基因组学答案

1.什么是基因组学？基因组学有哪些特点？以基因组分析为手段，研究基因组的结构组成、时序表达模式和功能，并提供有关生物物种及其细胞功能进化信息的一门学科。

特点：Genome sciences are sequence-based，Genome sciences are data-guided (not so hypothesis-driven)，Genome sciences is a systematic approach。

2.什么是模式生物？生物学家通过对选定的生物物种进行科学研究，用于揭示某种具有普遍规律的生命现象，此时，这种被选定的生物物种为模式生物。

在人类基因组计划中，包括对五种生物基因组的研究：大肠杆菌、酵母、线虫、果蝇和小鼠，称之为人类的五种“模式生物”。

3.人类基因组计划是哪一年完成的？在科学上有什么意义？2000年完成了人类基因组“工作框架图”。

2001年公布了人类基因组图谱及初步分析结果。

意义：首先,获得人类全部基因序列将有助于人类认识许多遗传疾病以及癌症等疾病的致病机理,为分子诊断、基因治疗等新方法提供理论依据。

第二,破译生命密码的人类基因组计划有助于人们对基因的表达调控有更深入的了解。

4.基因组学的发展方向是什么？5. 3 大公共DNA 数据库名称是什么？EMBL,GenBank，DDBJ。

6.什么是一级数据库和二级数据库？Primary Databases：Original submissions by experimentalists，Content controlled by the submitter。

Derivative Databases：Built from primary data，Content controlled by third party。

7.什么是NCBI 的Refseq？什么是Unigene？Unigene 和Refseq 的区别和联系。

RefSeq (accessible via the main page of NCBI) provides an expertly curated accession number that corresponds to the most stable, agreed-upon “reference” version of a sequence.Unigene：MegaBlast based automated sequence clustering，Nonredundant set of gene oriented clusters，Each cluster a unique gene，Information on tissue types and map locations，Includes known genes and uncharacterized ESTs，Useful for gene discovery and selection of mapping reagents。

8.GEO 是什么类型数据库，主要包含什么类型数据？9.大致介绍一下UCSC GENOME BROWSER？Stands for “Encyclopedia Of DNA Elements”，Public research consortium to carry out a project to identify all functional elements in the human genome sequence，Launched by The National Human Genome Research Institute (NHGRI)，Conducted in three phases:pilot project phase，technology development phase，planned production phase。

10.HAVANA 基因是什么类型数据？11.什么是细菌人工染色体（BAC）是指一种以F质粒（F-plasmid）为基础建构而成的细菌染色体克隆载体，常用来克隆150kb左右大小的DNA片段，最多可保存300kb个碱基对。

12.什么是遗传图谱？用来构建遗传图谱的标记有哪些？应用遗传学分析方法将基因或其他DNA 顺序标定在染色体上构建的连锁图。

标记：基因标记（性状标记），DNA标记，13.什么是物理图谱？遗传图谱和物理图谱的区别和联系应用分子生物学技术来直接将DNA标记、基因或克隆标定在基因组实际位置。

前者是描述的基因相对位置，后者是具体的碱基位置。

遗传图谱是某一物种的染色体图谱,显示所知的基因和/或遗传标记的相对位置，而不是在每条染色体上特殊的物理位置。

由遗传重组测验结果推算出来的、在一条染色体上可以发生的突变座位的直线排列图。

物理图谱是利用限制性内切酶将染色体切成片段，再根据重叠序列确定片段间连接顺序，以及遗传标志之间物理距离的图谱。

14.如何构建物理图谱？采用制性作图，荧光原位杂交，序列标签位点( STS )作图和克隆作图的方法构建物理图谱。

15.SANGER 测序方法的原理。

利用一种DNA聚合酶来延伸结合在待定序列模板上的引物。

直到掺入一种链终止核苷酸为止。

每一次序列测定由一套四个单独的反应构成，每个反应含有所有四种脱氧核苷酸三磷酸(dNTP)，并混入限量的一种不同的双脱氧核苷三磷酸(ddNTP)。

16.二代测序的原理。

边合成边测序，将4种不同的dNTP标记上不同的荧光，利用DNA聚合酶合成互补链时，每添加一种dNTP就释放不同的荧光，根据捕获的荧光信号，获得待测片段的序列信息。

17.如何构建mate-pair 文库。

首先将基因组DNA随机打断到特定大小；然后经末端修复，生物素标记和环化等实验步骤后，再把环化后的DNA分子打断成400-600bp的片段并通过带有链亲和霉素的磁珠把那些带有生物素标记的片段捕获。

这些捕获的片段再经末端修饰和加上特定接头后建成大片段文库，不需要克隆到细菌中，直接在Genome Analyzer上对这些大片段文库的两端进行测序。

18.2000 年公布的人类基因组框架图，分别由哪两种测序策略指导完成的？克隆步移法，全基因组鸟枪法。

19.什么是reads,什么是contig，什么是Scaffold，什么是N50？Reads包括两方面：Pair-end reads（Sequence reads derived from both ends of a sequencing-library clone.）。

Mate-pair reads.（Sequence reads derived from both ends of a mate-pair library clone which insert size is usually >1kb.）。

contig：The result of joining an overlapping collection of sequence reads。

Scaffold：The result of connecting non-overlapping contigs.N50：As applied to contigs or scaffolds, that size above which 50% of the assembled sequence can be found.20.基因组完成图一般错误率是多少？High Accuracy Sequence:< 1 error/ 10,000 bases。

21.Phred/phrap/consed 软件分别起什么作用Phred：reads trace files,calls bases,Assigns quality values to the bases ,Creates output files .Phrap: assembling shotgun DNA data.consed:viewing and editing assemblies produced by Phrap.22.Phred数值20代表什么，40又代表什么.q = - 10 x log10(p).q - quality value,p - estimated probability error for a base call.q = 20 means p =10-22(1 error in 100 bases) q = 40 means p= 10-4(1 error in 10,000 bases).23.基因组组装的两类算法是什么？各自代表性软件有哪些？Overlap-layout-Consensus (OLC)[Hamilton路径类算法],和De Bruijn Graph (DBG)[Euler 路径类算法]。

Hamilton路径类算法包括：Phrap, CAP3, TIGR, GigAssembler。

Euler 路径类算法：Velvet。

24.什么是lander Waterman 模型？Lander-Waterman模型利用鸟枪法进行测序，再将大量随机测序的片段用计算机进行自动拼接。

用于评估：cloning biases in shotgun libraries，repeats，GC/AT rich regions，和other low complexity regions。

25.如何根据基因组序列的kmer 分布估计基因组大小？原理是什么？Before estimating the genome size, we set a hypothesis: the k-mer we picked out from the genome can ergodic the whole genome sequence. According to the Lander waterman algorithm, the algorithm should be represented as: G= K num / K depth，Here, G is the genome size, K num is the total number of k-mer and K depth is the expected depth of the k-mer. If we obtain the expected depth of k-mer, we can calculate the genome size. Because the distribution of k-mer frequency yields to Poisson distribution, we can consider the peak of the k-mer distribution curve as the expected depth of k-mer and calculate the genome size.26.什么是CpG 岛？基因组中富含GC碱基的DNA区段。