生物信息学专业硕士学位培养方案
北京大学生物信息学跨学科硕士研究生培养方案
（试行）
一、培养目标
1. 较好地掌握马克思主义、毛泽东思想和邓小平理论，拥护党的基本路线，热爱祖国，遵纪守法，学风严谨，品行端正，有较强的事业心和献身科学的精神，积极为国家现代化建设服务；
2. 掌握一门外国语，具有坚实宽广的与生物信息学跨学科研究相关的生物学以及计算机与信息科学方面的理论基础；
3. 在生物信息学跨学科研究的某一领域掌握较系统的专门知识、技术与方法，能够运用所掌握的基础理论与专门知识解决科学研究或实际工作中的问题，具有从事教学与科学研究工作和其他实际工作的能力。
二、研究方向与指导教师（暂略）
三、招生、入学考试和学习年限
1. 招生对象
生物学、数学、化学、物理学、计算机与信息工程科学类大学本科毕业生或同等学力者，以及具备较好相关知识背景的其它学科的大学本科毕业生。
2. 入学考试
参加全国研究生招生统一考试。考试科目为政治理论课（理）、外语、专业基础课和专业课（专业基础课和专业课考试科目，包括生物学、数学、计算机科学与技术、物理学、化学等相关学科的课程，可根据报考者的学历背景及其报考导师的专业领域等情况进行选择）。
3.学习年限
三年
四、课程设置
生物信息学跨学科研究方向硕士研究生课程设置包括以下四个部分：
（一）公共必修课
（1）科学技术哲学与政治理论课
（2）第一外国语
（二）专业必修课（核心课程）
概率论与数理统计
数据库概论
普通生物学
生物信息学概论
生物化学与分子生物学
遗传学与细胞生物学
生物信息学研究中的数学方法
（三）讨论班与前沿讲座课（必修课）
生物信息学跨学科研究方向硕士研究生须参加讨论班与前沿讲座课程的学
习达四学期。每学期参加讨论班与前沿讲座课学习至少7次以上，记1学分；四学期共计4学分。
（四）选修或补修课
1. 计算机科学
数据结构
数据库原理与技术
数据库进展与新技术
程序设计语言（一）
程序设计语言（二）
计算机程序设计与技巧
操作系统概论
2. 数学
高等概率论与数理统计
高等统计学
随机过程论
组合数学
信息论与信号处理
算法设计与分析
算法研究
3. 生物学与医（药）学
现代生物学概论
生物统计学
分子和细胞生物学
现代生物化学与分子生物学研究技术
蛋白质化学与工程
分子免疫学
生物英语
4. 物理学
群论
量子力学
5. 化学
量子化学
统计热力学
分子设计方法的原理及应用
生物信息学跨学科研究方向硕士研究生须依照培养方案修满39学分。
其中：公共必修课7学分，专业必修课（核心课程）10学分，讨论班与前沿讲座课4学分（必修），选修或补修课16学分；学位论文选题报告2学分。
如果生物信息学跨学科研究方向硕士研究生按照培养方案所修课程为学校面向本科生开设的主干基础课程，成绩合格，则计入学分。
五、科学研究与学位论文工作
生物信息学跨学科研究方向硕士研究生在入学一年到一年半时间内，应按照培养方案修完除讨论班与前沿讲座课程以外的其它所有必修课、选修或补修课，
并完成学位论文选题报告，用一年半到二年的时间从事与其专业研究方向相关的科学研究与学位论文工作。科学研究与学位论文工作可大致分为三个阶段：学位论文选题报告；科学研究工作的开展；学位论文写作与申请答辩。
六、其它
本方案适合生物信息学跨学科研究方向的直攻博或硕-博连读研究生的硕士生阶段课程的学习。生物信息学跨学科研究方向的直攻博或硕-博连读研究生参加讨论班与前沿讲座课程的学习须达六学期。每学期参加讨论班与前沿讲座课学习至少7次以上，记1学分；六学期共计6学分。在其硕士生阶段课程学分修满后，需在导师指导下参与一个学期的科研工作，并在通过学科综合考试后，转入博士生阶段学习。生物信息学跨学科研究方向直攻博或硕-博连读研究生不做硕士学位论文（参见学校有关文件规定）。
生物信息学
1.1简述DNA双螺旋结构模型要点 a.DNA两条链逆平行、围绕同中心轴右手螺旋的双链结构，双螺旋结构的直径为2.0nm，螺距为3.4nm。 b.脱氧核糖和磷酸基团构成亲水性骨架位于双螺旋结构的外侧，疏水碱基位于螺旋内侧。每周约10个碱基。 c.两条链借助彼此之间的的氢键结合在一起。AT配对有两个氢键GC配对有三个氢键。每两个碱基对之间的相对旋转角度为36° d.双螺旋结构的表面形成了一个大沟(major groove)和一个小沟(minor groove)。 1.2 名词解释：DNA的变性与复性；DNA分子杂交 DNA的变性：在某些理化因素作用下，DNA双链解开成两条单链的过程。DNA变性的本质是双链间氢键的断裂。 DNA的复性：当变性条件缓慢地除去后，两条解离的互补链可重新配对，恢复原来的双螺旋结构，这一现象称为DNA复性(renaturation) 。 DNA分子杂交：热变性的DNA在缓慢冷却过程中，具有碱基序列互补的不同DNA之间或DNA与RNA之间形成杂环双链的现象称为核酸分子杂交。 1.3 简述核酸分子杂交技术 不同种类的DNA单链分子或RNA分子放在同一溶液中，只要两种单链分子之间存在着一定程度的碱基配对关系，在适宜的条件可以在不同的分子间形成杂化双链(heteroduplex)。这种杂化双链可以在不同的DNA与DNA之间形成，也可以在DNA和RNA分子间或者RNA与RNA 分子间形成。这种现象称为核酸分子杂交 1.4生物体内氨基酸有180多种,组成蛋白质的氨基酸只有（20）种,都是（α-氨基酸）。 1.5 写出氨基酸的结构通式 1.6名词解释：氨基酸的等电点 氨基酸的等电点：调节氨基酸溶液PH值,使氨基酸溶液中的氨基和羧基的解离度完全相等,即氨基酸所带静电荷为0,在电场中既不向阴极移动,也不向阳极移动,此时,氨基酸溶液的PH 值称为该氨基酸的等电点,以符号PI表示。 2.1 Sanger通过氨基酸与（2,4-二硝基氟苯(DNFB)）反应测定了胰岛素的序列。 2.2 Edman反应是指用（苯异硫氰酸酯（PITC））与氨基酸的氨基发生反应来测定多肽序列的。 2.3名词解释：肽键与肽平面 肽键：氨基酸与氨基酸之间脱水缩合之后形成肽链其中一个氨基酸上的氨基与另一个氨基酸上的羟基脱水缩合后形成的就叫肽键即-CO-NH-. 肽平面：与肽键相关的6个原子共处于一个平面，称为酰胺平面或肽平面。 肽键具有一定程度的双键性质，参与肽键的六个原子C、H、O、N、Cα1、Cα2不能自由转动，位于同一平面，此平面就是肽平面，也叫酰胺平面。 2.4详细叙述蛋白质的分子结构。 一级结构：组成蛋白质多肽链的线性氨基酸序列。 二级结构：依靠不同氨基酸之间的C=O和N-H基团间的氢键形成的稳定结构，主要为α螺旋和β折叠。 三级结构：通过多个二级结构元素在三维空间的排列所形成的一个蛋白质分子的三维结构。四级结构：用于描述由不同多肽链（亚基）间相互作用形成具有功能的蛋白质复合物分子。 2.5 蛋白质二级结构的有哪几种？
国内外生物信息学发展状况
国内外生物信息学发展状况 1.国外生物信息发展状况 国外非常重视生物信息学的发展各种专业研究机构和公司如雨后春笋般涌现出来，生物科技公司和制药工业内部的生物 信息学部门的数量也与日俱增。美国早在1988年在国会的支持 下就成立了国家生物技术信息中心（NCBI），其目的是进行计 算分子生物学的基础研究，构建和散布分子生物学数据库；欧 洲于1993年3月就着手建立欧洲生物信息学研究所（EBI）， 日本也于1995年4月组建了信息生物学中心（CIB）。目前， 绝大部分的核酸和蛋白质数据库由美国、欧洲和日本的3家数 据库系统产生，他们共同组成了 DDBJ/EMBL/Gen Bank国际核 酸序列数据库，每天交换数据，同步更新。以西欧各国为主的 欧洲分子生物学网络组织（EuropeanMolecular Biology Network, EMB Net）是目前国际最大的分子生物信息研究、开 发和服务机构，通过计算机网络使英、德法、瑞士等国生物信 息资源实现共享。在共享网络资源的同时，他们又分别建有自 己的生物信息学机构、二级或更高级的具有各自特色的专业数 据库以及自己的分析技术，服务于本国生物（医学）研究和开 发，有些服务也开放于全世界。 从专业出版业来看,1970年，出现了《Computer Methods and Programs in Biomedicine》这本期刊；到1985年4月， 就有了第一种生物信息学专业期刊《Computer Application
in the Biosciences》。现在，我们可以看到的专业期刊已经很多了。 2 国内生物信息学发展状况 我国生物信息学研究近年来发展较快,相继成立了北京大学生物信息学中心、华大基因组信息学研究中心、中国科学院上海生命科学院生物信息中心,部分高校已经或准备开设生物信息学专业。2002年国家自然科学基金委在生物化学、生物物理学与生物医学工程学学科设立了生物信息学项目,并列入生命科学部优先资助的研究项目。国家 863计划特别设立了生物信息技术主题,从国家需求的层面上推动我国生物信息技术的大力发展[3]。 但是由于起步较晚及诸多原因，我国的生物信息学发展水平远远落后于国外。在PubMed收录的以关键词“Bioinformatics”检索到的历年发表的文章数，可以看出大量的研究文献出现在21世纪以后。其中我国共有138篇占全部5548篇的2.5%，而美国则发表2160篇占全部的39%之多（统计数据截至2004年2月15日）。我国学者在生物信息学领域发表的有高影响力的论文只有不到美国学者发表数量的6%，差距相当大[4]。在生物信息学领域，一些著名院士和教授在各自领域取得了一定成绩，显露出蓬勃发展的势头，有的在国际上还占有一席之地。如北京大学的罗静初和顾孝诚教授在生物信息学网站建设方面、中科院生物物理所的陈润生研究员在EST
生物信息学软件及使用概述
生物信息学软件及使 刘吉平 liujiping@https://www.360docs.net/doc/567095611.html, 用概述 生 物秀-专心做生物！ w w w .b b i o o .c o m
生物信息学是一门新兴的交叉学生物信息学的概念： 科，它将数学和计算机知识应用于生物学，以获取、加工、存储、分类、检索与分析生物大分子的信息，从而理解这些信息的生物学意义。 生 物秀-专心做生物！ w w w .b b i o o .c o m
分析和处理实验数据和公共数据，生物信息学软件主要功能 1.2.提示、指导、替代实验操作，利用对实验数据的分析所得的结论设计下一阶段的实验 3.实验数据的自动化管理 4.寻找、预测新基因及其结构、功能 5.蛋白质高级结构及功能预测（三维建模，目前研究的焦点和难点） 生 物秀-专心做生物！ w w w .b b i o o .c o m
功能1. 分析和处理实验数据和公共数据，加快研究进度，缩短科研时间 ?核酸：序列同源性比较，分子进化树构建，结构信息分析，包括基元(Motif)、酶切点、重复片断、碱基组成和分布、开放阅读框（ORF ），蛋白编码区（CDS ）及外显子预测、RNA 二级结构预测、DNA 片段的拼接； ?蛋白：序列同源性比较，结构信息分析（包括Motif ，限制酶切点，内部重复序列的查找，氨基酸残基组成及其亲水性及疏水性分析)，等电点及二级结构预测等等； ?本地序列与公共序列的联接，成果扩大。 生 物秀-专心做生物！ w w w .b b i o o .c o m
Antheprot 5.0 Dot Plot 点阵图 Dot plot 点阵图能够揭示多个局部相似性的复杂关系 生 物秀-专心做生物！ w w w .b b i o o .c o m
生物信息学考试试卷修订稿
生物信息学考试试卷 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-
一、名词解释(每小题4分,共20分) 1、生物信息学 广义：生命科学中的信息科学。生物体系和过程中信息的存贮、传递和表达；细胞、组织、器官的生理、病理、药理过程的中各种生物信息。 狭义：生物分子信息的获取、存贮、分析和利用。 2、人类基因组计划 人类基因组计划准备用15年时间，投入30亿美元，完成人类全部24条染色体的3×109脱氧核苷酸对(bp)的序列测定，主要任务包括作图(遗传图谱、物理图谱的建立及转录图谱的绘制)、测序和基因识别。其中还包括模式生物(如大肠杆菌、酵母、线虫、小鼠等)基因组的作图和测序，以及信息系统的建立。作图和测序是基本的任务，在此基础上解读和破译生物体生老病死以及和疾病相关的遗传信息。 3、蛋白质的一级结构 蛋白质的一级结构是指多肽链中氨基酸的序列 4、基因 基因--有遗传效应的DNA片断,是控制生物性状的基本遗传单位。 5、中心法则 是指遗传信息从传递给，再从RNA传递给，即完成遗传信息的转录和翻译的过程。也可以从DNA传递给DNA，即完成DNA的复制过程。这是所有有细胞结构的生物所遵循的法则。 6 、DNA序列比较 序列比较的根本任务是：（1）发现序列之间的相似性；（2）辨别序列之间的差异 目的： 相似序列相似的结构，相似的功能 判别序列之间的同源性 推测序列之间的进化关系 7、一级数据库 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 8、基因识别 基因识别，是生物信息学的一个重要分支，使用生物学实验或计算机等手段识别DNA序列上的具有生物学特征的片段。基因识别的对象主要是蛋白质编码基因，也包括其他具有一定生物学功能的因子，如RNA基因和调控因子。 9、系统发生学 系统发生学(phylogenetics)——研究物种之间的进化关系。 10、基因芯片 基因芯片（gene chip），又称DNA微阵列（microarray），是由大量cDNA或寡核苷酸探针密集排列所形成的探针阵列，其工作的基本原理是通过杂交检测信息。
最新生物信息学名词解释(个人整理)
一、名词解释： 1.生物信息学：研究大量生物数据复杂关系的学科，其特征是多学科交叉，以互联网为媒介，数据库为载体。利用数学知识建立各种数学模型; 利用计算机为工具对实验所得大量生物学数据进行储存、检索、处理及分析，并以生物学知识对结果进行解释。 2.二级数据库：在一级数据库、实验数据和理论分析的基础上针对特定目标衍生而来，是对生物学知识和信息的进一步的整理。 3.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。 4.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。 5.Entrez检索系统：是NCBI开发的核心检索系统，集成了NCBI的各种数据库，具有链接的数据库多，使用方便，能够进行交叉索引等特点。 6.BLAST：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。P94 7.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。P98 8.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。P29 9.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 10.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 11.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 12.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）。 13.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。 14.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。 15.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。 16.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。 17.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。 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。 18.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。）
生物信息学名词解释
1.计算生物信息学（Computational Bioinformatics）是生命科学与计算机科学、数理科学、化学等领域相互交叉而形成的一门新兴学科，以生物数据作为研究对象，研究理论模型和计算方法，开发分析工具，进而达到揭示这些数据蕴含的生物学意义的目的。 2.油包水PCR (Emulsion PCR) : 1) DNA片段和捕获磁珠混合; 2) 矿物油和水相的剧烈震荡产生油包水环境; 3) DNA片段在油包水环境中扩增;4) 破油并富集有效扩增磁珠。 3.双碱基编码技术：在测序过程中对每个碱基判读两遍，从而减少原始数据错误，提供内在的校对功能。代表测序方法：solid 测序。 4.焦磷酸测序法：焦磷酸测序技术是由4种酶催化的同一反应体系中的酶级联化学发光反应,适于对已知的短序列的测序分析,其可重复性和精确性能与SangerDNA测序法相媲美,而速度却大大的提高。焦磷酸测序技术不需要凝胶电泳,也不需要对DNA样品进行任何特殊形式的标记和染色,具备同时对大量样品进行测序分析的能力。在单核苷酸多态性、病原微生物快速鉴定、病因学和法医鉴定研究等方面有着越来越广泛的应用。例如：454测序仪 ：用蛋白质序列查找核苷酸序列。 :STS是序列标记位点（sequence-tagged site）的缩写，是指染色体上位置已定的、核苷酸序列已知的、且在基因组中只有一份拷贝的DNA短片断，一般长200bp －500bp。它可用PCR方法加以验证。将不同的STS依照它们在染色体上的位置依次排列构建的图为STS图。在基因组作图和测序研究时，当各个实验室发表其DNA测序数据或构建成的物理图时，可用STS来加以鉴定和验证，并确定这些测序的DNA片段在染色体上的位置；还有利于汇集分析各实验室发表的数据和资料，保证作图和测序的准确性。 :表达序列标签技术（EST，Expressed Sequence Tags）EST技术直接起源于人类基因组计划。 ：生物信息学数据库。UniGene试图通过计算机程序对GeneBank中的序列数据进行适当处理，剔除冗余部分，将同一基因的序列，包括EST序列片段搜集到一起，以便研究基因的转录图谱。UniGene除了包括人的基因外，也包括小鼠、大鼠等其它模式生物的基因。 :开放阅读框（ORF，open reading frame )是基因序列的一部分，包含一段可以编码蛋白的碱基序列，不能被终止子打断。编码一个蛋白质的外显子连接成为一个连续的ORF。 10.分子钟检验：只有分子钟的，没听过分子钟检验。一种关于分子进化的假说，认为两个物种的同源基因之间的差异程度与它们的共同祖先的存在时间(即两者的分歧时间)有一定的数量关系
生物信息学医学数据
生物信息学在医学数据分析中的应用 1.前言 随着信息技术的飞速发展，医疗数据以爆炸般的速度积累增长，特别是临床医疗数据的大量积累，但是如何有效的整合和利用这些数据进行科学研究，这就对有效数据的管理和挖掘提出了更高的要求。 近年来，数据挖掘得到迅速发展，并逐渐应用到现实生活中，在分类分析方面表现相当出色，因此，已有专家将数据挖掘技术与基因表达数据分类问题相结合，发掘基因之间的关联联系，基因表达正常与非正常的活动范围，由此来理解基因表达的内在规律[1]，给疾病的诊断和预测、新特药的设计提供新的思路和方法。但目前医学数据的整合还存在以下问题： 一是医院临床数据通常是分散存在的。分布于医院信息系统、检验信息系统、检查信息系统、电子病历系统等医院建立的各种信息系统当中，有的甚至存在于医生手写的随访记录本当中，这样分散存在的数据不利于收集、整合与分析。 二是以往的临床科学研究都是以手工的方式去收集和整合数据，数据的可靠性和准确性得不到保证，而且容易产生数据丢失。与此同时，人工收集数据工作量大，数据采集速度慢、试验周期长的状况，这对临床科研数据的统计和分析结果的准确性提出来质疑。 三是在对手工搜集到的分散的数据资源进行统计分析和查询的过程中，效率滞后，容易影响科研进度。 针对上述几个问题，为确保收集数据的准确性、有效性和完整性，以便进行统计分析，基于临床科研的数据管理系统应运而生。 2. 支持向量机在医疗数据中的应用 在疾病检测中，单一的生理信息不足以反映人体的健康状况，因此对多种生理信息综合分析是十分有必要的。在心脏病的诊断中就涉及诸如年龄、血压、心跳等几种，甚至几十种理化指标。医生综合这些检测的数据，根据自己的经验、知觉和见解等对人体的健康状况做出某种诊断。显然，这种诊断是主观性的，对同一个人，有时不同的医生甚至会做出截然相反的判别。多生理信息融合( Information Fusing)技术可以直接从原始样本数据出发建立某种规则模型，并将这种模型在计算机上实现，利用这一模型可以帮助医生对待测人体做出更客
生物信息学数据库或软件
一、搜索生物信息学数据库或者软件 数据库是生物信息学的主要内容，各种数据库几乎覆盖了生命科学的各个领域。 核酸序列数据库有GenBank，EMBL，DDB等，核酸序列是了解生物体结构、功能、发育和进化的出发点。国际上权威的核酸序列数据库有三个，分别是美国生物技术信息中心（NCBI）的GenBank ，欧洲分子生物学实验室的EMBL-Bank（简称EMBL），日本遗传研究所的DDBJ 蛋白质序列数据库有SWISS-PROT，PIR，OWL，NRL3D，TrEMBL等， 蛋白质片段数据库有PROSITE，BLOCKS，PRINTS等， 三维结构数据库有PDB，NDB，BioMagResBank，CCSD等， 与蛋白质结构有关的数据库还有SCOP，CATH，FSSP，3D-ALI，DSSP等， 与基因组有关的数据库还有ESTdb，OMIM，GDB，GSDB等， 文献数据库有Medline，Uncover等。 另外一些公司还开发了商业数据库,如MDL等。
生物信息学数据库覆盖面广，分布分散且格式不统一, 因此一些生物计算中心将多个数据库整合在一起提供综合服务，如EBI的SRS(Sequence Retrieval System)包含了核酸序列库、蛋白质序列库，三维结构库等30多个数据库及CLUSTALW、PROSITESEARCH等强有力的搜索工具，用户可以进行多个数据库的多种查询。 二、搜索生物信息学软件 生物信息学软件的主要功能有： 分析和处理实验数据和公共数据，加快研究进度，缩短科研时间； 提示、指导、替代实验操作，利用对实验数据的分析所得的结论设计下一阶段的实验；寻找、预测新基因及预测其结构、功能； 蛋白高级结构预测。 如：核酸序列分析软件BioEdit、DNAClub等；序列相似性搜索BLAST；多重系列比对软件Clustalx；系统进化树的构建软件Phylip、MEGA等；PCR 引物设计软件Primer premier6.0、oligo6.0等；蛋白质二级、三级结构预测及三维分子浏览工具等等。 NCBI的网址是：https://www.360docs.net/doc/567095611.html,。 Entrez的网址是：https://www.360docs.net/doc/567095611.html,/entrez/。 BankIt的网址是：https://www.360docs.net/doc/567095611.html,/BankIt。 Sequin的相关网址是：https://www.360docs.net/doc/567095611.html,/Sequin/。 数据库网址是：https://www.360docs.net/doc/567095611.html,/embl/。
生物信息学基本知识
1.DNA:遗传物质(遗传信息的载体) 双螺旋结构,A,C,G,T四种基本字符的复杂文本 2.基因（Gene）：具有遗传效应的DNA分子片段 3.基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类包括细胞核基因组和线粒体基因组 OR一个物种中所有基因的整体组成 4.人类基因组：3.0×109bp模式生物 5.HGP的最初目标通过国际合作，用15年时间(1990～2005)至少投入30亿美元，构建详细的人类基因组遗传图和物理图，确定人类DNA的全部核苷酸序列，定位约10万基因，并对其它生物进行类似研究。 6.HGP的终极目标 阐明人类基因组全部DNA序列； 识别基因； 建立储存这些信息的数据库； 开发数据分析工具； 研究HGP实施所带来的伦理、法律和社会问题。 7.遗传图谱（genetic map）又称连锁图谱(linkage map)，它是以具有遗传多态性（在一个遗传位点上具有一个以上的等位基因，在群体中的出现频率皆高于1%）的遗传标记为“路标”，以遗传学距离（在减数分裂事件中两个位点之间进行交换、重组的百分率，1%的重组率称为1cM）为图距的基因组图。 遗传图谱的建立为基因识别和完成基因定位创造了条件。 8.遗传连锁图：通过计算连锁的遗传标志之间的重组频率，确定它们的相对距离，一般用厘摩（cM，即每次减数分裂的重组频率为1%）表示。 9.物理图谱（physical map）是指有关构成基因组的全部基因的排列和间距的信息，它是通过对构成基因组的DNA分子进行测定而绘制的。绘制物理图谱的目的是把有关基因的遗传信息及其在每条染色体上的相对位置线性而系统地排列出来。 10.转录图谱是在识别基因组所包含的蛋白质编码序列的基础上绘制的结合有关基因序列、位置及表达模式等信息的图谱。 11.序列图谱:随着遗传图谱和物理图谱的完成，测序就成为重中之重的工作。 DNA序列分析技术是一个包括制备DNA片段化及碱基分析、DNA信息翻译的多阶段的过程。通过测序得到基因组的序列图谱 12.大规模测序基本策略 逐个克隆法：对连续克隆系中排定的BAC克隆逐个进行亚克隆测序并进行组装（公共领域测序计划） 全基因组鸟枪法：在一定作图信息基础上，绕过大片段连续克隆系的构建而直接将基因组分解成小片段随机测序，利用超级计算机进行组装（美国Celera公司） 13.基因识别（gene identification）是HGP的重要内容之一，其目的是识别全部人类的基因。 基因识别包括： 识别基因组编码区 识别基因结构 基因识别目前常采用的有二种方法： 从基因组序列中识别那些转录表达的DNA片段 从cDNA文库中挑取并克隆。 14.基因组多态性（Polymorphism）:是指在一个生物群体中，同时和经常存在两种或多种不连续的变异型或基因型（genotype）或等位基因（allele），亦称遗传多态性（genetic
生物信息学基本分析
核酸序列的基本分析 运用DNAMAN软件分析核酸序列的分子质量、碱基组成和碱基分布。同时运用BioEdit（版本7.0.5.3）软件对基因做酶切谱分析。 碱基同源性分析 运用NCBI信息库的BLAST程序对基因进行碱基同源性分析(Translated query vs.protien database(blastx))网站如下：https://www.360docs.net/doc/567095611.html,/BLAST/ 参数选择：Translated query-protein database [blastx]；nr;stander1 开放性阅读框（ORF）分析 利用NCBI的ORF Finder程序对基因做开放性阅读框分析，网址如下： https://www.360docs.net/doc/567095611.html,/projects/gorf/orfig.cgi 参数选择：Genetic Codes：1 Standard 对蛋白质序列的结构功能域分析 运用简单模块构架搜索工具（Simple Modular Architecture Research Tool,SMART）对基因的ORF出的蛋白质序列进行蛋白质结构功能域分析。该数据库由EMBL建立，其中集成了大部分目前已知的蛋白质结构功能域的数据。 网址如下：http://smart.embl-heidelberg.de/ 运用NCBI的BLAST程序再对此蛋白质序列进行rpsBlast分析 参数选择：Search Database：CDD v2.07－11937PSSM Expect：0.01 Filter：Low complexity Search mode：multiple hits 1－pass 同源物种分析 用DNAMAN软件将蛋白质序列相关基因序列比对，根据结果绘出系统进化树，并进行分析。 蛋白质一级序列的基本分析 运用BioEdit（版本7.0.5.3）软件对基因ORF翻译的蛋白的一些基本性质，对分子量、等电点、氨基酸组成等作出分析。 二级结构和功能分析 信号肽预测 利用丹麦科技大学（DTU）的CBS服务器蛋白质序列的信号肽（signal peptide）预测，进入Prediction Serves 页面。 网址如下：http://www.cbs.dtu.dk/services/SignalP/ 参数选择： Eukaryotes；Both；GIF (inline)；Standard； 疏水性分析 利用瑞士生物信息学研究所（Swiss Institute of Bioinformatics，SIB）的ExPASy服务器上的ProtScale程序对ORF 翻译后的氨基酸序列做疏水性分析 网址如下： https://www.360docs.net/doc/567095611.html,/cgi-bin/protscale.pl 参数选择：
生物信息学复习题及答案
生物信息学复习题 一、名词解释 生物信息学, 二级数据库, FASTA序列格式, genbank序列格式, Entrez，BLAST，查询序列（query），打分矩阵（scoring matrix），空位（gap），空位罚分，E 值, 低复杂度区域，点矩阵（dot matrix），多序列比对，分子钟，系统发育（phylogeny），进化树的二歧分叉结构，直系同源，旁系同源，外类群，有根树，除权配对算法（UPGMA），邻接法构树，最大简约法构树，最大似然法构树，一致 树（consensus tree），bootstrap，开放阅读框（ORF），密码子偏性（codon bias），基因预测的从头分析法，结构域（domain），超家族，模体（motif），序列表谱（profile），PAM矩阵，BLOSUM，PSI-BLAST，RefSeq，PDB数据库，GenPept， 折叠子，TrEMBL，MMDB，SCOP，PROSITE，Gene Ontology Consortium，表谱（profile）。 二、问答题 1）生物信息学与计算生物学有什么区别与联系 2）试述生物信息学研究的基本方法。 3）试述生物学与生物信息学的相互关系。 4）美国国家生物技术信息中心（NCBI）的主要工作是什么请列举3个以上NCBI 维护的数据库。 5）序列的相似性与同源性有什么区别与联系 6）BLAST套件的blastn、blastp、blastx、tblastn和tblastx子工具的用途 什么 7）简述BLAST搜索的算法。 8）什么是物种的标记序列 9）什么是多序列比对过程的三个步骤 10）简述构建进化树的步骤。 11）简述除权配对法（UPGMA）的算法思想。 12）简述邻接法（NJ）的算法思想。 13）简述最大简约法（MP）的算法思想。 14）简述最大似然法（ML）的算法思想。 15）UPGMA构树法不精确的原因是什么 16）在MEGA2软件中，提供了多种碱基替换距离模型，试列举其中2种，解释其 含义。 17）试述DNA序列分析的流程及代表性分析工具。 18）如何用BLAST发现新基因 19）试述SCOP蛋白质分类方案。 20）试述SWISS-PROT中的数据来源。 21）TrEMBL哪两个部分 22）试述PSI-BLAST 搜索的5个步骤。 三、操作与计算题 1）如何获取访问号为U49845的genbank文件解释如下genbank文件的LOCUS行提供的信息： LOCUS SCU49845 5028 bp DNA linear PLN 21-JUN-1999 2）利用Entrez检索系统，对核酸数据搜索，输入如下信息，将获得什
生物信息学基础知识
分子生物学基础知识太仓生命信息研究所 2011-7
前言 本文仅适用于对非生物专业的员工进行基础知识普及。如有深入学习的要求，请选用正规权威教材。 本教材以蛋白质、DNA、RNA、复制、转录和翻译为主要讲解内容，目的是帮助员工理解在工作中会遇到的常见生物学概念及术语 目录 前言 (2) 目录 (2) 蛋白质 (3) 1. 什么是蛋白质 (3) 2. 蛋白质的3D结构 (5) DNA (7) 1. DNA的组成—4种碱基 (7) 2. DNA的复制 (8) 3. DNA转录为RNA (9) 4. mRNA翻译成氨基酸序列 (11)
蛋白质 1.什么是蛋白质 蛋白质是由20中基本氨基酸链接而成的，生物体的大部分是有蛋白质构成的。每种氨基酸由4部分组成：碳原子C，羧基coo-，氨基H3N和R group。 20中氨基酸按照不同的排列和不同的长度，就形成了蛋白质。不同的R group把氨基酸分为5类： 无极性脂肪类R Group：
芳香类R Group 有极性，无电荷R Group
正电荷R Group 负电荷R Group 2.蛋白质的3D结构 氨基酸链在三维空间里呈现出一定的结构。各个氨基酸分子于相邻的氨基酸之间有氢键连接。 一级结构：氨基酸的排列顺序，可以用氨基酸的缩写在书面上表达。 氨基和羧基之间的氢键使得单个的氨基酸分子能够链接起来。
二级结构：单条氨基酸链所形成的2D形态。常见的有Alpha helix Beta sheet。 Alpha helix：氨基酸分子按顺时针或逆时针的方向螺旋上升。 Beta sheet：多条氨基酸分子链并列在一起。 三级结构：氨基酸链在各个方向的形态综合在一起。
生物信息学在医学领域的应用研究现状
生物信息学在医学领域的应用研究现状 摘要生物信息学是研究生物信息处理(采集、管理和分析应用),并从中提取生物学新知识的一门科学,它连接生物数据和医学科学研究。生物信息数据库几乎覆盖了生命科学的各个领域，截止至2010年，总数已达1230个。生物信息学已不断渗透到医学领域的研究中。生物信息学在医学领域中主要应用于医学基础研究、临床医学、药物研发和建立与医学有关的生物信息学数据库。 关键词生物信息学，医学，应用 前言据统计,生物学信息正以每14个月翻一倍的速度增长。随着基因组及蛋白质序列数据库的快速增长,以及从这些序列中获取最大信息的需求,生物信息学(bioinformatics)作为一门独立学科应运而生。简言之,生物信息学就是利用计算和分析工具去收集、解释生物学数据的学科。生物信息学是一门综合学科,是计算机科学、数学、物理、生物学的结合。它对于管理现代生物学和医学数据具有重大意义,其研究成果将对人类社会和经济产生巨大推动作用。生物信息学的基础是各种数据库的建立和分析工具的发展。 数据库 迄今为止,生物学数据库总数已达500个以上。归纳起来可分为4大类:即基因组数据库、核酸和蛋白质一级结构数据库、生物大分子三维空间结构数据库,以及以上述3类数据库和文献资料为基础构建的二级数据库。 生物信息学在临床医学上的应用 1.疾病相关基因的发现:很多疾病的发生与基因突变或基因多态性有关。发 现新基因是当前国际上基因组研究的热点,使用生物信息学的方法是发现新基因的重要手段。目前发现新基因的主要方法有多种:(1)基因的电脑克隆:所谓基因的“电脑克隆”, 就是以计算机和互联网为手段,发展新算法,对公用、商用或自有数据库中存储的表达序列标签(express sequence tags,EST)进行修正、聚类、拼接和组装, 获得完整的基因序列, 以期发现新基因。(2)通过多序列比对从基因组DNA 序列中预测新基因[1]:从基因组序列预测新基因,本质上是把基因组中编码蛋白质的区域和非编码蛋白质的区域区分开来。(3)发现单核苷酸多态性[2]:现在普遍认为SNPs研究是人类基因组计划走向应用的重要步骤。这主要是因为SNPs将提供一个强有力的工具,用于高危群体的发
生物信息学基本知识
1. DNA: 遗传物质(遗传信息的载体)à双螺旋结构,A, C, G, T四种基本字符的复杂文本 2. 基因（Gene）：具有遗传效应的DNA分子片段 3. 基因组(Genome)：包含细胞或生物体全套的遗传信息的全部遗传物质。人类包括细胞核基因组和线粒体基因组 OR 一个物种中所有基因的整体组成 4. 人类基因组：3.2×109 bp 5.HGP的最初目标通过国际合作，用15年时间(1990～2005)至少投入30亿美元，构建详细的人类基因组遗传图和物理图，确定人类DNA的全部核苷酸序列，定位约10万基因，并对其它生物进行类似研究。 6.HGP的终极目标 阐明人类基因组全部DNA序列； 识别基因； 建立储存这些信息的数据库； 开发数据分析工具； 研究HGP实施所带来的伦理、法律和社会问题。 7.遗传图谱（genetic map）又称连锁图谱(linkage map)，它是以具有遗传多态性（在一个遗传位点上具有一个以上的等位基因，在群体中的出现频率皆高于1%）的遗传标记为“路标”，以遗传学距离（在减数分裂事件中两个位点之间进行交换、重组的百分率，1%的重组率称为1cM）为图距的基因组图。 遗传图谱的建立为基因识别和完成基因定位创造了条件。 8. 遗传连锁图：通过计算连锁的遗传标志之间的重组频率，确定它们的相对距离，一般用厘摩（cM，即每次减数分裂的重组频率为1%）表示。 9. 物理图谱（physical map）是指有关构成基因组的全部基因的排列和间距的信息，它是通过对构成基因组的DNA分子进行测定而绘制的。绘制物理图谱的目的是把有关基因的遗传信息及其在每条染色体上的相对位置线性而系统地排列出来。 10. 转录图谱是在识别基因组所包含的蛋白质编码序列的基础上绘制的结合有关基因序列、位置及表达模式等信息的图谱。 11. 序列图谱:随着遗传图谱和物理图谱的完成，测序就成为重中之重的工作。 DNA序列分析技术是一个包括制备DNA片段化及碱基分析、DNA信息翻译的多阶段的过程。通过测序得到基因组的序列图谱 12. 大规模测序基本策略 逐个克隆法：对连续克隆系中排定的BAC克隆逐个进行亚克隆测序并进行组装（公共领域测序计划） 全基因组鸟枪法：在一定作图信息基础上，绕过大片段连续克隆系的构建而直接将基因组分解成小片段随机测序，利用超级计算机进行组装（美国Celera公司） 13. 基因识别（gene identification）是HGP的重要内容之一，其目的是识别全部人类的基因。 基因识别包括： 识别基因组编码区 识别基因结构 基因识别目前常采用的有二种方法： 从基因组序列中识别那些转录表达的DNA片段 从cDNA文库中挑取并克隆。 14. 基因组多态性（Polymorphism）:是指在一个生物群体中，同时和经常存在两种或多种不连续的变异型或基因型（genotype）或等位基因（allele），亦称遗传多态性（genetic
生物信息学在生物医学文献中自动提取疾病相关信息的运用
生物信息学在生物医学文献中自动提取疾 病基因点突变信息的运用 生物信息学(Bioinformatics)一词由美籍学者林华安博士(Hwa A．Lim)首先创造和使用。生物信息学是多学科的交叉产物，涉及生物、数学、物理、计算机科学、信息科学等多个领域。狭义的讲，生物信息学是对生物信息的获取、存储、分析和解释；计算生物学则是指为实现上述目的而进行的相应算法和计算机应用程序的开发。这两门学科之间没有严格的分界线，统称为生物信息学。生物医学研究的重要目标就是找到突变和相应的疾病表型。但是大多数的疾病相关的突变数据都以文本的形式埋藏在生物医学文献之中，缺乏必要的结构来便于检索和查找。 信息的快速更新和持续增长的文献储存使得提取这些突变信息变得困难。蛋白质和DNA的突变信息储存在像Mendelian inheritance in man(OMIM)和Swiss-Prot 等数据库中。数据挖掘的方法从这些数据库中提取突变信息可以达到0.98的准确性，但是还没有正确的自动转到疾病相关的突变的方法。现有算法可以实现鉴定点突变（比如MutationFinder）或者突变和其相关的基因以及蛋白质的名称（比如MEMA和MuteXe）。大多数“突变+基因”的方法可以通过各自不同的界面和算法来实现对点突变信息的表述和文本数据收集。比如：Mutation Grab采用基于图表的（Graph based）的方法，而MutationMiner采用结构可视化的方法来表现。但是所有方法都关注于提取点突变和相关基因的正确性。 新的高效的从生物医学文献中鉴别点突变以及他们和疾病表型的关系。结合了数据挖掘（data mining）和序列分析（sequence analysis）来鉴定点突变和相关疾病。采用PubMed引擎来从MEDLINE中检索一系列摘要。将词汇索引控制在MEDLINE's Medical Subject Heading (MeSH)。根据MeSH提交一个简单的查询“mutation"然后下载所有可用的摘要，为XML格式。用MetaMap来鉴定疾病 状态。在生物领域中，最大的词汇资源为United Medical Language System （UMLS）Metathesaurus。MetaMap是专门发现Metathesaurus中的生物医学实体的软件。用MetaMap来鉴定题目和摘要中的疾病的名称。其方法如下：（1） EMU突变抽取工具被用来从突变疾病相关的文库中来鉴定和检索突变。同时也从文本中识别基因的名称。（2）应用一个过滤器(SEQ_Filter)来排除所有氨基酸和报道的相关蛋白序列中的不同的突变。（3） SEQ前后的结果可以人为建立一个全注释的疾病突变数据库。 首先，用EMU来鉴定基因信息。在生物医学文献中，基因和蛋白质的记录没有一个标准的形式。所以自动抽取基因和蛋白质信息是在数据挖掘上的一个很大的挑战。我们采用在内部词典中来进行字串查找(string look up)来确的基因的名字。使用Human Gnome Organization(HUGO)和National Center for Biotechnology Information (NCBI)的数据库来进行。所有和密码子一样的基因名称被除去了。其次，用SEQ_Filter来过滤氨基酸位置上不一致的突变。对于在摘要中鉴定的基因名称和突变，都可以在NCBI中查找了相应的蛋白质信息。对于每个蛋白质，根据相应位置上的突变来确定野生型的氨基酸。如果在突变位置的野生型氨基酸（或者突变型）至少有一个相关的蛋白质，那么基因和突变之间的联系证明是有效的。最后，建立黄金标准(gold standards)。和疾病基因相
生物信息学在医学领域的应用前沿
生物信息学在医学领域的应用前沿 摘要：生物信息学是有生命科学、信息学、数学、物理、化学等学科相互交融而形成的新兴学科。生物信息数据库几乎覆盖了生命科学的各个领域，截止至2010年，总数已达1230个。生物信息学已不断渗透到医学领域的研究中。生物信息学在医学领域中主要应用于医学基础研究、临床医学、药物研发和建立与医学有关的生物信息学数据库。 关键词：生物信息学；医学；基因；应用 生物信息学是20世纪80年代以来随着人类基因组生命科学与信息科学以及数学、物理、化学等学科相互交融而形成的新兴学科，是当今最具发展前途的学科之一。人类基因组计划的顺利推进产生了海量基因数据，这些数据中蕴藏着丰富的生物学内涵，如果能充分挖掘并加以利用，可能揭示出很多对人类有用的信息。生物信息学已经成为生物学、医学、农学、遗传学、细胞生物学等学科发展的强大推动力量。随着生物信息学研究的深入与发展，它已不断渗透到医学领域的研究中。近年来，伴随着对基因组的研究不断深入，部分应用领域取得了令人瞩目的突破，其潜在的经济利益更是吸引了众多国家、企业及大量科研人员投入到相关研究中，生物信息学得到了迅猛的发展。 一、主要数据库 数据库是生物信息学的主要内容，各种数据库几乎覆盖了生命科学的各个领域。截止至2010年，生物信息数据库总数已达1230个。生物信息数据可可分为一级数据库和二级数据库。一级数据库的数据都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，如Genbank数据库、SWISS-PROT数据库；二级数据库是在一级数据库、实验数据和理论分析的基础上针对特定目标衍生而来，是对生物学知识和信息的进一步整理，如人类基因组图谱库GDB。 在医学领域中常用的生物信息数据库主要有：核酸类数据库，如NCBI核苷酸序列数据库(Gen Bank )、欧洲核苷酸序列数据库(EMBL)、日本DNA 数据库(DDB)等；蛋白相关数据库，如蛋白质数据库(SWISS-PROT)、蛋白质信息资源库(HR)、Entrez 的蛋白三维结构数据库(MMDB)、蛋白质交互作用数据库(DIP)等；疾病相关数据库，包括综合临床数据库，如NCBI疾病基因数据库、Gene Cards等；遗传性疾病数据库，如遗传性疾病数据库(GDB)、人类遗传性疾病数据库(Gene Dis)等；肿瘤相关数据库，如肿瘤基因组解剖工程(CGAP)等；心血管疾病相关数据库，如心血管疾病相关生物医学数据库(Cardio)、心脏疾病计划及临床决策支持系统(HDP &CDM)等；免疫性疾病数据库，如免疫功能分子数据库( HMM)、免疫缺陷资源库(IDR)等；药物相关数据库，如药物和疾病数据库(Drugs)、FDA药品评审与研究中心(CDER)等。 二、生物信息学在医学领域的应用 2.1 生物信息学在医学基础研究中的应用 2.1.1 新基因的发现与鉴定 疾病的发生发展与特异基因的改变有关，鉴定与疾病相关的基因是科学家在积极探索的一个方向，对治疗某些疑难杂症带来新的契机。发现新基因是当前国际上基因组研究的热点，使用生物信息学的方法是发现新基因的重要手段。现在很多疾病的致病基因已经发现，包括癌症、肥胖、哮喘、心脑血管病等，其中与癌症相关的原癌基因约有1000个，抑癌基因约有100个。 目前发现新基因的主要方法有以下3种：①通过多序列比对从基因组DNA序列中预测新基因，其本质是把基因组中编码蛋白质的区域和非编码蛋白质的区域区分开来。②基因的电子克隆，即以计算机和互联网为手段，通过发展新算法，对生物信息数据库中存储的表达序列标签进行修正、聚类、拼接和组装，获得完整的基因序列，以期发现新基因。③发现单核苷酸多态性。 例如，2010年我国学者通过生物信息学EST 拼接技术，RT－PCR等技术，克隆出30个人类未知功能的新基因，并通过生物信息学分析该基因