一、名词解释
1、生物信息学:生物分子信息的获取、存贮、分析和利用;以数学为基础，应用计算机技术，研究生物学数据的科学。
2、相似性(similarity):相似性是指序列比对过程中用来描述检测序列和目标序列之间相同DNA碱基或氨基酸残基顺序所占比例的高低。
3、同源性(homology):生物进化过程中源于同一祖先的分支之间的关系。
4、BLAST(Basic Local Alignment Search Tool):基本局部比对搜索工具，用于相似性搜索的工具，对需要进行检索的序列与数据库中的每个序列做相似性比较。
5、HMM隐马尔可夫模型:是蛋白质结构域家族序列的一种严格的统计模型，包括序列的匹配，插入和缺失状态，并根据每种状态的概率分布和状态间的相互转换来生成蛋白质序列。
6、一级数据库:一级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(投稿文章首先要将核苷酸序列或蛋白质序列提交到相应的数据库中)
7、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。
8、GenBank: 是具有目录和生物学注释的核酸序列综合公共数据库，由NCBI构建和维护。
9、EMBL: EMBL 实验室：欧洲分子生物学实验室。EMBL 数据库：是非盈利性学术组织 EMBL 建立的综合性数据库，EMBL 核酸数据库是欧洲最重要的核酸序列数据库，它定期地与美国的 GenBank、日本的 DDBJ 数据库中的数 据进行交换，并同步更新。
10、DDBJ: 日本核酸序列数据库，是亚洲唯一的核酸序列数据库。
11、Entrez:是由 NCBI 主持的一个数据库检索系统，它包括核酸，蛋白以及 Medline 文摘数据库，在这三个数据库中建立了非常完善的联系。
12、SRS(sequence retrieval system):序列查询系统，是 EBI 提供的多数据库查询工具之一。有与 Entrez 类似的功能，还提供一系列的序列分析工具，可以直接进行在线序列分析处理。
13、EST:收集大量cDAN或EST序列以及其他相关信息，目前最大的公共表达序列数据库。
14、GSS:GeneBank数据库的一部分，收集基因组DNA克隆的测序序列。
15、GEO:基因表达精选集是一个储存高通量功能基因组学数据的数据库。
16、SCOP数据库:提供关于已知结构的蛋白质之间结构和进化关系的详细描述，包括蛋白质结构数据库PDB中的所有条目。
17、PROSITE :是蛋白质家族和结构域数据库，包含具有生物学意义的位点、模式、可帮助识别蛋白质家族的统计特征。
18、RefSeq: 是一个收录注释过的非冗余转录本、蛋白质和基因组序列的数据库。
19、结构域Structure domain:结构域，是在蛋白质三级结构中介于二级和三级结构之间的可以明显区分但又相对独立的折叠单元。
20、开放阅读框ORF: 开放阅读框，位于DNA或RNA上起始密码子与终止密码子之间的序列。
21、启动子Promoter:启动子是基因的一个组成部分，是位于结构基因5‘端上游区的DNA序列，控制基因表达(转录)的起始时间和表达的程度。
22、3’UTR:3’非翻译区的缩写，真核生物的转录终止信号是在 3’非翻译区的 : polyA。
23、CpG island:是在哺乳动物基因组中的一个500bp到300bp的区域，富含GC。
24、模体Motif:又称模体，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。
25、PDB(Protein Data Bank):蛋白质结构数据库，是国际上著名的生物大分子结构数据库，由美国Brookhaven国家实验室建立。
26、打分矩阵(scoring matrix):在相似性检索中对序列两两比对的质量评估方法。包括基于理论(如考虑核酸和氨基酸之间的类似性)和实际进化距离(如PAM)两类方法。
27、遗传连锁图:又叫遗传图谱(genetic map)是以具有遗传多态性的遗传标记为“路标”，以遗传学距离为图距的基因组图。
28、蛋白质组(proteom):是指一个基因组、一种生物或一个细胞/组织的基因组所表达的全套蛋白质。
29、基因组学:研究生物基因组和如何利用基因的一门学问。
30、比较基因组学:是在基因组图谱和测序的基础上，利用某个基因组研究获得的信息推测其他原核生物、真核生物类群中的基因数目、位置、功能、表达机制和物种进化的学科。
31、FASTA序列格式:是将DNA或者蛋白质序列表示为一个带有一些标记的核苷酸或者氨基酸字符串，大于号(>)表示一个新文件的开始，其他无特殊要求。
32、genbank序列格式:是GenBank 数据库的基本信息单位，是最为广泛的生物信息学序列格式之一。该文件格式按域划分为4个部分:第一部分包含整个记录的信息(描述符);第二部分包含注释;第三部分是引文区，提供了这个记录的科学依据;第四部分是核苷酸序列本身，以“//”结尾。
33、查询序列(query sequence):也称被检索序列，用来在数据库中检索并进行相似性比较的序列。
34、空位(gap):在序列比对时，由于序列长度不同，需要插入一个或几个位点以取得最佳比对结果，这样在其中一序列上产生中断现象，这些中断的位点称为空位。P29
35、空位罚分:空位罚分是为了补偿插入和缺失对序列相似性的影响，序列中的空位的引入不代表真正的进化事件，所以要对其进行罚分，空位罚分的多少直接影响对比的结果。P37
36、E值:衡量序列之间相似性是否显著的期望值。E值大小说明了可以找到与查询序列(query)相匹配的随机或无关序列的概率，E值越接近零，越不可能找到其他匹配序列，E值越小意味着序列的相似性偶然发生的机会越小，也即相似性越能反映真实的生物学意义。P95
37、低复杂度区域: BLAST搜索的过滤选项。指序列中包含的重复度高的区域，如poly(A)。
38、点矩阵(dot matrix):构建一个二维矩阵，其X轴是一条序列，Y轴是另一个序列，然后在2个序列相同碱基的对应位置(x，y)加点，如果两条序列完全相同则会形成一条主对角线，如果两条序列相似则会出现一条或者几条直线;如果完全没有相似性则不能连成直线。
39、多序列比对:通过序列的相似性检索得到许多相似性序列，将这些序列做一个总体的比对，以观察它们在结构上的异同，来回答大量的生物学问题。
40、分子钟:认为分子进化速率是恒定的或者几乎恒定的假说，从而可以通过分子进化推断出物种起源的时间。
41、系统发育分析:通过一组相关的基因或者蛋白质的多序列比对或其他性状，可以研究推断不同物种或基因之间的进化关系。
42、进化树的二歧分叉结构:指在进化树上任何一个分支节点，一个父分支都只能被分成两个子分支。
43、系统发育图:用枝长表示进化时间的系统树称为系统发育图，是引入时间概念的支序图。 44、直系同源:指由于物种形成事件来自一个共同祖先的不同物种中的同源序列，具有相似或不同的功能。(书:在缺乏任何基因复制证据的情况下，具有共同祖先和相同功能的同源基因。)
45、旁系(并系)同源:指同一个物种中具有共同祖先，通过基因重复产生的一组基因，这些基因在功能上可能发生了改变。(书:由于基因重复事件产生的相似序列。)
46、外类群:是进化树中处于一组被分析物种之外的，具有相近亲缘关系的物种。
47、除权配对算法(UPGMA):最初，每个序列归为一类，然后找到距离最近的两类将其归为一类，定义为一个节点，重复这个过程，直到所有的聚类被加入，最终产生树根。
48、邻接法(neighbor-joining method):是一种不仅仅计算两两比对距离，还对整个树的长度进行最小化，从而对树的拓扑结构进行限制，能够克服UPGMA算法要求进化速率保持恒定的缺陷。
49、最大简约法(MP):在一系列能够解释序列差异的的进化树中找到具有最少核酸或氨基酸替换的进化树。
50、最大似然法(ML):它对每个可能的进化位点分配一个概率，然后综合所有位点，找到概率最大的进化树。最大似然法允许采用不同的进化模型对变异进行分析评估，并在此基础上构建系统发育树。
51、自举法检验(Bootstrap):放回式抽样统计法。通过对数据集多次重复取样，构建多个进化树，用来检查给定树的分枝可信度。
52、密码子偏好性(codon bias):氨基酸的同义密码子的使用频率与相应的同功tRNA的水平相一致，大多数高效表达的基因仅使用那些含量高的同功tRNA所对应的密码子，这种效应称为密码子偏好性。
53、基因预测的从头分析:依据综合利用基因的特征，如剪接位点，内含子与外显子边界，调控区，预测基因组序列中包含的基因。
54、超家族:进化上相关，功能可能不同的一类蛋白质。
55、序列表谱(profile):是一种特殊位点或模体序列，在多序列比较的基础上，氨基酸的权值和空位罚分的表格。
56、PAM矩阵:PAM指可接受突变百分率。一个氨基酸在进化中变成另一种氨基酸的可能性，通过这种可能性可以鉴定蛋白质之间的相似性，并产生蛋白质之间的比对。一个PAM单位是蛋白质序列平均发生1%的替代量需要的进化时间。
57、BLOSUM矩阵:模块替代矩阵。矩阵中的每个位点的分值来自蛋白比对的局部块中的替代频率的观察。每个矩阵适合特定的进化距离。例如，在BLOSUM62矩阵中，比对的分值来自不超过62%一致率的一组序列。
58、PSI-BLAST:位点特异性迭代比对。是一种专门化的的比对，通过调节序列打分矩阵(scoring matrix)探测远缘相关的蛋白。
59、RefSeq:给出了对应于基因和蛋白质的索引号码，对应于最稳定、最被人承认的Genbank序列。
60、有根树:单一的节点能指派为共同的祖先，从祖先节点只有唯一的路径历经进化到达其他任何节点。
61、无根树:只表明节点间的关系，无进化发生方向的信息，通过引入外群或外部参考物种，可以在无根树中指派根节点。
62、一致树(consensus tree):在同一算法中产生多个最优树，合并这些最优树得到的树即一致树。
63、分子进化树(molecular evolutionary tree)：在研究生物进化和系统分类中，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)。
二、填空
1、1970年Needleman和Wunsch提出了著名的序列比对算法 ，是生物信息学发展中最重要的贡献
2、20世纪90年代后， HGP 促进生物信息学的迅速发展
3、HGP选择作为研究人类的四大“模式生物”有 酵母、线虫、果蝇、小鼠
4、在人的遗传连锁图谱上，1cM的物理距离大约为 1000000 核苷酸
5、基因组测序的基本策略有 逐个克隆法 和 全基因组鸟枪法
6、国际上三大生物信息学中心有:NCBI ， EBI 和 CIB
7、国际上最重要的核酸初级序列数据库有: GeneBank ， EMBL 和 DDBJ
8、国际上最重要的蛋白质序列数据库:SWISS-PROT和PIR
9、常用的序列搜索方法:FASTA和BLAST
10、目前由NCBI维护的大型文献资源是 PubMed
11、数据库常用的数据检索工具:Entrez， SRS
12、多序列联配的常用软件:Clustal
13、在生物学中常用的两种动态规划算法分别有:Needleman-Wunsch和Smith-Waterman
14、在用BLAST进行核酸序列查询时，查询序列和数据库中被比对上序列之间是否显著性相似可用E值来度量，E值越大，相似性越 小，E值越小，相似性越大。生物学意义上相似的两条序列，其E值远小于1.0
15、写出以下标注的含义:LOCUS是基因座位 ，DEFINITION是基因定义， ACCESSION是登录号，VERSION是版本号，SOURCE是来源物种
16、检测原核生物ORF的程序:NCBI-ORF finder
17、二级结构的状态有: α螺旋，β折叠，β转角，无规则卷曲
18、对于任一DNA序列(或cDNA序列)，可能存在 6 种不同的阅读框，其中 3 个为正向的， 3 个为反向的
19、原核生物启动子有两段保守序列，即 -10区 左右的TATAAT，以及 -35区 左右的TTGACA，它们为 RNA聚合酶 结合位点和识别位点
20、蛋白质同源结构建模可以使用在线的免费预测工具swiss-model
21. 系统发育树主要的三种构建方法: 距离矩阵法、最大简约法、最大似然法。
22、可使用 Oligo6 软件进行引物设计。
23. 写出以下pubmed检索时常用的限制字段的含义:[au] 作者 、[ti]标题、 [dp] 发表日期、[affiliation]地址
三、选择
1、( C )是现在国际上最主要的核酸序列数据库
A. EBI B. PDB C. GenBank D. NCBI
2、基本局部比对搜素工具是( C )
A. Mega B. ClustalW C. BLAST D. GCG
3、单核苷酸的标记是( B )
A. RFLP B. SNP C. SSR D. RAPD
4、提交序列到GenBank中，使用的程序可以是( D )
A. Entrez B. SRS C. Medline D. BankIt
5、人类基因组计划没有计划完成的几张图谱分别是( D )
A. 物理图谱 B. 遗传图谱 C. 序列图谱 D. 生物图谱
6、最常用的序列相似性查询工具是( B )
A. PIR B.BLAST C.SWISS-PROT D.PDB
7、下列哪些分子类型不属于非蛋白质编码区( C )
A.内含子 B.卫星DNA C.外显子 D.启动子
8、卫星DNA的多态性是由( B )所决定的。
A. DNA点突变个数 B. 限制性内切酶识别序列个数不同
C. DNA的二级结构不同 D. 重复单位不同
9、真核基因组特点不包括( B )
A. 基因组大，巨大的非编码序列，重复序列占了绝大部分
B. 基因结构复杂，有 显著长度的开放阅读框
C. 存在可变剪接
D. CpG岛
10、PDB是蛋白质的( B )
A. 分类数据库 B. 结构数据库 C. 核酸数据库 D.模体数据库
11、根据研究发现，人类基因组中真正编码蛋白质的区域仅占DNA 序列的( A )
A. 1-2% B. 3-5% C. 5-10% D.10-20%
12、在真核生物的一个基因内含子两端，即外显子/内含子拼接边界处，其符合( B )规则。
A. Kozak B. GT„AG C. SD D. Poly(A)
13、PIR是( D )
A. 分类数据库 B. 核酸数据库 C. mRNA数据库 D.蛋白质数据库
14、alignment的含义是( C )
A. 登录号 B. 算法 C. 比对 D.分类
15、隐马尔科夫模型的代号是( A )
A. HMM B. CDD C. HTGS D. GSS
16、DNA中Tm值与( B )含量成正比
A. G+A B. G+C C. T+C D. A+T
17、OMIM是( A )
A. 在线人类孟德尔遗传数据库 B. 国家核酸数据库 C. 人类基因组计划 D. 水稻基因组计划
18、被誉为“生物信息学之父”的科学家是( D )
A. Dulbecco B. Sanger C. 吴瑞 D. 林华安
19、下列Fasta格式正确的是( B )
A. seq1: agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
B. >seq1 agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
C. seq1:agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
D. >seq1agcggatccagacgctgcgtttgctggctttgatgaaaactctaactaaacactccctta
20、国际三大核酸数据库每间隔多长时间就互相交换数据库里的数据( A )
A.每天 B.7 天 C. 10天 D. 一个月
21、UTR的含义是( B )
A. 编码区 B. 非编码区 C. 低复杂度区域 D. 开放阅读框
22、以下数据库不能用于检索核酸序列的是( B )
A. GenBank B. PDB C. EMBL D.DDBJ
23、进行多序列比对常使用哪种软件 ( C )
A. Dock B. Compute pI/MW C. Clustal D. Rasmol
24、对于远源蛋白质序列，在进行多序列比对的时候应选用下面哪一种矩阵( B )
A. BLOSUM62 B. BLOSUM30 C.PAM100 D. 结合基序打分矩阵
25、对于蛋白质同源结构模建，通常要求待模建序列与模板序列一致性超过 ( D )
A. 60% B. 50% C. 40% D.30%
26、对于搜索不到同源模板的蛋白质，可尝试用以下哪种方法模建构 ( A )
A. Threading 法 B. SWISS-MODEL网络服务器 C. Homology法 D. 没有办法模建
27、给定一段核酸序列，可通过什么方法查找上面蛋白质编码区( A )
A.ORF Finder B. CpGPlot C. SWISS-MODEL D. Dock
28、预测蛋白质上的跨膜区，可使用以下哪种软件或方法( D )
A. GeneSplicer B. Chou-Fasman算法 C. GOR D.TMHMM
29、EMBL的含义是( B )
A. 美国国家生物信息中心 B. 欧洲分子生物学实验室
C. 日本DNA数据库 D. 瑞士国家基因组研究中心
30、NCBI的含义是( A )
A. 美国国家生物信息中心 B. 欧洲分子生物学实验室
C. 日本DNA数据库 D. 瑞士国家基因组研究中心
