2009生物信息学试题答案

2009试题（答案）

1.基因组测序的最后一步是进行序列片段组装。根据你所学的知识论述一下片段组装的大

致过程和需要注意的问题。

答：这部分可以从第一章的ppt上直接找到的，主要内容如下

序列片段组装过程：

三个步骤

（1）首先进行序列片段的两两比较，确定可能的片段之间的覆盖（或者重叠）；

（2）确定所有片段统一的覆盖模式，即确定各个序列片段的相对位置；

（3）最后确定片段组装结果，即确定目标序列。

需要注意的问题：

（1）碱基标识错误

（2）不知道片段方向

（3）存在重复区域

（4）缺少覆盖

2.对于一个新测序的真核生物核酸序列，如何通过生物信息学方法进行基因预测？

答：这部分内容可以从第三章基因组信息分析的ppt上找出，主要就是这三条，当然也可以回答的更细致

（1）识别基因两端的功能区域: 启动区、终止区

（2）在启动区下游位置寻找翻译起始密码子

（3）识别转录剪切位点：剪切供体位点、剪切受体位点

3.下面的序列来自EMBL核酸序列数据库，请根据这段序列回答问题：

（1）这是一个什么类型的序列？

（2）编码蛋白的氨基酸序列长度是多少？起始、终止编码位置是多少？

（3）用笔划出其中包含的到其他数据库的交叉链接。

ID M76550; SV 1; linear; genomic DNA; STD; FUN; 3600 BP.

XX

AC M76550;

XX

DT 11-SEP-1991 (Rel. 29, Created)

DT 04-MAR-2000 (Rel. 63, Last updated, Version 4)

XX

DE Saccharomyces cerevisiae cell division cycle protein (CDC13) gene, complete

DE cds.

XX

KW CDC13 gene; cell division cycle protein.

XX

OS Saccharomyces cerevisiae (baker's yeast)

OC Eukaryota; Fungi; Dikarya; Ascomycota; Saccharomycotina; Saccharomycetes;

OC Saccharomycetales; Saccharomycetaceae; Saccharomyces.

XX

RN [1]

RP 1-3600

RX PUBMED; 7565765.

RA Garvik B., Carson M., Hartwell L.;

RT "Single-stranded DNA arising at telomeres in cdc13 mutants may constitute a RT specific signal for the RAD9 checkpoint";

RL Mol. Cell. Biol. 15(11):6128-6138(1995).

XX

FH Key Location/Qualifiers

FH

FT source 1..3600

FT /organism="Saccharomyces cerevisiae"

FT /mol_type="genomic DNA"

FT /dev_stage="budding yeast"

FT /tissue_lib="RB161 genomic"

FT /db_xref="taxon:4932"

FT TATA_signal 329..334 Array FT /gene="CDC13"

FT TATA_signal 337..341

FT /gene="CDC13"

FT CDS 386..3160

FT /gene="CDC13"

FT /

FT /

FT /

FT /

FT /

FT /protein_id="

FT /translation="MDTLEEPECPPHKNRIFVSSSKDFEGYPSKAIVPVQFVAALTSIH FT LTETKCLLGFSNFERRGDQSQEDQYLIKLKFKDRGSERLARITISLLCQYFDIELPDLD FT SDSGASPTVILRDIHLERLCFSSCKALYVSKHGNYTLFLEDIKPLDLVSVISTISTKST FT NSSKHSSSELISECDLNNSLVDIFNNLIEMNRDEKNRFKFVKLIHYDIELKKFVQDQQK FT VLSQKSKAAAINPFFVPNRLGIPYIESQNEFNSQLMTLNVDEPTTDISNMGEEMHDSAD FT PIEDSDSSTTSSTGKYFSSKSYIQSQTPERKTSVPNNWHDDDSGSKRKRKLSFHSPNAS FT SIRKAISYEQLSLASVGSVERLEGKIVGMNPPQFASINEFKYCTLKLYFTQLLPNVPDK FT VLVPGVNCIEIVIPTRERICELFGVLNCQSDKISDILLLEKPDRISVEVERILWDNDKT FT ASPGMAVWSLKNISTDTQAQAQVQVPAQSSASIDPSRTRMSKMARKDPTIEFCQLGLDT FT FETKYITMFGMLVSCSFDKPAFISFVFSDFTKNDIVQNYLYDRYLIDYENKLELNEGFK FT AIMYKNQFETFDSKLRKIFNNGLRDLQNGRDENLSQYGIVCKMNIKVKMYNGKLNAIVR FT ECEPVPHSQISSIASPSQCEHLRLFYQRAFKRIGESAISRYFEEYRRFFPIHRNGSHLA FT KLRFDEVKHEPKKSPTTPALAEHIPDLNADVSSFDVKFTDISSLLDSSARLPRPQQTHK FT SNTLYSCEGRIIAIEYHASDLCFHITNELPLLQTRGLAPERVLQLHIITSKNFAYFFNR FT SSAYLQRQPLEEKYTQLAQFLGHSFKFNITSSLTLFPDTTVALQIWCPIECTFRELQQQ

FT LAHPKVAAAPDSGSLDCAINATVNPLRLLAAQNGVTVKKEEDNDDDAGAVPTS"

XX

SQ Sequence 3600 BP; 1142 A; 793 C; 734 G; 931 T; 0 other;

cttgcatgca taaccatcgt ttaatactgt cacatagata gaggtgttag taaaaaaaat 60

tggtgcacta acgaagctga aaaaaccggt aacatacctt gaaataactt ttgaatcgac 120

gactacagat gcttggctga ctttttgtaa gacaatcttc attgtaaatc cgctgctgaa 180

taatatgtgg attatttaat atgtacatgc agccttgatt aacgtgatta tactttttaa 240

acctttgata tccaaatttt tcaacgtcat aagagacgcg aaggcctagt gagatgcgaa 300

atgctaattc aaaatggaaa tttaagaata tattcatata tgtttctctt tggatacgaa 360

tgaccgtgga aactatcgcc taaaaatgga taccttagaa gagcctgagt gtcctccaca 420

taaaaatcgt atttttgtga gctcgagtaa agattttgaa ggctatccca gcaaagcaat 480 …………

ggcccatccg aaggttgcag cggctcctga ttcagggagt cttgattgcg caattaatgc 3060

taccgtcaat cctctgcgac ttcttgccgc gcaaaatggc gtcaccgtga aaaaggagga 3120

ggataatgac gatgacgccg gagccgttcc cacctcgtaa gacatgatcc gcgcagccca 3180

acgcggcggt gccaaattgc agtgacgtct cggagtaata taaaaaaaaa agaccaaata 3240

accaaattta agggtgctct gaatataagg gagtggaacg ttttcacacg aaggaaaagg 3300

gaaagagggg agtggtaaga agcaagagtc aatgaaaggt cttccttcct tcttgatgct 3360

aaaacaagga tagtctggaa tggggaggag cattcggcgc agatgccgac atataaaagg 3420

atggttgctt tgcaacagtt acttgatctt gctttgttct cttgattagt tatccgttag 3480

atgcaaactt taagtacagt aattttgaag tgaattaaaa agaaagaggt atttctttaa 3540

cgcttatctt tcctttttat ccaagtaaca agtaacacta acactataaa ctccgctatg 3600

//

4.为什么可以利用蛋白质序列信息进行系统发生分析？

答：这个问题可能在系统发生分析的ppt里面没有直接说出来，但在ppt的第33页、34页给出了“分子钟”或者“分子进化速率恒定”的观点，的图，只要回答出“分子钟”及后面一页ppt的“分子进化观点”相关内容就可以。

5.利用动态规划方法指出下面的黑色方框中得分值的最优计算途径，打分函数为：

p (a, a) = 1

p (a, b) = 0 a b

计算公式就用第二章ppt 里面的动态规划计算式（在ppt127～132页之间）：

6. 假设让你设计一个基因芯片进行未知序列的测序，该如何设计这个芯片？

答：这部分内容在生物芯片ppt 上的第31页－“基于芯片的序列分析：1. 测定未知序列”，这页ppt 下面也有注释，但可能需要你自己来总结一下。

主要这么几点（包括使用步骤）：

（1） 要在芯片上设计出完备序列，即所有可能的序列组合都出现；

（2） 芯片上的探针是长度为k （一般为8）的所有寡核苷酸；

（3） 杂交试验；

（4） 根据互补关系，通过各个探针的杂交结果确定DNA 靶序列中存在的片段；

（5） 进行片段组装重构靶序列

7. 假设包永明老师让你根据两种不同的限制性内切酶（其序列和结构均已知），将其活性

位点构建到一个蛋白上，该如何利用计算机设计这个蛋白？（提示：利用同源建模的方法）

答：这个题目涉及的问题比较多，方案有很多种，所以没有什么标准的答案，评判的标准就是看大家对这个问题是否深入分析。基本的思路是：

首先由于两个酶的序列和结构已知，可以将其活性位点找出来，找到其对应的序列，再考虑将序列拼接起来。

序列拼接有几种可能的方案，一是把两个全长序列拼接，但要考虑是否拼接完的蛋白太大；二是将活性位点及附近序列拼接，但要考虑能否形成特定的活性位点空间结构；三是尽量从已知结构上选取能够支撑这两个活性位点的二级结构，将这部分序列拼接起来；四是考虑两个序列的比对，看看与活性相关的序列两端是否具有高度的相似区域可以直接连接起来。当然，也可能还有其他的拼接方案。

然后进行同源建模。同源建模是一类方法，除了可以用swissmodel 根据一个模板建模之外，还可以将拼接的序列根据多个模板同时建模。建模的重点主要考虑两个序列的拼接区，观察其对整体结构的形成、是否会影响活性位点结构等。

当然，根据以上步骤也不见得就能得到所要的“二合一”蛋白，最终要通过实验检验。 1,1,1,,1(,)m ax (,)(,)i j i j i j i j i i j j d p s t d d p s d p t ----?+?=+-??+-?