2025年大学《统计学》专业题库- 统计学在人类遗传学研究中的应用

2025年大学《统计学》专业题库——统计学在人类遗传学研究中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项的代表字母填在题干后的括号内）1.在人类遗传学研究中，欲比较两种不同遗传标记在两个群体中的频率分布是否有显著差异，最适宜使用的统计检验方法是（）。A.t检验B.离散系数分析C.卡方检验D.相关系数分析2.根据Hardy-Weinberg平衡定律，在一个随机mating的无限大群体中，若某基因位点上等位基因A的频率为p，等位基因a的频率为q（p+q=1），则该群体中杂合子（Aa）的预期频率为（）。A.p²B.q²C.2pqD.p+q3.若一项遗传学研究旨在检验某个新发现的基因位点是否与某种罕见遗传病相关联，选择的病例组应为（）。A.患有该罕见病的个体B.表型正常但携带该基因位点的个体C.患有其他疾病的个体D.健康的对照组个体4.在分析多个基因位点对同一个数量性状（如身高）的共同影响时，最适合使用的统计模型是（）。A.简单线性回归B.逻辑回归C.多元线性回归D.单因素方差分析5.若一项关于基因X与疾病Y关联性的研究发现P值非常小（例如P<0.01），这通常意味着（）。A.基因X与疾病Y之间存在因果关系B.基因X与疾病Y之间没有关联的可能性小于1%C.该研究样本量过大D.疾病Y的发生率非常低6.为了估计一个大型族群中某隐性遗传病的发病率，通常需要收集该族群中（）的信息。A.所有个体的基因型B.所有患者的家系信息C.代表性样本的基因型或表型D.所有健康个体的基因型7.统计学中，置信区间主要用于（）。A.检验假设B.描述样本分布C.估计总体参数的可能范围D.排除错误假设8.在进行遗传关联研究时，选择对照组需要考虑的关键原则之一是（）。A.对照组的人数必须多于病例组B.对照组应来自与病例组相同的地理区域C.对照组在研究关注的遗传标记上应具有与病例组相似的基线频率D.对照组应尽可能选择老年人9.对于服从正态分布的遗传性状，若要评估一个基因位点的遗传贡献（即遗传力），通常需要比较（）。A.不同基因型个体间的表型标准差B.父母与子代间的表型相关性C.群体间的表型均值差异D.表型变异中环境因素所占的比例10.假设检验中，第一类错误（α错误）指的是（）。A.错误地拒绝了实际上成立的零假设B.错误地接受了实际上成立的零假设C.没有发现预期的效应D.样本量不足导致的结论不显著二、填空题（每空2分，共20分。请将答案填在题干横线上）1.在进行假设检验时，零假设通常表示__________之间没有差异或关联。2.若一个遗传标记的基因型频率不符合Hardy-Weinberg平衡，可能的原因包括__________、选择、迁移或遗传漂变。3.相关系数描述的是两个变量之间线性关系的__________和方向。4.在病例对照研究中，为了估计某遗传标记与疾病的关联强度，常用指标是__________。5.统计推断的目的是利用样本信息来推断__________的特征。6.对于二项分布，其数学期望值等于__________乘以n。7.在估计总体均值时，若总体标准差未知且样本量较小，通常采用__________分布来构建置信区间或进行假设检验。8.为了减少抽样误差，提高统计推断的效力，在设计和分析遗传学研究时，应注重__________。9.回归分析中，因变量（dependentvariable）通常表示我们试图解释或预测的__________。10.逻辑回归适用于分析分类变量（因变量）与一个或多个数值或分类自变量（自变量）之间的关系。三、简答题（每题5分，共15分）1.简述t检验和卡方检验的主要区别及其在遗传学研究中分别适用于哪种类型的数据或问题。2.解释什么是“遗传负荷”（geneticload），并简述如何使用统计学方法来估计一个群体中由于有害等位基因的存在所造成的遗传负荷。3.在人类遗传学研究中，为什么控制遗传背景（例如，使用近交系或同卵双胞胎）对于某些遗传分析（如QTL定位）至关重要？请结合统计学的角度进行简要说明。四、计算题（共25分）1.（10分）在一个随机mating的群体中，调查发现某种隐性遗传病（由aa基因型导致）的发病率为1/10000。请根据Hardy-Weinberg平衡定律，估算该群体中致病基因a的频率，以及杂合子（Aa）的频率。2.（15分）一项研究比较了A和B两个群体中某个遗传标记的频率。在群体A中，该标记的纯合子频率为qA²=0.04，杂合子频率为2pqA=0.50。在群体B中，该标记的纯合子频率为qB²=0.09，杂合子频率为2pqB=0.24。请使用卡方检验，检验这两个群体在该遗传标记上是否存在显著差异（假设检验水平α=0.05）。请写出卡方统计量的计算公式、计算过程和最终结论。五、分析题（共30分）1.（30分）假设一项研究旨在探究某候选基因（GeneX）的某个变异位点（SNP1）与I型糖尿病（DiseaseY）的关联。研究人员选取了1000名I型糖尿病患者（病例组）和1000名健康对照者（对照组），检测了他们GeneX的SNP1位点基因型。初步数据显示，SNP1位点存在三种基因型：AA、Aa和aa。病例组中，AA基因型频率为0.10，Aa为0.60，aa为0.30；对照组中，AA基因型频率为0.15，Aa为0.65，aa为0.20。（1）请简述本研究的实验设计类型（如病例对照研究）及其主要目的。（2）请提出一个合适的统计检验方法来比较病例组和对照组在SNP1位点基因型频率上是否存在显著差异，并说明理由。（3）假设检验的结果显示P值为0.03。请解释这个P值的具体含义，并据此讨论该研究发现的生物学意义及潜在的局限性。（4）如果研究者还测量了受试者的血糖水平（一个连续性变量），并希望进一步分析SNP1位点是否与血糖水平相关，你建议使用哪种统计方法？请简要说明该方法及其适用性。试卷答案一、选择题1.C2.C3.A4.C5.B6.C7.C8.C9.B10.A二、填空题1.零假设2.非随机mating3.强度4.风险比（OddsRatio）5.总体6.概率（或p）7.t8.合理的样本量9.结果（或响应）10.因变量三、简答题1.答：t检验主要用于比较两组（通常是一组处理，一组对照）均值是否存在显著差异，适用于连续性数据。卡方检验主要用于分析分类数据（计数数据）的频率分布，检验实际观测频率与期望频率之间是否存在显著差异，或比较多个分类变量之间的关联性。在遗传学研究中，t检验可用于比较不同基因型个体的表型均值差异（如身高），卡方检验可用于比较不同群体间基因型或等位基因频率的差异，或检验基因型频率是否符合Hardy-Weinberg平衡。2.答：遗传负荷是指一个群体中由于存在有害等位基因而产生的整体适应度降低的程度。可以使用统计学方法估计遗传负荷，例如通过比较实际观察到的群体适应度（如生育率、存活率）与理论上的最大可能适应度（假设群体中没有有害等位基因）之间的差距来衡量。一种常见的方法是计算携带有害等位基因的个体所贡献的适应度值的加权平均，与随机个体相比的相对下降程度。3.答：控制遗传背景对于某些遗传分析至关重要，因为遗传背景的差异（如不同群体间存在不同的等位基因频率、基因相互作用等）可能混淆目标基因效应的评估。统计学上，如果遗传背景不同，比较的结果可能受到环境因素或其他未分离基因的混杂影响。使用近交系（如小鼠）或同卵双胞胎（遗传背景高度相似）可以最大程度地减少这种混杂，使得研究者能够更清晰地分离和识别目标基因对特定性状的影响，从而提高遗传分析的准确性和效力。四、计算题1.解：（1）设致病基因a的频率为q，则正常等位基因A的频率为p=1-q。（2）发病率为aa基因型的频率，即q²=1/10000。（3）计算q：q=√(1/10000)=1/100=0.01。（4）计算p：p=1-q=1-0.01=0.99。（5）计算杂合子（Aa）的频率：2pq=2*0.99*0.01=0.0198。答：致病基因a的频率为0.01，杂合子（Aa）的频率为0.0198。2.解：（1）提出零假设H₀：群体A和群体B中该遗传标记的基因型频率分布相同。（2）计算期望频率：总样本量=2*(群体A)+2*(群体B)=2*(0.04+0.50+0.04)+2*(0.09+0.24+0.09)=2*0.58+2*0.42=2.0。群体A：E(AA)=(0.04*0.04)*2.0=0.0032*2.0=0.0064。E(Aa)=(2*0.04*0.50)*2.0=0.04*2.0=0.0800。E(aa)=(0.04*0.04)*2.0=0.0016*2.0=0.0032。群体B：E(AA)=(0.09*0.09)*2.0=0.0081*2.0=0.0162。E(Aa)=(2*0.09*0.24)*2.0=0.0432*2.0=0.0864。E(aa)=(0.09*0.09)*2.0=0.0081*2.0=0.0162。（3）计算卡方统计量χ²：χ²=Σ[(O-E)²/E]=[(0.04-0.0064)²/0.0064]+[(0.50-0.08)²/0.08]+[(0.04-0.0032)²/0.0032]+[(0.24-0.0864)²/0.0864]+[(0.09-0.0162)²/0.0162]+[(0.20-0.0162)²/0.0162]。χ²=[(0.0336)²/0.0064]+[(0.42)²/0.08]+[(0.0368)²/0.0032]+[(0.1536)²/0.0864]+[(0.0738)²/0.0162]+[(0.1838)²/0.0162]。χ²=[0.00112896/0.0064]+[0.1764/0.08]+[0.00135424/0.0032]+[0.02358096/0.0864]+[0.00544484/0.0162]+[0.03382244/0.0162]。χ²≈0.1766+2.205+0.4245+0.2726+0.336+2.091。χ²≈7.3247。（4）确定自由度df：df=(行数-1)*(列数-1)=(2-1)*(3-1)=1*2=2。（5）查χ²分布表或使用软件，在α=0.05水平下，df=2时，临界值χ²₀.₀五(2)≈5.991。（6）比较：计算得到的χ²≈7.3247>5.991。（7）结论：拒绝零假设H₀。在α=0.05的检验水平下，有统计证据表明群体A和群体B在该遗传标记上的基因型频率分布存在显著差异。五、分析题1.解：（1）本研究采用了病例对照研究设计。其目的是通过比较患有I型糖尿病的病例组与未患病的对照组在GeneX的SNP1位点基因型频率上的差异，来探索该基因变异位点是否与I型糖尿病存在关联。（2）最适合使用的统计检验方法是卡方检验（Chi-squaretestforindependence）。理由：该研究比较的是两个分类变量（病例组/对照组，SNP1基因型AA/Aa/aa）之间的关联性，数据形式为分类的频率（基因型频率），卡方检验是分析此类数据是否独立性的常用且合适的方法。（3）P值为0.03的具体含义是：在零假设（即GeneX的SNP1位点与I型糖尿病无关联）成立的前提下，观察到当前这样极端或更极端的样本差异（即病例组和对照组基因型频率有如此明显不同）的概率是0.03。由于P值（0.03）小于常用的显著性水平α（如0.05），这表明根据样本数据，有足够的统计证据拒绝零假设。因此，研究结果表明GeneX的SNP1位点可能与I型糖尿病的发生存在统计学上的关联。然而，统计关联并不等同于因果关联，该发现还需要进一步的功能验证和大规模研究来确认其生物学意义，并需注意可能存在的其他局限性，如选择偏倚、信息偏倚、多重检验问题等。（