2025年大學《生物信息學》專業(yè)題庫——基因家族演化的生物信息學研究考試時間：______分鐘總分：______分姓名：______一、名詞解釋（每題3分，共15分）1.基因家族2.同源基因3.隱藏馬爾可夫模型(HMM)4.系統(tǒng)發(fā)育樹5.基因復制二、簡答題（每題5分，共30分）1.簡述利用核苷酸數(shù)據(jù)庫（如GenBank）檢索特定基因家族成員的基本步驟。2.解釋什么是多序列比對（MSA），并說明其在基因家族研究中的至少兩個重要作用。3.簡述系統(tǒng)發(fā)育樹的構建過程中，選擇合適進化模型的重要性。4.列舉至少三種可用于檢測基因家族擴張和收縮事件的生物信息學方法或分析思路。5.描述一個基因從單拷貝狀態(tài)經(jīng)歷復制和分化，最終形成功能多樣的基因家族的可能過程。6.在進行基因家族成員鑒定時，使用BLAST和HMMER各自有什么優(yōu)勢和適用場景？三、計算與分析題（每題10分，共20分）1.假設通過某種方法獲得了一組來自不同物種的三個同源蛋白的簡短氨基酸序列（序列長度為50個氨基酸）：```序列A:MKDGATCRQLSPFYWNDE序列B:MK*GATCRQLSPFYWN*E序列C:MKDGATCRQLSPFYWNDE```其中，"*"代表在該位置上氨基酸殘基缺失。請基于此序列信息，簡要描述這三個序列之間的相似性和差異性，并推測它們在系統(tǒng)發(fā)育上可能的關系（例如，哪個序列與其他序列關系更近？）。2.假設你正在進行一個基因家族的研究，需要構建系統(tǒng)發(fā)育樹。請比較鄰接法（Neighbor-Joining）和最大似然法（MaximumLikelihood）在以下方面有何不同：①算法原理；②對模型依賴程度；③所需計算資源；④通常的應用場景。選擇其中一種方法，簡要說明選擇它的理由。四、論述題（15分）設計一個生物信息學研究方案，用于探究某物種（例如，人類或小鼠）中一個特定基因家族（例如，某個轉錄因子家族或受體酪氨酸激酶家族）的近期演化歷史。你的方案應至少包含以下要素：研究目標、目標基因家族的定義與成員獲取策略、將使用的核心生物信息學工具和方法（如序列比對、系統(tǒng)發(fā)育分析、選擇壓力分析等）、預期得到的主要結果以及如何解讀這些結果以推斷該基因家族的演化動態(tài)（如擴張/收縮、功能分化等）。試卷答案一、名詞解釋1.基因家族：指基因組中一組來源于共同祖先、通過基因復制而形成的、具有相似DNA序列和/或氨基酸序列、且在結構和/或功能上相關的基因。2.同源基因：指來自同一祖先基因經(jīng)過突變和演化而形成的不同基因。它們可以是同一個物種內(nèi)的（paralogs），也可以是不同物種間的（orthologs）。3.隱藏馬爾可夫模型(HMM)：一種統(tǒng)計模型，用于描述一個生成序列的過程。在生物信息學中，HMM常用于構建基因模型（如隱馬爾可夫模型），并通過HMMER等工具搜索數(shù)據(jù)庫，鑒定與已知模型具有相似結構的基因或蛋白質（即基因家族成員）。4.系統(tǒng)發(fā)育樹：一種樹狀圖，用于表示生物體（如物種、基因、蛋白質）之間的進化關系。樹的每個節(jié)點代表一個共同祖先，分支代表進化分化。5.基因復制：指基因組中一個基因或一段DNA序列被復制成至少兩份的過程。它是基因家族產(chǎn)生和擴大的主要機制之一。二、簡答題1.簡述利用核苷酸數(shù)據(jù)庫（如GenBank）檢索特定基因家族成員的基本步驟。*答案：首先，確定目標基因家族的已知成員或標志性序列。然后，選擇合適的數(shù)據(jù)庫（如GenBankNR庫）。接著，使用BLAST（如blastp搜索蛋白質，blastn搜索核酸）程序，以已知家族成員序列為查詢序列。在BLAST參數(shù)設置中，通常需要設置較高的相似度閾值（E-value或百分比identity）以減少假陽性，并可能設置過濾條件（如排除內(nèi)含子、假基因等）。最后，分析BLAST結果，篩選出與已知成員相似度高的序列，作為候選的基因家族成員?？赡苄枰Y合使用特定的數(shù)據(jù)庫分類號或關鍵詞進行輔助檢索。*解析思路：本題考查基因家族成員鑒定的基本流程。核心是利用已知信息（查詢序列）在大型數(shù)據(jù)庫中搜索相似序列。關鍵步驟包括選擇合適的數(shù)據(jù)庫、查詢工具（BLAST）和參數(shù)，以及結果的后處理和篩選。需要理解BLAST的基本原理和參數(shù)對結果的影響。2.解釋什么是多序列比對（MSA），并說明其在基因家族研究中的至少兩個重要作用。*答案：多序列比對（MSA）是將三個或更多個生物序列（通常是DNA、RNA或蛋白質）排列成一行，使得序列間的對應位置具有最大程度相似性的過程。通過比對，可以識別保守區(qū)域、功能位點、進化模式等。在基因家族研究中，MSA至少有兩個重要作用：1）揭示家族成員間的序列相似性和差異性，為構建系統(tǒng)發(fā)育樹提供基礎數(shù)據(jù)；2）識別基因家族成員共有的關鍵氨基酸殘基或保守基序/功能域，這些區(qū)域通常具有重要的生物學功能，有助于推斷家族的功能特征和演化歷史。*解析思路：本題要求定義MSA并闡述其作用。首先明確MSA的操作定義。然后，重點說明其在基因家族研究中的核心價值，通常圍繞其提供系統(tǒng)發(fā)育信息和揭示功能保守性兩個方面展開。3.簡述系統(tǒng)發(fā)育樹的構建過程中，選擇合適進化模型的重要性。*答案：選擇合適的進化模型對于系統(tǒng)發(fā)育樹的構建至關重要。不同的進化模型（如JTT、WAG、GTR等）對核苷酸或氨基酸序列中堿基或氨基酸替換速率的假設不同。如果所用的模型與實際數(shù)據(jù)的進化速率和模式不符，會導致計算出的距離矩陣不準確，進而影響系統(tǒng)發(fā)育樹的拓撲結構（即分支關系）和分支長度的可靠性。選擇正確的模型可以提高樹的精確度和統(tǒng)計顯著性，更真實地反映物種或基因家族的進化歷史。*解析思路：本題考查進化模型選擇的理論意義。關鍵在于指出模型與數(shù)據(jù)擬合程度的關系，以及這種關系如何影響最終的樹結果（拓撲和分支長度）。需要理解進化模型的基本原理（如替代模型）及其參數(shù)對分析結果的影響。4.列舉至少三種可用于檢測基因家族擴張和收縮事件的生物信息學方法或分析思路。*答案：檢測基因家族擴張和收縮的方法包括：1）基因計數(shù)：統(tǒng)計目標基因家族在不同物種或同一物種不同基因組中的拷貝數(shù)量，通過比較數(shù)量變化判斷擴張或收縮；2）系統(tǒng)發(fā)育樹分析：構建包含目標基因家族成員的系統(tǒng)發(fā)育樹，分析樹的形態(tài)（如星形樹、U形樹可能指示近期擴張），并可能使用特定的統(tǒng)計檢驗（如Fitch-Margoliash法、AncestralStateReconstruction）來推斷祖先基因數(shù)量；3）基因空間分布分析：研究家族成員在基因組上的物理位置，觀察是否存在聚集現(xiàn)象（可能指示復制事件）。*解析思路：本題要求列舉檢測家族擴縮的方法。需要從宏觀（基因數(shù)量統(tǒng)計）和微觀（系統(tǒng)發(fā)育模式分析、空間分布）兩個層面思考。列舉三種即可，關鍵在于方法的基本原理和目的。5.描述一個基因從單拷貝狀態(tài)經(jīng)歷復制和分化，最終形成功能多樣的基因家族的可能過程。*答案：一個基因從單拷貝狀態(tài)形成功能多樣的基因家族，通常經(jīng)歷以下過程：首先，在某個進化節(jié)點發(fā)生基因復制事件，產(chǎn)生一個基因副本（同源基因）。隨后，這兩個拷貝可能繼續(xù)存在，或者其中一個拷貝可能丟失。如果兩個拷貝繼續(xù)存在并經(jīng)歷后續(xù)的演化，它們可能朝著不同的功能方向分化。這種分化可以通過多種機制實現(xiàn)，例如：持續(xù)的積累不同的突變（包括替換、插入、缺失）；發(fā)生染色體易位、倒位等結構變異，導致基因表達調控區(qū)域的改變；或者它們被分配到不同的細胞類型或組織中表達。經(jīng)過長時間的演化，這些功能分化的同源基因最終形成了具有不同亞功能或完全不同功能的基因家族。*解析思路：本題要求描述基因家族形成的典型動態(tài)過程。需要按照時間順序，從初始復制、可能發(fā)生的丟失，到后續(xù)的持續(xù)演化、功能分化，以及最終形成多樣化家族的結局進行闡述。涵蓋復制、突變、重排、表達調控等關鍵因素。6.在進行基因家族成員鑒定時，使用BLAST和HMMER各自有什么優(yōu)勢和適用場景？*答案：BLAST的優(yōu)勢在于其廣泛的應用、相對簡單的操作和快速性，特別適用于在大型序列數(shù)據(jù)庫中搜索與已知查詢序列具有顯著相似性的序列。它對于鑒定結構或功能上高度保守的家族成員效果很好。BLAST的適用場景包括初步篩選、鑒定已知家族的成員、尋找序列同源性等。HMMER的優(yōu)勢在于能夠利用隱馬爾可夫模型（HMM）來描述蛋白質或核酸的保守結構域或基因模型，并能夠搜索數(shù)據(jù)庫中與該模型具有相似結構特征，但不一定具有高序列相似性的序列。這使其在鑒定新基因家族成員、尋找具有特定結構模式的序列（如跨膜區(qū)域、酶活性位點）方面非常強大。HMMER的適用場景包括鑒定未知或新基因家族、搜索具有特定結構模式的序列、在基因組水平上進行注釋。*解析思路：本題要求比較兩種不同工具的優(yōu)劣和適用范圍。需要明確各自的工作原理和核心特點（BLAST側重序列相似性，HMMER側重結構模式）。然后，根據(jù)這些特點，分別指出它們的優(yōu)勢以及最適合解決哪些類型的問題或適用于哪些場景。三、計算與分析題1.假設通過某種方法獲得了一組來自不同物種的三個同源蛋白的簡短氨基酸序列（序列長度為50個氨基酸）：```序列A:MKDGATCRQLSPFYWNDE序列B:MK*GATCRQLSPFYWN*E序列C:MKDGATCRQLSPFYWNDE```其中，"*"代表在該位置上氨基酸殘基缺失。請基于此序列信息，簡要描述這三個序列之間的相似性和差異性，并推測它們在系統(tǒng)發(fā)育上可能的關系（例如，哪個序列與其他序列關系更近？）。*答案：相似性：三個序列在N端（M,K,D,G,A,T,C,R,Q,L,S,P）和C端（F,Y,W,N,D,E，除去B的第二個"*"位置）的氨基酸組成高度相似，只有少數(shù)位置存在差異。差異性：序列B在17位和32位存在氨基酸缺失（"*"）。序列A和序列C完全相同，但在24位存在一個差異（AvsY，根據(jù)標準單字母代碼，A是丙氨酸，Y是酪氨酸，此處可能題目有誤，若按標準代碼，此位置差異為A/Y；若題目給定Y/A則反之）。序列C與序列A完全一致。推測關系：序列C與序列A在系統(tǒng)發(fā)育上關系最近，它們是同源等位基因或非常相似的近緣序列。序列B由于存在缺失，其進化歷史可能不同，或者它可能與A/C的分化時間更早，或者其祖先經(jīng)歷了缺失事件。如果忽略缺失，僅看存在的差異，序列A/B的關系可能比A/C更近，但這取決于具體的演化模型和缺失的處理方式。*解析思路：本題要求分析簡短序列的相似性和差異性，并推測進化關系。首先，逐位比較三個序列，找出完全相同的位點和存在差異的位點（包括插入/缺失）。其次，量化相似性（如相同位點比例）和差異性（如不同/缺失位點）。最后，根據(jù)序列的相似程度和缺失情況，嘗試構建一個簡單的進化關系圖或用語言描述它們可能的親緣關系。注意區(qū)分不同類型的差異（替換、插入/缺失）。2.假設你正在進行一個基因家族的研究，需要構建系統(tǒng)發(fā)育樹。請比較鄰接法（Neighbor-Joining）和最大似然法（MaximumLikelihood）在以下方面有何不同：①算法原理；②對模型依賴程度；③所需計算資源；④通常的應用場景。選擇其中一種方法，簡要說明選擇它的理由。*答案：*①算法原理：鄰接法（NJ）基于距離矩陣構建樹。首先計算所有序列對之間的進化距離（通?；趯?shù)似然或JTT模型）。然后，找到距離最近的兩個序列（或節(jié)點），將它們連接成一個新的節(jié)點（或“合并”），并更新距離矩陣，重復此過程直到所有序列都聚合成一棵樹。最大似然法（ML）基于似然函數(shù)構建樹。它通過枚舉所有可能的樹拓撲結構，并為每種拓撲結構選擇一個最優(yōu)的進化模型參數(shù)組合（參數(shù)空間），計算出每種樹結構的“似然值”（即解釋觀測數(shù)據(jù)的可能性大?。詈筮x擇似然值最大的樹作為結果。*②對模型依賴程度：鄰接法通常使用一個相對簡單的距離估算模型（如JTT、WAG），對模型的具體參數(shù)不敏感。最大似然法需要指定一個詳細的進化模型（如GTR+Γ，包含替換率矩陣、速率轉換分布等），樹的構建結果強烈依賴于所選模型的正確性。*③所需計算資源：鄰接法計算相對簡單，時間復雜度通常為O(n^3)或O(n^2)，對計算資源和內(nèi)存要求較低，速度快。最大似然法需要評估大量可能的樹拓撲和參數(shù)組合，計算量巨大，通常需要更多的計算時間和內(nèi)存資源，速度較慢，尤其對于大數(shù)據(jù)集。*④通常的應用場景：鄰接法因其速度和相對簡單的參數(shù)需求，適用于快速獲得初步的系統(tǒng)發(fā)育樹，或用于數(shù)據(jù)量非常大的情況（作為初步篩選）。最大似然法理論上最接近最優(yōu)，結果更可靠（當模型選擇正確時），適用于數(shù)據(jù)量適中、對結果精度要求高、或需要與其他模型比較的場景。*選擇ML的理由：假設選擇最大似然法。理由是本研究關注基因家族的近期演化歷史，可能存在復雜的進化模式（如速率變化），需要更精確的模型來描述。同時，研究旨在深入理解演化關系，希望獲得更可靠、統(tǒng)計意義更明確的樹結果，而ML法能提供基于最優(yōu)模型的最大似然樹，滿足這些要求。如果數(shù)據(jù)集非常大，可能會先使用NJ進行初步探索，但最終的分析會選用ML以確保精度。*解析思路：本題要求比較兩種系統(tǒng)發(fā)育樹方法的異同。需要分別從算法流程、模型依賴、計算成本和應用場景四個維度進行詳細對比。第一個部分是客觀比較。第二個部分是結合假設的研究背景（基因家族近期演化歷史、追求精確性）來論證選擇其中一種方法的合理性。四、論述題設計一個生物信息學研究方案，用于探究某物種（例如，人類或小鼠）中一個特定基因家族（例如，某個轉錄因子家族或受體酪氨酸激酶家族）的近期演化歷史。你的方案應至少包含以下要素：研究目標、目標基因家族的定義與成員獲取策略、將使用的核心生物信息學工具和方法（如序列比對、系統(tǒng)發(fā)育分析、選擇壓力分析等）、預期得到的主要結果以及如何解讀這些結果以推斷該基因家族的演化動態(tài)（如擴張/收縮、功能分化等）。*答案：*研究目標：探究人類（或小鼠）中某個特定基因家族（例如，人類PAX轉錄因子家族或小鼠ErbB受體酪氨酸激酶家族）的近期演化歷史，包括分析其成員的譜系關系、識別主要的擴張/收縮事件、評估成員間的功能分化程度以及推斷影響其演化的選擇壓力。*目標基因家族的定義與成員獲取策略：*定義：以已知的PAX家族成員（或ErbB家族成員）序列為基礎，定義家族的保守基序或功能域。例如，PAX家族成員通常包含一個DNA結合域（PAX域）。ErbB家族成員包含一個跨膜結構域、一個酪氨酸激酶域和一個細胞外配體結合域。*成員獲取：1.使用HMMER程序，以PAX（或ErbB）家族已知的DNA結合域（或相應完整蛋白）的HMM模型為查詢序列，在NCBIGenBank/RefSeq數(shù)據(jù)庫中搜索人類（或小鼠）基因組注釋文件（GFF）和蛋白質數(shù)據(jù)庫（蛋白數(shù)據(jù)庫），鑒定所有與該模型匹配的基因/蛋白質，作為候選成員集。2.對候選成員進行初步篩選，去除注釋為假基因、內(nèi)含子或非功能性片段的序列。3.獲取篩選后的所有候選成員的完整蛋白質序列。*將使用的核心生物信息學工具和方法：1.多序列比對（MSA）：使用MAFFT或ClustalOmega軟件，對獲取的家族成員蛋白質序列進行多序列比對。MSA結果將用于：a)識別家族成員間的保守位點和變異位點；b)構建系統(tǒng)發(fā)育樹；c)識別關鍵功能位點。2.系統(tǒng)發(fā)育樹構建：使用IQ-TREE或RAxML軟件，基于MSA結果，選擇合適的進化模型（如LG+Γ+I，考慮替換速率矩陣、速率變化和自回收化）。構建鄰接法（NJ）、貝葉斯法（BI）和最大似然法（ML）的系統(tǒng)發(fā)育樹，并選擇一致性最高的樹（通?；贛L或BI結果，并參考BI的分區(qū)置換測試支持值）。3.基因復制/丟失事件檢測：使用R包（如`ape`,`phangorn`）或專門軟件（如`DrosophilaGeneTree`），基于系統(tǒng)發(fā)育樹和物種樹（或基因組規(guī)模數(shù)據(jù)推斷的物種樹），分析基因家族的演化歷史，識別復制和丟失事件，估計基因家族的擴張/收縮時間和模式。4.選擇壓力分析：使用PAML（PhylogeneticAnalysisbyMaximumLikelihood）軟件包，對系統(tǒng)發(fā)育樹和MSA結果進行分析。運用不同模型（如ModelAvsModelB檢驗）測試是否存在整體的選擇壓力，或應用正則化模型（如Relaxation