生物信息学B复习要点.docVIP

知识点： 1.生物信息学：生物信息学是一门（交叉）学科，它包含了生物信息的获取、处理、存储、分发、分析和解释在内的所有方面。他综合的应用（数学）、（计算机科学）和（生物学）的各种工具，来阐明和理解大量数据中包含的生物学意义。 2. 人类基因组计划 :（human genome project,HGP） 是一个国际合作项目，由美国/德国/法国/英国/日本和中国科学家共同参与。其旨在测定组成人类染色体（指单倍体）中所包含的30亿个核苷酸序列的碱基组成，从而绘制人类基因组图谱，辨识并呈现其上的所有基因及其序列，进而破译人类遗传信息。人类基因组计划是人类为了解自身的奥秘所迈出的重要一步，是继曼哈顿原子弹计划和阿波罗登月计划之后，人类科学史上的又一个伟大工程。 3. 一级数据库数据库： 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。包括：基因组数据库，序列数据库（核酸和蛋白质）以及结构数据库。 4. 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。 5．公共序列数据库 ：1988 年3个数据库达成协议，组成合作联合体。它们每天交换信息，并对数据库 DNA 序列记录的统一标准达成一致。每个机构负责收集来自不同地理分布的数据 （EMBL 负责欧洲， GenBank 负责美洲， DDBJ负责亚洲等） ，将所有信息汇总在一起，共同享有并向世界开放，故这 3 个数据库又被称为公共序列数据库。 6．主要核酸序列数据库: GenBank、EMBL、 DDBJ 7．主要蛋白质序列数据库：Swissprot, PIR 8. 蛋白质结构分类数据库包括：SCOP和CATH。 9.FASTA格式，又称Pearson 格式。特点：最常用、最简单的序列注释格式 命名规则：(理解即可) 1、以大于号“起始 2、 标题行（ a single-line description) 位于文件的第一行，（中英均可） 3、 序列行随后，序列行中不允许有空间，每行文字不超 过80个字符 4、组成序列信息字符串的符号应为IUB/IUPAC（International Union Of Pure And Applied Chemistry）核苷酸或氨基酸的符号 5、核苷酸字符大小写均可，氨基酸字符应大写 6、-单个连字符表示一个空位 “gap” 7、序列中不允许有数字、不明确的核苷酸用N表示，氨基酸用X表示 8、 氨基酸序列中“*”表示终止 9、常保存为.txt文档 GBFF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3个部分：第一部分包含整个记录的信息（描述符）；第二部分包含特征表，包含了注释这一记录的特性；第三 部分是核苷酸序列本身，以“//”结尾。 信息检索（informal retrieval)：是将无序的数据有序化，形成信息集合，并根据需要从信息集合中提取特定信息的过程。 12. 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。 13.PUBMUD: 是一个免费的生物医学文摘数据库，提供部分论文的摘要及指向全文的链接BLAST：“局部相似性基本查询工具”(Basic Local Alignment Search Tool)的 缩写。BLAST 是由美国国立生物技术信息中心（NCBI）开发的一个基于序列相似性的数据库搜索程序。 17.E值：是随机产生一个比所得分值高的对位排列的概率，即分值可靠性的测度。 E值越（小）, 所命中序列越可靠，越能反映序列之间真实的生物学意义。 18.低复杂度序列：指序列中包含的重复度高的区域，如poly（A）。BLAST搜索首先将低复杂度序列过滤，然后再进行搜索。 19.主要的BLAST程序: 基因组BLAST, 基本BLAST,特殊类型数据库的BLAST. 20.基本BALST: 21. GenBank中序列提交的工具为：BankIt 、Sequin。其中BankIt 为在线提交工具，Sequin为本地机生成要提交的序列，以邮件的形式发送至GenBank。 22. 生物进化又称有机体进化（organism evolution):指生物从共同祖先由低级到高级，由简单到复杂逐步分化演变的过程。 23. 现代生物进化理论的主要思想: 生物进化的单位是种群; 生物进化过程的三个环节⒈突变和基因重组产生进化的原材料; 2.自然选择决定生物进化方向;⒊隔离导致物种的形成 生物进化实质:种群基因频率的改变. 24.基因频率：在一个种群里，某一等位基因的数量就是这基因在这个种群里的频率。 25.基因型频率：在一个