2025年生命科学计算机考试题及答案

2025年生命科学计算机考试题及答案一、单项选择题（每题2分，共30分）1.下列哪项不属于生物信息学的核心研究内容？A.基因组序列的组装与注释B.蛋白质三维结构的预测C.实验动物行为学观察记录D.基因表达数据的差异分析2.在高通量测序数据质量控制中，Phred质量分数Q30表示：A.碱基错误概率为0.1%B.碱基正确概率为99.9%C.测序读长中30%的碱基质量合格D.测序错误率为3%3.关于BLAST（BasicLocalAlignmentSearchTool）的描述，错误的是：A.用于寻找序列数据库中与查询序列相似的片段B.E值越小表示匹配结果越可靠C.只能处理DNA序列比对，不能分析蛋白质序列D.核心算法基于局部比对而非全局比对4.以下哪类数据不属于单细胞测序技术产生的主要数据类型？A.单细胞转录组数据（scRNA-seq）B.单细胞表观基因组数据（scATAC-seq）C.单细胞蛋白质互作网络数据D.单细胞基因组拷贝数变异数据5.在机器学习应用于药物靶点发现时，常用的特征工程不包括：A.分子指纹（MolecularFingerprint）提取B.蛋白质序列的k-mer频率统计C.实验动物体重变化的时间序列分析D.化合物理化性质（如脂水分配系数）计算6.三代测序技术（如PacBioSMRT、OxfordNanopore）的主要优势是：A.测序成本低B.读长极长（可达数万碱基）C.错误率低于一代测序D.适合检测单核苷酸多态性（SNP）7.构建系统发生树（PhylogeneticTree）时，最大似然法（MaximumLikelihood）与邻接法（Neighbor-Joining）的主要区别在于：A.是否基于序列相似性矩阵B.是否假设进化模型（如核苷酸替换模型）C.是否适用于蛋白质序列分析D.是否需要外类群（Outgroup）确定根节点8.以下哪个数据库主要存储蛋白质三维结构信息？A.NCBIGenBankB.UniProtC.PDB（ProteinDataBank）D.GEO（GeneExpressionOmnibus）9.在RNA-seq数据分析中，“归一化（Normalization）”步骤的主要目的是：A.去除测序过程中的技术误差（如测序深度差异）B.识别差异表达基因（DEG）C.将短读长（Reads）比对到参考基因组D.预测新的剪接异构体10.关于宏基因组学（Metagenomics）研究流程，正确的顺序是：A.样本采集→DNA提取→测序→组装→功能注释→群落结构分析B.DNA提取→样本采集→测序→组装→群落结构分析→功能注释C.样本采集→测序→DNA提取→组装→功能注释→群落结构分析D.样本采集→DNA提取→组装→测序→功能注释→群落结构分析11.蛋白质结构预测的“从头预测（AbInitioPrediction）”方法主要依赖：A.已知同源蛋白的结构模板B.氨基酸序列的物理化学性质与能量最小化C.蛋白质-蛋白质互作网络数据D.高通量突变实验结果12.在基因编辑技术（如CRISPR-Cas9）的计算辅助设计中，关键任务不包括：A.sgRNA脱靶效应预测B.靶序列GC含量分析C.实验小鼠饲养条件优化D.PAM（ProtospacerAdjacentMotif）序列识别13.以下哪项不是转录组学（Transcriptomics）与蛋白质组学（Proteomics）数据整合分析的常见目标？A.验证基因表达与蛋白质丰度的相关性B.识别翻译后调控的关键节点C.预测新的非编码RNA功能D.分析实验动物的行为表型差异14.在生物信息学中，“k-mer”通常指：A.长度为k的连续核苷酸或氨基酸序列片段B.基因表达量的标准化单位C.蛋白质结构中的α螺旋长度D.系统发生树的分支数目15.机器学习模型在生物数据分类任务中，若出现“过拟合（Overfitting）”，最可能的解决方法是：A.增加训练数据量B.减少特征维度C.提高模型复杂度（如增加神经网络层数）D.使用更复杂的核函数（如SVM的RBF核）二、填空题（每空1分，共20分）1.常用的短读长测序数据比对工具中，______（填软件名）通过种子延伸（Seed-and-Extend）策略实现快速比对，适用于人类基因组等大基因组；而______（填软件名）则基于Burrows-Wheeler变换（BWT）构建索引，适合处理海量数据。2.单细胞测序数据降维分析中，常用的算法包括______（线性降维）和______（非线性降维），前者通过最大化数据方差保留主要信息，后者通过保留局部邻域结构揭示细胞亚群差异。3.蛋白质互作网络（PPINetwork）分析中，______（指标）反映节点在网络中的连接广泛程度，______（指标）则衡量节点作为“桥梁”连接不同模块的能力。4.三代测序数据的纠错方法主要有两种：基于______（利用短读长数据校正长读长）和基于______（利用长读长自身的冗余信息校正）。5.在癌症基因组学中，______（术语）指肿瘤细胞中特有的、由体细胞突变产生的新抗原，是肿瘤免疫治疗的重要靶点；而______（术语）则描述肿瘤样本中突变的整体负荷，与免疫治疗响应相关。6.代谢组学数据分析中，常用的预处理步骤包括______（去除背景噪声）、______（校正不同样本间的信号漂移）和______（将峰面积转换为相对或绝对浓度）。7.基因共表达网络（WGCNA，WeightedGeneCo-ExpressionNetworkAnalysis）的核心步骤包括______（计算基因间表达相关性）、______（构建加权网络）和______（识别模块并关联表型）。8.计算药物设计中的“虚拟筛选（VirtualScreening）”主要分为______（基于配体的筛选，如分子指纹相似性）和______（基于受体的筛选，如分子对接）两类。三、简答题（每题8分，共40分）1.简述一代测序（Sanger测序）与三代测序（如纳米孔测序）的技术原理差异及各自的应用场景。2.请列出RNA-seq数据分析的主要流程，并说明每一步的关键目的。3.解释“系统发生组学（Phylogenomics）”的概念，说明其与传统系统发生学的主要区别及优势。4.举例说明机器学习在蛋白质功能预测中的应用，需至少涉及一种算法（如随机森林、深度学习）和一种数据类型（如序列、结构、互作）。5.宏基因组学研究中，“分箱（Binning）”的目的是什么？常用的分箱方法基于哪些特征？四、综合应用题（共10分）某研究团队获得了一组肝癌组织与正常肝组织的单细胞RNA-seq数据（10×Genomics平台，每个样本约5000个细胞），请设计一个分析流程，包括关键步骤、所需工具/算法及预期输出结果。--答案一、单项选择题1.C2.B3.C4.C5.C6.B7.B8.C9.A10.A11.B12.C13.D14.A15.B二、填空题1.BWA；Bowtie22.主成分分析（PCA）；t-SNE（或UMAP）3.度（Degree）；中介中心性（BetweennessCentrality）4.短读长校正；自校正（或一致序列校正）5.肿瘤新生抗原（Neoantigen）；肿瘤突变负荷（TMB，TumorMutationBurden）6.峰识别（PeakPicking）；保留时间校正（RetentionTimeAlignment）；归一化（Normalization）7.相似性矩阵构建；拓扑重叠矩阵（TOM）计算；模块检测（或软阈值选择）8.配体导向虚拟筛选（Ligand-BasedVS）；结构导向虚拟筛选（Structure-BasedVS）三、简答题1.一代测序基于双脱氧核苷酸链终止法，通过电泳分离不同长度的DNA片段并读取序列，读长约500-1000bp，错误率低（<0.1%），但通量低、成本高，主要用于小片段测序（如基因克隆验证、SNP验证）。三代测序（如纳米孔测序）基于电信号检测，DNA链通过纳米孔时引起电流变化，直接读取序列，读长可达数万至百万bp，但错误率较高（5%-15%），适合复杂区域组装（如重复序列、高度可变区）、全长转录本分析及实时测序（如疫情现场检测）。2.主要流程：①质量控制（FastQC、MultiQC）：评估测序数据质量（如碱基质量、GC含量），过滤低质量读长；②比对（STAR、HISAT2）：将短读长比对到参考基因组，确定表达基因的位置；③定量（Salmon、HTSeq）：计算基因或转录本的表达量（如TPM、FPKM）；④差异分析（DESeq2、edgeR）：识别两组间表达差异显著的基因；⑤功能富集（DAVID、ClusterProfiler）：通过GO、KEGG等数据库分析差异基因的生物学功能及通路；⑥可视化（火山图、热图、富集气泡图）：直观展示分析结果。3.系统发生组学是基于大规模基因组数据（如全基因组、转录组）构建物种或基因家族的系统发生关系的学科。与传统系统发生学（基于单个或少数基因）的区别：①数据量更大（利用数千个同源基因），减少单基因进化偏差；②可同时分析基因树与物种树的冲突（如水平基因转移）；③支持更精确的分歧时间估算（结合分子钟）。优势在于提高系统发生树的置信度，揭示复杂进化事件（如杂交、多倍化）。4.示例：利用深度学习预测蛋白质亚细胞定位。输入数据为蛋白质序列的编码（如one-hot编码或预训练语言模型Embedding），构建卷积神经网络（CNN）或循环神经网络（RNN），提取序列中的信号肽、跨膜区等特征；训练集为已知亚细胞定位的蛋白质（如UniProt注释数据），标签包括细胞质、细胞核、线粒体等；模型通过反向传播优化参数，最终输出样本属于各定位的概率。该方法相比传统基于规则的预测（如信号肽预测工具SignalP），可自动学习更复杂的序列模式，适用于未知功能的蛋白质。5.分箱的目的是将宏基因组测序得到的contig（重叠群）按物种来源分类，重建环境中微生物的基因组（MAG，宏基因组组装基因组）。常用特征包括：①序列组成（如GC含量、k-mer频率），同一物种的DNA组成具有保守性；②覆盖度（Coverage），同一物种的contig在样本中的测序深度相似；③系统发生标记基因（如16SrRNA、单拷贝管家基因）的分布。方法包括基于组成的（如CONCOCT）、基于覆盖度的（如MetaBAT）及整合多特征的（如MaxBin2）。四、综合应用题分析流程设计：1.原始数据处理：工具：CellRanger（10×官方流程）步骤：解复用（Demultiplexing）、比对（参考基因组GRCh38）、UMI计数，提供表达矩阵（基因-细胞矩阵）。输出：过滤后的表达矩阵（去除低质量细胞，如UMI数<500或线粒体基因比例>20%）。2.降维与聚类：工具：Seurat（R包）步骤：标准化（LogNormalize）、高变基因筛选（FindVariableFeatures）、PCA降维（取前20-50主成分）、t-SNE/UMAP可视化、图聚类（Louvain算法）。输出：细胞亚群聚类图（显示肝癌细胞、肝实质细胞、免疫细胞等）。3.细胞类型注释：工具：SingleR（基于参考数据集）或手动标记（已知标记基因如ALB（肝细胞）、CD3D（T细胞）、EPCAM（癌细胞））。步骤：将聚类结果与已知细胞类型标记基因比对，确定各亚群的生物学身份。输出：细胞类型注释图及各亚群标记基因列表。4.差异表达分析：工具：SeuratFindMarkers步骤：分别在肝癌与正常样本的同一细胞类型（如肝细胞亚群）中识别差异表达基因（DEG），使用Wilcoxon秩和检验或负二项式模型。输出：DEG列表（上调/下调基因）及火山图。5.功能与通路分析：工具：ClusterProfiler（GO/KEGG富集）、GSVA（基因集变异分析）步骤：对肝癌细胞亚群的DEG进行功能富集，分析激活