2026年生物信息学基础能力评估试题及知识点

2026年生物信息学基础能力评估试题及知识点考试时长：120分钟满分：100分班级：__________姓名：__________学号：__________得分：__________一、单选题（总共10题，每题2分，总分20分）1.生物信息学中，用于序列比对的核心算法是（）A.决策树算法B.基于隐马尔可夫模型（HMM）的比对C.K-means聚类算法D.神经网络预测模型2.在基因表达谱数据分析中，差异表达基因筛选常用的统计方法不包括（）A.t检验B.ANOVA方差分析C.Wilcoxon秩和检验D.贝叶斯网络推理3.DNA序列中，AT含量为60%的碱基对，其G含量为（）A.20%B.30%C.40%D.50%4.基因组组装中，用于解决重复序列问题的常用策略是（）A.基于长读长测序数据B.基于deBruijn图的路径覆盖C.基于动态规划的最短路径搜索D.基于机器学习的序列聚类5.RNA-Seq数据分析中，FPKM值表示（）A.每百万碱基对中转录本的数量B.每百万映射读数中转录本的表达量C.每个基因的转录本丰度标准化值D.基因表达量与测序深度的比值6.基因调控网络中，转录因子通常通过（）结合DNAA.锌指结构域B.螺旋-转角-螺旋（HTH）结构域C.锌指和HTH结构域均可以D.跨膜结构域7.基于k-mer的序列聚类方法中，k值的选择会影响（）A.聚类分辨率B.序列比对速度C.聚类稳定性D.以上均正确8.在蛋白质结构预测中，AlphaFold2模型主要依赖（）A.深度学习与物理能量函数结合B.传统动态规划算法C.基于序列相似性的模板搜索D.质谱数据解析9.基因组变异检测中，SNP的英文全称是（）A.SingleNucleotidePolymorphismB.SmallNucleotidePolymorphismC.SingleNucleotideMutationD.SmallNucleotideMutation10.生物信息学中，用于评估序列比对准确性的指标是（）A.相似度百分比B.编辑距离C.序列一致性D.以上均正确二、填空题（总共10题，每题2分，总分20分）1.基因组测序中，Illumina测序平台主要采用______技术进行高通量测序。2.RNA-Seq数据中，TPM值用于______不同基因表达量的影响。3.蛋白质二级结构中，α-螺旋的氨基酸残基间通过______形成氢键。4.基因组注释中，GFF格式的文件通常包含______、起始位置和结束位置等信息。5.基因表达调控中，表观遗传修饰主要涉及______和甲基化等机制。6.序列比对中，Smith-Waterman算法是一种______比对算法。7.蛋白质功能预测中，GO（GeneOntology）数据库提供了______、生物过程和细胞组分等分类信息。8.基因组变异检测中，CNV的英文全称是______。9.基因调控网络中，E-box序列通常被______转录因子识别。10.生物信息学中，k-mer是指序列中连续的______个碱基子串。三、判断题（总共10题，每题2分，总分20分）1.基因组组装的目的是将测序读数还原为完整的基因组序列。（√）2.RNA-Seq数据可以直接用于检测基因表达量的绝对值。（×）3.蛋白质三级结构是指蛋白质分子的空间折叠形态。（√）4.基因组变异检测中，SNP和InDel是两种常见的变异类型。（√）5.基因调控网络中，转录因子只能激活基因表达。（×）6.序列比对中，Needleman-Wunsch算法是一种全局比对算法。（√）7.基因组注释中，RefSeq数据库提供了官方参考基因组序列。（√）8.RNA-Seq数据分析中，FPKM值与基因长度成正比。（×）9.蛋白质功能预测中，Pfam数据库提供了蛋白质家族的保守结构域信息。（√）10.基因组变异检测中，CNV检测通常需要高深度测序数据。（√）四、简答题（总共4题，每题4分，总分16分）1.简述生物信息学中序列比对的基本原理。2.解释RNA-Seq数据分析的主要流程。3.描述蛋白质结构预测中AlphaFold2模型的优势。4.说明基因调控网络中转录因子与靶基因的相互作用机制。五、应用题（总共4题，每题6分，总分24分）1.假设你获得了一组来自某物种的短读长测序数据（10万个读数，平均长度100bp），请设计一个简化的基因组组装流程，并说明每一步的生物学意义。2.某研究团队提供了两组RNA-Seq数据，分别代表正常细胞和肿瘤细胞，请设计一个差异表达基因筛选方案，并说明如何评估筛选结果的可靠性。3.假设你需要预测一个未知蛋白质的功能，请列出至少三种生物信息学工具或数据库，并简要说明其用途。4.某基因调控网络中，已知转录因子TF1结合的靶基因有A、B、C三个，请设计一个实验方案验证TF1对基因A的调控作用，并说明可能的实验方法。【标准答案及解析】一、单选题1.B解析：生物信息学中，序列比对的核心算法包括Smith-Waterman（局部比对）和Needleman-Wunsch（全局比对），均基于动态规划思想。HMM主要用于序列模式识别，K-means用于聚类，神经网络用于预测。2.D解析：差异表达基因筛选常用t检验、ANOVA、Wilcoxon秩和检验等统计方法，贝叶斯网络推理主要用于分类和预测任务。3.C解析：DNA双链中，A与T配对，G与C配对，故AT+GC=100%，若AT=60%，则GC=40%。4.B解析：基因组组装中，deBruijn图能有效处理重复序列问题，通过路径覆盖实现非冗余组装。长读长测序数据有助于提高组装质量，动态规划用于序列比对，机器学习用于预测。5.B解析：FPKM（FragmentsPerKilobaseoftranscriptperMillionmappedreads）表示每百万映射读数中每千碱基转录本的数量，用于标准化基因长度差异。TPM（TranscriptsPerMillion）进一步消除测序深度差异。6.C解析：转录因子通常通过锌指结构域（识别特定序列）或HTH结构域（识别DNA弯曲结构）结合DNA，部分转录因子两者兼具。7.D解析：k-mer选择影响聚类分辨率（k值大则分辨率高）、速度（k值小则速度快）和稳定性（k值适中则结果更可靠）。8.A解析：AlphaFold2结合了深度学习（Transformer模型）和物理能量函数（MMFF力场），通过端到端学习预测蛋白质结构。9.A解析：SNP（SingleNucleotidePolymorphism）指基因组中单个碱基的变异，是常见的遗传多态性标记。10.D解析：序列比对准确性可通过相似度百分比、编辑距离、序列一致性等指标评估。二、填空题1.第二代测序技术（Next-GenerationSequencing）解析：Illumina测序平台采用边合成边测序技术，属于NGS主流平台。2.基因长度解析：TPM（TranscriptsPerMillion）通过除以基因长度消除长度差异，实现标准化。3.氢键解析：α-螺旋中，每3.6个氨基酸残基形成一环，第i个残基与第i+4个残基的羰基氧和酰胺氢形成氢键。4.基因名称解析：GFF（GeneralFeatureFormat）文件记录基因注释信息，包括基因ID、起始位置、结束位置、特征类型等。5.表观遗传修饰解析：表观遗传修饰包括DNA甲基化、组蛋白修饰等，不改变DNA序列但影响基因表达。6.局部解析：Smith-Waterman算法仅比对序列中相似度高的局部区域，Needleman-Wunsch为全局比对。7.分子功能解析：GO（GeneOntology）数据库提供分子功能（MolecularFunction）、生物过程（BiologicalProcess）和细胞组分（CellularComponent）分类。8.CopyNumberVariation解析：CNV（CopyNumberVariation）指基因组片段的拷贝数变异，如基因扩增或缺失。9.转录因子AP-1解析：E-box（CACGTG）是转录因子AP-1的识别序列，常见于基因启动子区域。10.碱基解析：k-mer是指序列中连续的k个碱基子串，k值通常为21-31。三、判断题1.√解析：基因组组装的目标是将测序读数拼接成完整的基因组序列，是生物信息学核心任务之一。2.×解析：RNA-Seq数据需通过归一化（如FPKM/TPM）后才能比较基因表达量，不能直接反映绝对值。3.√解析：蛋白质三级结构指蛋白质分子的整体空间折叠形态，包括α-螺旋、β-折叠等二级结构单元的排列。4.√解析：SNP（单核苷酸多态性）和InDel（插入/缺失）是基因组变异的两种主要类型。5.×解析：转录因子可激活或抑制基因表达，部分转录因子具有双向调控作用。6.√解析：Needleman-Wunsch算法通过动态规划实现全局序列比对，适用于完整序列对齐。7.√解析：RefSeq（ReferenceSequence）数据库提供官方参考基因组序列及注释。8.×解析：FPKM值已通过基因长度标准化，与基因长度无关，仅与映射读数相关。9.√解析：Pfam数据库收录蛋白质家族的保守结构域，是功能预测的重要资源。10.√解析：CNV检测需要高深度测序数据以区分正常和异常拷贝数。四、简答题1.序列比对的基本原理是通过局部或全局比对算法，寻找两个序列间的最优匹配，通常基于动态规划思想。Smith-Waterman算法通过得分矩阵计算局部相似区域，Needleman-Wunsch算法计算全局最优对齐。比对时考虑碱基匹配得分、错配扣分和罚分等参数，最终通过回溯路径得到比对结果。2.RNA-Seq数据分析流程包括：-质量控制：使用FastQC检查原始数据质量；-读数比对：将读数比对到参考基因组（如使用STAR）；-归一化：计算FPKM/TPM值消除长度和深度差异；-差异表达分析：使用DESeq2或edgeR筛选差异基因；-功能富集分析：使用GO或KEGG数据库分析基因集功能。3.AlphaFold2模型的优势包括：-结合深度学习与物理能量函数，提高预测精度；-无需模板依赖，可预测全新蛋白质结构；-通过多任务学习同时预测结构、接触图和侧链方位。4.转录因子与靶基因的相互作用机制：-转录因子通过DNA结合域（如锌指、HTH）识别靶基因启动子区域的特定位点（如E-box）；-结合后通过招募辅因子（如共激活因子或共抑制因子）形成转录复合体；-调控RNA聚合酶II的招募，影响基因转录效率。五、应用题1.简化的基因组组装流程：-质量控制：使用FastQC筛选高质量读数；-去重：使用Trimmomatic去除接头序列和低质量读数；-比对：将读数比对到参考基因组（如有）；-聚合：使用SPAdes或MegaHit进行denovo组装；-质量评估：使用QUAST评估组装结果。生物学意义：通过去重和组装，去除测序噪声，还原基因组结构，为后续注释和分析提供基础。2.差异表达基因筛选方案：-使用DESeq2进行差异表达分析，设置p值<0.05和|log2FoldChange|>1作为筛选标准；-绘制火山图和热图可视化结果；-使用GO富集分析验证筛选结果的生物学合理性。可靠性评估：通过置换检验（permutationtest）校正假发现率（FDR）