2025年生物信息分析综合试题及答案

2025年生物信息分析综合试题及答案一、名词解释（每题4分，共20分）1.BLAST答案：BLAST（BasicLocalAlignmentSearchTool）是一种基于局部序列比对算法的相似性搜索工具，能在核酸或蛋白质序列数据库中快速搜索与查询序列显著相似的序列，并提供比对的统计学显著性评价。2.开放阅读框（ORF）答案：从起始密码子开始到终止密码子结束的一段连续核苷酸序列，是潜在的蛋白质编码区域。3.系统发育树答案：用于表示物种、种群或基因之间进化关系的分支图，由节点和分支组成，反映共同祖先与分化历史。4.FASTQ格式答案：高通量测序中常用的文本格式，每条序列由4行组成，分别为标识行、碱基序列行、以+开头的标识重复行和质量值行；质量值通常为ASCII编码的Phred分数。5.差异表达基因答案：在不同条件、组织或时间点之间表达水平存在统计学显著差异的基因，通常通过RNA-seq或芯片数据结合统计检验确定。二、单项选择题（每题2分，共20分）1.以下哪个数据库主要用于存储核酸序列？A.UniProtB.GenBankC.PDBD.KEGG答案：B2.Smith-Waterman算法通常用于实现哪种序列比对？A.全局比对B.局部比对C.多序列比对D.结构比对答案：B解析：Smith-Waterman算法在得分矩阵中允许局部最优，用于寻找局部相似片段；Needleman-Wunsch算法用于全局比对。3.BLAST结果中的E值（Expectvalue）表示什么？A.比对得分B.在随机情况下期望获得的相似性匹配数目C.序列相似性百分比D.比对覆盖度答案：B解析：E值越小表示结果越显著；它反映在给定数据库中随机匹配到至少该得分的序列数。4.FASTQ格式中每一条测序读段由几行组成？A.1行B.2行C.3行D.4行答案：D5.下列哪种工具是专门为RNA-seq读段的剪接感知比对设计的？A.BWAB.BowtieC.STARD.BLAST答案：C解析：STAR能够将跨外显子连接区的读段比对到参考基因组，适用于有内含子的真核生物RNA-seq数据；BWA和Bowtie主要用于基因组DNA读段比对。6.在系统发育分析中，分支节点上的bootstrap值通常用于表示什么？A.分支的长度B.该分支的节点支持率C.序列间的相似性D.物种的进化速率答案：B7.以下哪种文件格式用于存储基因组变异信息，如SNP和Indel？A.SAMB.VCFC.GFFD.PDB答案：B8.蛋白质数据银行（PDB）数据库主要存储哪类数据？A.核酸序列B.蛋白质序列C.蛋白质三维结构D.代谢通路答案：C9.在蛋白质序列比对中，BLOSUM62打分矩阵通常用于评价什么？A.核苷酸替换B.氨基酸替换C.密码子使用偏好D.蛋白质二级结构答案：B10.以下哪种测序技术不属于新一代测序（NGS）平台？A.IlluminaB.PacBioC.OxfordNanoporeD.Sanger答案：D解析：Sanger测序属于第一代测序，基于双脱氧链终止法；NGS平台包括Illumina、PacBio、OxfordNanopore等。三、简答题（每题6分，共30分）1.简述全局比对与局部比对的主要区别及各自代表性算法。答案：全局比对通过在整个序列长度上寻找最优匹配，使两条序列的全部碱基或氨基酸参与比对，适用于长度相近且整体相似的序列，代表性算法为Needleman-Wunsch算法；局部比对只寻找两条序列中相似度最高的片段，允许两端不参与比对，适用于包含局部保守结构域的序列，代表性算法为Smith-Waterman算法。2.简述BLAST算法的基本思想及主要步骤。答案：BLAST通过牺牲一定敏感性来提高搜索速度，主要步骤包括：(1)将查询序列拆分为固定长度的种子片段（words）；(2)在数据库中快速搜索与种子片段精确或高度相似匹配的序列；(3)对匹配种子片段进行延伸，获得高分片段对（HSPs）；(4)计算每个HSP的E值，评价统计学显著性。3.什么是基因本体（GO）富集分析？其显著性检验通常基于什么统计分布？答案：GO富集分析用于判断某组基因（如差异表达基因）是否在特定的基因本体条目（分子功能、生物过程、细胞组分）上显著富集。其显著性通常采用超几何分布进行检验，计算在随机抽取相同数量基因的情况下，观察到至少相同数量落在该GO条目中的概率，然后进行多重检验校正。4.简述RNA-seq数据分析的基本流程。答案：RNA-seq数据分析流程通常包括：(1)原始测序数据质量控制，如FastQC检查碱基质量、GC含量和接头污染；(2)去除低质量读段和接头序列；(3)将读段比对到参考基因组或转录组，使用剪接感知比对工具（如STAR或HISAT2）；(4)根据比对结果进行基因或转录本表达定量（如featureCounts、RSEM、salmon）；(5)进行差异表达分析和下游功能分析。5.在序列比对中，PAM矩阵和BLOSUM矩阵有哪些主要区别？答案：PAM矩阵基于相近序列的进化模型外推获得，数字表示固定进化距离，如PAM250适用于较远关系；BLOSUM矩阵基于直接观察的保守区段统计获得，数字表示序列相似性阈值，如BLOSUM62适用于一般蛋白质比对。PAM矩阵随数字增大反映更远进化距离，而BLOSUM矩阵随数字增大反映更近的序列相似性。四、综合分析题（每题15分，共30分）1.使用Needleman-Wunsch算法对序列X=ATCG和Y=AGC进行全局比对。打分规则：匹配+2，错配−1，空位罚分(1)写出动态规划得分矩阵（包括初始化行和列）；(2)给出回溯路径；(3)写出最终比对结果及总得分。答案：(1)得分矩阵如下（行对应序列Y，列对应序列X）：ATCG

0-1-2-3-4

A-1210-1

G-21102

C-30032(2)回溯路径（从右下角开始）：((3)最终比对结果：X:ATCG

Y:AGC-总得分为+2解析：Needleman-Wunsch算法的递推关系为M其中s(xi,yj)2.在RNA-seq差异表达分析中，通常需要对上万个基因同时进行假设检验。请回答：(1)为什么要进行多重检验校正？(2)简述Bonferroni校正和Benjamini-Hochberg（BH）FDR校正的基本思想。(3)某实验检测20000个基因，整体显著性水平设为α=0.05。采用Bonferroni校正时，单个基因的显著性阈值应为多少？若采用BH-FDR方法（FDR阈值答案：(1)当同时进行大量假设检验时，仅靠单个检验的α水平会使假阳性累积。例如在20000个基因中，若每个基因以α=0.05判断，即使所有基因真实不差异表达，仍会期望有约(2)Bonferroni校正将显著性水平α除以检验总数m，以单个检验阈值α/m判断显著性。该方法严格控制总体I类错误率（FWER），但较保守，可能损失统计功效。BH-FDR方法控制错误发现率，即所有被判定显著的结果中假阳性的期望比例。其步骤为：将(1)}\leqp_{(2)}\leq\cdots\leqp_{(m)}$；找到最大的$k$使得p则排序前k个基因被视为差异表达。(3)Bonferroni校正的单个基因阈值：p因此单个基