生物信息学题库(共6页).doc

《生物信息学题库(共6页).doc》由会员分享，可在线阅读，更多相关《生物信息学题库(共6页).doc（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、精选优质文档-倾情为你奉上一、选择题:1. 以下哪一个是mRNA条目序列号： A. J01536. NM_15392C. NP_52280D. AAB2. 确定某个基因在哪些组织中表达的最直接获取相关信息方式是： . UnigeneB. EntrezC. LocusLinkD. PCR3. 一个基因可能对应两个Unigene簇吗？ 可能B. 不可能4. 下面哪种数据库源于mRNA信息： dbESTB. PDBC. OMIMD. HTGS5. 下面哪个数据库面向人类疾病构建： A. ESTB. PDB. OMIMD. HTGS6. Refseq和GenBank有什么区别： A. Refseq包括

2、了全世界各个实验室和测序项目提交的DNA序列B. GenBank提供的是非冗余序列. Refseq源于GenBank，提供非冗余序列信息D. GenBank源于Refseq7. 如果你需要查询文献信息，下列哪个数据库是你最佳选择： A. OMIMB. Entrez PubMedD. PROSITE8. 比较从Entrez和ExPASy中提取有关蛋白质序列信息的方法，下列哪种说法正确：A. 因为GenBank的数据比EMBL更多，Entrez给出的搜索结果将更多B. 搜索结果很可能一样，因为GenBank和EMBL的序列数据实际一样 搜索结果应该相当，但是ExPASy中的SwissProt记录的

3、输出格式不同9. 天冬酰胺、色氨酸和酪氨酸的单字母代码分别对应于： N/W/YB. Q/W/YC. F/W/YD. Q/N/W10. 直系同源定义为： 不同物种中具有共同祖先的同源序列B. 具有较小的氨基酸一致性但是有较大的结构相似性的同源序列C. 同一物种中由基因复制产生的同源序列D. 同一物种中具有相似的并且通常是冗余的功能的同源序列11. 下列那个氨基酸最不容易突变： A. 丙氨酸B. 谷氨酰胺C. 甲硫氨酸 半胱氨酸12. PAM250矩阵定义的进化距离为两同源序列在给定的时间有多少百分比的氨基酸发生改变： A. 1%B. 20%. 80%D. 250%13. 下列哪个句子最好的描述了

4、两个序列全局比对和局部比对的不同：A. 全局比对通常用于比对DNA序列，而局部比对通常用于比对蛋白质序列B. 全局比对允许间隙，而局部比对不允许C. 全局比对寻找全局最大化，而局部比对寻找局部最大化 全局比对比对整体序列，而局部比对寻找最佳匹配子序列14. 假设你有两条远源相关蛋白质序列。为了比较它们，最好使用下列哪个BLOSUM和PAM矩阵： BLOSUM45和PAM250B. BLOSUM45和PAM1C. BLOSUM80和PAM250D. BLOSUM10和PAM115. 与PAM打分矩阵比较，BLOSUM打分矩阵的最大区别是：A. 最好用于比对相关性高的蛋白B. 它是基于近相关蛋白的

5、全局多序列比对 它是基于远相关蛋白的局部多序列比对D. 它结合了全局比对和局部比对16. 如果有一段DNA序列，它可能编码多少种蛋白质序列： A. 1B. 2C. 3. 617. 要在数据库查询一段与某DNA序列编码蛋白质最相似的序列，应选择： A. blastn B. blastpC. tblastnD. tblastp blastx18. 为什么ClustalW（一个采用了Feng-Doolittle渐进比对算法的程序）不报告E值：A. ClustalW报告E值 使用了全局比对C. 使用了局部比对D. 因为是多序列比对19. Feng-Doolittle方法提出“一旦是空隙，永远是空隙”规

6、则的依据是：A. 保证空隙不会引物序列加入而填充B. 假定进化早期分歧的序列有较高优先级别 假定最近序列空隙应该保留D. 假定最远序列空隙应该保留20. 根据分子钟假说： A. 所有蛋白质都保持一个相同的恒定进化速率B. 所有蛋白质的进化速率都与化石记录相符合C. 对于每一个给定的蛋白质，分子进化的速率是逐渐减慢的，就如同不准时的钟 对于每一个给定的蛋白质，其分子进化的速率在所有的进化分支上大致是恒定21. 系统发生树的两个特征是： A. 进化分支和进化节点 树的拓扑结构和分支长度C. 进化分支和树根D. 序列比对和引导检测方法22. 下列哪一个是基于字母特征的系统发生分析的算法： A. 邻位

7、连接法（NJ法）B. Kimura算法 最大似然法（ML）D. 非加权平均法（UPGMA）23. 基于字母特征和基于距离的系统发生分析的算法的基本差异是： 基于字母特征的算法没有定义分支序列的中间数据矩阵B. 基于字母特征的算法可应用于DNA或者蛋白质序列，而基于距离仅能用于DNA C. 基于字母特征的算法无法运用简约算法 D. 基于字母特征的算法的进化分支与进化时间无关24. 一个操作分类单元（OTU）可指：A. 多序列比对 蛋白质序列C. 进化分支D. 进化节点25. 构建进化树最直接的错误来源是：多序列比对错误B. 采样的算法差异C. 假设进化分支是单一起源D. 尝试推测基因的进化关系2

8、6. 第一个被完整测定的基因组序列是： A. 啤酒酵母的3号染色体B. 流感病毒 X174D. 人类基因组27. 普通的真核生物线粒体基因组编码大约多少个蛋白质： 10 B. 100C. 1000D. 1000028. 根据基因组序列预测蛋白质编码基因的算法的最大问题是： A. 软件太难使用. 假阳性率太高，许多不是外显子的序列部分被错误指定C. 假阳性率太高，许多不是外显子功能未知D. 假阴性率太高，丢失太多外显子位点29. HIV病毒亚型的系统演化研究可以： A. 证实HIV病毒是由牛病毒演化而来 . 用于指导开发针对保守蛋白的疫苗C. 证实哪些人类组织最容易遭受病毒侵染30. 一个典型的

9、细菌基因组大小约为多少bp： A. 20000. C. D. 31. 细菌基因组与真核生物基因组分析工具存在较大差异的主要原因是：A. 细菌拥有不同的密码子B. 细菌没有细胞核C. 细菌很少有基因与真核同源 细菌DNA的基因含量、组成结构很不一样32. 下列具有最小基因组的原核生物可能是：A. 嗜极生物B. 病毒 胞内细菌D. 杆菌33. 要证明某大肠杆菌中的某个基因是水平转移而来，需要：A. 分析该大肠杆菌中该基因的GC含量与其他基因是否有很大差异B. 分析该大肠杆菌中该基因的密码子使用与其他基因是否有很大差异C. 系统发生分析该基因与其他物种中基因的同源关系 获取以上三个方面的信息34.

10、C值矛盾是指： A. 某些基因组中核苷酸C的含量少B. 真核生物基因组大小同编码蛋白质的基因个数没有相关性真核生物基因组大小同屋中的复杂性相关性很小D. 真核生物基因组大小同进化上的年龄相关性小35. 成百上千个48bp的重复序列单元最可能出现在： A. 散布性重复序列中B. 假基因中 端粒中D. 片段复制区域36. 从头预测真核基因的原因有：A. 外显子/内含子边界难以确定B. 内含子长度可能只有几个碱基对C. 编码区域的GC含量并不总是与非编码区相同 以上三个方面的原因37. 人类基因组大小大约是多少Mb： A. 130 B. 300 3000 D. 3000038. 各种重复元件在人类基

11、因组中大约占的百分比为： A. 5%B. 25%50%D. 95%39. 蛋白质编码区域占人类基因组百分比是： 1-5%B. 5-10%C. 10-20%D. 20-4-%40. 人类基因组中GC含量高的区域：A. 基因密度相对较低 基因密度相对较高C. 基因密度多变D. 基因所含密码子相对较少41. 人类复合孟德尔遗传的基因疾病约占疾病基因的： 1%B. 10%C. 50%D. 60%42. 单基因疾病趋向于： 在普通人群较少见，并且发生时间较早 B. 在普通人群较常见，并且发生时间较早C. 在普通人群较少见，并且发生时间较晚D. 在普通人群较常见，并且发生时间较晚C值真核生物基因组大小同屋

12、中的复杂性相关性很小Feng-Doolittle假定最近序列空隙应该保留HIV用于指导开发针对保守蛋白的疫苗PAM250 80%Refseq源于GenBank，提供非冗余序列信息比较从E 搜索结果应该相当成百端粒中 从头以上单基在普通人群较少见，并且发生时间较早 蛋白1-5% 第一X174 各种50%根据对于每一个给定的蛋白质，其分子进化的速率在所有的进化分支上大致是恒定根据假阳性率太高，许多不是外显子的序列部分被错误指定构建多序列比对错误基于字母特征的算法没有定义分支序列的中间数据矩阵假设BLOSUM45和PAM250普通10 确定Unigene 人类1% 人类3000人类基因密度相对较高

13、如果6如果PubMed 天冬N/W/Y为什使用了全局比对系统树的拓扑结构和分支长度细菌DNA的基因含量、组成结构很不一样下列半胱氨酸下列胞内细菌下列全局比对比对整体序列下列最大似然法（ML）下面dbEST下面OMIM要在blastx要证获取以上一个一个蛋白质序列一个可能以下NM_15392与PAM它是基于远相关蛋白的局部多序列比对直系不同物种中具有共同祖先的同源序列名词解释1. 生物信息学（bioinformatics）：是一门结合生物技术和信息技术从而揭示生物学中新原理的科学。2. 鸟枪法测序（shotgun method）一种测序方法，包括从基因组中获得随机的、已测序的克隆片段，并且对初始

14、基因的位置一无所知。3. BLAST：基本局部相似性比对搜索工具。在序列数据库中快速查找与给定的序列具有最优局部对准结果的序列的一种序列对算法。4. 整体联配（global alignment）：对两个核苷酸或蛋白质序列的全长所进行的比对。5. FASTA：是第一个被广泛使用的数据库相似性搜索算法，这个程序通过扫描序列中“词”的小配对，从而寻找最优局部比对。6. 算法（algorithm）：在计算机程序中包含的一种固定过程。7. 序列比对（alignment）：将两个或多个序列排在一起，以达到最大一致性的过程（对于氨基酸序列是比较他们的保守性），这样 评估序列间的相似性和同源性。8. 多序列比

15、对（multiple sequence alignment）：三个或多个序列之间的比对，如果序列在同一列有相同结构位置的残基和（或）祖传的残基，则会在该位置插入空位。9. 最佳联配（optimal alignment）：两个序列之间有最高打分值的排列。10. 空位（gap）：在两条序列比对过程中需要在检测序列或目标序列中引入空位，以表示插入或删除。11. 模块替换矩阵（BLUSUM）在替换矩阵中，每个位置的打分是在相关蛋白局部比对模块中观察到的替换的频率而获得的，每个矩阵被修改成一个特殊的进化距离。12. 可接受点突变（PAM）一个用于衡量蛋白质序列的进化突变程度的单位。13. 互补序列（co

16、mplementary sequence）能够与其他DNA片段根据碱基互补序列（A与T配对，G与C配对）形成两练结构的核苷酸序列。14. 保守序列（conserved sequence）指DNA分子中的一个核苷酸片段或者蛋白质中氨基酸片段，它们在进化过程中基本保持不变。15. 邻接片段（contig）与支架（scaffold）16. 邻接片段：一组在染色体上有重叠区域的DNA片段的克隆；17. 支架：由序列重叠群拼接而成。18. 注释（annotation）对数据库中原始的DNA碱基序列添加相关信息（比如编码的基因，氨基酸序列等）或其他的注解。19. 基因预测（gene prediction）

17、用计算机程序对可能的基因所做的预测，它是基于DNA片段与已知基因序列的匹配程度的。20. 直系同源（Orthologous）指不同种类的同源序列，他们是在物种的形成事件中从一个祖先序列独立进化而成的，可能有相似功能，也可能没有。21. 旁系同源（paralogous）是通过类似基因复制的机制产生的同源序列。22. 替换（substitution）在指定的位置不相同的氨基酸进行连配，如果联配的残基有相似的物化性质，那么替换是保守的。23. 表达序列标签（EST）一种短的DNA片段，是cDNA分子的一部分，可用来鉴定基因，通常用于基因定位和基因图谱中。24. 多态性（PolyMorphism）多个

18、个体之间DNA的差异叫多态性。25. 基因预测（Gene Prediction） 同1926. 序列模式（Motif）蛋白质序列中短的保守区域，它们是结构域中保守性很高的部分。27. 结构域（domain）：蛋白质在折叠时候与其它部分相独立的一个不连续部分，他有自己独特的功能。28. 开放阅读框（ORF）位于DNA或RNA上起始密码子与终止密码子之间的序列。29. 表达谱（profile）一个显示某个同源家族中指定位置打分值和空位罚分的表格，可以用于搜索序列数据库。30. 分子钟（molecular clock）对于每一个给定基因（或蛋白质）其分子进化率大致是恒定的。31. 系统发生（phyl

19、ogeny）是指生物种族的进化历史，亦即生物体在整个进化谱32. 分子进化树（molecular evolutionary tree）在研究进化和系统分类中，常用一种类似树状分支的图形来概括各种（类）生物之间的亲缘关系，这种树状分支的图形成为系统发育树(phylogenetic tree)。问答题 1. 生物信息学的大体定义是什么？其发展历程如何？（1） 利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。目前的生物信息学基本上只是分子生物学与信息技术（尤其是互联网技术）的结合体。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索

20、（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。目前主要的研究方向有：序列比对、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及建立进化模型。（2） 发展历程：20世纪50年代，生物信息学开始孕育 20世纪60年代，生物分子信息在概念上将计算生物学和计算机科学联系起来 20世纪70年代，生物信息学的真正开端 20世纪70年代到80年代初期 ，出现了一系列著名的序列比较方法和生物信息分析方法 20世纪80年代以后，出现一批生物信息服务机构和生物信息数据库20世纪90年代后 ，HGP促进生物信息学的迅速发展2. 请论述生物信息学的研究内容有哪些？1） 生物分

21、子数据的收集与管理：基因组数据库（EMBL、GenBank、DDBJ）蛋白质序列数据库（SWTSS-PROT、PIR）蛋白质结构数据库（PDB）2） 数据库搜索及序列比较搜索同源序列在一定程度上就是通过序列比较寻找相似序列 序列比较的一个基本操作就是比对（Alignment），即将两个序列的各个字符（代表核苷酸或者氨基酸残基）按照对应等同或者置换关系进行对比排列，其结果是两个序列共有的排列顺序，这是序列相似程度的一种定性描述。多重序列比对研究的是多个序列的共性。序列的多重比对可用来搜索基因组序列的功能区域，也可用于研究一组蛋白质之间的进化关系。3） 基因组序列分析:遗传语言分析天书 基因组结构

22、分析基因识别基因功能注释基因调控信息分析基因组比较4） 基因表达数据的分析与处理:基因表达数据分析是目前生物信息学研究的热点和重点。 目前对基因表达数据的处理主要是进行聚类分析，将表达模式相似的基因聚为一类，在此基础上寻找相关基因，分析基因的功能。 所用方法主要有：相关分析方法模式识别技术中的层次式聚类方法人工智能中的自组织映射神经网络主元分析方法 5）蛋白质结构预测。 蛋白质的生物功能由蛋白质的结构所决定 ，蛋白质结构预测成为了解蛋白质功能的重要途径。蛋白质结构预测分为:（1）二级结构预测: 在一定程度上二级结构的预测可以归结为模式识别问题 在二级结构预测方面主要方法有：立体化学方法、图论方

23、法、统计方法、最邻近决策方法、基于规则的专家系统方法、分子动力学方法、人工神经网络方法 预测准确率超过70%的第一个软件是基于神经网络的PHD系统（2）空间结构预测 在空间结构预测方面，比较成功的理论方法是同源模型法 该方法的依据是：相似序列的蛋白质倾向于折叠成相似的三维空间结构 ,运用同源模型方法可以完成所有蛋白质10-30%的空间结构预测工作3. 请叙述构建系统进化树的一般步骤。构建系统发生树的5个步骤: 1 序列选择：从那些可以输出FASTA格式的数据库中选择 2 多序列比对 3 替代模型的选择 4 生成树： 方式：distance-based；character-based: maxi

24、mum parsimony；character- and model-based: maximum likelihood； character- and model-based: Bayesian 基于距离的树生成软件：MEGA 和 PAUP MEGA应用算法：UPGMA， 基于距离的算法。 5 结果评估: 原则（一致性、效率、和鲁棒性）；检测方法：最为常见的方法是引导检测的分析方法 引导检测法：简单地讲就是把序列的位点都重排，重排后的序列再用相同的办法构树，如果原来树的分枝在重排后构的树中也出现了，就给这个分枝打上一分，如果没出现就给0分，这样经过你给定的repetitions次（至少100

25、0次）重排构树打分后，每个分枝就都得出分值，计算机会给你换算成bootstrap值。重排的序列有很多组合，值越小说明分枝的可信度越低，最好根据数据的情况选用不同的构树方法和模型.归纳前面所讲，下面几点可以帮助我们解释进化树：(1)从根节点到任何一个节点的惟一路径和方向代表了进化时间；(2)根是树中所有物种的共同祖先；(3)根节点上的物种我们认为比树中其他所有的物种分化更早。如果无法确定根节点的物种，就使用无根树进行分析。4. NCBI的Entrez检索包含了哪些方面的信息。Entrez是NCBI为用户提供整合的访问序列、定位、分类及结构数据的搜索和检索的系统，是一个用以整合NCBI数据库中信息

26、的搜寻和检索的工具，包括核酸序列、蛋白质序列、蛋白质三维结构、基因组图谱和通过PubMed检索的MEDLINE。其中，Entrez可以整合检索的序列数据库包括GenBank、EMBIDDBJ、RefSeq、PIR-International、PRF、SwissProt和PDB等。Entrez有两个显著的特点：第一是对每个数据库中的记录都预先做相似性比较，产生一个列表，包括序列、结构和MEDLINE文献记录等信息；第二是对某个数据库的记录与其他数据库的相关记录做了链接，使对不同数据库的访问得以整合。所以Entrez是通过相近性和硬连接来提供集成的信息检索。Entrez可以用很广泛的文本方式搜索，

27、比如作者名字、杂志名字、基因或蛋白名、物种、单一的检索号(如：accession number、序列ID、PubMed ID、MEDLNE UID)和其他的术语，因此，Entrez是一个强大的检索相关序列、结构和参考文献的信息检索工具。5. BLAST系列软件分别用哪些数据搜索何种数据库？6.真核基因结构注释包括哪些内容？相关的软件所依据的理论基础是什么？GENSCAN是美国麻省理工大学的Chris Burge于1997年开发成功的人类（或脊椎动物）基因预测软件，它根据基因的整体结构进行基因预测，不依赖于已有的蛋白库，是一种从头预测软件；用于ORF识别。通过对特征序列(GT-AG)的分析进行直

28、接的预测基因预测软件（NetGene2），内含子/外显子剪切位点识别。与相应的基因组序列比对，分析比对片段的分布位置（Spidey），用于mRNA剪切位点识别。选择性剪切数据库：ProSplicer。启动子结合位点分析：Cister。限制性酶切位点分析： NEBcutter。密码子使用偏好性分析：CodonW。7. 请概述基因组注释的大体流程。（1）基因组注释(Genome annotation) 是利用生物信息学方法和工具,对基因组所有基因的生物学功能进行高通量注释,是当前功能基因组学研究的一个热点。基因组注释的研究内容包括基因识别和基因功能注释两个方面。基因识别的核心是确定全基因组序列中所

29、有基因的确切位置。从基因组序列预测新基因,现阶段主要是3 种方法的结合: (1) 分析mRNA 和EST数据以直接得到结果; (2) 通过相似性比对从已知基因和蛋白质序列得到间接证据; (3) 基于各种统计模型和算法从头预测。对预测出的基因进行高通量功能注释可以借助于以下方法,利用已知功能基因的注释信息为新基因注释: (1) 序列数据库相似性搜索; (2) 序列模体(Motif) 搜索; (3) 直系同源序列聚类分析(Cluster of orthologousgroup ,COG).(2)基因组注释系统是MGAP 的核心,整合了许多常用的基因识别和蛋白质功能预测软件,包括GeneMarks、IPRsearch、BLASTPGP 和FASTA3 等,以及多个数据库,如非冗余蛋白质序列数据库(Non redundant , NR) 、已知三维空间结构的蛋白质序列数据库(PDBSeq) 、国际蛋白质资源信息系统( InterPro)和直系同源蛋白质家族数据库(Cluster of orthologousgroups ,COG) 等,编写了相应的模块进行自动操作,并把每一步注释结果导入数据库中。MGAP 整合的一般模块,可以被其他任何一种微生物基因组直接使用。专心-专注-专业