生物信息學(xué)期末考試重點(diǎn)

1、第一講生物信息學(xué)（Bioinformatics）是20世紀(jì)80年代末隨著人類(lèi)基因組計(jì)劃的啟動(dòng)而興起的一門(mén)新型交叉學(xué)科，它體現(xiàn)了生物學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)等學(xué)科間的滲透與融合。生物信息學(xué)通過(guò)對(duì)生物學(xué)實(shí)驗(yàn)數(shù)據(jù)的獲取、加工、存儲(chǔ)、檢索與分析，達(dá)到揭示數(shù)據(jù)所蘊(yùn)含的生物學(xué)意義從而解讀生命活動(dòng)規(guī)律的目的。生物信息學(xué)不僅是一門(mén)學(xué)科，更是一種重要的研究開(kāi)發(fā)平臺(tái)與工具，是今后進(jìn)行幾乎所有生命科學(xué)研究的推手。生物技術(shù)與生物信息學(xué)的區(qū)別及聯(lián)系生物技術(shù)生物信息學(xué)英文名稱(chēng)BiotechnologyBioinformatics最終目的產(chǎn)品研究方法利用生物的特性和功能，設(shè)計(jì)構(gòu)建具有預(yù)期功能的新物質(zhì)或品系對(duì)生物信息進(jìn)行

2、采集、處理、存儲(chǔ)、分析和解釋涉及學(xué)科基因工程、分子生物學(xué)、生物化學(xué)、遺傳學(xué)、細(xì)胞生物學(xué)、胚胎學(xué)、免疫學(xué)等生物學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)等發(fā)展歷程可追溯到 2000 B.C.數(shù)十年生物信息學(xué)的發(fā)展歷史 人類(lèi)基因組計(jì)劃（HGP） 人類(lèi)基因組計(jì)劃由美國(guó)科學(xué)家于1985年提出，1990年啟動(dòng)。根據(jù)該計(jì)劃，在2015年要把人體約4萬(wàn)個(gè)基因的密碼全部揭開(kāi)，同時(shí)繪制出人類(lèi)基因的譜圖，也就是說(shuō)，要揭開(kāi)組成人體4萬(wàn)個(gè)基因的30億個(gè)堿基對(duì)的秘密。HGP與曼哈頓原子彈計(jì)劃和阿波羅計(jì)劃并稱(chēng)為三大科學(xué)計(jì)劃，被譽(yù)為生命科學(xué)的登月計(jì)劃。(百度百科)隨著基因組計(jì)劃的不斷發(fā)展，海量的生物學(xué)數(shù)據(jù)必須通過(guò)生物信息學(xué)的手段進(jìn)行收集

3、、分析和整理后，才能成為有用的信息和知識(shí)。換句話(huà)說(shuō)，人類(lèi)基因組計(jì)劃為生物信息學(xué)提供了興盛的契機(jī)。上文所說(shuō)的基因、堿基對(duì)、遺傳密碼子等術(shù)語(yǔ)都是生物信息學(xué)需要著重研究的地方。第二講 回顧細(xì)胞結(jié)構(gòu)細(xì)胞是所有生命形式結(jié)構(gòu)和功能的基本單位細(xì)胞組成細(xì)胞膜 主要由脂類(lèi)和蛋白質(zhì)組成的環(huán)繞在細(xì)胞表面的雙層膜結(jié)構(gòu)細(xì)胞質(zhì) 細(xì)胞膜與細(xì)胞核之間的區(qū)域：包含液體流質(zhì)，夾雜物存儲(chǔ)的營(yíng)養(yǎng)、分泌物、天然色素和細(xì)胞器細(xì)胞器 細(xì)胞內(nèi)完成特定功能的結(jié)構(gòu)：線(xiàn)粒體、核糖體、高爾基體、溶酶體等細(xì)胞核 最大的細(xì)胞器DNA的結(jié)構(gòu)堿基 （腺嘌呤A、鳥(niǎo)嘌呤G、胞嘧啶C、胸腺嘧啶G）核苷酸核苷酸是構(gòu)成DNA分子的重要模塊。每個(gè)核苷酸分子由一分子稱(chēng)作

4、脫氧核糖的戊糖（五碳糖）、一分子磷酸和一分子堿基構(gòu)成。每種核苷酸都有一個(gè)堿基對(duì)，也就是A、T、C、G基因是什么基因是遺傳物質(zhì)的基本單位基因就是核苷酸序列。大部分的基因大約是1000-4000個(gè)核苷酸那么長(zhǎng)?；蛲ㄟ^(guò)控制蛋白質(zhì)的合成，從微觀和宏觀上影響細(xì)胞、組織和器官的產(chǎn)生?；蛟谌旧w上。第四講 數(shù)據(jù)結(jié)構(gòu)及其對(duì)應(yīng)算法數(shù)據(jù)結(jié)構(gòu)的定義數(shù)據(jù)結(jié)構(gòu)探討的是在計(jì)算機(jī)中如何有效地存放數(shù)據(jù)，使其可以方便地被處理 二維數(shù)組 鏈表 棧和隊(duì)列第五講 序列比較序列比較的根本任務(wù)是：1. 發(fā)現(xiàn)序列之間的相似性2. 辨別序列之間的差異目的：相似序列 相似的結(jié)構(gòu)，相似的功能 判別序列之間的同源性推測(cè)序列之間的進(jìn)化關(guān)系 序列

5、對(duì)比定義:序列對(duì)比(sequence alignment)是運(yùn)用某種特定的數(shù)學(xué)模型或算法，找出兩個(gè)或多個(gè)序列之間的最大匹配堿基或殘基數(shù)，比對(duì)的結(jié)果反映了算法在多大程度上提供序列之間的相似性關(guān)系及他們的生物學(xué)特征。編輯距離.AGCACAC-A. A-CACACTA.-Match（a，a）字符匹配-Delete（a，-） 從第一條序列刪除一個(gè)字符，或者在第二條序列相應(yīng)的位置插入空位 -Replace（a，b）以第二條序列中的字符b替換第一條序列中的字符a, a不等于b-Insert（-，b）在第一條序列插入空位符，或者刪除第二條序列中的對(duì)應(yīng)字符b編輯距離，又稱(chēng)Levenshtein距離，是指在對(duì)于

6、兩個(gè)字符串，由其中一個(gè)轉(zhuǎn)換成另一個(gè)所需要的最少編輯次數(shù)，該編輯可以是 Replace, Delete,InsertBesting BeatenS1. Replace (s - a )S2. Replace (i - e ) S3. Delete (g - -)S3. Insert(-,g)問(wèn)題：把一個(gè)字符串s1最少經(jīng)過(guò)多少步操作變成字符串s2？相關(guān)算法 遞歸函數(shù)調(diào)用自身，需要有邊界函數(shù)n! = n(n-1)(n-2).1;f(n) = f(n-1)+f(n-2) 動(dòng)態(tài)規(guī)劃 （最長(zhǎng)公共字符子序列）將大問(wèn)題分解為一系列子問(wèn)題，每個(gè)子問(wèn)題的解保存在數(shù)組中用來(lái)求最終解問(wèn)題描述 字符序列的子序列是指從給

7、定字符序列中隨意地（不一定連續(xù)）去掉若干個(gè)字符（可能一個(gè)也不去掉）后所形成的字符序列。令給定的字符序列X=“x0，x1，xm-1”，序列Y=“y0，y1，yk-1”是X的子序列，存在X的一個(gè)嚴(yán)格遞增下標(biāo)序列，使得對(duì)所有的j=0，1，k-1，有xij=yj。例如，X=“ABCBDAB”，Y=“BCDB”是X的一個(gè)子序列。最長(zhǎng)公共字符子序列A=“a0，a1，am-1”；B=“b0，b1，bm-1”；Z=“z0，z1，zk-1”為它們的最長(zhǎng)公共子序列，那么關(guān)于A,B,Z應(yīng)該有如下性質(zhì)：1） 如果am-1=bn-1，則zk-1=am-1=bn-1，且“z0，z1，zk-2”是“a0，a1，am-2”和

8、“b0，b1，bn-2”的一個(gè)最長(zhǎng)公共子序列； 2） 如果am-1!=bn-1，則若zk-1!=am-1，蘊(yùn)涵“z0，z1，zk-1”是“a0，a1，am-2”和“b0，b1，bn-1”的一個(gè)最長(zhǎng)公共子序列； 3）如果am-1!=bn-1，則若zk-1!=bn-1，蘊(yùn)涵“z0，z1，zk-1”是“a0，a1，am-1”和“b0，b1，bn-2”的一個(gè)最長(zhǎng)公共子序列。 最長(zhǎng)公共字符子序列現(xiàn)有兩個(gè)序列X=x1,x2,x3，.xi，Y=y1,y2,y3，.，yj，設(shè)一個(gè)Ci,j: 保存Xi與Yj的LCS的長(zhǎng)度。第六講編輯距離問(wèn)題算法 if i = 0 且 j = 0，matrix(i, j) = 0

9、 if i = 0 且 j 0，matrix(i, j) = j if i 0 且j = 0，matrix(i, j) = i ifi 1 且j 1 ，matrix(i, j) = min matrix(i-1, j) + 1, matrix(i, j-1) + 1, matrix(i-1, j-1) + f(i, j) ，當(dāng)?shù)谝粋€(gè)字符串的第i個(gè)字符不等于第二個(gè)字符串的第j個(gè)字符時(shí)，f(i, j) = 1；否則，f(i, j) = 0。第八講全局序列比對(duì)算法Levenshtein 與 LCS 的異同點(diǎn) Si-1,j-1 + cost(ai,bj) cost = 0 | 1Si,j = minS

10、i-1,j+cost(ai,-) delete (i,-) Si,j-1+cost(-,bj) delete (j,-)算法DemoABBA 01234B 11123B 22112A 32221第九講 生物信息學(xué)的計(jì)算機(jī)、統(tǒng)計(jì)學(xué)及數(shù)學(xué)基礎(chǔ)生物信息學(xué)的定義：生物信息學(xué)是生物學(xué)與計(jì)算機(jī)科學(xué)以及應(yīng)用數(shù)學(xué)等學(xué)科相互交叉而形成的一門(mén)新興學(xué)科。因此，計(jì)算機(jī)技術(shù)將是進(jìn)行生物信息學(xué)研究的重要手段;而數(shù)學(xué)知識(shí)是研究的重要方法。 目前，一般提到的 生物信息學(xué) 是就指這個(gè)狹義的概念，更準(zhǔn)確地說(shuō)，應(yīng)該是分子生物信息學(xué)（Molecular Bioinformatics）。 2、動(dòng)態(tài)規(guī)劃方法動(dòng)態(tài)規(guī)劃（Dynamic Pr

11、ogramming）是一種解決多階段決策過(guò)程的最優(yōu)化方法或復(fù)雜空間的優(yōu)化搜索方法動(dòng)態(tài)規(guī)劃解決問(wèn)題的基本過(guò)程是：將一個(gè)問(wèn)題的全局解分解為局部解，逆序遞推求出局部最優(yōu)解，隨著執(zhí)行過(guò)程的推進(jìn)，“局部”逐漸接近“全局”，最終獲得全局最優(yōu)解 在生物信息學(xué)中，使用得最多的是反向傳播神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network，簡(jiǎn)稱(chēng)BP網(wǎng)）。專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)（Expert System）是一種基于知識(shí)的智能系統(tǒng)，它將領(lǐng)域?qū)＜业慕?jīng)驗(yàn)用一定的知識(shí)表示方法表示出來(lái)，并放入知識(shí)庫(kù)中，供推理機(jī)使用 知識(shí)庫(kù)是專(zhuān)家系統(tǒng)的第一重要組成部分，知識(shí)庫(kù)中的知識(shí)通常分為兩類(lèi)：1. 一類(lèi)領(lǐng)域的事實(shí)性知識(shí)或

12、廣泛公用的知識(shí)2. 另一類(lèi)是啟發(fā)性知識(shí)，是該領(lǐng)域?qū)＜以陂L(zhǎng)期研究和實(shí)踐過(guò)程中積累起來(lái)的經(jīng)驗(yàn)總結(jié)知識(shí)獲取方式大致上可以分為兩種：一種是由知識(shí)工程師向領(lǐng)域?qū)＜以?xún)問(wèn)有關(guān)知識(shí)，經(jīng)過(guò)整理編輯后將知識(shí)轉(zhuǎn)換成計(jì)算機(jī)表示形式，送入知識(shí)庫(kù)另一種是針對(duì)大量數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，分析、總結(jié)和抽取出有用的新知識(shí)，這是更高層次的知識(shí)獲取方式。 專(zhuān)家系統(tǒng)的另一個(gè)重要部分是推理機(jī)，由它來(lái)控制和協(xié)調(diào)整個(gè)系統(tǒng)，并根椐當(dāng)前輸入的數(shù)據(jù)和知識(shí)，按一定的推理策略，去解決當(dāng)前的問(wèn)題，推導(dǎo)出結(jié)論。第十講 數(shù)據(jù)挖掘數(shù)據(jù)挖掘（定義）從技術(shù)層面上：數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取有用信息的過(guò)程 從商業(yè)層面上：數(shù)據(jù)挖掘就是一種商業(yè)信息處理技術(shù)，通過(guò)對(duì)大量業(yè)

13、務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和建模處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)數(shù)據(jù)挖掘（任務(wù)）分類(lèi)分析（Classification）通過(guò)分析示例數(shù)據(jù)庫(kù)中的數(shù)據(jù)，為每個(gè)類(lèi)別做出準(zhǔn)確的描述或建立分析模型產(chǎn)生分類(lèi)規(guī)則，然后用這個(gè)模型或規(guī)則對(duì)數(shù)據(jù)庫(kù)中的其他記錄進(jìn)行分類(lèi)。已被廣泛應(yīng)用于用戶(hù)行為分析、生物科學(xué)等領(lǐng)域。 聚類(lèi)分析（Clustering）聚類(lèi)和分類(lèi)是兩個(gè)容易混淆的概念。聚類(lèi)是一種無(wú)指導(dǎo)的觀察式學(xué)習(xí)，沒(méi)有預(yù)先定義的類(lèi)。而分類(lèi)問(wèn)題是有指導(dǎo)的示例式學(xué)習(xí)，預(yù)先定義類(lèi)。分類(lèi)是訓(xùn)練樣本里包含有分類(lèi)屬性值，而聚類(lèi)是要在訓(xùn)練樣本中發(fā)現(xiàn)這些分類(lèi)屬性值。第十一講 動(dòng)態(tài)規(guī)劃矩陣相乘只有當(dāng)矩陣A的列數(shù)與矩陣B的行數(shù)相等時(shí)A

14、B才有意義。一個(gè)mn的矩陣a(m,n)左乘一個(gè)np的矩陣b(n,p)，會(huì)得到一個(gè)mp的矩陣c(m,p) 共計(jì)算 2 * 3 * 4 = 24次動(dòng)態(tài)規(guī)劃算法 確定要用動(dòng)態(tài)規(guī)劃算法之后如何去分析問(wèn)題 怎么描述問(wèn)題，要把問(wèn)題描述為交疊的子問(wèn)題 交疊子問(wèn)題的初始條件（邊界條件） 動(dòng)態(tài)規(guī)劃在形式上往往表現(xiàn)為填矩陣的形式回顧編輯距離 或者 LCS算法，以上三點(diǎn)也都在我們的分析中體現(xiàn)背包問(wèn)題背包問(wèn)題簡(jiǎn)述問(wèn)題：如何在不超出背包重量的前提下得到最大價(jià)值？思考解決問(wèn)題的結(jié)構(gòu)，尋找最優(yōu)子結(jié)構(gòu)Item a1,a2,a3W: 5,3,2 P : 9,7,8MaxWeight: 5W: 5,3,2P : 9,7,8Max

15、Weight: 5問(wèn)題：一共要計(jì)算多少種可能性？核心算法cim=maxci-1m,ci-1m-wi+pi第十四講 信息可視化技術(shù)背景計(jì)算機(jī)圖形學(xué)的產(chǎn)生和發(fā)展為可視化的誕生奠定基礎(chǔ)1987年正式將可視化分為：數(shù)據(jù)可視化、信息可視化、科學(xué)可視化數(shù)據(jù)可視化將數(shù)據(jù)以圖像的形式呈現(xiàn)出來(lái)數(shù)據(jù)可視化主要旨在借助于圖形化手段，清晰有效地傳達(dá)與溝通信息。數(shù)據(jù)可視化是關(guān)于數(shù)據(jù)之視覺(jué)表現(xiàn)形式的研究；其中，這種數(shù)據(jù)的視覺(jué)表現(xiàn)形式被定義為一種以某種概要形式抽提出來(lái)的信息，包括相應(yīng)信息單位的各種屬性和變量。 數(shù)據(jù)可視化技術(shù)的基本思想是將數(shù)據(jù)庫(kù)中每一個(gè)數(shù)據(jù)項(xiàng)作為單個(gè)圖元元素表示，大量的數(shù)據(jù)集構(gòu)成數(shù)據(jù)圖像，同時(shí)將數(shù)據(jù)的各個(gè)屬性值以多維數(shù)據(jù)的形式表示，可以從不同的維度觀察數(shù)據(jù)，從而對(duì)數(shù)據(jù)進(jìn)行更深入的觀察和分析。 基本概念及構(gòu)成元素 數(shù)據(jù)空間：由n維屬性和m個(gè)元素組成的數(shù)據(jù)集所構(gòu)成的多維信息空間 數(shù)據(jù)開(kāi)發(fā)：利用一定的算法和工具對(duì)數(shù)據(jù)進(jìn)行定量的推演和計(jì)算 數(shù)據(jù)分析：指對(duì)多維數(shù)據(jù)進(jìn)行切片、塊、旋轉(zhuǎn)等動(dòng)作剖析數(shù)據(jù)，從而能多角度多側(cè)面觀察數(shù)據(jù) 數(shù)據(jù)可視化：指將大型數(shù)據(jù)集中的數(shù)據(jù)以圖形圖像