2025年生物信息分析笔试试卷及答案

2025年生物信息分析笔试试卷及答案一、单项选择题（每题2分，共20分）1.以下关于FASTQ格式的描述，错误的是？A.每条记录以@开头B.序列行与质量行长度一致C.质量字符的ASCII值通常在33到126之间D.每条记录由三行组成答案D解析FASTQ每条记录由四行组成：第一行以@开头为标识行，第二行为碱基序列，第三行以+开头为分隔行，第四行为质量字符行。2.在BLAST中，E值（Expectvalue）代表什么？A.比对得分B.随机匹配期望数C.相似度百分比D.gap罚分答案B3.以下哪个数据库主要储存蛋白质序列？A.dbSNPB.UniProtC.GEOD.SRA答案B4.下列工具中，最常用于二代测序短序列比对到参考基因组的是？A.BLASTNB.BWAC.ClustalWD.MUSCLE答案B5.RNA-seq中常用RPKM或FPKM表示基因表达量，其中K代表什么？A.千字节B.千碱基C.千readsD.千基因答案B6.基因组从头组装中，DeBruijn图方法主要应用于哪种类型的数据？A.Sanger长读长B.二代短读长C.蛋白质序列D.质谱数据答案B7.SAM文件中的FLAG字段表示什么？A.比对质量B.比对标志位C.序列长度D.基因组位置答案B8.以下哪个工具主要用于基因组变异检测？A.STARB.GATKC.TopHatD.featureCounts答案B9.在系统发育分析中，最大似然法（MaximumLikelihood）相较于最大简约法（MaximumParsimony）的主要优势是？A.计算速度更快B.考虑碱基替换模型C.不需要序列比对D.只适用于蛋白质序列答案B10.在基因组注释中，ORF通常指什么？A.开放阅读框B.开放阅读范围C.开放调控因子D.开放复制起点答案A二、多项选择题（每题3分，共15分）1.以下哪些属于国际核苷酸序列数据库？A.GenBankB.EMBLC.DDBJD.UniProtE.PDB答案ABC解析GenBank、EMBL和DDBJ是三大国际核苷酸序列数据库；UniProt是蛋白质序列数据库，PDB是蛋白质结构数据库。2.以下哪些测序平台属于二代测序（NGS）？A.IlluminaB.PacBioC.IonTorrentD.454E.OxfordNanopore答案ACD解析PacBio和OxfordNanopore属于三代测序（单分子长读长），Illumina、IonTorrent和454属于二代测序（大规模平行短读长）。3.在RNA-seq数据分析中，常用的差异表达分析软件包括？A.DESeq2B.edgeRC.limmaD.BLASTE.BWA答案ABC解析DESeq2、edgeR和limma是常用的差异表达分析工具；BLAST用于序列相似性搜索，BWA用于序列比对。4.以下哪些文件格式用于储存序列比对结果？A.SAMB.BAMC.FASTAD.VCFE.GFF答案AB解析SAM和BAM用于储存序列比对结果；FASTA用于存储原始序列，VCF用于存储变异信息，GFF用于存储基因组注释。5.以下哪些方法常用于基因预测？A.同源性搜索B.隐马尔可夫模型（HMM）C.从头预测（abinitio）D.质谱分析E.机器学习方法答案ABCE解析基因预测常用同源性搜索、隐马尔可夫模型、从头预测和机器学习等方法；质谱分析主要用于蛋白质鉴定和定量。三、填空题（每空1分，共10分）1.FASTQ格式中，质量值Q30对应碱基错误概率为___；Q20对应错误概率为___。答案10−3（或0.001）；2.BLAST中，blastn默认的单词长度（wordsize）为___bp；blastp默认的单词长度为___aa。答案11；33.基因组组装中，N50是将所有contig按长度从大到小排列，依次累加长度，当累加长度达到总长度的___%时对应的contig长度；N90则对应___%的阈值。答案50；904.基因本体（GeneOntology）的三大类别为：分子功能、生物过程和___；VCF文件中，DP字段表示___。答案细胞组分；测序深度5.在系统发育分析中，bootstrap值常以___形式表示节点可靠性；常用的建树方法有邻接法（NJ）、最大简约法（MP）和___。答案百分比；最大似然法（ML）四、名词解释（每题3分，共15分）1.开放阅读框（ORF）答案以起始密码子开始、终止密码子结束的一段连续核苷酸序列，具有编码蛋白质的潜力。2.读段（Read）答案测序仪对DNA或RNA片段进行测序所产生的短序列片段。3.比对（Alignment）答案将两条或多条序列按某种规则排列，以识别其相似性和同源区域的过程。4.Phred质量值答案衡量测序碱基错误概率的指标，定义为Q=−105.差异表达基因（DEG）答案在不同条件或样本间表达水平存在统计学显著差异的基因。五、简答题（每题5分，共20分）1.简述RNA-seq数据分析的主要步骤。答案主要步骤包括：(1)原始数据质量评估与控制（如FastQC、Trimmomatic去除低质量碱基和接头）；(2)将reads比对到参考基因组（如STAR、HISAT2）；(3)基因表达定量（如featureCounts、HTSeq统计每个基因的readcounts）；(4)差异表达分析（如DESeq2、edgeR）；(5)功能富集分析（如GO、KEGG分析）。2.说明BLAST中E值（Expectvalue）的含义及其对结果解释的意义。答案E值表示在随机情况下，在给定大小的数据库中搜索时，预期出现得分不低于当前比对得分的比对数量。E值越小，说明该比对由随机产生可能性越小，结果越可靠；通常E值小于10−3.什么是read比对中的“多重比对”（multi-mapping）？在RNA-seq分析中通常如何处理？答案多重比对指一条read同时比对到基因组上多个位置的现象，常发生于重复序列区域或旁系同源基因家族。处理策略包括：(1)只保留唯一比对reads，丢弃多重比对reads；(2)使用概率分配模型（如RSEM中的EM算法）将多重比对reads按比例分配到各位置；(3)使用专门工具（如STAR的特定模式）输出多重比对信息并结合下游分析。4.简述基因组从头组装中DeBruijn图方法的基本原理。答案将测序reads切割成固定长度为k的片段（k-mer），以k-mer为节点（或边）构建DeBruijn图；图中相邻k-mer通过长度为k−六、综合分析/计算题（每题10分，共20分）1.某测序数据中，某碱基的Phred质量值为Q=30。请计算：(1)该碱基的错误概率（写出公式和计算过程）；(2)若一个read长度为100bp，所有碱基质量值均为Q=30，则该read中至少有一个错误碱基的概率是多少？（结果用百分数表示，保留两位小数）答案(1)错误概率P=(2)100个碱基全部正确的概率为(1−0.001解析本题考察Phred质量值与错误概率的对数关系，以及独立事件联合概率的计算。注意质量值Q30对应错误率千分之一，100bp的read中约9.52%的概率出现至少一个错误，说明即使单碱基准确率较高，长read仍可能包含错误。2.某基因组组装得到8条contigs，长度分别为：1200、800、600、400、350、300、200、150bp。请计算：(1)总组装长度；(2)N50值（写出排序和累加过程）；(3)若参考基因组长度为5000bp，计算基因组覆盖度（组装长度/参考基因组长度），并说明覆盖度是否代表组装完整性。答案(1)总长度=1200(