生物信息學(xué)完

中國(guó)科學(xué)技術(shù)大學(xué)2007--2008學(xué)年第1學(xué)期考試試卷考試科目:生物信息學(xué)得分:__________學(xué)生所在系:___________姓名:__________學(xué)號(hào):___________一、單項(xiàng)選擇題(每題3分，共30分)1.下面哪個(gè)數(shù)據(jù)庫(kù)不屬于核酸的三大數(shù)據(jù)庫(kù)之一()A．GenBankB.EBIC.UniProtD.DDBJ2.下面哪種算法為雙序列比對(duì)全局優(yōu)化算法()A.Smith-Waterman算法B.GibbsSamplerC.HiddenMarkovModel算法D.Needleman-Wunsch算法3.下面哪種工具為多序列比對(duì)工具()A.MegaBlastB.MEGAC.GPSD.POA4.雙序列比對(duì)中，全局與局部的優(yōu)化算法，其核心思想是()利用已知數(shù)據(jù)作為訓(xùn)練集，利用迭代的算法進(jìn)行反復(fù)計(jì)算，使得結(jié)果收斂；根據(jù)已知數(shù)據(jù)，構(gòu)建PSSM矩陣，再計(jì)算Log-oddratio；采用動(dòng)態(tài)規(guī)劃算法，計(jì)算最優(yōu)路徑,并以此得到比對(duì)結(jié)果；采用鄰接法構(gòu)建進(jìn)化樹，在進(jìn)化樹的指導(dǎo)下進(jìn)行雙序列比對(duì)。5.下面何種描述適合Baum-Welch算法()A.雙序列比對(duì)的局部?jī)?yōu)化算法；B.Motif發(fā)現(xiàn)的方法之一C.對(duì)已知的訓(xùn)練數(shù)據(jù)，采用Viterbi算法計(jì)算最佳路徑，并重新計(jì)算轉(zhuǎn)移概率矩陣，反復(fù)計(jì)算直至結(jié)果收斂，得到優(yōu)化的HMM模型；D.對(duì)已知的訓(xùn)練數(shù)據(jù)，采用Smith-Waterman算法計(jì)算最佳路徑，并重新計(jì)算轉(zhuǎn)移概率矩陣，反復(fù)計(jì)算直至結(jié)果收斂，得到優(yōu)化的HMM模型；6.實(shí)驗(yàn)學(xué)家在大腸桿菌中發(fā)現(xiàn)某種基因A，具有重要的轉(zhuǎn)錄調(diào)控功能，通過ReciprocalBestHits的方法，實(shí)驗(yàn)學(xué)家用BLAST發(fā)現(xiàn)在人中基因B為基因A的高度相似基因。那么，人中基因A與基因B的關(guān)系為()A．旁系同源物B.趨同進(jìn)化C.直系同源物D.異同源物7.下面不屬于多序列比對(duì)的算法有()A.最大簡(jiǎn)約法B.漸進(jìn)方法C.迭代方法D.部分有向圖法8.下面基于氨基酸的替代模型并進(jìn)行距離修整的模型有()A.Jukes-Cantor法B.Kimura兩參數(shù)法C.泊松校正D.Nei-Gojobori法9.下面不屬于構(gòu)建進(jìn)化樹的方法有()A.最大似然性法B.最大簡(jiǎn)約法C．距離法D.點(diǎn)陣法10.已知密碼子CCT,CCC,CCA,CCG都編碼Pro(脯氨酸)，并且僅該四個(gè)密碼子都編碼Pro。對(duì)于密碼子CCC，其潛在的同義位點(diǎn)數(shù)目s與非同義位點(diǎn)數(shù)目n為()A．s=1/3,n=8/3B.s=1,n=2C.s=1/4,n=11/4D.s=1,n=8/3二、判斷題(每題2分，共20分)PAM250矩陣的構(gòu)建，其基本假設(shè)為當(dāng)序列變化發(fā)生期望上的250%的變化時(shí)，氨基酸之間替代的關(guān)系，因此，Dayhoff等人選擇序列相似性極低的序列，以此構(gòu)建了通用的PAM250矩陣()我們通常使用UniProt數(shù)據(jù)庫(kù)來(lái)查找基因的DNA序列，并得到序列的FASTA格式()BLAST采用了一種稱為“k-tup”的算法，搜索兩條序列的對(duì)角線兩邊有限的空間，因此大大節(jié)省了計(jì)算時(shí)間()4.MUSCLE是目前被廣泛應(yīng)用的多序列比對(duì)工具，其優(yōu)越性為采用部分有向圖的算法，從而使得運(yùn)算的時(shí)間復(fù)雜度大為降低()5.Ka/Ks為表征編碼區(qū)DNA序列是否受到選擇壓力的主要手段，對(duì)于某對(duì)基因A和B，我們通過計(jì)算發(fā)現(xiàn)Ka/Ks=,并且通過Fisher’sExactText檢驗(yàn)后，為統(tǒng)計(jì)顯著，因此我們可以推測(cè)A和B在分化之后受到達(dá)爾文的陽(yáng)性進(jìn)化選擇的壓力()6.隱馬爾科夫算法中的“隱”，指的是狀態(tài)之間的轉(zhuǎn)移概率已知，而狀態(tài)內(nèi)的發(fā)散概率未知，因此，隱馬科夫并不表示所有的概率未知。()7.蛋白質(zhì)上的模體/motif，一般指長(zhǎng)度為幾個(gè)到幾十個(gè)氨基酸，并且不具有獨(dú)立的三級(jí)結(jié)構(gòu)的氨基酸片段。例如SUMO化位點(diǎn)的motif，一般可表示為：ψ-K-X-E.()8.估算鳥槍法的覆蓋率，使用超幾何分布的方法能夠相當(dāng)簡(jiǎn)便的結(jié)算出結(jié)果。()9.DNA突變的模式有四種：替代、插入、缺失和倒位。而DNA替代又分為轉(zhuǎn)換和顛換兩種。()10.中性進(jìn)化是由Kimura最早提出，認(rèn)為絕大多數(shù)的突變不好也不壞，并不決定物種的分化。受達(dá)爾文進(jìn)化所調(diào)控的基因約為~1%，這些基因數(shù)量雖然很少，卻對(duì)物種的分化起到了決定性的作用。()三、綜合題(每題10分，共50分)表觀遺傳學(xué)的研究?jī)?nèi)容主要包括DNA的甲基化，組蛋白的乙?；?、甲基化及其它修飾，染色體重塑以及SiRNA與MiRNA調(diào)控四個(gè)方面。其中DNA的甲基化發(fā)生在基因組的特定位置，通常是-CG-序列中的C上，C被化學(xué)修飾，引入一個(gè)甲基，并很快突變?yōu)門。編碼區(qū)DNA上游啟動(dòng)子區(qū)域的DNA甲基化水平的高低，對(duì)基因表達(dá)量的高低有著重要的影響，一般低甲基化對(duì)應(yīng)基因的高表達(dá)，高甲基化則對(duì)應(yīng)基因的低表達(dá)。實(shí)驗(yàn)學(xué)家通過實(shí)驗(yàn)鑒定了30條平均長(zhǎng)度為1000bp的DNA序列，總共鑒定了60個(gè)甲基化位點(diǎn)。生物信息學(xué)家基于這些實(shí)驗(yàn)數(shù)據(jù)，構(gòu)建了預(yù)測(cè)工具，對(duì)于新的兩條序列M和N，長(zhǎng)度分別為2000bp和1500bp，并預(yù)測(cè)A和B上分別有3個(gè)和9個(gè)位點(diǎn)。那么，對(duì)于預(yù)測(cè)出來(lái)的位點(diǎn)，若全部是隨機(jī)產(chǎn)生的概率為多少已知泊松分布的公式為：ARDQELKPA4-1-2-1-1-1-1-1R-15-210-22-2D-2-2602-4-1-1Q-11052-21-1E-10225-31-1L-1-2-4-2-34-2-3K-12-111-25-1P-1-2-1-1-1-3-17對(duì)于兩條蛋白質(zhì)序列：AQPPKKE和LEPKRD，請(qǐng)分別用(1)Needleman-Wunsch算法；(2)Smith-Waterman算法對(duì)兩條序列作比對(duì)；對(duì)于Gap的罰分為8，線性罰分規(guī)則；用圖示法表明比對(duì)過程，并寫出比對(duì)結(jié)果、得分，對(duì)于Smith-Waterman算法，結(jié)果表示為單一的比對(duì)結(jié)果。打分矩陣采用BLOSUM62矩陣，部分矩陣如下：3.請(qǐng)用圖示法并輔以必要的文字，描述Gibbs采樣抽取序列motif的過程。這里，假設(shè)有n條序列，長(zhǎng)度k，待抽取的motif長(zhǎng)度為m.給定一組DNA序列如下：CGACCTACGACGATCGTCGAATCTCGAG根據(jù)上述DNA序列，請(qǐng)寫出一種PSSM矩陣；給定一條新的序列CGTCGAG,計(jì)算log-oddratio，該例中，四種堿基的背景值都為；請(qǐng)計(jì)算模體中，第三位和第五位所包含的信息量。5.直系同源物(Ortholog)與旁系同源物(Paralog)之間有什么區(qū)別請(qǐng)用圖示法并輔以必要文字進(jìn)行描述。中國(guó)科學(xué)技術(shù)大學(xué)2008--2009學(xué)年第1學(xué)期考試試卷考試科目:生物信息學(xué)得分:__________學(xué)生所在系:___________姓名:__________學(xué)號(hào):___________一、單項(xiàng)選擇題(每題3分，共30分)1.下面哪種方法不是基因共表達(dá)相關(guān)性的分析方法()A．PearsoncorrelationcoefficientB.Kendall'stauC.T-TestD.Euclideandistance2.針對(duì)DNA序列的同義與非同義的核苷酸替代，若Ka/Ks=，則可能發(fā)生了何種進(jìn)化過程()A.陽(yáng)性進(jìn)化B.達(dá)爾文進(jìn)化C.陰性進(jìn)化D.中性進(jìn)化3.下面哪種工具不是分子進(jìn)化樹構(gòu)建工具()A.T-CoffeeB.MEGAC.PAMLD.PHYLIP4.隱馬爾科夫算法中的Baum-Welch算法，其核心思想是()采用鄰接法構(gòu)建進(jìn)化樹，在進(jìn)化樹的指導(dǎo)下進(jìn)行雙序列比對(duì)；利用已知數(shù)據(jù)作為訓(xùn)練集，利用迭代的算法進(jìn)行反復(fù)計(jì)算，使得結(jié)果收斂；根據(jù)已知數(shù)據(jù)，構(gòu)建PSSM矩陣，再計(jì)算Log-oddratio；采用動(dòng)態(tài)規(guī)劃算法，計(jì)算最優(yōu)路徑,并以此得到比對(duì)結(jié)果。5.不屬于DNA突變的模式有()A.倒位；B.顛換；C.插入；D.替代。6.利用點(diǎn)陣法不能夠做到或發(fā)現(xiàn)()A．反向回文序列B.自身比對(duì)C.重復(fù)序列D.序列模體識(shí)別 7.下面哪個(gè)數(shù)據(jù)庫(kù)是蛋白質(zhì)數(shù)據(jù)庫(kù)()A.RefSeqB.EBIC.DDBJD.GenBank8.近年，我校學(xué)者與復(fù)旦大學(xué)研究者合作，在芽殖酵母發(fā)現(xiàn)了泛素家族的一個(gè)分子化石Urm1,稍后有研究者利用BLAST發(fā)現(xiàn)了人類的Urm1，那么人類的泛素蛋白質(zhì)與人類Urm1的關(guān)系是()A．直系同源物B.趨同進(jìn)化C.旁系同源物D.異同源物9.下面不屬于雙序列比對(duì)的方法有()A.Smith-Waterman算法B.距離法C.Needleman-Wunsch算法D.點(diǎn)陣法10.已知密碼子ATT,ATC,和ATA編碼Ile(異亮氨酸)，而ATG編碼Met(甲硫氨酸）。則對(duì)于密碼子ATC，其潛在的同義位點(diǎn)數(shù)目s與非同義位點(diǎn)數(shù)目n為()A.s=2/3,n=7/3B.s=1,n=2C.s=1/4,n=11/4D.s=1/3,n=8/3二、填空題(每空2分，共20分)1.使用多序列工具比對(duì)兩條序列，發(fā)現(xiàn)71%的區(qū)域相同，若這兩條序列為蛋白質(zhì)序列，則這兩條序列的泊松距離為（）；若兩條序列為核酸序列，則Jukes-Cantor距離為（）。2.給定一組DNA序列如下（堿基的背景值為）：CTACTAGCCGACATGGCTACATGGCTTGAAGC給定一條新的序列CGACAAGC，其log-oddratio(以2為底計(jì)算數(shù)值)為（）；該組DNA序列，其第二位的信息量為（），第八位的信息量為（）。3.實(shí)驗(yàn)學(xué)家從1000個(gè)4bp的DNA序列中鑒定了200個(gè)X-box序列，其中第一位T的出現(xiàn)概率為，第二位A出現(xiàn)的概率為，第三位C出現(xiàn)的概率為，第四位A出現(xiàn)的概率為，C出現(xiàn)的概率為。其他位點(diǎn)出現(xiàn)的概率各自相同。則序列TACA可能是X-box的概率為（），序列TACC可能是X-box的概率為（）。4.蛋白質(zhì)磷酸化位點(diǎn)的預(yù)測(cè)是一個(gè)重要的生物信息學(xué)問題。實(shí)驗(yàn)學(xué)家以405個(gè)磷酸化蛋白質(zhì)為訓(xùn)練數(shù)據(jù)，包含800個(gè)實(shí)驗(yàn)驗(yàn)證的磷酸化位點(diǎn)和16000個(gè)非磷酸化位點(diǎn)，開發(fā)了P工具。利用P工具做Self-consistency檢驗(yàn)，總共預(yù)測(cè)出1470個(gè)陽(yáng)性結(jié)果，則該工具的靈敏度Sn為（），特異性Sp為（），準(zhǔn)確性ACC為（）。三、綜合題(每題10分，共50分)請(qǐng)用圖示法并輔以必要的文字，描述基因表達(dá)數(shù)據(jù)聚類算法K-meansclustering算法的計(jì)算流程，假設(shè)有N個(gè)基因，擬分成M類?；虻?’UTR區(qū)域通常包含調(diào)控該基因表達(dá)的順式元件，這些元件主要有啟動(dòng)子或稱轉(zhuǎn)錄因子結(jié)合位點(diǎn)、增強(qiáng)子、沉默子以及輔助元件等。一般實(shí)驗(yàn)學(xué)家抽取基因的5’UTR區(qū)域1000~3000bp的序列，構(gòu)建到報(bào)告基因的5’端，通過分子生物學(xué)的方法進(jìn)行定點(diǎn)突變，從而發(fā)現(xiàn)功能性的順式元件。某實(shí)驗(yàn)室構(gòu)建了80條平均長(zhǎng)度為1500bp的基因5’UTR的DNA序列，總共鑒定了360個(gè)順式元件。針對(duì)兩條新的DNA序列A和B，長(zhǎng)度分別為1000bp和2000bp，若通過生物信息學(xué)的方法預(yù)測(cè)出A和B上分別有7個(gè)和2個(gè)位點(diǎn)。對(duì)預(yù)測(cè)出的位點(diǎn)，若全部是隨機(jī)產(chǎn)生的概率為多少已知泊松分布的公式為:對(duì)于兩條蛋白質(zhì)序列：SQYYRKD和LEYKRK，請(qǐng)分別用(1)Needleman-Wunsch算法；(2)Smith-Waterman算法對(duì)兩條序列作比對(duì)；對(duì)于Gap的罰分為8，線性罰分規(guī)則；用圖示法表明比對(duì)過程，并寫出比對(duì)結(jié)果、得分，對(duì)于Smith-Waterman算法，結(jié)果表示為單一的比對(duì)結(jié)果。打分矩陣采用BLOSUM62矩陣，部分矩陣如下：SRDQELKYS3-1-3-1-1-1-1-1R-17-210-22-2D-3-2602-4-1-1Q-11052-21-1E-10226-31-1L-1-2-4-2-34-2-3K-12-111-25-1Y-1-2-1-1-1-3-19某實(shí)驗(yàn)室擬研究正常細(xì)胞與癌癥細(xì)胞的不同，將正常細(xì)胞和癌癥細(xì)胞的樣品分別點(diǎn)樣到包含23，000個(gè)人類基因的芯片上，并發(fā)現(xiàn)在癌癥細(xì)胞中表達(dá)顯著上調(diào)的基因有1,132個(gè)。進(jìn)一步做功能分析，發(fā)現(xiàn)人類基因中總共有1,521個(gè)基因具有某種功能GO，而在表達(dá)量上調(diào)的基因中，有49個(gè)基因具有該功能。問：該功能GO在表達(dá)量顯著升高的基因中是顯著出現(xiàn)，顯著不出現(xiàn)，還是隨機(jī)出現(xiàn)要求：寫出相關(guān)的計(jì)算公式，并填入實(shí)際數(shù)據(jù)，不計(jì)算最終結(jié)果。已知超幾何分布的公式：5.請(qǐng)列舉至少兩種多序列比對(duì)算法，并簡(jiǎn)要列出算法的計(jì)算過程。 一、參考答案單項(xiàng)選擇題(每題3分，共30分)CDDCCCACDB判斷題(每題2分，共20分)××√×√×√×√√三、綜合題(每題10分，共50分)PA≈,PB≈(1)Needleman-Wunsch算法比對(duì)結(jié)果：AQPPKKELEP-KRD(2)Smith-Waterman算法PKKEPKRD(1)從每條序列上隨即抽取一段序列模體，長(zhǎng)度為m；(2)構(gòu)建PSSM矩陣；(3)隨機(jī)挑選一條序列；(4)用構(gòu)建好的PSSM對(duì)該序列上所有可能的模體進(jìn)行打分；(5)根據(jù)似然性的公式進(jìn)行計(jì)算，得到似然性最大的模體，為新的模體；(6)將新的模體替換原有的序列，更新PSSM矩陣；(7)反復(fù)迭代計(jì)算，直至似然性結(jié)果與PSSM不再發(fā)生變化。4.(1)1234567A0000T000C0100G0000(2)log-oddratio=log2(648)=(3)H3=1bitH5=bit直系同源物：兩個(gè)基因通過物種形成的時(shí)間而產(chǎn)生；旁系同源物：兩個(gè)基因在同一物種中，通過至少一次基因復(fù)制時(shí)間而產(chǎn)生。二、參考答案單項(xiàng)選擇題(每題3分，共30分)CDABBDACBA填空題(每題2分，共20分),,,1,%,%,%三、綜合題(每題10分，共50分)1.(1)隨機(jī)選取M個(gè)點(diǎn)，作為每一個(gè)類的中心點(diǎn)(2)計(jì)算其他點(diǎn)與這M個(gè)中心點(diǎn)的距離，將每個(gè)點(diǎn)按照離哪個(gè)中心點(diǎn)近，歸在哪個(gè)類中(3)針對(duì)每一類中的每一個(gè)點(diǎn)，計(jì)算其與其他點(diǎn)的距離，加和，除以該類點(diǎn)的數(shù)目，找到新的中心點(diǎn)，即改點(diǎn)到該類中其他點(diǎn)的平均值最小，從而確定新的M個(gè)中心點(diǎn)(4)重復(fù)步驟2,3，直到結(jié)果收斂(5)最終結(jié)果：N個(gè)基因表達(dá)數(shù)據(jù)被聚成M類2.P(A)=,P(B)=(1)Needleman-Wunsch算法比對(duì)結(jié)果：SQYYRKDLEYKRK-得分：13(2)Smith-Waterman算法QYYRKEYKRK得分：224.5.(1)漸進(jìn)算法：a.將所有序列兩兩比對(duì)，計(jì)算距離矩陣b.構(gòu)建鄰接進(jìn)化樹(neighbor-joiningtree)/指導(dǎo)樹(guidetree)c.將距離最近的兩條序列用動(dòng)態(tài)規(guī)劃的算法進(jìn)行比對(duì)d.“漸進(jìn)”的加上其他的序列(2)T-coffee算法：a.采用Clustal程序計(jì)算兩兩序列之間的全局最優(yōu)比對(duì)結(jié)果b.采用LALIGN程序計(jì)算兩兩序列之間的局部最優(yōu)比對(duì)的結(jié)果c.設(shè)計(jì)加權(quán)系統(tǒng)，綜合考慮以上兩類結(jié)果的因素，構(gòu)建指導(dǎo)庫(kù)d.最后，采用漸進(jìn)式比對(duì)算法，得到最終的結(jié)果生物信息學(xué)課堂測(cè)驗(yàn)蛋白質(zhì)的磷酸化是最重要的一種翻譯后修飾，實(shí)驗(yàn)學(xué)家最近鑒定了某個(gè)激酶X的底物，總共20個(gè)底物蛋白質(zhì)，序列平均長(zhǎng)度500aa。在這些蛋白質(zhì)上，總共鑒定了50個(gè)位點(diǎn)?；谶@些實(shí)驗(yàn)數(shù)據(jù)，生物信息學(xué)家構(gòu)建了相關(guān)的計(jì)算預(yù)測(cè)工具。對(duì)于給定的兩個(gè)蛋白質(zhì)序列A和B，長(zhǎng)度分別為500aa和800aa，計(jì)算工具預(yù)測(cè)這兩個(gè)蛋白質(zhì)上分別有10和4個(gè)潛在的位點(diǎn)?？紤]到計(jì)算工具本身具有一定的錯(cuò)誤率，對(duì)于A和B，預(yù)測(cè)出來(lái)的位點(diǎn)，若全部是隨機(jī)產(chǎn)生的概率為多少(泊松分布)發(fā)現(xiàn)細(xì)胞有絲分裂過程中參與重要功能的基因，可以通過基因芯片的方法進(jìn)行研究。某實(shí)驗(yàn)室開展了一項(xiàng)工作，對(duì)細(xì)胞有絲分裂期不加nocodazole以及加nocodazole兩種條件下，對(duì)人的21，000基因做表達(dá)譜分析。其中發(fā)現(xiàn)表達(dá)量顯著升高的基因?yàn)?，532個(gè)。進(jìn)一步做功能分析，發(fā)現(xiàn)總共1，236個(gè)基因具有某種功能F，而在表達(dá)量顯著升高的基因中，有32個(gè)基因具有該功能F。問：該功能F在表達(dá)量顯著升高的基因中是顯著出現(xiàn)，顯著不出現(xiàn)，還是隨機(jī)出現(xiàn)要求：寫出相關(guān)的計(jì)算公式，并填入實(shí)際數(shù)據(jù)，不計(jì)算最終結(jié)果。已知超幾何分布的公式：（超幾何分布）實(shí)驗(yàn)學(xué)家從1500個(gè)4bp的DNA序列中鑒定了300個(gè)某種X-box序列，其中第一位A的出現(xiàn)概率為，第二位T出現(xiàn)的概率為，第三位A出現(xiàn)的概率為，第四位C出現(xiàn)的概率為，G出現(xiàn)的概率為。其他位點(diǎn)出現(xiàn)的概率各自相同?，F(xiàn)有兩條序列，ATAC和ATAA，兩條序列可能是X-box的概率為多少（貝葉斯公式）對(duì)于兩條蛋白質(zhì)序列：IDRRPAE和LDRPAW，請(qǐng)分別用(1)Needleman-Wunsch算法；(2)Smith-Waterman算法對(duì)兩條序列作比對(duì)；對(duì)于Gap的罰分為8，線性罰分規(guī)則；用圖示法表明比對(duì)過程，并寫出比對(duì)結(jié)果、得分。打分矩陣采用BLOSUM62矩陣，部分矩陣如下：ARDEIL