生物信息學復習題及答案

生物信息學復習題

一、名詞解釋

生物信息學,二級數(shù)據(jù)庫，F(xiàn)ASTA序列格式，genbank序列格式,Entrez,BLAST,

查詢序列（query）,打分矩陣（SCoringmatrix）,空位（gap）,空位罰分，E

值，低復雜度區(qū)域，點矩陣（dotmatrix）,多序列比對，分子鐘，系統(tǒng)發(fā)育

（phylogeny）,進化樹的二歧分叉結構，直系同源，旁系同源，外類群，有根樹，

除權配對算法（UPGMA）,鄰接法構樹，最大簡約法構樹，最大似然法構樹，一致

樹（COnSenSUStree）,bootstrap,開放閱讀框（ORF）,密碼子偏性（CodOnbias）,

基因預測的從頭分析法，結構域（domain）,超家族，模體（motif）,序列表譜

（profile）,PAM矩陣,BLOSUM,PSI-BLAST,RefSeq,PDB數(shù)據(jù)庫,GenPept,

折疊子，TrEMBL,MMDB,SCOP,PROSITE,GeneOntologyConsortium,表譜

（profile）0

二、問答題

1）生物信息學與計算生物學有什么區(qū)別與聯(lián)系？

2）試述生物信息學研究的基本方法。

3）試述生物學與生物信息學的相互關系。

4）美國國家生物技術信息中心（NCBI）的主要工作是什么？請列舉3個以上NCBl

維護的數(shù)據(jù)庫。

5）序列的相似性與同源性有什么區(qū)別與聯(lián)系？

6）BLAST套件的blastn、blastp>blastx、tblastn和tblaStX子工具的用途

什么？

7）簡述BLAST搜索的算法。

8）什么是物種的標記序列？

9）什么是多序列比對過程的三個步驟？

10）簡述構建進化樹的步驟。

11）簡述除權配對法（UPGMA）的算法思想。

12）簡述鄰接法（NJ）的算法思想。

13）簡述最大簡約法（MP）的算法思想。

14）簡述最大似然法（ML）的算法思想。

15）UPGMA構樹法不精確的原因是什么？

16）在MEGA2軟件中，提供了多種堿基替換距離模型，試列舉其中2種，解釋其

含義。

17）試述DNA序列分析的流程及代表性分析工具。

18）如何用BLAST發(fā)現(xiàn)新基因？

19）試述SCOP蛋白質分類方案。

20）試述SWlSS-PROT中的數(shù)據(jù)來源。

21）TrEMBL哪兩個部分？

22）試述PSl-BLAST搜索的5個步驟。

三、操作與計算題

1）如何獲取訪問號為U49845的genbank文件？解釋如下genbank文件

的LOeUS行提供的信息：

LOCUSSCU498455028bpDNAlinearPLN

2I-JUN-1999

2）利用EntreZ檢索系統(tǒng)，對核酸數(shù)據(jù)搜索，輸入如下信息，將獲得什

么結果：

AFl14696：AFl14714[ΛCCN]o

3）相比使用BLAST套件搜索數(shù)據(jù)庫，BLAST2工具在結果呈現(xiàn)上有什么

優(yōu)點？

4）MEGA2如何將其它多序列比對格式文件轉化為MEGE格式的多序列比

對文件？

5）什么簡約信息位點Pi?

6）以下軟件的主要用途是什么？

RepeatMasker,CpGPlot,SpliceView,Genscan,ORFfinder,

neuralnetworkpromoterprediction.

7）為下面的序列比對確定比對得分：匹配得分=+1,失配得分=0,空

位得分=-Io

TGTACGGCTATA

TC--CGCCT-TA

8）用UPGMA重建系統(tǒng)發(fā)生樹，距離矩陣如下:

物種_A_____________B_____________C_____________D___________

B9~

C8-U-

D]2—15—

E15―18―13―5一

9）畫出4個物種的3棵不同的無根樹.這4個物種在某位置上的核甘酸

分別是T,T,C和C,為每個內部節(jié)點推斷的祖先序列標出最可能的候

選核昔酸，3棵可能的無根樹中有幾棵是一樣簡約的（因為他們有最

小替換數(shù)）？有幾棵樹的替換樹是2?有大于2個替換的樹嗎？

10）如何將所研究的蛋白質與其他相關蛋白質做結構比對。

答案部分

一、名詞解釋：

物蔣息學：研究大量生物數(shù)據(jù)復雜關系的學科，其特征是多學科交叉，以互聯(lián)

網(wǎng)為媒介，數(shù)據(jù)庫為載體。利用數(shù)學知識建立各種數(shù)學模型；利用計算機為工具

對實驗所得大量生物學數(shù)據(jù)進行儲存、檢索、處理及分析，并以生物學知識對結

果進行解釋。

二級數(shù)據(jù)庫：在一級數(shù)據(jù)庫、實驗數(shù)據(jù)和理論分析的基礎上針對特定目標衍生而

來，是對生物學知識和信息的進一步的整理。Pll,第2段。

FASTA序列格式：是將DNA或者蛋白質序列表示為一個帶有一些標記的核甘酸或

者氨基酸字符串，大于號（〉）表示一個新文件的開始，其他無特殊要求。

genbank序列格式：是GenBank數(shù)據(jù)庫的基本信息單位，是最為廣泛的生物信息

學序列格式之一。該文件格式按域劃分為4個部分：第一部分包含整個記錄的信

息（描述符）；第二部分包含注釋；第三部分是引文區(qū)，提供了這個記錄的科學

依據(jù)；第四部分是核昔酸序列本身，以“〃”結尾。P13,第2段。

EntreZ檢索系統(tǒng)：是NCBl開發(fā)的核心檢索系統(tǒng)，集成了NCBI的各種數(shù)據(jù)庫，

具有鏈接的數(shù)據(jù)庫多，使用方便，能夠進行交叉索引等特點。P83-85。

BLAST：基本局部比對搜索工具，用于相似性搜索的工具，對需要進行檢索的序

列與數(shù)據(jù)庫中的每個序列做相似性比較。P94

查詢序列（querysequence）：也稱被檢索序列，用來在數(shù)據(jù)庫中檢索并進行相

似性比較的序列。P98,第1段。

打分矩陣（scoringmatrix）：在相似性檢索中對序列兩兩比對的質量評估方法。

包括基于理論（如考慮核酸和氨基酸之間的類似性）和實際進化距離（如PAM）

兩類方法。P29,第2段。

空位（gap）：在序列比對時，由于序列長度不同，需要插入一個或幾個位點以

取得最佳比對結果，這樣在其中一序列上產生中斷現(xiàn)象，這些中斷的位點稱為空

位。P29,第2段。

空位罰分：空位罰分是為了補償插入和缺失對序列相似性的影響，序列中的空位

的引入不代表真正的進化事件，所以要對其進行罰分，空位罰分的多少直接影響

對比的結果。P37,倒數(shù)第2段。

E值：衡量序列之間相似性是否顯著的期望值。E值大小說明了可以找到與查詢

序列（query）相匹配的隨機或無關序列的概率，E值越接近零，越不可能找到

其他匹配序列，E值越小意味著序列的相似性偶然發(fā)生的機會越小，也即相似性

越能反映真實的生物學意義。P95

低復雜度區(qū)域:BLAST搜索的過濾選項。指序列中包含的重復度高的區(qū)域，如PoIy

（A）OPlOO,第一段。

點矩陣（dotmatrix）：構建一個二維矩陣，其X軸是一條序列，Y軸是另一個

序列，然后在2個序列相同堿基的對應位置（x,y）加點，如果兩條序列完全相

同則會形成一條主對角線，如果兩條序列相似則會出現(xiàn)一條或者幾條直線；如果

完全沒有相似性則不能連成直線。P39-41o

多序列比對：通過序列的相似性檢索得到許多相似性序列，將這些序列做一個總

體的比對，以觀察它們在結構上的異同，來回答大量的生物學問題。P48,需要

概括。

分子鐘：認為分子進化速率是恒定的或者幾乎恒定的假說，從而可以通過分子進

化推斷出物種起源的時間。P112-113

系統(tǒng)發(fā)育分析：通過一組相關的基因或者蛋白質的多序列比對或其他性狀，可以

研究推斷不同物種或基因之間的進化關系。P112,第一段。

進化樹的二歧分叉結構：指在進化樹上任何一個分支節(jié)點，一個父分支都只能被

分成兩個子分支。P113,最后一段。

系統(tǒng)發(fā)育圖：P114

直系同源：指由于物種形成事件來自一個共同祖先的不同物種中的同源序列，具

有相似或不同的功能。P28,P146

旁系（并系）同源：指同一個物種中具有共同祖先，通過基因重復產生的一組基

因，這些基因在功能上的可能發(fā)生了改變。P28,P147

外類群：是進化樹中處于一組被分析物種之外的，具有相近親緣關系的物種°P120

有根樹：能夠確定所有分析物種的共同祖先的進化樹。PH3

除權配對算法（UPGMA）：最初，每個序列歸為一類，然后找到距離最近的兩類

將其歸為一類，定義為一個節(jié)點，重復這個過程，直到所有的聚類被加入，最終

產生樹根。P119

鄰接法（neighbor-joiningmethod）：是一種不僅僅計算兩兩比對距離，還對

整個樹的長度進行最小化，從而對樹的拓撲結構進行限制，能夠克服UPGMA算法

要求進化速率保持恒定的缺陷。P118o

最大簡約法（MP）：在一系列能夠解釋序列差異的的進化樹中找到具有最少核酸

或氨基酸替換的進化樹。P120

最大似然法(ML)：它對每個可能的進化位點分配一個概率，然后綜合所有位點，

找到概率最大的進化樹。最大似然法允許采用不同的進化模型對變異進行分析評

估，并在此基礎上構建系統(tǒng)發(fā)育樹。P122

一致樹(consensustree)：在同一算法中產生多個最優(yōu)樹，合并這些最優(yōu)樹得

到的樹即一致樹。P121

自舉法檢驗(Bootstrap)：放回式抽樣統(tǒng)計法。通過對數(shù)據(jù)集多次重復取樣，

構建多個進化樹，用來檢查給定樹的分枝可信度。P122

開放閱讀框(ORF)：開放閱讀框是基因序列的一部分，包含一段可以編碼蛋白

的堿基序列。P131

密碼子偏好性(CodonbiaS)：氨基酸的同義密碼子的使用頻率與相應的同功

tRNA的水平相一致，大多數(shù)高效表達的基因僅使用那些含量高的同功tRNA所對

應的密碼子，這種效應稱為密碼子偏好性。P133

基因預測的從頭分析：依據(jù)綜合利用基因的特征，如剪接位點，內含子與外顯子

邊界，調控區(qū)，預測基因組序列中包含的基因。P134-145

簡約信息位點：指基于DNA或蛋白質序列，利用最大簡約法構建系統(tǒng)發(fā)育樹

時，如果每個位點的狀態(tài)至少存在兩種，每種狀態(tài)至少出現(xiàn)兩次的位點。

其它位點為都是非簡約性信息位點。P121,第2行

結構域(domain)：保守的結構單元，包含獨特的二級結構組合和疏水內核，

可能單獨存在，也可能與其他結構域組合。相同功能的同源結構域具有序

列的相似性。P158

模體(motif)：短的保守的多肽段，含有相同模體的蛋白質不一定是同源的，

一般10-20個殘基。P161,最后一行

PAM矩陣：PAM指可接受突變百分率。一個氨基酸在進化中變成另一種氨基

酸的可能性，通過這種可能性可以鑒定蛋白質之間的相似性，并產生蛋白

質之間的比對。一個PAM單位是蛋白質序列平均發(fā)生1%的替代量需要的進

化時間。P30-31

BLOSUM矩陣：模塊替代矩陣。矩陣中的每個位點的分值來自蛋白比對的局部塊

中的替代頻率的觀察。每個矩陣適合特定的進化距離。例如，在BLOSUM62矩陣

中，比對的分值來自不超過62%一致率的一組序列。P34

折疊子(Fold)：在兩個或更多的蛋白質中具有相似二級結構的大區(qū)域，這些大

區(qū)域具有特定的空間取向。P162

TrEMBL:是與SWlSS-PROT相關的一個數(shù)據(jù)庫。包含從EMBL核酸數(shù)據(jù)庫中根據(jù)編

碼序列(CDS)翻譯而得到的蛋白質序列，并且這些序列尚未集成到swiss-PROT

數(shù)據(jù)庫中。P21

PDB(ProteinDataBank)：PDB中收錄了大量通過實驗(X射線晶體衍射，核磁

共振NMR)測定的生物大分子的三維結構，記錄有原子坐標、配基的化學結構和

晶體結構的描述等。PDB數(shù)據(jù)庫的訪問號由一個數(shù)字和三個字母組成(如，4HHB),

同時支持關鍵詞搜索，還可以FASTA程序進行搜索。P22

MMDB(MolecularModelingDatabase)：是(NCBI)所開發(fā)的生物信息數(shù)據(jù)庫集

成系統(tǒng)EntreZ的一個部分，數(shù)據(jù)庫的內容包括來自于實驗的生物大分子結構數(shù)

據(jù)。與PDB相比，對于數(shù)據(jù)庫中的每一個生物大分子結構，MMDB具有許多附加

的信息，如分子的生物學功能、產生功能的機制、分子的進化歷史等，還提供

生物大分子三維結構模型顯示、結構分析和結構比較工具。？

SCoP數(shù)據(jù)庫：提供關于已知結構的蛋白質之間結構和進化關系的詳細描述，包

括蛋白質結構數(shù)據(jù)庫PDB中的所有條目。SeOP數(shù)據(jù)庫除了提供蛋白質結構和進

化關系信息外，對于每一個蛋白質還包括下述信息：到PDB的連接，序列，參考

文獻，結構的圖像等?？梢园唇Y構和進化關系對蛋白質分類，分類結果是一個具

有層次結構的樹，其主要的層次依次是類（ClaSs）、折疊子（fold）、超家族（SUPer

family）,家族（family）,單個PDB蛋白結構記錄。P23

PR0SITE：是蛋白質家族和結構域數(shù)據(jù)庫，包含具有生物學意義的位點、模式、

可幫助識別蛋白質家族的統(tǒng)計特征。PR0SITE中涉及的序列模式包括酶的催化

位點、配體結合位點、與金屬離子結合的殘基、二硫鍵的半胱氨酸、與小分子或

其它蛋白質結合的區(qū)域等；PROSrrE還包括根據(jù)多序列比對而構建的序列統(tǒng)計特

征，能更敏感地發(fā)現(xiàn)一個序列是否具有相應的特征。P22

RefSeq:給出了對應于基因和蛋白質的索引號碼，對應于最穩(wěn)定、最被人承認的

Genbank序列。?

PSI-BLAST:位點特異性迭代比對。是一種專門化的的比對，通過調節(jié)序列打分

矩陣（scoringmatrix）探測遠緣相關的蛋白。P97

GeneOntology協(xié)會：編輯一組動態(tài)的、可控的基因產物不同方面性質的字匯的

協(xié)會。從3個方面描述基因產物的性質，即，分子功能，生物過程，細胞區(qū)室。

表譜（PSSM）：指一張基于多序列比對的打分表，表示一個蛋白質家族，可以用

來搜索序列數(shù)據(jù)庫。P97

比較基因組學：P148

二、問答題

1.緒論

1）生物信息學的發(fā)展經(jīng)歷了那幾個階段

2）生物信息學步入后基因組時代后，其發(fā)展方向有哪幾個方面。

1）請列舉3個以上EntreZ系統(tǒng)可以檢索的數(shù)據(jù)庫。

答：P83

2）序列的相似性與同源性有什么區(qū)別與聯(lián)系？

答：相似性是指序列之間相關的一種量度，兩序列的的相似性可以基于序列的一

致性的百分比；而同源性是指序列所代表的物種具有共同的祖先，強調進化上的

親緣關系。P147

3）BLAST套件的blastn、blastp,blastx、tblastn和tblaStX子工具的用途

什么？

答：blastn是將給定的核酸序列與核酸數(shù)據(jù)庫中的序列進行比較；BlaStP是使

用蛋白質序列與蛋白質數(shù)據(jù)庫中的序列進行比較，可以尋找較遠的關系；Blastx

將給定的核酸序列按照六種閱讀框架將其翻譯成蛋白質與蛋白質數(shù)據(jù)庫中的序

列進行比對，對分析新序列和EST很有用；TbIaStn將給定的氨基酸序列與核酸

數(shù)據(jù)庫中的序列（雙鏈）按不同的閱讀框進行比對，對于尋找數(shù)據(jù)庫中序列沒有

標注的新編碼區(qū)很有用；TbIaStX只在特殊情況下使用，它將DNA被檢索的序列

和核酸序列數(shù)據(jù)庫中的序列按不同的閱讀框全部翻譯成蛋白質序列，然后進行蛋

白質序列比對。P97

4）簡述BLAST搜索的算法思想。

答：BLAST是一種局部最優(yōu)比對搜索算法，將所查詢的序列打斷成許多小序列片

段，然后小序列逐步與數(shù)據(jù)庫中的序列進行比對，這些小片段被叫做字''word”；

當一定長度的的字（W）與檢索序列的比對達到一個指定的最低分（T）后，初始

比對就結束了；一個序列的匹配度由各部分匹配分數(shù)的總和決定，獲得高分的序

列叫做高分匹配片段（HSP）,程序將最好的HSP雙向擴展進行比對，直到序列結

束或者不再具有生物學顯著性，最后所得到的序列是那些在整體上具有最高分

的序列，即，最高分匹配片段（MSP）,這樣，BLAST既保持了整體的運算速度，

也維持了比對的精度。P95

5）什么是物種的標記序列？

答：指物種特有的一段核昔酸序列?？梢酝ㄟ^相似性查詢，得到某一序列在數(shù)據(jù)

庫中的某一物種中反復出現(xiàn)，且在其他物種中沒有的明顯相似的序列。

6）什么是多序列全局比對的累進算法？

答：第一，所有的序列之間逐一比對（雙重比對）；第二，生成一個系統(tǒng)樹圖，

將序列按相似性大致分組；第三，使用系統(tǒng)樹圖作為引導，產生出最終的多序列

比對結果。P52

7）簡述構建進化樹的步驟，每一步列舉1-2種使用的軟件或統(tǒng)計學方法。

答：（1）多序列比對：ClustalW

（2）校對比對結果：BIOEDIT

（3）建樹：MEGA

（4）評估系統(tǒng)發(fā)育信號和進化樹的牢固度：自舉法（BOotStraP）PU4

8）簡述除權配對法（UPGMA）的算法思想。

答：通過兩兩比對聚類的方法進行，在開始時，每個序列分為一類，分別作為一

個樹枝的生長點，然后將最近的兩序列合并，從而定義出一個節(jié)點，將這個過程

不斷的重復，直到所有的序列都被加入，最后得到一棵進化樹。P119

9）簡述鄰接法（NJ）構樹的算法思想。

答：鄰接法的思想不僅僅計算最小兩兩比對距離，還對整個樹的長度進行最小化,

從而對樹的拓撲結構進行限制。這種算法由一棵星狀樹開始，所有的物種都從一

個中心節(jié)點出發(fā)，然后通過計算最小分支長度的和相繼尋找到近鄰的兩個序列，

每一輪過程中考慮所有可能的序列對，把能使樹的整個分支長度最小的序列對一

組，從而產生新的距離矩陣，直到尋找所有的近鄰序列。PU7

10）簡述最大簡約法（MP）的算法思想。P68

答：是一種基于離散特征的進化樹算法。生物演化應該遵循簡約性原則，所需變

異次數(shù)最少（演化步數(shù)最少）的演化樹可能為最符合自然情況的系統(tǒng)樹。在具體

的操作中，分為非加權最大簡約分析（或稱為同等加權）和加權最大簡約分析，

后者是根據(jù)性狀本身的演化規(guī)律（比如DNA不同位點進化速率不同）而對其進行

不同的加權處理。P120

11）簡述最大似然法（ML）的算法思想。P69

答：是一種基于離散特征的進化樹算法。該法首先選擇一個合適的進化模型，然

后對所有可能的進化樹進行評估，通過對每個進化位點的替代分配一個概率，最

后找出概率最大的進化樹。P122

12）UPGMA構樹法不精確的原因是什么？P69

答：由個于UPGMA假設在進化過程中所有核昔酸/氨基酸都有相同的變異率，也

就是存在著一個分子鐘；這種算法當所構建的進化樹的序列進化速率明顯不一致

時，得到的進化樹相對來說不準確的。P119,倒數(shù)第2段，前4行。

13）在MEGA2軟件中，提供了哪些堿基替換距離模型，試列舉其中3種，解釋

其含義。

答：堿基替換模型包括，No.ofdifferences、p-distance、Jukes-Cantor

distance、Tajima-Neidistance、Kimur2-parameterdistance^Tamura

3-parameterdistance,Tamura-Neidistance

p-distance：表示有差異的核昔酸位點在序列中所占比例，將有差異的核甘酸

位點數(shù)除已經(jīng)比對的總位點數(shù)就可以得到

Jukes-Cantor:模型假設ATCG的替換速率是一致的，然后給出兩個序列核

苜酸替換數(shù)的最大似然估計

Kimura2-parameter：模型考慮到了轉換很顛換隊多重擊中的影響，但假設整個

序列中4鐘核昔酸的頻率是相同哈德在不同位點上的堿基替換頻率是相同的

14）列舉5項DNA序列分析的內容及代表性分析工具。

答：（1）尋找重復元件：RepeatMasker

（2）同源性檢索確定是否存在已知基因：BLASTn

（3）從頭開始方法預測基因：Genscan

（4）分析各種調控序列：TRES/DRAGoNPROMOTORFINDER

（5）CPG島：CpGPlotP130,表格

15）如何獲取訪問號為U49845的genbank文件？解釋如下genbank文件的LoCUS

行提供的信息：

LOCUSSCU498455028bpDNAlinearPLN21-JUNT999

答：（1）訪問NCBl的EntreZ檢索系統(tǒng)，（2）選擇核酸數(shù)據(jù)庫，（3）輸入U49845

序列訪問號開始檢索。

第一項是LoCUS名稱，前三個字母代表物種名

第二項是序列長度

第三項是序列分子類型

第四項是分子為線性的

第五項是GenBank分類碼

第六項是最后修訂日期P13

16）利用EntreZ檢索系統(tǒng)對核酸數(shù)據(jù)搜索，輸入如下信息，將獲得什么結果：

AF114696：AF114714[ACCN]0P35

答：獲得序列訪問號AFl14696到AF114714之間的連續(xù)編號的序列。

17）MEGA2如何將其它多序列比對格式文件轉化為MEGE格式的多序列比對文件？

答：（1）選擇菜單file,（2）選擇TeXtFiIeEditOrandFormatCc）Verter工

具，（3）調入需要轉換的序列和相應的格式，（4）獲得轉換后的MEGA格式的

文件并保存。

18）為下面的序列比對確定比對得分：匹配得分=+1,失配得分=0,空位得分

=-Io

TGTACGGCTATA

TC--CGCCT-TA

答:

TT________________________________J______________________

GC一0一

T—-T一

A_―T一

CC一]一

GG一]一

GC_________________________________0_________________________________

CC-]一

π一]一

A--T-

TT一]一

AA-]一

最后得分1+0+(T)+(-1)+1+1+0+1+1+(T)+1+1-4

19)用UPGMA重建系統(tǒng)發(fā)生樹，距離矩陣如下：

物種_A_____________B_____________C_____________D___________

B9~

C8—U-

D12—15—10—

E15—18-[3-5一

答：用NeWiCk格式表示的樹圖：(((AC)B)(DE))o

分析過程：

(1)兩條序列間的最小距離是Ck,所以物種D和E聚到一組，如下圖。

DE

DE

(2)計算新的距離矩陣，其中復合物種(DE)替換D和E,如下表。其他物種

與新物種組之間的距離由它們與組中兩個物種(D和E)之間距離的平均值決定,

如，

(AME)

(3)將A和C合并，計算新的矩陣，如下表，最后一次聚類((AC)B)將物種

B的分支點放在(AC)和(DE)的共同祖先之間。

物種_B____________AC___________

AC10

DE16.512.5—

20)畫出4個物種的3棵不同的無