2025年大学《生物信息学》专业题库- 生物信息学在RNA结构预测中的作用

2025年大学《生物信息学》专业题库——生物信息学在RNA结构预测中的作用考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.RNA分子中，由核苷酸通过磷酸二酯键连接形成的线性序列被称为？A.核苷B.核苷酸C.核糖核苷酸D.多核苷酸链2.在RNA结构预测中，通常用G·C含量来粗略估计RNA的稳定性，这是因为G和C之间含有？A.一个磷酸二酯键B.两个氢键C.三个氢键D.两个磷酸二酯键3.ViolaRNApackage和RNAfold等软件通常使用的RNA结构预测模型是基于？A.人工神经网络B.支持向量机C.动态规划D.随机森林4.RNA结构中的“茎环”（Stem-loop）结构通常是由什么形成的？A.两条互补序列通过氢键配对形成的局部双螺旋结构B.多个核苷酸通过共价键连接形成的环状结构C.RNA链自身折叠形成的复杂三维结构D.两条非互补序列的随机缠绕5.Mfold软件相比RNAfold，通常提供了哪些额外的功能？A.仅限于预测单链RNA结构B.可以预测RNA二级和三级结构C.仅限于预测DNA结构D.仅提供基于热力学参数的预测6.RNA结构预测中使用的“能量参数”（如mRNA能参数集）主要反映了？A.RNA序列的碱基组成B.RNA链的柔韧性C.形成特定碱基对或发夹环的自由能变化D.RNA结构的复杂程度7.RNA结构预测结果中，通常用gì(gibbsfreeenergy)来衡量一个预测结构的相对稳定性，单位是？A.kcal/molB.kJ/molC.J/kcalD.mol/kJ8.RNA结构在基因表达调控中扮演重要角色，例如，某些RNA分子可以？A.直接编码蛋白质B.作为tRNA转运氨基酸C.通过形成特定结构调控基因转录或翻译D.作为rRNA组成核糖体9.对于较长的RNA序列，预测其精确的、完全正确的三级结构通常非常困难，这主要是因为？A.缺乏足够精确的能量参数B.RNA链内部可能存在多种可能的折叠方式C.长程相互作用的信息不足D.计算资源有限10.基于机器学习的RNA结构预测方法相比传统物理模型方法的主要优势可能在于？A.能更精确地模拟RNA骨架的构象变化B.可以直接利用未标注的大量结构数据C.对序列保守性有更敏感的捕捉能力D.通常计算速度更快二、简答题（每题5分，共25分）1.简述RNA结构预测中“基于物理模型”的方法的基本思想。2.动态规划算法在RNA结构预测中是如何应用的？请简述其核心思想。3.RNA结构预测中使用的“序列比对”方法通常能提供哪些信息来辅助结构预测？4.为什么说RNA结构预测是一个NP-hard问题？简述其含义。5.简述RNA结构预测在病毒学研究中可能的应用。三、论述题（每题15分，共30分）1.比较基于物理模型和基于机器学习的RNA结构预测方法的原理、优缺点及适用场景。2.结合一个具体的生物学实例（如lncRNA调控、miRNA作用机制等），阐述RNA结构预测如何帮助我们理解其生物学功能。试卷答案一、选择题1.D2.C3.C4.A5.B6.C7.A8.C9.B10.B二、简答题1.基于物理模型的方法主要基于RNA分子热力学原理，认为RNA结构是能量最小化的结果。通过定义单个碱基对、发夹环、多分支环等结构单元的自由能变化（ΔG值），并利用动态规划等算法搜索所有可能的折叠方式，找到总自由能最低的结构，即为最稳态结构。解析思路：抓住物理模型的核心是能量最小化和使用ΔG值。2.动态规划算法在RNA结构预测中用于在给定的RNA序列中寻找满足能量约束的最优（通常是能量最低）子结构。其核心思想是将一个大问题分解为相互重叠的子问题，并存储（记忆化）已解决子问题的结果以避免重复计算。对于RNA结构，子问题通常是指在给定序列区间内，以某个核苷酸结尾的最优茎环结构的能量。通过迭代比较包含或不包含核苷酸配对的两种情况，逐步构建起整个序列的全局最优结构。解析思路：抓住动态规划的关键在于子问题分解、重叠子问题求解和结果存储。3.序列比对方法可以通过寻找与其他已知结构RNA的保守区域，来推断待测RNA可能存在的结构区域。同源结构通常具有相似的功能和保守的二级结构。通过比对，可以识别出可能形成双螺旋的核苷酸序列，从而为结构预测提供线索和约束条件。此外，比对结果还可以用于评估预测结构的可靠性。解析思路：抓住序列比对提供已知结构信息，用于推断未知结构或提供约束。4.RNA结构预测是一个NP-hard问题，意味着随着RNA序列长度的增加，计算所有可能结构的组合数量呈指数级增长。对于长序列，穷举搜索所有可能结构在计算上是不可行的。NP-hard问题本身并不指计算无法在理论上演算，而是指在合理时间内（多项式时间）找到解的难度极大，甚至可能不存在有效的近似算法。解析思路：抓住NP-hard的核心是计算复杂度随序列长度呈指数增长，导致长序列预测计算困难。5.RNA结构预测在病毒学研究中可用于：预测病毒基因组或mRNA的翻译起始位点，因为某些病毒利用RNA结构调控翻译；识别病毒RNA的调控元件，如发夹结构可能参与病毒复制或包装；设计针对病毒RNA结构特异性的抗病毒药物或核酸干扰分子。解析思路：结合病毒学特点，思考RNA结构可能涉及的调控点（翻译、复制）和药物靶点。三、论述题1.基于物理模型的方法利用RNA结构的热力学参数（ΔG值）进行预测，其原理清晰，物理意义明确，对于中等长度序列预测结果较好且计算速度相对较快。但存在局限，如ΔG值数据库的准确性和完整性限制，难以准确描述长程相互作用和非标准结构，对序列保守性不敏感。基于机器学习的方法利用大量已知的RNA结构数据训练模型，能够捕捉序列与结构之间更复杂、更细微的关系，对序列保守性有更好把握，并能发现新的结构模式。但其原理不如物理模型直观，依赖于数据质量和模型选择，可能存在“黑箱”问题，且计算量可能更大。物理模型适用于结构相对简单、序列保守性较高的RNA，而机器学习方法更适合处理复杂结构、序列相似性较低或需要发现新模式的RNA。解析思路：分点对比两种方法原理、优缺点（准确性、速度、可解释性、对序列依赖性等），并讨论适用场景。2.以lncRNA（长链非编码RNA）为例，许多lncRNA通过与其靶标mRNA或蛋白质结合来调控基因表达，其结合能力往往依赖于特定的RNA结构。例如，一个lncRNA可能通过其内部形成的特定茎环结构来识别并结合靶标mRNA的3'非编码区（3'UTR），从而抑制其翻译。通过生物信息学方法预测该lncRNA的二级结构，可以定位可能参与结合的关键区域。进一步，可以结合分子动力学模拟或实验验证预测的结合位点。理解了lncRNA的特定结构及其功能，有助于阐明其在