2025年大学《生物信息学》专业题库- 新型药物设计中的生物信息学方法

2025年大学《生物信息学》专业题库——新型药物设计中的生物信息学方法考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.在药物设计流程中，利用生物信息学方法从大规模化合物库中筛选出具有潜在活性的化合物，主要属于哪个环节？A.靶点确认与验证B.虚拟筛选C.分子对接D.ADME预测2.下列哪项技术主要基于已知的生物大分子三维结构，预测小分子与靶点蛋白的结合模式和能力？A.QSARB.分子动力学模拟C.分子对接D.蛋白质结构预测3.以下哪个数据库主要收录了大量的蛋白质结构数据？A.ChEMBLB.DrugBankC.PDBD.ZINC4.在分子对接结果分析中，通常哪个参数被用来评估结合的强度？A.RMSDB.Kd值C.结合能（如ΔG）D.B因子5.ADME研究中的“D”代表什么？A.吸收（Absorption）B.分布（Distribution）C.代谢（Metabolism）D.排泄（Excretion）6.下列哪种方法属于基于分子性质的定量构效关系（QSAR）模型构建技术？A.分子对接B.CoMFAC.蛋白质结构预测D.药物靶点相互作用网络分析7.用于预测化合物体内吸收、分布、代谢、排泄和毒性（ADMET）特性的工具或服务器，通常被称为？A.虚拟筛选引擎B.分子对接软件C.ADME预测工具/数据库D.QSAR模型构建器8.蛋白质-蛋白质相互作用（PPI）网络分析在药物设计中主要有助于？A.预测化合物的ADMET特性B.识别潜在的药物靶点及其协同作用C.构建分子对接的初始参数D.预测化合物的构象变化9.哪种生物信息学方法可以用来评估候选药物分子与靶点结合后的动态稳定性和构象变化？A.分子对接B.分子动力学模拟C.QSARD.药物靶点相互作用网络分析10.利用生物信息学方法预测新药的临床前安全性，属于药物研发流程中的哪个阶段？A.靶点发现B.临床前研究C.临床试验D.医学事务二、填空题（每空1分，共10分）1.生物信息学方法在靶点研究中，可以利用______数据和______数据进行靶点识别与验证。2.分子对接中，需要设置的关键参数通常包括______、______和对接截止半径。3.常用的ADMET预测参数包括口服生物利用度（Absorption）、分布容积（______）、血浆半衰期（______）和潜在毒性标志物等。4.QSAR模型构建中，描述分子结构的二维指纹通常可以通过______、______等方法生成。5.蛋白质结构预测领域，基于深度学习的模型如______已经成为重要的工具。三、简答题（每题5分，共15分）1.简述利用生物信息学方法进行虚拟筛选的基本流程。2.分子对接与QSAR在药物设计中分别扮演着怎样的角色？简述其核心区别。3.简述生物信息学方法在评估药物成药性方面的作用。四、论述题（10分）假设你是一名生物信息学研究人员，接到一项任务：利用现有生物信息学工具和数据库，为一个假设的疾病靶点蛋白（其结构已知）筛选潜在的候选药物分子，并进行初步的成药性评估。请简述你将采取的主要步骤，包括使用的工具/数据库类型、关键操作和分析内容，以及如何综合评估筛选结果和初步预测的成药性。试卷答案一、选择题1.B2.C3.C4.C5.D6.B7.C8.B9.B10.B二、填空题1.基因组，蛋白质组2.接口距离，结合位点3.Vd,t1/24.分子指纹计算，拓扑分析5.AlphaFold三、简答题1.答案：利用生物信息学方法进行虚拟筛选通常包括以下步骤：①收集并准备化合物数据库；②确定靶点蛋白的三维结构；③选择合适的虚拟筛选方法（如基于结构的分子对接或基于性质的定量构效关系QSAR）；④执行筛选过程，从化合物库中识别出与靶点具有高亲和力或良好成药性潜力的候选分子；⑤对筛选得到的候选分子进行排序和初步评估；⑥对结果进行排序和初步分析，可能结合其他生物信息学工具进行进一步验证。解析思路：考察对虚拟筛选基本流程的掌握。需要学生能够清晰描述从准备数据（化合物库、靶点结构）到执行筛选、结果评估的整个过程，并能区分不同的筛选方法（结构/非结构）。2.答案：分子对接主要用于预测小分子与靶点大分子的结合模式和能力，提供结合位点和结合能量的定量估计。QSAR则用于建立化合物结构特征与生物活性之间的定量关系模型，旨在预测未知化合物的活性。核心区别在于：分子对接是基于结构的预测，关注结合力学；QSAR是基于结构的或分子性质的预测，关注构效关系模式。解析思路：考察对分子对接和QSAR两种核心技术的理解，包括其功能定位、输入输出、以及最根本的区别（基于结构预测结合vs.基于结构/性质预测活性）。3.答案：生物信息学方法在评估药物成药性方面发挥着重要作用。可以通过虚拟筛选初步排除具有高毒性的化合物；利用ADMET预测工具/数据库评估候选药物的吸收、分布、代谢、排泄和毒性特性，预测其体内成药性概率；通过QSAR分析化合物的构效关系，指导结构优化以改善成药性；利用蛋白质结构信息分析药物靶点相互作用，预测药物作用机制和脱靶效应。这些方法有助于在早期阶段筛选和优化候选药物，提高药物研发的成功率。解析思路：考察对生物信息学在成药性评估中具体应用的掌握，要求学生能够列举ADMET、QSAR、结构分析等工具和技术，并说明它们如何用于成药性评估的不同方面。四、论述题答案：主要步骤如下：①靶点与数据库准备：获取目标疾病靶点蛋白的已知三维结构（PDB文件），收集大规模化合物数据库（如ZINC或ChEMBL）。②虚拟筛选：使用分子对接软件（如AutoDock或Dock）将化合物数据库中的分子逐一与靶点蛋白结合位点进行对接，计算结合能或评估对接构象的合理性，筛选出高评分的候选分子列表。③成药性初步评估：对筛选出的候选分子，利用ADMET预测工具（如SwissADME或PKCSM）进行初步的成药性预测，评估其生物利用度、代谢稳定性、血液-脑屏障通透性、潜在毒性等关键参数。④结果综合分析：结合虚拟筛选的排名和ADMET预测结果，初步判断候选分子的有效性和安全性。重点关注那些在结合亲和力上表现良好，且A