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（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④20世纪70年代到80年代初期，出现了一系列着名的序列比较方法和生物信息分析方法⑤20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 ⑥20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） 生物分子数据的收集与管理：
①基因组数据库（EMBL、GenBank、DDBJ）②蛋白质序列数据库（SWTSS-PROT、PIR）③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
3） ①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。 ②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。
4） 基因组序列分析:①遗传语言分析——天书②基因组结构分析③基因识别④基因功能注释⑤基因调控信息分析⑥基因组比较
5） 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。 6） 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。 7） 所用方法主要有：①相关分析方法②模式识别技术中的层次式聚类方法③人工智能中的自组织映射神经网络④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:maximumparsimony；character-andmodel-based:maximumlikelihood；character-andmodel-based:Bayesian基于距离的树生成软件：MEGA和PAUPMEGA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1000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、EMBI—DDBJ、RefSeq、PIR-International、PRF、Swiss—Prot和PDB等。 Entrez有两个显着的特点：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，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：accessionnumber、序列ID、PubMedID、MEDLNEUID)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？
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ChrisBurge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。
6. 请概述基因组注释的大体流程。
（1）基因组注释(Genomeannotation)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(Clusteroforthologousgroup,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(Nonredundant,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(Clusteroforthologousgroups,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。
生物信息学题库
