理工類專業(yè)課復(fù)習(xí)資料-《生物信息學(xué)》復(fù)習(xí)資料

第二版科學(xué)出版社打分政策:60%期末考試(70%掌握內(nèi)容、25%熟悉內(nèi)容、5%理解內(nèi)容)(請(qǐng)注意紅體與黑體字)1.生物信息學(xué)：生物信息學(xué)是生物學(xué)和信息技術(shù)的結(jié)合，是現(xiàn)代科學(xué)的又一個(gè)分支學(xué)科，生物信息學(xué)主要由三大部分組成算法與統(tǒng)計(jì)工具因組鳥(niǎo)槍法計(jì)算機(jī)在生物信息學(xué)中的作用：生物信息學(xué)需要計(jì)算機(jī)快速、可靠地執(zhí)行重復(fù)任務(wù)的能力析以及生化和分子途徑分析。2.生物信息學(xué)實(shí)例：L學(xué)資源、各種數(shù)據(jù)庫(kù)和生物信息學(xué)分析工具的網(wǎng)站NCBI(TheNationalCenterforBiotechnologyInformation)/BITheEuropeanBioinformaticsInstitutehttpwwwebiacukTheCanadianBioinformaticsResourcehttp://www.cbr.nrc.ca/SwissProt/ExPASy(SwissBioinformaticsResource)http://expasy.cbr.nrc.ca/sprot/PDB(TheProteinDatabank)/PDB/B:數(shù)據(jù)采集DNA測(cè)序是采用全自動(dòng)的鏈終止反應(yīng)完成的，這一技術(shù)通過(guò)加入限量的雙脫氧核苷酸來(lái)產(chǎn)生有特定終止堿基的嵌套DNA片段。共有4種反應(yīng)，每種代表DNA4個(gè)堿基中的一個(gè)，DNA式。基因組DNA直接來(lái)自基因組，包括基因和基因外核酸序12測(cè)序(clonecontigsequencing)包括亞克隆系統(tǒng)的產(chǎn)生及其測(cè)序。使用Phrap程序?qū)⑿蛄衅唇映芍丿B群(contigs)，剩下的不一致部分通過(guò)人工校對(duì)解決。5.單遍(Single-pass)測(cè)序：6.RNA測(cè)序：大部分RNA序列可以從相應(yīng)的DNA序列推斷得到，但是需要用特殊的方法來(lái)識(shí)別被改變y目前，大部分蛋白質(zhì)測(cè)序是通過(guò)質(zhì)譜(MS)技術(shù)進(jìn)行的，應(yīng)用這一技術(shù)可以通過(guò)測(cè)量真空中質(zhì)的虛擬消化(virtualdigest)預(yù)測(cè)而來(lái)的分子質(zhì)量的異同推斷序列。通過(guò)在碰撞室(collisionlX衍射晶體學(xué)是一種通過(guò)精確定向的蛋白質(zhì)晶體的X射線衍射模式來(lái)確定蛋白質(zhì)結(jié)構(gòu)的方度圖，以建立結(jié)構(gòu)模型。NMR是某些原子的一種屬性，即在外加磁場(chǎng)范圍內(nèi)原子通過(guò)吸收電磁輻射可以在不同的對(duì)于大的不容易結(jié)晶的蛋白質(zhì)，需要用其他的分析方法來(lái)推測(cè)結(jié)構(gòu)，這包括X射線纖維衍射、電子顯微鏡和CD光譜(circulardichroismspectroscopy)。NBRFPIR文件名后綴為：.piro或.seq③GDE格式文件名后綴為gde3序列登錄號(hào):O08892NBRF/PIR格式:PHTB_CAVPOeapigserotoninreceptoraccessionOMGNPEASCTPPAVLGSQTGLPHANVSAPPNNCSAPSHIYQDSIALPWKVLLVVLLALIT...FASTA格式:HTBCAVPOO892|guineapigserotoninreceptorMGNPEASCTPPAVLGSQTGLPHANVSAPPNNCSAPSHIYQDSIALPWKVLLVVLLALIT...GDE格式:%5HT1B_CAVPOO08892|guineapigserotoninreceptorMGNPEASCTPPAVLGSQTGLPHANVSAPPNNCSAPSHIYQDSIALPWKVLLVVLLALIT...Z軸)；注釋、說(shuō)明和實(shí)驗(yàn)細(xì)節(jié)。K序列數(shù)據(jù).eg.ESTs,GSSsandunfinishedgenomicseq.data3.序列提交：Sequence(序列)→Internet(互聯(lián)網(wǎng))→NCBI/EMBL/DDBJ(數(shù)據(jù)庫(kù))SWISSPROT白質(zhì)序列及與結(jié)構(gòu)、功能和所屬蛋白質(zhì)家族有關(guān)的注釋信息。L5.數(shù)據(jù)庫(kù)查詢：ASTonnumberD:生物數(shù)據(jù)檢索一、通過(guò)Entrez和DBGET/LinkDB進(jìn)行數(shù)據(jù)檢索1.訪問(wèn)分布數(shù)據(jù)：利用專業(yè)的數(shù)據(jù)檢索工具Entrez,DBGET和SRS進(jìn)行數(shù)據(jù)庫(kù)搜索GenBankOMIM4MEDLINEDBGET/LinkDB了20數(shù)據(jù)庫(kù)并與KEGG相關(guān)聯(lián)。LinDBisadatabaseoflinkseachofwhichisrepresentedasabinaryrelationintheformofbnameidentifierdbnameidentifierfulcapabilitiestosearchagainstthisgraphobjectThemolecularbiologydatabasesintheworldcanberetrieveduniformlybyspecifyingthecombinationofthedatabasenameandtheidentifier:dbname:identifierSE:通過(guò)序列相似性標(biāo)準(zhǔn)搜索序列數(shù)據(jù)庫(kù)(重難點(diǎn)章節(jié))庫(kù)1.序列相似性搜索列的分子進(jìn)化。這很可能是生物信息學(xué)上最重要的思想，因?yàn)樗沟梦覀兛梢赃M(jìn)行預(yù)測(cè)。任何一對(duì)DNA序列都有一定程度的相似。序列比對(duì)：是使相似度量化的第一步，用來(lái)區(qū)分偶然性的相似和真實(shí)的生物學(xué)關(guān)系。比對(duì)結(jié)果：以變化(突變)、插入或缺失(indels或空位)來(lái)顯示序列之間的差異，這些差5動(dòng)態(tài)規(guī)劃算法(Dynamicprogrammingalgorithms)可以計(jì)算兩條序列之間的最佳聯(lián)配。:Smith-Watermanalgorithm:localalign.Needleman-Wunschalgorithm:globalalign.或僅在外顯子區(qū)域關(guān)聯(lián)的DNA序列等。LAST分：證比對(duì)算法能得出有生物學(xué)意義的結(jié)果而沒(méi)有太多的空位。ScoreSsumsi+sum(xk)：放射罰分:包括gapopening和gapextension兩部分罰分vkuAffine:x=u+vk,u,v≠0berlengthofthelinkedgapsCATCTTAAGGG我們并不總是很清楚空位罰分常數(shù)u和v該采用什么值，這在某種程度上依賴于所比對(duì)的phighergappenaltiesDistantrelationships:lowergappenalties序列相似度可用比對(duì)算法、序列一致性百分率(percentagesequenceidentities)或更復(fù)雜6EQAATTGATTGCGCATTTAAAGGGpercentagesequenceidentities:(16/22)×100=73%對(duì)DNA序列來(lái)說(shuō)，比對(duì)序列并使序列一致性百分率(即percentagesequenceidentities)相似性和同源性：似的生物學(xué)功能,但是基因復(fù)制的進(jìn)化機(jī)制允許生物體有多余的基因直系同源(orthologs):不同物種的兩個(gè)同源基因有相同的功能，就稱它們是直系同源;旁系同源(paralogs):當(dāng)同一或不同物種的兩個(gè)基因有不同的功能，就把它們稱為是旁系不同功能的同源基因的例子：溶解酶(lysozyme，一種酶)和α-乳白蛋白(α-lactalbumin，乎已肯定是同源的，但卻有極2.氨基酸替換矩陣(難點(diǎn))比對(duì)蛋白質(zhì)序列從而使相同的氨基酸數(shù)目(即percentagesequenceidentitie最大化。其0。(如下圖所示)不能揭示遠(yuǎn)親之間的進(jìn)化7數(shù)PAM:AcceptedPointMutations(認(rèn)可的點(diǎn)突變)PAM250:表示矩陣的進(jìn)化距離是每100個(gè)殘基有250個(gè)氨基酸變化。BLOSUM62:用于構(gòu)造矩陣的blocks的最小序列一致性百分?jǐn)?shù)至少為62%。更小數(shù)字的BLOSUM矩陣表示更長(zhǎng)的進(jìn)化距離(BLOSUM50所代表的進(jìn)化距離要比BLOSUM62要長(zhǎng))。Note:BLOSUM矩陣通常比PAM好用。8同。兩個(gè)相同的非常見(jiàn)氨基酸的比對(duì)(如W和W)要比兩個(gè)相同的常見(jiàn)氨基酸的比對(duì)更有查找蛋白質(zhì)序列間較遠(yuǎn)的親緣關(guān)系。NOTE較遠(yuǎn)的親緣關(guān)系。tplots3.數(shù)據(jù)庫(kù)搜索:FASTA和BLAST：3.1.數(shù)據(jù)庫(kù)搜索：把查詢序列與數(shù)據(jù)庫(kù)中每條序列依次比對(duì)并返回最高分(最相似)序列，3.2.算法和軟件：它們最初通過(guò)搜索短的一致或接近一致匹配的字母(word)片段，然后再將這些片段延伸的序列片段(shortstretchesorwords)。 (1)BLAST:W(wordlength);T(thresholdscore);尋找長(zhǎng)度為W比對(duì)得分>T的words↓擴(kuò)展這些words直到比對(duì)得分跌落到一定值,產(chǎn)生大量HSPs(high-scoringsegmentpairs)↓ ktupwords↓尋找含有高密度words匹配的ungapped的序列比對(duì);裝成高分值的gapped的序列比對(duì)↓ppE相EEp敏感性衡量數(shù)據(jù)庫(kù)中真實(shí)生物序列關(guān)系的比例，該關(guān)系表現(xiàn)為擊中項(xiàng)(hit)。性指的是對(duì)應(yīng)于真實(shí)生物學(xué)關(guān)系的擊中項(xiàng)的比例。這些測(cè)度量化了數(shù)據(jù)庫(kù)搜索策略的優(yōu)良度。9Sensitivity:Sn=ntp/(ntp+nfn)Specificity:Sp=ntp/(ntp+nfp)Ep的優(yōu)良度測(cè)量方法之間的平衡。RESULTS:按Evalue排序TENCBIBLASThttpwwwncbinlmnihgovBLAST以加深理解)列(如卷曲螺旋)間的相似等。結(jié)果的質(zhì)量，所以在搜索前常常要將其從搜索序列中過(guò)濾SEGandDUST:detectandfilterlowcomplexitysequences;XNU:filtershortperiodrepeats;COILSdetectthepresenceofpotentialcoiledcoilstructures.5.數(shù)據(jù)庫(kù)迭代搜索和PSI-BLAST趨異進(jìn)化可以使蛋白質(zhì)序列變得無(wú)法識(shí)別，但卻保持結(jié)構(gòu)和功能的相似。而B(niǎo)LAST和FASTA此類方法有時(shí)只能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中的一小部分進(jìn)化關(guān)系。有許多生物信息學(xué)搜索已經(jīng)疏遠(yuǎn)進(jìn)化關(guān)系。：PSI-BLAST是一種迭代的搜索方法，可以提高BLAST和FASTA的相似序列發(fā)現(xiàn)率。PSI-BLAST常?？梢哉业奖菳LAST結(jié)果多達(dá)兩倍的進(jìn)化關(guān)系。F:多重序列比對(duì):基因和蛋白家族(實(shí)驗(yàn)四)考察3.漸進(jìn)比對(duì)：目前大多數(shù)程序使用漸進(jìn)的比對(duì)方法，該方法有運(yùn)行速度較快的優(yōu)點(diǎn)。該法以兩序列比對(duì)來(lái)初步評(píng)價(jià)序列的相關(guān)性，并在這個(gè)基礎(chǔ)上構(gòu)建向?qū)?shù)(guidetree)；然后使用。漸進(jìn)比對(duì)過(guò)程中常用到幾種精練方法。例如在Clustal程序包中，；2)根據(jù)比對(duì)序列的相關(guān)程度可以采用不同的氨基酸替換打分矩陣。見(jiàn)的殘基(>60%)之外，它們不能表示任伺概率信息。1)大量來(lái)自序列的不含一致殘基的信息被忽略掉，即使這些位點(diǎn)包含所允許的保守替換。2)一致序列的產(chǎn)生說(shuō)明了任何蛋白家族的表示是有偏向的，這主要是由于來(lái)源的序列集是數(shù)據(jù)庫(kù)是人工編排的，任何已知的假陽(yáng)性或假陰性都會(huì)報(bào)道出來(lái)。在PROSITE中,特殊的符號(hào)，包括方括號(hào)(如[LIVM])、波形括號(hào)(如{FD})和x(n)PROSITE模式有很多缺點(diǎn)：首先，它們長(zhǎng)度較短使得不相關(guān)序列中有假陽(yáng)性的存在;其次，雖然它們?cè)试S描述特定位置的變化，但無(wú)法計(jì)算該變化的概率。2)PRINTS和BLOCKS：它們用來(lái)自序列最保守區(qū)域的多序列比對(duì)的無(wú)空位片段(blocksormotifs)來(lái)表示蛋白質(zhì)家族。通過(guò)更多代表序列的信息，它們有可能比短PROSITE模式更為段以及代表亞家族的能力。兩者都已有基于WWW的數(shù)據(jù)庫(kù)搜索引擎。tifsPROSITEPROSITE中motifs的匹配通常要考慮氨基酸替換矩陣，因而對(duì)某一固定模式不要求嚴(yán)格的匹配。因此，這種匹配更為敏感(可以找到更多遠(yuǎn)親關(guān)系)和更加特異(更少的假陽(yáng)性出現(xiàn))。多蛋白質(zhì)是由結(jié)構(gòu)域以模塊化的方式構(gòu)建的。因此蛋白質(zhì)家族的研究其實(shí)性均有一定的衡量方法。序列輪廓可以被用作某些PROSITE數(shù)據(jù)庫(kù)條目中序列模式之外的PRINTSPfamProdomSMART了一個(gè)整合的資源。G:系統(tǒng)發(fā)育學(xué)(實(shí)驗(yàn)四)論1.物種間的相似性和差異性可以被用來(lái)推斷進(jìn)化關(guān)系(系統(tǒng)發(fā)育學(xué))。這是因?yàn)?，如果兩物遺傳分類法學(xué)分支即系統(tǒng)是核苷酸和蛋白質(zhì)序列是最為常用的，因?yàn)樗鼈優(yōu)樗械纳问剿灿?允許研究關(guān)系密切或疏遠(yuǎn)的類別)，。1.系統(tǒng)發(fā)育樹(shù)是一種顯示進(jìn)化關(guān)系的簡(jiǎn)單方法，物種由節(jié)點(diǎn)(nodes)表示，遺傳路徑由枝 (links)來(lái)表示。系統(tǒng)發(fā)育樹(shù)可以從相似度表(similaritytables)或距離表(distancetables)中構(gòu)建而來(lái)。這些表顯示了生物體中一套給定特征間的相似性，采用匹配的百分比(相似度表)，或者差異的百分比(距離表)來(lái)表示。準(zhǔn)確地代表進(jìn)化歷史。然而，數(shù)據(jù)的可靠性可以通過(guò)下2)Bootstrapping和jack-knifing方法:重新取樣并構(gòu)建更多的樹(shù)來(lái)評(píng)估?；诖蠓肿有蛄虚g差異的系統(tǒng)發(fā)育樹(shù)被稱為分子系統(tǒng)發(fā)育。以進(jìn)行系統(tǒng)發(fā)育分析2.大分子序列的選擇：對(duì)于密切相關(guān)的生物體，使用一種快速進(jìn)化的分子如線粒體DNA比較合適。對(duì)于有很大分歧的系統(tǒng)發(fā)育關(guān)系，則需要用高度保守的分子如核糖體RNA。。H:序列注釋(實(shí)驗(yàn)三)中尋找基因和其他功能元件(結(jié)構(gòu)注釋)，并給出這些序列的功能信息(功能注釋)。2.用計(jì)算機(jī)尋找基因：可以用計(jì)算機(jī)來(lái)預(yù)測(cè)基因組DNA上基因的位置。這可以通過(guò)信號(hào)自動(dòng)檢測(cè)[尋找保守的模體(motif)]、內(nèi)容自動(dòng)檢測(cè)(尋找序列背景類似基因的區(qū)域)和同源性polyA。iesESTs3.檢測(cè)ORFs(可讀框)：ORF:一段較長(zhǎng)(>300bp)的位于起始密碼子(usually,ATG)和終止密碼子(無(wú)義密碼行六個(gè)可讀框的翻譯并識(shí)別長(zhǎng)的可讀框(ORF)。4.檢測(cè)Exons和Introns短，從而不能僅僅通過(guò)ORF搜索來(lái)發(fā)現(xiàn)，所以需要采用包括外顯子檢測(cè)和內(nèi)容自動(dòng)檢測(cè)、剪切信號(hào)的識(shí)別這種組合方法，并結(jié)合cDNA序列等輔助信息來(lái)構(gòu)建全長(zhǎng)基因的模型。基因預(yù)測(cè)程序使用從頭算預(yù)測(cè)(abinitiomethods)and/or同源搜索(homology2.測(cè)量預(yù)測(cè)準(zhǔn)確性：沒(méi)有一個(gè)基因查找程序是100%精確的，所以較好的方法是使用幾個(gè)程敏感性(能正確預(yù)測(cè)真正的基因或外顯子)和特異性(能正確排除假基因或假外顯子)來(lái)衡量。I:結(jié)構(gòu)生物信息學(xué)(實(shí)驗(yàn)六)2.球狀蛋白中，線性氨基酸多聚體折疊成球狀的緊湊形狀從而形成一種三維結(jié)構(gòu)。球狀蛋白3.內(nèi)在膜蛋白是生物信號(hào)和跨膜運(yùn)輸系統(tǒng)的關(guān)鍵元件。這些蛋白存在于生物脂質(zhì)膜中，遵循與球狀蛋白不同的結(jié)構(gòu)原則。它們包含與跨膜片段(常常但不總是螺旋)有關(guān)的多條普。4.二、三、四級(jí)結(jié)構(gòu)概念：1)球蛋白通常包含規(guī)則的二級(jí)結(jié)構(gòu)的元件，如α-helices(H)和β-strands(EorB).α-helices由每個(gè)氨基酸的主鏈上的C＝O功能團(tuán)和氨基酸沿著螺旋的四個(gè)殘基上的H-Nstrands。這意味著單一β、2)三級(jí)結(jié)構(gòu)是單一多肽鏈的完全三維原子結(jié)構(gòu)。它可以被看作是二級(jí)結(jié)構(gòu)元件的組合，二3)幾種三級(jí)結(jié)構(gòu)可以組裝起來(lái)形成生物學(xué)功能上的四級(jí)結(jié)構(gòu)。有復(fù)雜進(jìn)化：球狀蛋白中的環(huán)的表面殘基要比疏水核心中的殘基進(jìn)化更快。內(nèi)在膜蛋白中，進(jìn)化三、蛋白質(zhì)結(jié)構(gòu)和功能的進(jìn)化(關(guān)系)實(shí)現(xiàn)特定的結(jié)構(gòu)作用時(shí)，它們能被保留。這種情況常常出現(xiàn)在cysteine,glycineandproline.3.整體蛋白質(zhì)折疊的進(jìn)化：如果兩條自然出現(xiàn)的蛋白質(zhì)序列可以比對(duì)，并且80個(gè)以上的殘SanderandSchneider’srule:LLLt4.結(jié)構(gòu)的保留：蛋白質(zhì)結(jié)構(gòu)往往被保留，甚至由于進(jìn)化使序列改變到不能被識(shí)別時(shí)結(jié)構(gòu)仍被能的進(jìn)化：雖然結(jié)構(gòu)往往被進(jìn)化保留下來(lái)，功能卻會(huì)發(fā)生變化。有許多蛋白質(zhì)，其序列andNCBIhttpwwwrcsborgpdb2.結(jié)構(gòu)的可視化：常用的觀察結(jié)構(gòu)數(shù)據(jù)的程序:RasMol;TOPS:http://www.tops.leeds.ac.uk構(gòu)和功能位點(diǎn)的分析PDBSum，這些條目都可以通二級(jí)結(jié)構(gòu)、二硫鍵位置、配體結(jié)合位點(diǎn)、活性位點(diǎn)、關(guān)鍵殘基、分子間相互作用圖、折疊拓?fù)湟约懊傅腅C號(hào)等信息。SURFNET，特別是酶的活性位點(diǎn)。然后考有生物學(xué)意義的比對(duì)是很難的，因?yàn)樗鼈兏淖兘Y(jié)構(gòu)。疊加相似結(jié)構(gòu)的骨架以發(fā)現(xiàn)相同結(jié)構(gòu)殘基的過(guò)程被稱為結(jié)構(gòu)比對(duì)。3.結(jié)構(gòu)相似性：結(jié)構(gòu)比對(duì)方法通常會(huì)創(chuàng)建衡量結(jié)構(gòu)相似度的尺度。最常見(jiàn)的衡量尺度是RMSDrootmeansquaredifference程序都用這個(gè)標(biāo)準(zhǔn)，它是指最佳結(jié)構(gòu)重疊中比對(duì)間位置的均方差。RMSD=[sum(di2)/N]0.5需要搜索序列數(shù)據(jù)庫(kù)以查詢某一序列的相似序列，同樣，有時(shí)WebbasedsearchenginesDALI;SSAP;TOPS;VASTandRCSB六、已知三維結(jié)構(gòu)的蛋白分類:CATH和SCOP1.為什么要將蛋白質(zhì)進(jìn)行結(jié)構(gòu)分類?蛋白質(zhì)結(jié)構(gòu)在進(jìn)化中要比蛋白質(zhì)序列保守得多。因。2.折疊或拓?fù)洌核械姆诸惗际菍⒕哂型瑯拥恼w折疊或拓?fù)涞牡鞍讱w為一類。具有同樣的折疊或拓?fù)漕愋偷牡鞍踪|(zhì)或多或少地都含有同樣的SSEs(secondarystructureelements)，以CATH(拓?fù)?和SCOP折疊水平把蛋白質(zhì)分成具有相同總體折疊的組。4.Super-folds(超折疊)是指在進(jìn)化中可能不止出現(xiàn)一次的蛋白質(zhì)折疊。普遍認(rèn)為它們具有物理化學(xué)性質(zhì)上的某種優(yōu)勢(shì)，在SCOP與CATH中它們以含有幾個(gè)同源超家族的折疊或拓?fù)涞男问酱嬖?。比如TIM桶和免疫球蛋白的折疊。介L(zhǎng)evinthalAnfinsen結(jié)構(gòu)預(yù)測(cè)是指僅依據(jù)蛋白序列的信息來(lái)預(yù)測(cè)蛋白質(zhì)每個(gè)原子recognition),二級(jí)結(jié)構(gòu)預(yù)測(cè)法(secondarystructureprediction),從頭預(yù)測(cè)法(abinitioprediction)以及跨膜片段預(yù)測(cè)法(transmembranesegmentprediction)。按理論基礎(chǔ)可分為:abinitioprediction小值的方法。knowledge-basedprediction:嘗試使