三维结构。通过模拟构象空间搜索能量最低的稳定结构。24.综合预测法（HybridMethods）原理：结合同源建模、折叠识别和从头预测，针对不同区域选择最优策略。例如对保守区用模板建模，对未覆盖区域从头预测。优势：解决单一方法的局限性，提高整体精度（如AlphaFold引入深度学习框架）。

4．叙述主要的蛋白质结构预测的评价方法。1.RMSD（均方根偏差）：通过计算预测模型与实验结构间α碳原子位置的均方差，评估三维结构的相似性。

2.立体化学合理性分析：如Ramachandran图检查，验证主链二面角是否符合物理允许范围，通常要求85%以上残基处于许可区域。

3.能量函数和统计评估：使用Verify3D、ProQ等工具评估残基三维环境兼容性及模型能量分布，结合Z-score或E-value衡量匹配显著性。

4.CASP竞赛与实时评价：通过国际蛋白质结构预测竞赛（CASP）对比实验未公开结构的预测结果，或利用PDB新结构实时验证算法可靠性。1

5.局部结构评估：检测侧链构象、键长/键角异常及原子碰撞等细节问题，确保模型化学合理性。

5．简要介绍蛋白质折叠的几种理论模型。1.框架模型（FrameworkModel）

该模型认为蛋白质局部构象的形成依赖于局部的氨基酸序列。折叠过程分阶段进行：首先形成不稳定的二级结构单元（如α螺旋、β折叠），随后这些单元逐步靠近并形成稳定的二级结构框架，最终通过拼接和收缩形成完整的三级结构。2.疏水塌缩模型（HydrophobicCollapseModel）强调疏水作用在折叠中的主导作用。在未形成明确二级结构前，多肽链因疏水相互作用快速发生非特异性塌缩，形成近似球状的中间态，随后在此基础上有序组装为天然结构。3.扩散-碰撞-黏合机制（Diffusion-Collision-AdhesionModel）1

折叠起始于多肽链局部生成不稳定的二级结构或疏水簇，通过布朗运动扩散并碰撞黏附，形成更大的中间体。此过程逐步迭代，最终调整为高度有序的天然构象

4.成核-凝聚-生长模型（Nucleation-Condensation-GrowthModel）

该模型提出折叠由特定区域形成的“晶核”触发。晶核由特殊氨基酸残基通过特异相互作用（非单纯疏水作用）紧密堆积而成，随后以此为起点向外扩展完成整个多肽链的折叠。5.拼版模型（Jig-SawPuzzleModel）

认为折叠存在多条路径，不同部分独立形成结构后整合为最终构象。即使某路径受阻，其余路径仍可完成折叠，增强了过程的效率和容错性，避免单一路径易受干扰的缺点。

第五章基因组学1．常用的编码蛋白质基因的注释方法有哪些？①基于实验证据的注释通过比对已知的实验证据（如RNA-seq数据、EST序列、全长cDNA或同源蛋白质序列）进行注释。例如，利用EST补全基因结构（顺式比对），或使用其他物种的蛋白质序列（反式比对）。软件如AAT、GeneWise通过匹配序列保守区域构建基因模型，Ensembl通过整合多源证据实现自动化注释。②从头预测方法根据序列组成特征（如密码子偏好性、剪切位点信号）建模预测。隐马尔可夫模型（Genscan）、动态规划算法被广泛采用。此类方法依赖训练集参数，在缺乏实验证据时效果有限，但对新物种基因组注释不可或缺。③比较基因组学驱动的重新预测利用与近缘物种基因组的比对信息优化预测。例如，CONTRAST通过分析多序列比对中的自然选择信号（如读框连贯性、3倍数的indel模式）提高准确性。这一策略显著减少假阳性，适用于人类、果蝇等有丰富比较数据的物种。④多证据整合策略综合实验证据、从头预测和跨物种比对结果，采用权重模型（如EVM、JIGSAW）生成高置信度基因结构。例如，黄瓜基因组注释中通过EVM整合不同软件预测结果，并通过过滤低质量模型（如含转座元件或提前终止密码子）提升注释可靠性。人工整合（如RefSeq、HAVANA）与自动方法互补，兼顾质量与效率。2．如何识别假基因？同源序列搜索：使用BLAST工具（如BLASTn/BLASTx）将目标序列与已知蛋白质数据库（如UniProt）进行比对（E值阈值通常设为＜1×10⁻⁴），筛选出与已知功能基因高度同源的区域。排除功能基因干扰：去除与已有基因高度重叠的序列，确保候选假基因不与已知基因的外显子区域重合。冗余及结构处理：合并相邻同源片段，并通过动态规划算法进行精细比对（如FASTA），覆盖度需超过母基因编码区的70%，确保候选区域能有效代表假基因的完整退化特征。功能缺失特征判定：移码突变：检测序列是否存在破坏开放阅读框（ORF）的无义突变或移码突变。结构缺陷：如缺少启动子、内含子剪接信号或终止密码子异常。PolyA尾检测（针对加工假基因）：逆转录整合的加工假基因常保留3′端PolyA尾。分类验证：通过比对母基因的序列变异模式和进化保守性，区分非加工假基因（基因组复制后累积突变）与加工假基因（RNA逆转录插入）。关键工具与数据库：需结合RepeatMasker屏蔽重复序列，利用Swiss-Prot/TrEMBL过滤假阳性，并通过类似PseudoPipe的流程自动化筛选。最终通过实验（如RT-PCR）或功能验证排除可能的假阳性。3．简述基因组注释的基本流程。结构注释（功能元件识别）蛋白质编码基因注释：基于证据的比对：利用已知的cDNA、EST或蛋白质序列与基因组进行比对（顺式或反式比对），识别外显子与内含子结构。常用工具如PASA、GeneWise等。从头预测：根据编码基因特征（如ORF、剪接位点、启动子等）进行预测，使用工具如GlimmerHMM、GeneScan等。整合预测结果：通过自动（如EVM）或人工整合不同方法的输出，生成一致基因模型。RNA基因注释：使用工具如tRNAscan-SE（tRNA）、INFERNAL（基于Rfam数据库预测snoRNA、miRNA等）、Snoscan（C/DboxsnoRNA）进行非编码RNA的识别。重复序列注释：已知重复元件识别：利用数据库（如Repbase、TIGR）与RepeatMasker进行比对标记。从头预测：通过工具如RepeatScout、RECON识别新的重复序列家族并分类。假基因注释：通过同源性搜索（BLAST比对）结合特征筛选（如移码突变、PolyA尾等），区分加工假基因与非加工假基因。功能注释（生物学功能推断）功能注释整合：序列比对（BLAST）与功能数据库匹配（如UniProt、KEGG、InterPro等），推测基因功能。利用GO（基因本体）、KEGG通路数据库进行功能分类和富集分析。结构域预测：使用InterProScan、Pfam等工具识别蛋白质功能结构域。质量评估与验证通过实验证据（如RT-PCR、转录组数据）或保守性分析验证注释准确性。检查注释结果的一致性，剔除冗余与错误注释（如假基因误判为功能基因）。总结流程：基因组注释的基本流程为“结构元件识别→功能关联→质量评估”，核心涵盖蛋白质编码基因、RNA基因、重复序列及假基因的预测，并结合多源数据（如转录组、同源序列）与数据库工具实现功能注释，最终通过整合与验证形成完整的基因组注释结果。准确注释需综合计算预测与实验证据，确保功能元件的可靠性和全面性。第六章基因组学1．简述转录组学的定义和研究内容。转录组学的定义为研究全基因组尺度下所有转录本（即转录组）的学科，其核心对象包括细胞中各类RNA分子，如mRNA、rRNA、tRNA及非编码RNA等，但常特指mRNA。它从RNA水平解析基因表达调控机制，揭示遗传信息从DNA到蛋白质传递的动态过程。研究内容涵盖基因表达差异分析、可变剪切事件鉴定、转录本异构体检测、共表达网络构建及功能富集分析（如GO与KEGG通路）。核心技术为RNA-seq，支持差异表达基因筛选、功能模块挖掘，并应用于时间序列分析、转录调控网络解析及多组学数据整合等领域。2．RNA-seq和基因芯片比较具有哪些优势？不依赖参考基因组：无需预先设计探针，可直接鉴定新转录本。检测灵敏性更高：可检测极低丰度RNA（低至10^-6水平）。动态范围更广：能准确覆盖高表达与低表达基因的定量分析。无探针偏好性：避免基因芯片中交叉杂交产生的背景噪音问题。支持拓展分析：如可变剪切、基因融合、转录异构体等复杂研究。3．简述转录本测定研究的发展历程。转录本测定研究发展历程：早期采用Northernblotting和RT-PCR等低通量技术；20世纪80年代基于Sanger测序的EST、SAGE、CAGE技术提升了通量但仍有局限；90年代基因芯片通过杂交探针实现表达谱测定；2008年RNA-seq技术突破性应用，直接测定转录本序列及表达量；近年第三代测序和单细胞测序技术进一步推动高精度时空解析。4．什么是链特异性文库？链特异性文库是一种在建库过程中保留RNA链方向信息的测序文库构建方法，通过特定技术（如dUTP标记第二链）区分转录本的正义链和反义链，使得测序数据能够准确反映原始RNA的方向。这种文库在转录组分析中尤为重要，可精确识别重叠基因、反义转录本及链特异性表达，提升基因表达定量和转录本注释的可靠性。5．简述RNA-seq文库制备过程。根据文档内容，RNA-seq文库制备过程可简述如下：总RNA提取：从目标组织/细胞中分离总RNA，并用脱氧核糖核酸酶降解残留DNA，通过电泳评估RNA质量。RNA分离纯化：mRNA富集：通过PolyA尾捕获（磁珠偶联PolyT）筛选成熟mRNA；或rRNA移除：针对需要保留非编码RNA的样本，通过探针去除占比较高的rRNA。RNA片段化：采用超声波、酶切或喷雾法将RNA随机打断为小片段（约200-300bp）。cDNA合成：利用随机引物对RNA片段进行反转录，生成双链cDNA；链特异性文库构建时，通过化学标记保留原始RNA链方向信息。建库处理：末端修复：补平cDNA片段末端，形成平末端；接头连接：在片段两端添加测序接头（含adaptors和index序列）；长度筛选：通过凝胶电泳/磁珠法选择适宜长度的片段（如200-500bp）。PCR扩增：对筛选后的片段进行扩增，提升文库浓度，并富集带接头的有效片段。文库质检：使用Qubit定量、AgilentBioanalyzer分析片段大小分布，确保文库质量和浓度符合测序要求。6．比较RPKM和DESeq标准化方式的优缺点。RPKM标准化方式的优缺点

优点：校正基因长度和测序深度差异，使不同样本表达量可合并分析。

缺点：易受高表达异常值的影响。DESeq标准化方式的优缺点

优点：通过中位数校正减少异常值干扰，稳定处理生物学重复变异。

缺点：未校正基因长度偏差，影响定量准确性。

7．简述无参考基因组RNA-seq分析过程。无参考基因组RNA-seq分析过程包括以下步骤：首先对测序数据进行质量控制（如FastQC评估，Trimmomatic过滤低质量读段及截短适配体），随后使用Trinity等工具进行从头组装（将reads切割为k-mer、聚类生成Contigs、拆分deBruijn图获得全转录本）；组装完成后通过bowtie将原始reads重新比对到组装的转录本上，采用RSEM或kallisto进行表达定量，并利用Blast2GO等工具进行功能注释，生成Unigene参考注释信息。该流程通过构建转录本图谱实现无参考条件下的基因表达解析。8．为什么差异表达分析一般都需要生物学重复？差异表达分析通常需要生物学重复的主要原因在于准确区分处理效应与随机变异。生物学重复（即同一处理下多个独立样本）能够通过量化组内变异（如个体差异、环境因素及技术噪声），为统计模型提供可靠的误差估计基础，从而有效控制假阳性率。在假设检验中，组间差异需显著大于组内差异才能判定处理相关的基因表达变化；若缺乏重复，无法解析真实变异来源，导致统计功效下降（如无法通过负二项分布模型准确估计离散度），可能误将随机波动视为显著差异。例如，DESeq2和edgeR等工具依赖重复数据计算基因表达的离散参数，进而校正检验统计量，确保差异基因筛选的可靠性。因此，生物学重复是提升差异表达分析结果严谨性和可重复性的必要条件。

9．简述SOM聚类过程。SOM（自组织映射）聚类过程是一种基于神经网络的无监督学习方法，通过竞争学习和拓扑保持机制将高维数据映射至低维（通常为二维）网格结构，具体步骤如下：

网络初始化：构建二维输出层神经元网格（如矩形或六边形），随机初始化各神经元的权重向量（维度与输入数据相同）。

竞争阶段：输入样本后计算其与所有神经元权重向量的距离（如欧氏距离），选取距离最小的神经元作为“获胜节点”（最佳匹配单元，BMU）。

邻域调整：根据预设邻域函数（如高斯函数）确定获胜节点的影响范围，邻近神经元的权重将随距离衰减逐步更新。初始化时邻域范围较大，随迭代逐渐缩小以精细化学习。

权重更新：调整获胜节点及其邻近神经元的权重向量，使其向输入样本方向逼近。迭代收敛：重复上述步骤直至权重变化趋于稳定或达到预设迭代次数，最终输出层形成拓扑保持的映射结构，相似样本聚集在相邻节点，从而实现数据聚类和降维可视化。

该方法通过动态调整邻域和学习率实现数据内在结构的自组织映射，广泛应用于基因表达模式分析等功能研究领域。

10．如何利用RNA-seq研究基因融合？根据文档内容，利用RNA-seq研究基因融合主要通过以下方式：首先在测序数据比对阶段，双末端测序（paired-endreads）可通过成对reads跨不同基因的匹配特征检测融合事件。常规分析流程中，大部分reads匹配到同一基因或已知剪接位点后，剩余未匹配的reads需检查是否跨越不同基因的外显子连接区域（即breakpoint附近）。当大量成对reads分别匹配到不同基因的外显子时，提示存在基因融合。新一代算法如STAR-Fusion、FusionCatcher等专门筛选跨染色体或同染色体远端的异常比对信号，并结合统计模型（如reads支持数、跨基因剪接序列协调性）评估置信度。此外，Long-read测序（如OxfordNanopore或PacBio）可跨越复杂断点直接捕获嵌合转录本，但敏感性受限需高深度数据。研究中需结合功能富集分析（如肿瘤驱动基因数据库）确定临床相关性，并通过RT-PCR或Sanger测序验证候选融合基因的真实性。第七章基因组学1．列举非编码RNA的种类。根据《生物信息学第4版》第七章的详细阐述，非编码RNA（ncRNA）可根据结构特征、分子长度及功能分为以下主要类型：短链非编码RNA（sncRNA）microRNA（miRNA）：21-25nt，通过种子区互补结合靶基因mRNA的3'UTR调控基因表达小干扰RNA（siRNA）：20-25nt，介导RNA干扰（RNAi），靶向降解特异mRNApiwi互作RNA（piRNA）：26-31nt，维持基因组稳定性，调控转座子沉默和生殖发育核仁小RNA（snoRNA）：60-300nt，指导rRNA的甲基化/假尿嘧啶化修饰（C/Dbox与H/ACAbox两类）核小RNA（snRNA）：100-300nt，参与pre-mRNA剪接（如U1、U2等剪接体组分）胞质小RNA（scRNA）：参与蛋白质合成调控，如信号识别颗粒（SRP）RNA长链非编码RNA（lncRNA）基因间区lncRNA（lincRNA）：位于蛋白质基因间区，如Xist介导X染色体失活反义lncRNA：与编码基因反义链重叠，调控基因表达（如ANRIL调控CDKN2B）增强子RNA（eRNA）：增强子区域转录，调控染色质空间构象环状RNA（circRNA）：首尾共价闭合，具miRNA海绵功能（如ciRS-7吸附miR-7）功能性特殊RNAta-siRNA：植物特有，由miRNA剪切触发形成的次级siRNA（调控发育梯度信号）Cajal小体RNA：参与snRNA转录后修饰及剪接体组装tmRNA：细菌中具tRNA/mRNA双重功能，修复异常翻译的核糖体端粒酶RNA组分：维持染色体末端重复序列完整性此外，结构分类与功能类群存在交叉，如snoRNA家族中部分成员（如Sno-derivedRNA）通过剪切形成miRNA样功能分子。研究表明，ncRNA的界限日益模糊，某些lncRNA被发现包含短ORF编码功能性微肽，而circRNA也可能通过滚环机制翻译小分子蛋白。这些新型RNA分子的发现持续深化对非编码RNA复杂生物网络的理解。2．思考非编码RNA对于生物体的意义。根据文档内容，非编码RNA的意义包括：调控基因表达：通过转录后或表观遗传机制调控蛋白质编码基因的表达（如miRNA、lncRNA）。参与复杂生物学过程：影响细胞分化、个体发育、免疫响应及疾病发生（如circRNA与癌症关联）。维持基因组结构与功能：指导RNA修饰、剪接（如snoRNA、snRNA）及维持染色体稳定性。提供功能冗余与多样性：通过ceRNA机制吸附miRNA，增加调控网络的复杂度（如lncRNA、circRNA）。揭示进化保守性：部分ncRNA在不同物种间高度保守，提示其生物学功能的重要性（如snoRNA进化分析）。3．使用数据库下载lncRNA、miRNA和基因的互作关系，并构建互作网络。根据文档内容，要下载lncRNA、miRNA与基因的互作关系并构建网络，可执行以下步骤：

获取数据：

访问NPInter数据库（/npinter4）下载已验证的非编码RNA（如lncRNA）与mRNA/蛋白质的互作数据。

从starBase（/）获取miRNA与靶基因（包括mRNA或lncRNA）的互作信息（支持CLIP-Seq和降解组数据）。

可选：通过TarBase或miRTarBase补充实验验证的miRNA-靶基因关系。

构建网络：

将下载的互作数据整理为节点（如lncRNA、miRNA、基因名称）和边（互作关系）的表格。

使用网络构建工具（如Cytoscape）导入表格，设置lncRNA、miRNA、基因为节点，互作关系为连接边，生成可视化网络。

文档未提供直接整合三者的现成工具，需手动整合不同来源数据。

4．尝试对非编码RNA进行功能预测。非编码RNA功能预测方法及步骤：

序列分析及编码潜能评估：使用工具如CPC2或PhyloCSF评估RNA的编码潜能，排除具编码潜能的转录本。通过RNAfold预测RNA二级结构，识别保守结构域（如miRNA的结合位点或snoRNA的guide序列）。

表达与共表达分析：利用RNA-seq数据或公共数据库（如TCGA、GEO）分析目标非编码RNA与mRNA的共表达关系。

工具：WGCNA（加权基因共表达网络分析），识别共表达模块及关联通路。

互作网络构建：

ceRNA机制预测：通过miRanda或TargetScan预测与非编码RNA互补的miRNA，结合miRNA靶基因数据库（如miRTarBase）构建ceRNA调控网络（例如lncRNA吸附miRNA，间接上调靶基因表达）。

蛋白质互作预测：使用catRAPID或RPISeq预测RNA与蛋白质的结合可能性，关联蛋白质功能注释（如转录因子、染色质修饰酶）。

功能注释与富集分析：将与目标RNA共表达的基因或互作分子进行GO（基因本体）和KEGG通路富集分析。

工具：DAVID、g:Profiler，或使用clusterProfiler（R包）。

保守性与进化分析：通过多物种比对（如UCSCGenomeBrowser）评估序列或结构保守性，保守区域可能对应功能关键位点。

数据库与工具应用（实例）：

LncRNA功能：使用AnnoLnc上传序列，获取亚细胞定位、疾病关联等注释。

通过LncRNASNP2查询SNP位点，推断突变对功能的影响。

circRNA功能：在circBase中检索同源circRNA，分析结合miRNA（如ciRS-7吸附miR-7）。利用CircNet构建circRNA-miRNA-mRNA调控网络。

结构域与基序挖掘：

使用MEMESuite识别RNA序列中的保守基序，关联已知功能元件（如snoRNA的C/Dbox或H/ACAbox）。

实验验证提示：对预测的ceRNA网络，建议进行双荧光素酶报告实验验证miRNA结合。对疾病相关lncRNA，可通过CRISPR敲除后观察表型变化或下游基因表达。

第八章1．什么是蛋白质组？什么是蛋白质组学？蛋白质组：由澳大利亚科学家MarcWilkins及其同事在20世纪90年代初提出，与“基因组”相对应，指一个基因组、一种生物或一种细胞、组织所表达的全套蛋白质。蛋白质组学：同样由MarcWilkins等人提出，以细胞内全部蛋白质的存在及其活动方式为研究对象，旨在揭示蛋白质的结构、功能及其在生理或病理条件下的变化机制。它是后基因组时代生命科学研究的核心内容之一，通过对蛋白质的直接分析，能够深入了解蛋白质合成、降解、加工、修饰等调控过程。2．二维凝胶电泳在进行蛋白质分离时有什么局限性？液相色谱技术比二维凝胶电泳有哪些优越性？二维凝胶电泳的局限性：二维凝胶电泳是利用蛋白质的等电点和分子质量对蛋白质进行分离的技术。然而，它对溶解性较差的细胞膜蛋白分离效果不佳，这是因为细胞膜蛋白的疏水性等特性使其难以在二维凝胶电泳体系中有效分离。此外，二维凝胶电泳从胶上回收样品的操作繁复，分析过程不易自动化，且蛋白质分离一般需1-2天，速度较慢。液相色谱技术的优越性：液相色谱技术在分离蛋白质和多肽方面具有显著优势。它速度快，一般几个小时可完成全部分离过程；在溶液状态下进行样品处理，操作方便、快速，避免了二维凝胶电泳从胶上回收样品的复杂操作，分析过程易于自动化和与质谱联接；对各种蛋白质均适用，包括疏水性、酸性、碱性、分子质量大于100kDa或小于10kDa的蛋白质等，拓宽了可研究蛋白质的范围。3．蛋白质的功能是否会随着时间、生理状态或其他条件因素发生变化？蛋白质的功能会随着时间、生理状态或其他条件因素发生变化。在不同的生理状态下，例如细胞增殖、分化、凋亡等过程中，蛋白质的表达和功能会有所不同。在细胞增殖过程中，与DNA复制、细胞周期调控相关的蛋白质会发挥重要作用，而在细胞分化时，这些蛋白质的功能可能会发生改变，同时一些与细胞特化功能相关的蛋白质会被激活或表达量增加。蛋白质的翻译后修饰，如磷酸化、糖基化等，也会影响其功能。这些修饰可在不同的时间和条件下发生，从而改变蛋白质的活性、定位和相互作用，使蛋白质能够适应细胞的不同需求。4．线粒体、叶绿体及细胞核定向转运信号肽的序列特征分别是怎样的？线粒体定向转运肽，它位于蛋白质的N端。典型序列基序的长度为20~80个残基，富含精氨酸等带正电荷的残基及丝氨酸、苏氨酸等带羟基的残基，但是缺少带负电荷的残基，同时具有形成两性a螺旋的倾向。当前体蛋白质被转运进入线粒体后，这些定向转运信号序列就被剪除。叶绿体定位转运信号肽也是位于蛋白质的N端，长度为25~100个残基，它们经常包含很少量的负电荷残基及许多像丝氨酸那样带羟基的残基。定向转运到叶绿体的蛋白质有一个非常有趣的特性，即其转运信号是双向的。它们由两个毗邻的信号肽组成，其中一个信号在剪切前将蛋白质定向转运到叶绿体的基质空间，而另一个信号则将剪切后的剩余部分定向转运到类囊体上。细胞核定向转运信号在长度上变化也很大(7~41个残基)，与前几类信号不同，核定位信号位于蛋白质序列的内部，通常是个或两个包含了基础残基及一致性基序的K(K/R)X(K/R)片段。核定位信号序列在蛋白质发生转运后并不会被剪除。5．都有哪些实验方法能够鉴定蛋白质之间的物理互作？酵母双杂交系统：是蛋白质互作研究中最经典的方法之一。它采用一套需转录因子才能激活的报告基因表达体系，将可能发生相互作用的两个基因的cDNA分别与转录因子的DNA结合结构域及转录激活结构域融合，产生诱饵蛋白和猎物蛋白。当两者发生互作时，转录因子的两个结构域结合，导致报告基因表达，从而检测出蛋白质之间的互作。但该方法存在假阳性结果，对蛋白质的细胞内定位要求严格，且只能检测两个组分的互作情况。亲和层析：将诱饵分子固定于载体介质，如琼脂糖柱子中，目的蛋白通过表面的生物功能位点与诱饵分子特异并可逆地结合。加入蛋白质提取物后，利用低盐缓冲液洗脱未结合的蛋白质，再用高盐缓冲液洗脱与诱饵有相互作用的蛋白质，从而鉴别出与诱饵结合的蛋白质。GST-pulldown是一种比较流行的亲和层析方法，其诱饵蛋白是谷胱甘肽S转移酶的融合表达蛋白。免疫共沉淀反应：利用抗体能够特异性地与蛋白质复合物中某一组分进行反应的特性，使蛋白质复合物沉降下来，从而在能够保存蛋白质与蛋白质相互作用的条件下制备细胞的溶解液，用于检测蛋白质之间的相互作用。这种方法可以有效地检测出蛋白质复合物中的相互作用蛋白。理解各类蛋白质互作预测方法的思想基础。基于基因组信息的方法：该方法认为在原核生物基因组中，功能相关的基因倾向于连在一起构成操纵子，基因次序的保守性可作为基因产物之间功能关系的指示标识。若在不同基因组中发现具有同样邻接关系的基因，它们很可能属于同一个操纵子，其编码的蛋白质通常功能相关或具有物理互作关系。然而，在真核基因组中，利用基因次序进行互作蛋白的预测不如基因表达中的共调控蛋白有说服力。基于进化关系的方法：从进化的角度出发，认为如果两个祖先基因编码的蛋白质相互作用，那么在进化过程中，为了加强这种互作的有效性，这两个基因可能会融合在一起。因此，通过研究基因融合事件，即鉴定不同物种中相对应的“同源”蛋白，若一个“复合”蛋白与另一个物种中的两个“成分”蛋白相似，那么这两个“成分”蛋白很可能发生相互作用。但该方法只能预测在进化过程中发生融合的蛋白质之间的功能关联，无法判断它们是否真正发生物理上的直接接触。基于蛋白质序列的从头预测的方法：目前虽未详细阐述具体原理，但大致思路是直接从蛋白质序列本身的特征出发，通过分析序列中的氨基酸组成、排列顺序、保守区域等信息，预测蛋白质之间的相互作用。这种方法不依赖于其他生物信息，仅从序列角度进行预测，为蛋白质互作研究提供了一种独特的视角。基于蛋白质三维结构信息的方法：蛋白质的三维结构决定其功能，基于此，通过分析蛋白质的三维结构特征，如蛋白质表面的形状、电荷分布、氨基酸残基的空间位置等信息，来预测蛋白质之间的相互作用。因为相互作用的蛋白质在三维结构上往往具有互补性，通过对结构的分析可以推断蛋白质之间是否能够相互作用以及如何相互作用。第九章1.简述系统生物学定义。系统生物学是研究一个生物系统中所有组成成分（基因、mRNA、蛋白质等）的构成，以及在特定条件下这些组分间相互关系的学科。它以整体性研究为特征，整合系统内不同性质的构成要素，采用系统论和实验、计算方法进行综合研究，旨在揭示生物系统的结构、动态与发生规律，构建能反映生物系统真实性的理论模型。2.简述系统生物学与分子生物学的差异。研究对象：分子生物学主要关注个别的基因和蛋白质；系统生物学研究所有的基因、蛋白质以及它们之间的相互关系，涵盖生物系统的各个层次，从基因到细胞、组织乃至个体。研究方法：分子生物学采用垂直型研究，以多种手段研究单个基因或蛋白质的功能、结构等；系统生物学整合水平型研究（如基因组学、蛋白质组学等以单一手段同时研究大量基因或蛋白质）和垂直型研究，形成“三维”研究模式，还涉及多学科交叉，运用系统论和实验、计算方法进行综合研究。研究目标：分子生物学致力于揭示单个基因和蛋白质的特性；系统生物学旨在理解生物系统的整体行为和功能，解释系统特性如何从不同组成部分、不同层次间的相互作用中“涌现”，构建反映生物系统真实情况的模型。3.为什么说整合是系统生物学的灵魂?整合多层面信息：系统生物学要把系统内不同性质的构成要素，如基因、mRNA、蛋白质、生物小分子等整合在一起研究，涵盖从基因到个体的各个层次，获取每个层次的信息并整合，这是理解生物系统复杂性的关键。整合研究思路和方法：它将经典分子生物学的垂直型研究和“组学”的水平型研究整合，形成独特的“三维”研究模式。这种整合能更全面深入地探究生物系统，揭示系统性质。不同生物分子的研究水平存在差异，整合有助于全面把握生物系统的全貌，克服单一研究的局限性。系统生物学整合性体现在不同策略上，如选定简单系统分析多成分或针对复杂系统采用多种研究手段，有助于深入理解系统行为。4.概述系统生物学的基本工作框架。系统结构鉴定：对选定生物系统的所有组分进行全面了解和确定，描绘系统结构，包括基因相互作用网络、代谢途径以及细胞内和细胞间的作用机制，构建初步系统模型。系统行为分析：系统地改变被研究对象的内部组成成分（如基因突变）或外部生长条件，观测系统组分或结构的相应变化，如基因表达、蛋白质表达和相互作用、代谢途径等，并整合这些信息。系统控制：将实验数据与模型预测结果进行比较，对初始模型进行修订，使模型预测更符合实际情况。系统设计：根据修正后的模型预测或假设，设定并实施新的改变系统状态的实验，重复系统行为分析和系统控制的步骤，不断通过实验数据对模型进行修订和优化，以得到理想模型。5.总结酵母双杂交系统的基本原理。酵母双杂交系统采用一套需转录因子才能激活的报告基因表达体系。转录因子同时具有DNA结合结构域（BD）及转录激活结构域（AD），人为将这两个结构域分隔开。把可能发生相互作用的两个基因的cDNA分别与BD的DNA及AD的DNA进行融合，产生诱饵蛋白和猎物蛋白。当诱饵蛋白和猎物蛋白能够发生互作结合时，转录因子的两个结构域也能结合在一起行使功能，从而导致报告基因表达。利用该系统可在cDNA文库中筛选与诱饵蛋白发生互作的蛋白质。6.矩阵M的每行表示缺失该行的基因情况下其他基因的表达水平，每列表示该基因在各种基因缺失试验下的表达水平。试以此数据为基础构建基因表达数据的网络模型将矩阵M中的基因视为网络节点，基因间的表达关系视为边。若两个基因在不同基因缺失试验下表达水平变化呈现明显相关性（如正相关或负相关），则在相应节点间连边。根据表达水平变化的程度或相关性的强弱，可以为边赋予权重，权重大小反映基因间相互作用的强度。利用构建好的网络模型，可以分析基因在网络中的位置和作用，如通过节点度分析找出与多个基因表达相关的关键基因，通过介数中心性等指标识别在基因调控中起桥梁作用的基因。7.以细菌化学趋向为例，查阅文献开展构建信号转导模型的工作。查阅相关文献，获取细菌化学趋向相关的信号分子、受体、信号传导途径等信息。确定模型中的节点，如受体、信号传导蛋白、调控因子等；确定节点间的连接关系，即信号传递的路径，例如受体感知化学信号后，如何激活下游的信号传导蛋白，以及这些蛋白如何相互作用影响细菌的行为。用数学方程描述节点间的相互作用，如根据反应速率、浓度变化等建立微分方程，以刻画信号转导过程中的动态变化。利用计算机模拟软件，如CellDesigner等，将构建的模型进行可视化和模拟分析，观察在不同条件下模型的行为，如不同化学信号浓度下细菌的运动方向和速度变化，并与实验数据进行对比，验证模型的准确性。8.总结网络分类法。按网络结构分类：包括规则网络、随机网络和无标度网络等。规则网络具有大的集聚系数和大的平均距离；随机网络具有小的集聚系数和小的平均距离；无标度网络的节点连接分布遵循幂律分布，大部分节点连接数少，少数节点（Hub节点）连接数多。按网络节点和边的性质分类：例如在生物网络中，根据节点是分子、基因还是蛋白质，边是分子相互作用、遗传相互作用还是其他关系进行分类。按网络功能分类：如基因调控网络、蛋白质相互作用网络、代谢网络等，不同功能的网络在生物系统中发挥不同作用，基因调控网络控制基因表达，蛋白质相互作用网络参与细胞内各种生理过程，代谢网络负责物质和能量代谢。9.学习几种重要的蛋白质相互作用数据库（如DIP和BIND等）。DIP（DatabaseofInteractingProteins）：是蛋白质相互作用数据库，提供了大量经过实验验证的蛋白质相互作用信息。这些信息来源于多种实验技术，数据质量较高。用户可以通过关键词、蛋白质名称等进行搜索，获取特定蛋白质的相互作用伙伴及相关实验证据等信息。BIND（BiomolecularInteractionNetworkDatabase）：该数据库整合了多种生物分子相互作用的数据，包括蛋白质-蛋白质、蛋白质-DNA等相互作用。它不仅提供相互作用信息，还包含相关的文献引用和实验方法等详细注释，有助于用户深入了解相互作用的背景和依据。10.从网上学习诸如KEGG的储存途径或网络的数据库。KEGG（KyotoEncyclopediaofGenesandGenomes）是一个储存生物分子相互作用网络和代谢途径信息的重要数据库。它涵盖了多个物种的基因、蛋白质、代谢物等信息，并将这些信息整合为不同的通路，如代谢通路、信号转导通路等。用户可通过KEGG的网站界面，输入关键词（如基因名称、代谢物名称等）进行搜索，获取相关的通路信息。通路图以直观的图形展示，包含各种分子及它们之间的相互作用关系，同时还提供了相关的注释和链接，可进一步查看详细信息。KEGG还提供了API，方便开发者将其数据整合到自己的应用程序或分析流程中。11.何为网络模体?网络模体是网络中不同位置重复出现的节点组合的特殊拓扑结构，是复杂网络的基本构件。这些结构在网络中出现的频率高于随机网络，具有特定的功能意义。在基因调控网络中，某些转录因子与靶基因的特定连接模式可能构成网络模体，这种模体在基因表达调控中发挥重要作用。网络模体概念可拓展到由多种相互作用组成的整合网络，表征局部网络近邻中不同生物学相互作用的关系。12.如何用网络模体概念推测蛋白质功能?如果已知某个网络模体具有特定的生物学功能，且目标蛋白质处于该模体中，那么可推测目标蛋白质可能参与该模体所执行的功能。在一个已知与细胞周期调控相关的网络模体中，若发现某个未知功能的蛋白质处于其中，可推测该蛋白质可能与细胞周期调控有关。通过比较不同物种中相似网络模体的组成和功能，若在其他物种中该模体中与目标蛋白质同源的蛋白质功能已知，可据此推测目标蛋白质的功能。分析目标蛋白质所在网络模体的连接特性，如节点度、介数中心性等，结合已知功能蛋白质在类似模体中的作用，推测目标蛋白质的功能。13.以酵母蛋白相互作用数据为对象，使用CytoScape软件构建相互作用网络图。准备酵母蛋白相互作用数据，数据格式需符合CytoScape软件的要求，通常可以是SIF、TAB等格式。打开CytoScape软件，通过菜单栏中的“File-Import-Network-File”导入酵母蛋白相互作用数据文件。导入数据后，在可视化区域可初步查看网络结构。使用Layouts菜单中的布局算法（如SpringEmbeddedLayout、Force-DirectedLayout等）调整节点和边的布局，使网络结构更清晰。利用Style面板对节点和边的样式进行设置，如修改节点形状、颜色以表示不同的蛋白质属性，修改边的颜色、粗细以表示相互作用的强度等。可以通过添加注释信息，如蛋白质名称、功能描述等，丰富网络的信息展示。14.学习PATHBLAST类似软件，尝试比较酵母、线虫、果蝇蛋白质相互作用网络，从中找出一些保守的网络模体。学习PATHBLAST软件的使用方法，包括输入数据的格式要求（通常为蛋白质序列或相互作用数据）、参数设置（如比对的灵敏度、搜索的范围等）以及输出结果的解读。收集酵母、线虫、果蝇的蛋白质相互作用网络数据，可以从相关的数据库（如DIP、BIND等）获取。将这些数据按照软件要求进行预处理，如格式转换等。使用PATHBLAST软件对酵母、线虫、果蝇的蛋白质相互作用网络进行两两比较或同时比较。分析软件输出的结果，找出在不同物种网络中都存在的相似子网络结构，这些结构可能是保守的网络模体。对保守的网络模体进行功能分析，可通过查阅文献或利用相关的功能注释数据库，了解这些模体在不同物种中可能参与的生物学过程。15.何为网络模块化?网络模块化是指将复杂网络划分为多个相对独立的模块，每个模块内部节点连接紧密，模块之间连接相对稀疏。这些模块在生物网络中往往具有特定的生物学功能，如在蛋白质相互作用网络中，一个模块可能对应一个特定的细胞过程或功能复合物。网络模块化有助于简化对复杂网络的理解和分析，通过研究各个模块的功能和模块间的相互作用，能更好地把握整个网络的功能和行为。模块的划分可以基于多种方法，如基于节点的连接特性（如节点度、介数中心性等）、基于网络的拓扑结构（如社区发现算法）以及基于生物学功能等。16.列举常见的几种3节点网络模体，并说明其对应的网络主题。前馈环（Feed-ForwardLoop，FFL）：由三个节点组成，其中一个节点（调节节点）同时调控另外两个节点（中间节点和输出节点），且中间节点也调控输出节点。网络主题可能是对信号进行精确调控，如在基因调控网络中，FFL可以实现对基因表达的稳定调控，避免基因表达的过度波动。单输入模块（Single-InputModule，SIM）：一个调节节点调控多个输出节点。其网络主题可能是协调多个相关基因或蛋白质的表达，使它们在特定条件下共同发挥作用，例如在细胞应对某种刺激时，SIM可控制多个相关基因同时表达以产生相应的生理反应。密集重叠调节模体（DenseOverlappingRegulons，DOR）：多个调节节点共同调控多个相同的输出节点。该模体的网络主题可能是实现对多个输出节点的精细调控，不同调节节点之间的协同作用可以根据不同的条件更精准地控制输出节点的行为。第十章1.试举出一两个自然生物系统中存在的“非”门逻辑结构现象。基因表达调控中的“非”门现象：在大肠杆菌的乳糖操纵子系统中，存在类似“非”门的逻辑结构。当环境中没有乳糖时，阻遏蛋白会结合到操纵基因上，阻止RNA聚合酶与启动子结合，从而抑制结构基因的转录，此时基因不表达。而当环境中有乳糖存在时，乳糖会与阻遏蛋白结合，使其构象发生改变，无法再结合到操纵基因上，RNA聚合酶能够顺利结合启动子并启动转录，基因开始表达。从逻辑关系上看，没有乳糖（输入信号为0）时基因表达（输出信号为0），有乳糖（输入信号为1）时基因表达（输出信号变为1），这与“非”门的逻辑功能（输入为0时输出为1，输入为1时输出为0）相似。细胞周期调控中的“非”门现象：在细胞周期调控过程中，p53蛋白起着关键作用，其调控机制也体现了“非”门逻辑。当细胞DNA未受损时，p53蛋白处于低水平表达且活性较低，不会启动细胞周期停滞或凋亡相关基因的表达。而当细胞DNA受到损伤时（输入信号为1），p53蛋白会被激活并大量表达（输出信号变为0），进而启动一系列基因的表达，使细胞周期停滞，进行DNA修复或诱导细胞凋亡。这表明在正常情况下（输入为0），细胞周期正常进行（输出为1）；而在DNA损伤的异常情况下（输入为1），细胞周期正常进行这一状态被抑制（输出为0），符合“非”门的逻辑特征。2.阅读参考文献Bügl等(2007)，试画出带有“记忆”功能的“与”门逻辑线路图。3.针对合成生物学所涉及的伦理道德问题和社会安全问题，您有哪些建议?伦理道德方面：加强伦理教育与培训，在科研人员培养阶段，设置专门的合成生物学伦理课程，提高科研人员的伦理意识，使其在研究过程中自觉遵循伦理原则。建立健全伦理审查机制，对合成生物学研究项目进行严格的伦理审查，确保研究目的正当、实验设计合理、风险可控。鼓励公众参与伦理讨论，通过举办听证会、科普活动等方式，让公众了解合成生物学的发展现状和潜在影响，听取公众意见，使伦理决策更加科学合理。社会安全方面：完善法律法规，制定专门针对合成生物学的法律法规，明确对合成生物的研发、生产、应用和管理规范，对违规行为进行严厉处罚。加强生物安全监管，建立多部门协同的监管体系，对合成生物学研究机构和企业进行严格监管，确保实验操作符合安全标准，防止合成生物泄露或被滥用。发展检测与防范技术，投入资金研发先进的检测技术，能够快速准确地检测环境中的合成生物；同时加强对合成生物潜在风险的研究，提前制定防范措施，降低生物安全风险。第十一章1.什么是中性学说?中性学说对分子进化有什么影响?中性学说的定义：中性学说由Kimura在1968年提出，该学说认为多数或绝大多数突变都是中性或近中性的，即无所谓有利或不利，自然选择对它们不起作用。生物的进化主要是中性突变在自然群体中进行随机的“遗传漂变”的结果，而与选择无关，这些突变全靠一代又一代的随机漂变而被保存或趋于消失，从而形成分子水平上的进化性变化或种内变异。对分子进化的影响：中性学说揭示了分子进化的基本规律，是解释生物大分子进化现象的重要理论。它强调遗传漂变和突变压在分子进化中的作用，是对综合进化论的重要补充和修正。该学说一方面承认自然选择在表型进化中的作用，另一方面又强调分子水平上进化现象的特殊性，使人们对分子进化的认识更加全面和深入。2.什么是分子钟假说?分子钟假说认为，生物大分子进化速率相对恒定。以核酸和蛋白质一级结构分子序列中的核苷酸或氨基酸的替换数作为进化改变量，进化时间以年为单位，生物大分子随时间的改变（即分子进化速率）几乎是恒定的。这意味着如果生物大分子进化速率恒定，那么大分子进化改变的量只与大分子进化所经历的时间呈正相关。基于此，通过比较不同生物同源大分子的一级结构差异量（氨基酸或核苷酸替换数），可以确定所比较的生物在进化中的地位，并建立系统树（分子系统树）。3.利用生物大分子数据重建系统进化树的方法有哪些?各有何特点?距离法：基本思路是先获取分类群间进化距离的度量，再依据距离度量重建系统发育树。常用方法有非加权分组平均法（UPGMA）、Fitch-Margoliash法（FM）、最小进化法（ME）、最小二乘法（LS）和邻接法（NJ）等。该方法计算速度快，将发育树的构建和最优树的确定融合在一起，但在将原始数据转换成距离矩阵时会丢失一些进化信息。最大简约法：根据离散性状（包括形态学性状和分子序列等）的变异程度构建生物的系统发育树，分析生物物种之间的演化关系。其遵循简约性原则，认为所需变异次数最少（演化步数最少）的演化树可能为最符合自然情况的系统树。分为非加权最大简约分析和加权最大简约分析。该方法能快速分析出序列之间的系统发育关系，所构建的系统发育树中的短分支更接近于真实，但当DNA序列的进化速率在不同分支上相差很大或亲缘关系太远时，容易受到趋同进化的影响，对“长枝吸引”敏感。最大似然法：是一种基于统计方法的系统发育树构建方法。基于不同的性状进化是独立的、物种发生分化后的进化是独立的这两条基本假设，以特定的替代模型分析既