1, 생물 정보학: 생체 분자 정보의 수집, 저장, 분석 및 활용 수학 기반, 응용
컴퓨터 기술, 생물학적 데이터 과학 연구.
유사성: 두 서열 (핵산, 단백질) 간의 상관 관계.
3. 동원성: 생물학적 진화 과정에서 같은 조상에서 기원한 가지 사이의 관계.
4. 동일성: 돌연변이가 없는 두 서열 (핵산, 단백질) 사이의 관계.
5. 시퀀스 일치: 두 개 이상의 시퀀스 간의 유사성 또는 동원성을 결정합니다.
일정한 규칙에 따라 배열하다.
6, 생물 데이터베이스 쿼리 (데이터베이스 쿼리): 시퀀스, 구조 및 다양한 두 가지.
키워드 일치를 통해 보조 데이터베이스에서 주석 정보를 검색합니다.
7. 데이터베이스 검색: 특정 시퀀스 유사성 비교 알고리즘을 통해 핵심을 찾습니다.
산 또는 단백질 시퀀스 데이터베이스에서 테스트할 시퀀스와 어느 정도 유사성이 있는 시퀀스입니다.
둘째, 간단한 답변:
1. 분자생물학의 3 대 핵심 데이터베이스는 무엇입니까? 그들은 어떤 특징을 가지고 있습니까?
GenBank 핵산 서열 데이터베이스; 스위스 -PROT 단백질 서열 데이터베이스; PDB 생물학적 거대 분자의 구조 수
도서관에 따르면
생물 정보학의 발생과 발전에 대한 간략한 설명.
1950 년대에 생물 정보학이 수태되기 시작했다.
1960 년대에 바이오분자 정보는 개념적으로 계산생물학과 컴퓨터 과학을 연결시켰다.
1970 년대에 생물 정보학의 진정한 시작은
1970 년대부터 80 년대 초까지 일련의 유명한 서열 비교 방법과 생물 정보학 분석이 나타났다.
방법;
1980 년대 이후 생물 정보 서비스 기관과 생물 정보 데이터베이스가 등장했다.
1990 년대 이후 HGP 는 생물 정보학의 급속한 발전을 촉진시켰다.
생물 정보학의 주요 방법과 기술은 무엇입니까?
수학 통계 방법 동적 프로그래밍 방법 기계 학습 및 패턴 인식 기술; 데이터베이스 기술 및 데이터
발굴하다 인공 신경망 기술 전문가 시스템 분자 모델링 기술 양자역학과 분자역학
계산; 생체 분자의 컴퓨터 시뮬레이션; 인터넷 기술
일반적인 DNA 시퀀싱 방법은 무엇입니까? 각각 어떤 기술적 특징과 장단점이 있습니까?
무극생 조합-길버트 DNA 화학분해법: 장점: 완전히 알려지지 않은 서열과 CG 가 풍부한 지역을 측정할 수 있습니다. 단점: 조작
번거롭게 하다.
Sanger 이중 탈산 소화 체인 종료 방법: 장점: 간단하고 측정 가능한 긴 조각; 단점: 시퀀스의 일부 또는
관절 추가
Pyrophosphate 시퀀싱: 장점: 싸고 높은 통과; 단점: 시퀀싱 단편이 짧습니다.
분자 생물학 데이터베이스의 유형은 무엇입니까? 각각 어떤 특징이 있습니까?
게놈 데이터베이스: 게놈 시퀀싱
핵산 서열 데이터베이스: 핵산 서열 결정
1 차 데이터베이스: 단백질 서열 데이터베이스: 단백질 시퀀싱. 생물학적 거대 분자 (단백질) 의 3 차원 연결
데이터베이스 구축: x 선 회절 및 핵 자기 공명.
특징: 수량이 적고 용량이 크며 업데이트가 빠르다.
보조 데이터베이스: 위의 네 가지 유형의 데이터베이스와 문서를 기반으로 합니다.
특징: 큰 양, 작은 용량, 느린 업데이트.
6. NCBI Entrez 시스템의 기능을 간략하게 설명합니다.
고급 검색 시스템 핵산, 단백질, 문서, 구조, 게놈 서열, 거대 분자의 3 차원 구조를 찾고,
돌연변이 데이터, 프로브 시퀀스, 단일 뉴클레오티드 다형성 및 기타 데이터.
7. NCBI 발파의 역할과 유형을 간략하게 설명합니다.
시퀀스 유사성 비교 도구;
핵산의 경우: 일반 blastn, 메가 blastn 은 매우 유사한 서열에 대한 것입니다.
단백질의 경우: 일반 블래스트, RPS 블래스트의 경우
수동 번역 시퀀스의 경우: 핵산 번역 시퀀스는 단백질 시퀀스 blastx, 단백질 번역 시퀀스 tblastn 입니다.
핵산 번역 시퀀스 번역 시퀀스 tblastx；;
기타: 게놈 blast, 유전자 발현 서열 검색 GEO blast, 서열 대비 쌍 ...
8. 생물 정보학 소프트웨어의 응용을 예시하다.
9. 바이오칩 제작 및 분석 과정에서 어떤 바이오정보학 소프트웨어를 사용할 수 있습니까?
셋째, 작문 문제:
1, 생물 정보학이란 무엇입니까? 생물 정보학의 주요 응용 분야는 무엇입니까?
생체 분자 정보의 수집, 저장, 분석 및 이용; 수학을 기초로, 컴퓨터 기술을 적용하고, 연구하다.
생물학적 데이터를 연구하는 과학.
생체 분자 데이터 수집 및 관리; 데이터베이스 검색 및 시퀀스 비교 게놈 서열 분석; 유전자표
데이터 분석 및 처리 단백질 구조 예측.
생물 정보학은 의학에서 어떤 응용이 있습니까?
보조 진단 (유전병, HLA 타이핑);
약물의 작용 메커니즘을 연구하여 신약의 개발과 생산을 돕다.
인간 게놈 프로젝트는 주로 어떤 생물 정보학 방법을 사용합니까? 인간 게놈 프로젝트에 큰 의미가 있습니다.
어떤 중요한 역할을 했습니까?
단일 시퀀싱 결과에 대한 설명 겹치는 그룹과 염색체 접합; 유전자 영역과 그 조절 영역의 동정; 기지를 찾다
상호 작용의 시공간 관계 때문이다.
4. 단백질의 2 차 구조 예측을 설명하는 주요 전략과 방법.
정책:
목적: 각 세그먼트의 중심에 있는 잔기가 A 나선, B 접기, B 각 중 하나 (또는 기타 상태) 에 있는지 여부를 결정합니다.
2 차 구조 상태, 즉 3 상태.
이론 분석 방법 (처음부터 계산 방법): 이론 계산 (분자 역학, 분자 역학 등). ).
구조적 예측. 장점: 경험 데이터가 필요하지 않으며 1 차 구조에서 고급 구조를 추론할 수 있습니다.
단점: 천연 단백질과 접히지 않은 단백질의 에너지 수준 차이는 매우 적다 (천카/무어). 단백질은 가능한 아이디어에 엄청난 공간을 제공한다.
단백질 접힘의 계산량은 엄청납니다. 계산 모델의 힘 필드 매개변수가 정확하지 않습니다.
B, 통계 방법: 알려진 구조의 단백질을 통계적으로 분석하여 시퀀스에서 구조로의 매핑 모델을 만듭니다.
또한 매핑 모델에 따르면 아미노산에서 알 수 없는 구조의 단백질 구조를 직접 예측할 수 있습니다.
경험방법: 특정 순서에 따라 일정한 구조를 형성하는 추세에 따라 구조예측을 합니다. 알려진 구조를 연구함으로써
단백질의 통계 분석에 따르면, 각종 아미노산은 종종 다른 2 차 구조를 형성하여 하나의 아미노산을 형성한다.
2 차 구조 예측에 관한 일련의 법칙.
구조 법칙 추출 방법: 단백질 구조 데이터베이스에서 단백질 구조 형성에 대한 일반성을 추출합니다.
알 수없는 구조 단백질 모델의 수립을 안내하는 법.
동원모형법: 동원서열 분석이나 패턴 일치를 통해 단백질의 공간 구조나 매듭을 예측합니다.
빌딩 블록.
방법:
1, Chou-Fasman 법; (단일 아미노산 잔기 통계를 기반으로 한 경험적 매개변수 방법, Chou 및
파스만은 1970 년대에 제기된 것이다. 통계 분석을 통해 각 잔기가 특정 보조 매듭에 나타난다는 것을 알 수 있다.
구상의 배향인자를 구성한 다음 이 배향인자로 단백질의 2 차 구조를 예측한다. ) 2,
GOR 방법 (정보 이론과 베이지안 통계를 기반으로 한 방법입니다. GOR 는 단백질 서열을 하나의 시리즈로 본다.
문자열의 정보 값을 처리합니다. GOR 방법은 아미노산 잔기가 예측 위치 자체에 미치는 영향뿐만 아니라
인접한 잔기 유형이 해당 위치의 형태에 미치는 영향을 고려합니다.) 3. 아미노산 소수성에 기초한 방법; 4, 가장
근접법 인공 신경망 방법; 종합법: 7. 진화 정보를 이용한 단백질 예측