problem_set_2【荐】.pdfVIP

7.36/7.91/BE.490 家庭作业 2 上交时间：3 月11 号 下午 1:00 注意：请查阅课程网站获取如何提交程序设计方面问题的电子版。另外，在本次作业结尾有一 些关于编程方面的有用的提示。 1．古基因组学 I ——BLAST 检索核酸序列 你的实验室已经找到一种从恐龙化石中提取出 DNA 序列的新方法，现在为了研究恐龙的 进化史和鸟类的起源问题，你们从翼龙的化石中提取出了DNA 序列。 该序列保存在dino1.fa 文件中。 a. 在NR 数据库中使用BLASTN 进行检索，在使用缺省参数设置时所得到的检索结果 的第一条序列是什么？它看上去正确吗？为什么？ b. 将错配的罚分从缺省值（-3 ）改成-1，再检索一次，结果的第一条序列是什么？结 果中的E-value 值是多少？跟 a 的结果相比检索质量上是否有不同？降低错配罚分 的值是否得到了你期望的结果？ c. 如何使用BLASTX 检索？使用BLASTX 检索结果的第一条序列是什么？结果中的 E-value 值和bit 得分是多少？它看上去是正确的吗？该生物属于哪一类？它能解释 翼龙的进化问题吗？ d. 试解释为什么BLASTN 和BLASTX 的结果差异很大。 2 ．古基因组学 II——BLAST 用于基因内含子的影响 你得到了一条新的翼龙的序列，保存在dino2.fa 中，你尝试使用BLASTN 和BLASTX 在 NR 数据库及蛋白质数据库中检索，但未得到相关结果（请尝试一次确认一下）。由于该序列来 自翼龙基因组的富含基因区，因此你怀疑也许是序列中包含了一段未知基因使得BLAST 无法 正确匹配，为了验证该可能性，你决定对翼龙序列的模体结合位点进行研究，看是否能够提取 出dino2.fa 序列中的基因外显子。在进行了多次检索后，你找到了56 个翼龙基因组DNA 片段 的BLASTX 结果及对应的已知蛋白质序列，同时推断这些结果中很可能包含外显子和结合位点， 由于BLASTX 的结果经常无法准确的对应外显子的边界，（例如，因为在靠近结合区氨基酸的 改变造成序列的删节、在结合位点/ 内含子的转录错误导致序列延长）你建立了一个数据库，大 约包含BLASTX 检索结果的从前往后数的前25 个碱基，命名为“3primesplicesites.txt ”（为的是 找到3’的结合位点模体），另一数据集包括BLASTX 检索结果的从后往前数的25 个碱基，命名 为“5primesplicesites.txt ”（为的是找到5’的结合位点模体）。 a. 使用以上2 个数据集运行MEME （/meme/website/meme.html ）， 找到56 个序列中的共同模体作为恐龙3’和5’的结合位点，你找到了哪些模体？使 用如下所示的单字符编码列出相同的模体： 注意：当使用MEME 进行“多级相似序列”输出时将会出现问题，第四条核苷序列不会在 模体的指定位置输出。因此，检查“Simplified pos.-specific probability matrix”或者“Information content ”图表以确定模体的任意位置都包含所有的4 个核苷。 b. 编写python程序读入两条相似序列，找到在“dino2.fa ”序列中推断的内含子，并输 出预测结合的mRNA 。程序应从命令行接收2 个参数，即文件名，其一为包含2 条 相似序列的文件，每条序列占一行（分别是 3’和 5’结合位点的相似序列），每条序 列都由上面提到的字符组成，即A ，T，C和G 。另一文件包含FASTA格式的DNA序 列，你不能假设这条序列只占一行（像上次作业中多次假设的那样），登陆 http://ngfnblast.gbf.de/docs/fasta.html 查阅FASTA格式的相关信息，你的程序应能搜 索3’