生物信息學(xué)復(fù)習(xí)題及答案西農(nóng)

1、1生物信息學(xué)復(fù)習(xí)題及答案（陶士珩）生物信息學(xué)復(fù)習(xí)題及答案（陶士珩）名詞解釋名詞解釋1.1.HomologyHomology(同源同源):):來源于共同祖先的序列相似的序列及同源序列。序列相似序列并不一來源于共同祖先的序列相似的序列及同源序列。序列相似序列并不一定是同源序列。定是同源序列。2.thologs2.thologs（直系同源）：（直系同源）：指由于物種形成的特殊事件來自一個(gè)共同祖先的不同物種中的同源序列，它們具有相似的功能。3.

2、ParalogsParalogs（旁系（并系）同源（旁系（并系）同源）：指同一個(gè)物種中具有共同祖先，通過基因復(fù)制產(chǎn)生的一組基因，這些基因在功能上的可能發(fā)生了改變?；驈?fù)制事件是促進(jìn)新基因進(jìn)化的重要推動(dòng)力。4.XenologsXenologs(異同源異同源)：通過橫向轉(zhuǎn)移，來源于共生或病毒侵染而產(chǎn)生的相似的序列，為異：通過橫向轉(zhuǎn)移，來源于共生或病毒侵染而產(chǎn)生的相似的序列，為異同源。同源。5.Identity5.IdentitySceSce

3、：TheThesumsumofofthethenumbernumberofofidenticalidenticalmatchesmatchesconservativeconservative(high(highscing)scing)substitutionssubstitutionsininasequencesequencealignmentalignmentdivideddividedbybythethetotaltotalnumb

4、ernumberofofalignedalignedsequencesequenceacters.acters.GapGap總是不計(jì)入總數(shù)中。總是不計(jì)入總數(shù)中。6.6.點(diǎn)矩陣（點(diǎn)矩陣（dotdotmatrixmatrix）：構(gòu)建一個(gè)二維矩陣，其X軸是一條序列，Y軸是另一個(gè)序列，然后在2個(gè)序列相同堿基的對(duì)應(yīng)位置（x，y）加點(diǎn)，如果兩條序列完全相同則會(huì)形成一條主對(duì)角線，如果兩條序列相似則會(huì)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

5、線。7.E值：得分大于等于某個(gè)分值值：得分大于等于某個(gè)分值S的不同的比對(duì)的數(shù)目在隨機(jī)的數(shù)據(jù)庫搜索中發(fā)生的可能的不同的比對(duì)的數(shù)目在隨機(jī)的數(shù)據(jù)庫搜索中發(fā)生的可能性。性。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(jī)或無關(guān)序列的概率，E值越小意味著序列的相似性偶然發(fā)生的機(jī)會(huì)越小，也即相似性越能反映真實(shí)的生物學(xué)意義，E值越接近零，越不可能找到其他匹配序列。8.P值：得分為所要求的分值比對(duì)或更好的比

6、對(duì)隨機(jī)發(fā)生的概率。它是將觀測(cè)得到的比對(duì)得分S，與同樣長(zhǎng)度和組成的隨機(jī)序列作為查詢序列進(jìn)行數(shù)據(jù)庫搜索進(jìn)行比較得到的HSP（高分片段對(duì)）得分的期望分布聯(lián)系起來計(jì)算的。通常使用低于0.05來定義統(tǒng)計(jì)的顯著性。P=1eE9.打分矩陣（打分矩陣（scingscingmatrixmatrix）：）：在相似性檢索中對(duì)序列兩兩比對(duì)的質(zhì)量評(píng)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(shí)際進(jìn)化距離（如PAM）兩類方法是序列相似性分析的基礎(chǔ)，其不

7、同的選擇將會(huì)出現(xiàn)不同的分析結(jié)果。10空位（空位（gapgap）：）：在序列比對(duì)時(shí)，由于序列長(zhǎng)度不同，需要插入一個(gè)或幾個(gè)位點(diǎn)以取得最佳比對(duì)結(jié)果，這樣在其中一序列上產(chǎn)生中斷現(xiàn)象，這些中斷的位點(diǎn)稱為空位。11.NCBI：美國(guó)國(guó)家生物技術(shù)信息學(xué)中心，屬于美國(guó)國(guó)立醫(yī)學(xué)圖書館的一部分，具有BLASTEntrezGenBank等工具，還具有PubMed文獻(xiàn)數(shù)據(jù)庫。另外還具有GenomedbESTdbGSSdbSTSMMDBOMIMUniGeneTax

8、onomyRefSeqetc.12.FASTA12.FASTA序列格式序列格式：是將DNA或者蛋白質(zhì)序列表示為一個(gè)帶有大于號(hào)（）開始的核苷酸或者氨基酸序列的新文件，其中大于號(hào)后可以跟上序列的相關(guān)信息，其他無特殊要求。13g13genbankenbank序列格式序列格式：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(xué)序列格式之一。該文件格式按域劃分為4個(gè)部分：第一部分包含整個(gè)記錄的信息（描述符）；第二部分包含注釋，主要包含生

9、物功能或數(shù)據(jù)庫信息；第三部分是feature，對(duì)序列的注釋；第四部分是序列本身，以“”結(jié)尾。3則表現(xiàn)出一定的相似性。2.whythethereliabilityreliabilityofofproteinproteinalignmentalignmentisishigherhigherthanthanthatthatofofDNADNA(1)核酸序列有四種堿基構(gòu)成，當(dāng)用兩條核酸序列比對(duì)時(shí)出現(xiàn)隨機(jī)匹配的概率是25%，而蛋白序列由20種氨基

10、酸序列組成，當(dāng)用兩條蛋白序列比對(duì)時(shí)出現(xiàn)隨機(jī)匹配的概率是5%，因此用核酸序列比對(duì)時(shí)出現(xiàn)假陽性概率比較大，可靠性差。（2）密碼子的簡(jiǎn)并。由于密碼子存在簡(jiǎn)并現(xiàn)象，導(dǎo)致密碼子的變化不一定會(huì)導(dǎo)致氨基酸的變化，即一個(gè)氨基酸可以有多個(gè)密碼子，因而在進(jìn)化過程中蛋白質(zhì)序列比核酸序列更為保守，采用蛋白序列比對(duì)更具有實(shí)際的意義。（3）當(dāng)序列相似性很高時(shí)可以選擇DNA序列進(jìn)行比對(duì)。3.PAM矩陣的假設(shè)條件及PAM1與PAM250的關(guān)系。（1）假設(shè)條件：a.臨近

11、突變獨(dú)立。相鄰位置的突變是獨(dú)立的互不影響的。b.進(jìn)化歷程的獨(dú)立。每個(gè)位點(diǎn)的突變概率僅由當(dāng)前狀態(tài)決定。c.位置獨(dú)立。某個(gè)氨基酸突變?yōu)榱硪粋€(gè)氨基酸僅有這兩個(gè)氨基酸決定。（2）基于進(jìn)化的點(diǎn)突變模型，如果兩種氨基酸替換頻繁，說明自然界接受這種替換，那么這對(duì)氨基酸替換得分就高。一個(gè)PAM就是一個(gè)進(jìn)化的變異單位即100個(gè)氨基酸中有1個(gè)發(fā)生可能被自然選擇接受的突變改變。PAM250則是PAM1自乘250次后得到的，即100個(gè)氨基酸中發(fā)生250個(gè)可被自

12、然選擇接受的點(diǎn)突變，但這并不意味250次PAM后，每個(gè)氨基酸都發(fā)生變化，最后仍然具有20%的相似性，因?yàn)槠渲幸恍┪恢每赡軙?huì)經(jīng)過多次突變，甚至可能會(huì)變回到原來的氨基酸；PAM1常用于近緣序列（85%），而PAM250用于相似度為20%左右的的遠(yuǎn)緣序列。（3）PAM1PAM250生物學(xué)意義：PAM250矩陣適用于20%一致性的的遠(yuǎn)相關(guān)蛋白的比對(duì)，而PAM1適用于85%的近緣序列，說明了生物進(jìn)化是朝著趨異進(jìn)化的，但總能彼此保持一定的相似性。P

13、AMPAM120:120:40%40%similarsimilarPAMPAM80:80:50%50%similarsimilarPAMPAM60:60:60%60%similarsimilar（4）PAM矩陣的局限性：BasicBasicassumption:assumption:NoNocrelationscrelationsininexchangeexchangefrequenciesfrequenciesbetweenbetwe

14、enneighbingneighbingsites.Structuralsites.Structuralanalysisanalysishashasconfirmedconfirmedroleroleofofneighbingneighbingresiduesresiduesinin3D3Dstructurestructure。DifferentDifferentsitessiteswithinwithinproteinsprotein

15、sshowshowdifferentdifferentlevelslevelsofofvariabilityvariability；AphylogeicphylogeictreetreemustmustbebeconstructedconstructedfirstfirstimplyingimplyingsomesomecircularitycircularityininthetheanalysisanalysisTheTheigina

16、liginalPAM1PAM1matrixmatrixwaswasbasedbasedononalimitedlimitednumbernumberofoffamiliesfamiliesnotnotnecessarilynecessarilyrepresentativerepresentativeofofallallproteinproteinfamiliesfamilies4.此矩陣與PAM矩陣的比較：相同之處是都在打分矩陣中使用對(duì)

17、數(shù)比值；執(zhí)行雙序列比對(duì)時(shí)都基于查詢序列和匹配序列的一致程度，然后選擇矩陣。（1）PAM矩陣是建立在一個(gè)進(jìn)化突變模型的基礎(chǔ)上，他認(rèn)為aa的突變是一個(gè)馬爾科夫的過程，即每個(gè)位點(diǎn)的aa突變是相互獨(dú)立的，且與該位點(diǎn)以前的突變無關(guān)；而BLOSUM矩陣沒有明確的進(jìn)化模型，他根據(jù)同一蛋白家族中序列保守的aa模塊中觀察到的替換情況得到。（2）用于產(chǎn)生矩陣的蛋白質(zhì)家族及多肽鏈數(shù)目，BLOSUM比PAM大約多20倍結(jié)果將更加可靠。（3）PAM基于全局比對(duì)得