生物信息学课堂测验中科大

《生物信息学课堂测验中科大》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、生物信息学课堂测验1.蛋白质的磷酸化是最重要的一种翻译后修饰，实验学家最近鉴定了某个激酶X的底物，总共20个底物蛋白质，序列平均长度500aa。在这些蛋白质上，总共鉴定了50个位点。基于这些实验数据，生物信息学家构建了相关的计算预测工具。对于给定的两个蛋白质序列A和B，长度分别为500aa和800aa，计算工具预测这两个蛋白质上分别有10和4个潜在的位点。考虑到计算工具本身具有一定的错误率，对于A和B，预测出来的位点，若全部是随机产生的概率为多少？(泊松分布)2.发现细胞有丝分裂过程中参与重要功能的基因，可以通过基因芯片的方法进行研究。某实验室开展了一项工作，

2、对细胞有丝分裂期不加nocodazole以及加nocodazole两种条件下，对人的21，000基因做表达谱分析。其中发现表达量显著升高的基因为1，532个。进一步做功能分析，发现总共1，236个基因具有某种功能F，而在表达量显著升高的基因中，有32个基因具有该功能F。问：该功能F在表达量显著升高的基因中是显著出现，显著不出现，还是随机出现？要求：写出相关的计算公式，并填入实际数据，不计算最终结果。已知超几何分布的公式：（超几何分布）3.实验学家从1500个4bp的DNA序列中鉴定了300个某种X-box序列，其中第一位A的出现概率为0.91，第二位T出现的概

3、率为0.85，第三位A出现的概率为0.97，第四位C出现的概率为0.51，G出现的概率为0.47。其他位点出现的概率各自相同。现有两条序列，ATAC和ATAA，两条序列可能是X-box的概率为多少？（贝叶斯公式）4.对于两条蛋白质序列：IDRRPAE和LDRPAW，请分别用(1)Needleman-Wunsch算法；(2)Smith-Waterman算法对两条序列作比对；对于Gap的罚分为8，线性罚分规则；用图示法表明比对过程，并写出比对结果、得分。打分矩阵采用BLOSUM62矩阵，部分矩阵如下：　ARDEILPWA4-1-2-1-1-1-1-3R-15-20

4、-3-2-2-3D-2-262-3-4-1-4E-1025-3-3-1-3I-1-3-3-342-3-3L-1-2-4-324-3-2P-1-2-1-1-3-37-4W-3-3-4-3-3-2-411（全局比对和局部比对）5.给定一组DNA序列如下：ACTTCCCAAGTTCCCAACTCGGCACCTTCGCA1)请根据上述DNA序列，写出两种PSSM;2)再给一条新的序列AGTCGCA，计算log-oddratio，该例中，碱基的背景值都为0.25;3)请分别计算第一位和第六位所包含的信息量6.请用图示法并辅以必要的文字，描述Gibbs采样抽取序列moti

5、f的过程。这里，假设有n条序列，长度k，待抽取的motif长度为m.7.请列举至少两种多序列比对算法，并简要列出算法的计算过程。ClustalXPRRP8.请用图示法并辅以必要的文字，描述基因表达数据聚类算法K-meansclustering算法的计算流程，假设有N个基因，拟分成M类。1.使用多序列工具比对两条序列，发现60%的区域相同，(1)若这两条序列为蛋白质序列，请计算泊松距离；(2)若两条序列为核酸序列，请计算Jukes-Cantor距离。泊松距离：-ln(0.6)=0.51Jukes-Cantor距离：d=-3/4ln(1-4/3p)=0.572.给

6、定一组DNA序列如下：CGACCTCCACCCTACCACCTGGTACAAC1)请根据上述DNA序列，写出两种PSSM;2)再给一条新的序列CCACCTC，计算log-oddratio，该例中，碱基的背景值都为0.25;3)请计算第二位和第三位所包含的信息量。3.假设基因组上有一种调控信号S，长度和位置不确定。信号S和基因组序列G的碱基分布频率分别为：CGATS0.40.40.10.1G0.10.10.40.4S与G之间的转移概率矩阵如下：SGS0.60.4G0.60.4请用Viterbi算法计算序列AATCCGTA，预测是否存在该调控信号S，并标出相应的位

7、置。（马尔科夫模型）4.如果题目三中，假设转移矩阵并不是最终的优化结果，采用Baum-Welch算法，你如何进行优化？这里，假设已经给你若干条实验数据作为训练样本。5.直系同源物(Ortholog)与旁系同源物(Paralog)之间有什么区别？请用图示法并辅以必要文字进行描述。