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)制事件是促進新基因進化的重要推動力。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總是不計入總數(shù)中。總是不計入總數(shù)中。6.6.點矩陣（點矩陣（dotdotmatrixmatrix）：構(gòu)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(yīng)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

5、線。7.E值：得分大于等于某個分值值：得分大于等于某個分值S的不同的比對的數(shù)目在隨機的數(shù)據(jù)庫搜索中發(fā)生的可能的不同的比對的數(shù)目在隨機的數(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)生的機會越小，也即相似性越能反映真實的生物學(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或更好的比

6、對隨機發(fā)生的概率。它是將觀測得到的比對得分S，與同樣長度和組成的隨機序列作為查詢序列進行數(shù)據(jù)庫搜索進行比較得到的HSP（高分片段對）得分的期望分布聯(lián)系起來計算的。通常使用低于0.05來定義統(tǒng)計的顯著性。P=1eE9.打分矩陣（打分矩陣（scingscingmatrixmatrix）：）：在相似性檢索中對序列兩兩比對的質(zhì)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）兩類方法是序列相似性分析的基礎(chǔ)，其不

7、同的選擇將會出現(xiàn)不同的分析結(jié)果。10空位（空位（gapgap）：）：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(jié)果，這樣在其中一序列上產(chǎn)生中斷現(xiàn)象，這些中斷的位點稱為空位。11.NCBI：美國國家生物技術(shù)信息學(xué)中心，屬于美國國立醫(yī)學(xué)圖書館的一部分，具有BLASTEntrezGenBank等工具，還具有PubMed文獻數(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)序列表示為一個帶有大于號（）開始的核苷酸或者氨基酸序列的新文件，其中大于號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，主要包含生

9、物功能或數(shù)據(jù)庫信息；第三部分是feature，對序列的注釋；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時出現(xiàn)隨機匹配的概率是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時出現(xiàn)隨機匹配的概率是5%，因此用核酸序列比對時出現(xiàn)假陽性概率比較大，可靠性差。（2）密碼子的簡并。由于密碼子存在簡并現(xiàn)象，導(dǎo)致密碼子的變化不一定會導(dǎo)致氨基酸的變化，即一個氨基酸可以有多個密碼子，因而在進化過程中蛋白質(zhì)序列比核酸序列更為保守，采用蛋白序列比對更具有實際的意義。（3）當(dāng)序列相似性很高時可以選擇DNA序列進行比對。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、突變獨立。相鄰位置的突變是獨立的互不影響的。b.進化歷程的獨立。每個位點的突變概率僅由當(dāng)前狀態(tài)決定。c.位置獨立。某個氨基酸突變?yōu)榱硪粋€氨基酸僅有這兩個氨基酸決定。（2）基于進化的點突變模型，如果兩種氨基酸替換頻繁，說明自然界接受這種替換，那么這對氨基酸替換得分就高。一個PAM就是一個進化的變異單位即100個氨基酸中有1個發(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個氨基酸中發(fā)生250個可被自

12、然選擇接受的點突變，但這并不意味250次PAM后，每個氨基酸都發(fā)生變化，最后仍然具有20%的相似性，因為其中一些位置可能會經(jīng)過多次突變，甚至可能會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%左右的的遠緣序列。（3）PAM1PAM250生物學(xué)意義：PAM250矩陣適用于20%一致性的的遠相關(guān)蛋白的比對，而PAM1適用于85%的近緣序列，說明了生物進化是朝著趨異進化的，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

17、數(shù)比值；執(zhí)行雙序列比對時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矩陣是建立在一個進化突變模型的基礎(chǔ)上，他認為aa的突變是一個馬爾科夫的過程，即每個位點的aa突變是相互獨立的，且與該位點以前的突變無關(guān)；而BLOSUM矩陣沒有明確的進化模型，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基于全局比對得