2025年大学《生物统计学》专业题库- 生物统计学在基因实验验证中的应用

2025年大学《生物统计学》专业题库——生物统计学在基因实验验证中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.在进行基因敲除后的表达验证实验中，设置野生型对照组的主要目的是什么？A.比较基因敲除前后基因表达量的绝对差异B.排除环境因素对基因表达的影响C.确认敲除操作本身没有引起非特异性表达变化D.减少实验所需的样本数量2.对于两组基因表达量的比较，当样本量较小且数据不符合正态分布时，更倾向于选用哪种统计检验方法？A.配对样本t检验B.单因素方差分析C.Mann-WhitneyU检验D.Kruskal-Wallis检验3.在分析基因A和基因B的表达量是否存在关联性时，如果观察到两者表达量总是同升同降，但P值却未达到显著水平，可能的原因是什么？A.基因A和B确实不相关，只是偶然未达到显著B.样本量过小，统计功效不足C.存在强烈的发表偏倚D.数据存在多重共线性问题4.进行基因芯片或测序数据分析时，对原始信号值进行标准化处理的目的是什么？A.降低数据噪音B.消除不同实验平台之间的技术差异C.比较不同基因的表达量D.增加数据的变异程度5.在一项涉及多个基因筛选的研究中，若不加任何校正直接对每个基因进行显著性检验，则容易犯哪种错误？A.第一类错误（假阳性）B.第二类错误（假阴性）C.统计功效降低D.数据类型错误6.假设一项研究旨在比较三种不同药物处理组对某基因表达的影响，应选择哪种统计方法进行分析？A.独立样本t检验B.配对样本t检验C.单因素方差分析D.卡方检验7.在解释统计结果时，仅仅报告P值小于0.05就认为差异显著，这种观点存在什么局限性？A.忽略了效应量的大小B.未考虑样本量的大小C.忽略了生物学背景D.以上都是8.在设计基因互作实验时，除了检测基因A和基因B各自的效应外，还需要设置哪些对照组来验证互作？A.仅需野生型对照B.基因A过表达+基因B敲除，基因A敲除+基因B过表达的对照C.基因A和基因B同时敲除的对照D.以上都需要9.对于计数型数据，例如基因突变数量，在进行统计分析时，哪种检验方法较为常用？A.t检验B.方差分析C.卡方检验D.相关分析10.若一项研究结论是“基因X的表达水平与疾病严重程度呈显著正相关（P<0.05）”，在报告该结论时，还应补充哪些信息？A.样本量（n=）B.相关系数（r=）及其置信区间C.统计方法名称D.以上都是二、填空题（每空2分，共20分）1.在进行差异表达基因分析时，为了控制错误发现率（FDR），常使用的校正方法有________和________。2.对于连续型数据，如果希望比较三个独立组之间的均值差异，且数据满足正态性和方差齐性，应选用________进行检验。3.假设检验中，假设检验的原假设通常用________表示，备择假设用________表示。4.在基因功能验证实验中，确保________和________是获得可靠结论的关键。5.当研究目的是检验两个分类变量之间是否存在关联性时，例如基因型（AA,AC,CC）与表型（阳性,阴性），应选用________进行统计分析。6.统计功效指的是当________为真时，能够正确拒绝________的概率。7.在分析高通量基因表达数据时，常需要先对数据进行________和________。8.若要评估一个基因突变对蛋白质功能的影响，除了统计学分析，还需要结合________和________等信息进行综合判断。三、简答题（每题5分，共15分）1.简述在基因表达实验中，设置对照组（如空白对照组、阴性对照组）的重要性。2.解释什么是多重检验校正，为什么在基因实验数据分析中需要进行多重检验校正？3.当统计分析结果显示某个基因的表达量差异具有统计学意义（P<0.05），从生物统计学的角度，我们能得出哪些结论？还需要考虑哪些非统计学因素？四、计算与分析题（每题10分，共20分）1.某研究人员检测了正常组织和癌症组织中某个候选抑癌基因G的相对表达量（使用标准化定量PCR方法，数值越大表示表达越高）。在正常组织中，测得G的表达量分别为：2.1,1.8,2.3,1.9,2.0。在癌症组织中，测得G的表达量分别为：3.5,3.8,3.2,4.0,3.7。请简述你会如何使用合适的统计方法检验该基因在正常组织和癌症组织中的表达是否存在显著差异？并说明理由。（无需进行具体计算，但需写明方法名称和选择依据）。2.假设一项研究旨在比较三种不同处理（A、B、C）对某基因表达的影响。随机选取样本，得到基因表达量数据如下（为简化，假设已满足方差齐性和正态性要求）：处理A：3.2,3.5,3.1,3.4处理B：4.1,4.3,4.0,4.2处理C：3.8,3.9,3.7,4.0请问应选用哪种统计方法来比较这三个处理组之间的基因表达量是否存在差异？请简述该方法的基本原理。试卷答案一、选择题1.C2.C3.B4.B5.A6.C7.D8.B9.C10.D二、填空题1.Bonferroni校正FDR校正（或假发现率校正）2.单因素方差分析（ANOVA）3.H₀H₁（或H₀Hₐ）4.实验设计数据分析5.卡方检验6.真实效应原假设7.归一化过滤8.生物信息学蛋白质结构功能三、简答题1.重要性：对照组提供了一种参照标准，用于区分处理因素（如药物、基因操作）的真实效应与实验误差或背景噪音。空白对照组排除了试剂或操作本身带来的非特异性影响。阴性对照组（如使用无关基因或溶剂）用于确认实验体系能够有效检测目标效应，排除假阳性的可能。这使得实验结果的解释更加可靠，结论更有说服力。2.多重检验校正定义：在对多个假设（例如，检验成千上万个基因的表达差异）进行显著性检验时，即使每个单独检验的显著性水平α（P值）很小，但由于检验次数增多，偶然出现至少一个P值极小（小于α）的概率会显著增加，即犯第一类错误（假阳性）的总率会升高。原因：为了控制整个研究中的错误发现率（FalseDiscoveryRate,FDR）或家庭错误率（Family-wiseErrorRate,FWER），确保结果的可靠性，必须对原始的P值进行校正，以降低由多重比较带来的假阳性率。常用的方法有Bonferroni校正、FDR校正（如Benjamini-Hochberg方法）等。3.统计学结论：P<0.05意味着在零假设（即两组或多个组间无真实差异）成立的情况下，观察到当前样本差异或更极端差异的概率小于5%。这表明根据当前数据，有理由认为零假设不成立，即差异在统计学上具有显著性。需考虑的非统计学因素：①效应量：P值小仅说明差异显著，但不代表差异的实际大小或生物学意义重要。需要结合效应量来判断。②样本量：样本量过大容易导致统计功效过高，检出微小的、无实际意义的差异（假阳性）；样本量过小则统计功效不足，可能漏掉真实存在的差异（假阴性）。③实验设计和生物学背景：结果的解释必须结合实验设计的合理性、对照组的设置、研究背景知识等。例如，差异是否与已知的生物学机制相符？是否具有重复性？④多重比较问题：需考虑是否进行了多重检验校正。⑤数据质量：原始数据的准确性和可靠性是基础。四、计算与分析题1.方法：应选用独立样本t检验（IndependentSamplest-test）。理由：该检验适用于比较两组独立样本的均值差异。题目描述了正常组织和癌症组织中同一基因G的表达量数据，两组样本相互独立，且数据类型为连续型（相对表达量），初步假设满足正态性和方差齐性，符合独立样本t检验的应用条件。通过计算t统计量和对应的P值，可以判断两组均值是否存在显著差异。2.方法：应选用单因素方差分析（One-wayAnalysisofVariance,One-wayANOVA）。原理：方差分析用于