2025年大學(xué)《生物信息學(xué)》專業(yè)題庫——生物信息學(xué)在疾病預(yù)測中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.在進(jìn)行RNA-Seq數(shù)據(jù)的差異表達(dá)分析時(shí)，以下哪項(xiàng)步驟通常不屬于數(shù)據(jù)預(yù)處理范疇？A.使用HISAT2進(jìn)行基因比對B.使用featureCounts統(tǒng)計(jì)每基因讀數(shù)C.使用DESeq2進(jìn)行標(biāo)準(zhǔn)化和差異檢驗(yàn)D.對原始測序數(shù)據(jù)進(jìn)行質(zhì)量控制（QC）2.以下哪個(gè)數(shù)據(jù)庫主要收錄了人類基因的功能注釋、定位和疾病關(guān)聯(lián)信息？A.GenBankB.dbSNPC.OMIMD.UniProt3.在構(gòu)建基于基因表達(dá)數(shù)據(jù)的疾病預(yù)測模型時(shí)，以下哪種方法通常不直接用于處理類別不平衡問題？A.下采樣少數(shù)類樣本B.上采樣多數(shù)類樣本C.使用支持向量機(jī)（SVM）自帶的不平衡參數(shù)D.獨(dú)立訓(xùn)練多個(gè)模型，每個(gè)模型對應(yīng)一個(gè)類別4.Kaplan-Meier生存分析主要用于什么？A.比較兩組或多組數(shù)據(jù)的均值差異B.評估一個(gè)或多個(gè)因素對生存時(shí)間的影響C.發(fā)現(xiàn)不同基因的表達(dá)差異D.構(gòu)建分類預(yù)測模型5.以下哪種算法通常被認(rèn)為是一種非監(jiān)督學(xué)習(xí)方法？A.K-近鄰（KNN）B.線性回歸C.聚類分析（如K-means）D.邏輯回歸6.在生物信息學(xué)中，PPI網(wǎng)絡(luò)的度分布通常服從哪種分布？A.正態(tài)分布B.泊松分布C.指數(shù)分布D.冪律分布7.評估一個(gè)疾病預(yù)測模型性能的常用指標(biāo)是AUC，它表示什么？A.模型的準(zhǔn)確率B.模型的召回率C.模型在所有可能閾值下的平均性能（ROC曲線下面積）D.模型訓(xùn)練樣本的數(shù)量8.以下哪個(gè)工具主要用于構(gòu)建和可視化生物網(wǎng)絡(luò)？A.R語言B.PythonC.CytoscapeD.BLAST9.從公共數(shù)據(jù)庫（如GEO）下載的微陣列數(shù)據(jù)通常需要哪些處理步驟？A.拼接readsB.數(shù)據(jù)標(biāo)準(zhǔn)化C.基因注釋D.物理映射10.在將生物信息學(xué)預(yù)測模型應(yīng)用于臨床決策時(shí)，以下哪個(gè)方面屬于重要的倫理考量？A.模型的預(yù)測精度B.模型可能存在的種族或人群偏見C.模型的計(jì)算效率D.模型的開發(fā)成本二、填空題（每空1分，共10分）1.利用高通量測序技術(shù)對疾病相關(guān)基因組的變異進(jìn)行分析，是________預(yù)測的一種重要途徑。2.在進(jìn)行生存分析時(shí)，Log-rank檢驗(yàn)是一種常用的________檢驗(yàn)方法。3.機(jī)器學(xué)習(xí)中的過擬合現(xiàn)象指的是模型在________數(shù)據(jù)上表現(xiàn)良好，但在新數(shù)據(jù)上表現(xiàn)較差。4.構(gòu)建疾病預(yù)測模型時(shí)，除了預(yù)測結(jié)果本身，評估模型的________和________也至關(guān)重要。5.蛋白質(zhì)組學(xué)數(shù)據(jù)，如質(zhì)譜圖數(shù)據(jù)，可以通過________等技術(shù)進(jìn)行分析，以識別疾病相關(guān)的蛋白質(zhì)標(biāo)志物。6.生物信息學(xué)中的網(wǎng)絡(luò)藥理學(xué)旨在通過分析________和________之間的相互作用網(wǎng)絡(luò)，理解疾病機(jī)制并發(fā)現(xiàn)潛在藥物靶點(diǎn)。7.在多組學(xué)數(shù)據(jù)整合中，一種常見的方法是首先對各個(gè)組學(xué)數(shù)據(jù)進(jìn)行________，然后再進(jìn)行整合分析。8.基于機(jī)器學(xué)習(xí)的疾病預(yù)測模型可能會(huì)受到訓(xùn)練數(shù)據(jù)中________的影響，導(dǎo)致模型在特定人群中表現(xiàn)不佳。9.互信息（MutualInformation）是一種可以衡量兩個(gè)變量之間________的無偏估計(jì)量，常用于特征選擇。10.對于遺傳性疾病，利用生物信息學(xué)分析________數(shù)據(jù)，可以識別與疾病直接相關(guān)的基因變異。三、簡答題（每題5分，共20分）1.簡述利用基因表達(dá)譜數(shù)據(jù)進(jìn)行疾病分類的基本流程。2.簡述交叉驗(yàn)證（Cross-Validation）在疾病預(yù)測模型評估中的作用和常見方法。3.簡述生物信息學(xué)在藥物重定位（DrugRepurposing）中發(fā)揮作用的基本思路。4.簡述在利用生物信息學(xué)方法進(jìn)行疾病預(yù)測時(shí)，需要考慮的主要數(shù)據(jù)來源及其特點(diǎn)。四、論述題（每題10分，共30分）1.論述整合多組學(xué)數(shù)據(jù)（如基因組、轉(zhuǎn)錄組、表觀基因組）進(jìn)行疾病預(yù)測的優(yōu)勢和面臨的主要挑戰(zhàn)。2.論述機(jī)器學(xué)習(xí)/深度學(xué)習(xí)模型在疾病預(yù)測中的應(yīng)用前景，并分析其可能存在的局限性。3.假設(shè)你獲得了某罕見病的一組患者的全基因組測序數(shù)據(jù)，請?jiān)O(shè)計(jì)一個(gè)基于生物信息學(xué)方法的初步研究方案，旨在識別潛在的致病基因或生物標(biāo)志物，并簡述你將采用的關(guān)鍵分析步驟和可能使用的工具/數(shù)據(jù)庫。試卷答案一、選擇題1.D2.C3.D4.B5.C6.D7.C8.C9.B10.B二、填空題1.基因組2.獨(dú)立性3.未見4.準(zhǔn)確性；魯棒性5.蛋白質(zhì)鑒定；蛋白質(zhì)定量6.藥物；靶點(diǎn)7.標(biāo)準(zhǔn)化8.偏見9.相關(guān)性10.基因組三、簡答題1.答案要點(diǎn)：*數(shù)據(jù)預(yù)處理：質(zhì)量控制、標(biāo)準(zhǔn)化、數(shù)據(jù)篩選（如過濾低表達(dá)基因）。*特征選擇：識別與疾病狀態(tài)顯著相關(guān)的基因。*模型構(gòu)建：選擇合適的分類算法（如SVM,RandomForest,KNN），利用訓(xùn)練數(shù)據(jù)建立模型。*模型評估：使用驗(yàn)證集或交叉驗(yàn)證評估模型性能（如準(zhǔn)確率、AUC）。*模型應(yīng)用：利用構(gòu)建好的模型對新的樣本進(jìn)行疾病分類預(yù)測。解析思路：考察對基因表達(dá)譜分類流程的掌握。需要涵蓋從數(shù)據(jù)到模型應(yīng)用的主要步驟，包括預(yù)處理、特征工程、模型選擇與訓(xùn)練、評估和應(yīng)用。強(qiáng)調(diào)關(guān)鍵步驟如標(biāo)準(zhǔn)化和特征選擇的重要性。2.答案要點(diǎn)：*作用：減少模型過擬合風(fēng)險(xiǎn)，更準(zhǔn)確地評估模型在未知數(shù)據(jù)上的泛化能力，充分利用有限數(shù)據(jù)。*常見方法：K折交叉驗(yàn)證（K-FoldCV），如5折或10折CV；留一交叉驗(yàn)證（LOOCV）；分組交叉驗(yàn)證（GroupCV）。解析思路：考察對交叉驗(yàn)證目的和方法的了解。首先要說明交叉驗(yàn)證為何重要（評估泛化能力、防止過擬合），然后列舉常見的具體實(shí)施方法。3.答案要點(diǎn)：*思路：利用生物信息學(xué)方法識別已知藥物靶點(diǎn)與疾病發(fā)生發(fā)展機(jī)制中的關(guān)鍵分子（如疾病相關(guān)基因/蛋白質(zhì)）之間的新的、非預(yù)期的聯(lián)系。*步驟：收集疾病相關(guān)基因/蛋白質(zhì)列表；收集已知藥物及其靶點(diǎn)信息；利用網(wǎng)絡(luò)分析、數(shù)據(jù)庫查詢（如DrugBank,STITCH）或文本挖掘等方法，尋找藥物靶點(diǎn)與疾病相關(guān)分子之間的交集或關(guān)聯(lián)通路；篩選出潛在的重定位候選藥物和靶點(diǎn)組合；進(jìn)行實(shí)驗(yàn)驗(yàn)證（如果可能）。解析思路：考察對藥物重定位概念的理解和生物信息學(xué)應(yīng)用思路。需要描述出從數(shù)據(jù)獲取到關(guān)聯(lián)發(fā)現(xiàn)，再到候選物篩選的基本邏輯流程，并提及可能用到的工具或資源類型。4.答案要點(diǎn)：*數(shù)據(jù)來源：*公共數(shù)據(jù)庫：GEO（微陣列/測序數(shù)據(jù)），TCGA（癌癥基因組），dbGAP（人類基因組計(jì)劃），PDB（蛋白質(zhì)結(jié)構(gòu)），UniProt（蛋白質(zhì)信息），OMIM（遺傳病信息）等。*臨床數(shù)據(jù)庫：記錄患者的臨床表型、生存信息、家族史等。*私有數(shù)據(jù)：研究機(jī)構(gòu)或醫(yī)院收集的未公開數(shù)據(jù)。*特點(diǎn)：公共數(shù)據(jù)庫數(shù)據(jù)量大但可能質(zhì)量參差不齊或缺乏詳細(xì)信息；臨床數(shù)據(jù)與組學(xué)數(shù)據(jù)關(guān)聯(lián)性強(qiáng)但獲取可能受限；私有數(shù)據(jù)針對性強(qiáng)但通用性可能較差。多源數(shù)據(jù)整合難度大，但能提供更全面的視角。解析思路：考察對疾病預(yù)測所需數(shù)據(jù)來源的廣度和特點(diǎn)的認(rèn)識。需要列舉主要的數(shù)據(jù)類型（組學(xué)、臨床、文獻(xiàn)等）及其來源，并簡述各自的特點(diǎn)和優(yōu)缺點(diǎn)，特別是多源數(shù)據(jù)整合的挑戰(zhàn)。四、論述題1.答案要點(diǎn)：*優(yōu)勢：*提供更全面、更接近生理狀態(tài)的視圖，因?yàn)榧膊∈嵌嘁蛩?、多層次的?fù)雜系統(tǒng)。*可能發(fā)現(xiàn)單一組學(xué)數(shù)據(jù)難以揭示的隱藏關(guān)聯(lián)和通路。*提高預(yù)測模型的穩(wěn)定性和準(zhǔn)確性。*有助于深入理解疾病的分子機(jī)制。*挑戰(zhàn)：*數(shù)據(jù)整合難度大：不同組學(xué)數(shù)據(jù)的尺度、類型、獲取方式差異大，標(biāo)準(zhǔn)化和整合方法復(fù)雜。*數(shù)據(jù)異質(zhì)性：樣本來源、處理方式、實(shí)驗(yàn)條件等差異可能引入噪聲。*計(jì)算復(fù)雜度高：處理和整合大規(guī)模多組學(xué)數(shù)據(jù)需要強(qiáng)大的計(jì)算資源和高效的算法。*分析方法挑戰(zhàn)：缺乏統(tǒng)一、通用的整合分析框架和工具。*結(jié)果解釋困難：整合后的結(jié)果可能更復(fù)雜，生物學(xué)解釋難度增加。解析思路：考察對多組學(xué)整合優(yōu)缺點(diǎn)的深入理解和批判性思考。需要分別詳細(xì)論述整合帶來的好處（多維度、提高性能、深化機(jī)制理解等）以及面臨的主要障礙（技術(shù)、計(jì)算、生物學(xué)解釋等）。2.答案要點(diǎn)：*應(yīng)用前景：*處理高維、非線性、復(fù)雜的生物數(shù)據(jù)（如組學(xué)數(shù)據(jù)），發(fā)現(xiàn)傳統(tǒng)方法難以捕捉的模式。*構(gòu)建更精準(zhǔn)的疾病風(fēng)險(xiǎn)預(yù)測模型，實(shí)現(xiàn)早期篩查和預(yù)防。*識別疾病亞型，實(shí)現(xiàn)個(gè)性化精準(zhǔn)醫(yī)療。*分析復(fù)雜的疾病生物標(biāo)志物網(wǎng)絡(luò)。*加速藥物發(fā)現(xiàn)和靶點(diǎn)驗(yàn)證。*局限性：*需要大量高質(zhì)量的標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練。*模型“黑箱”問題，可解釋性差，難以揭示生物學(xué)機(jī)制。*易受數(shù)據(jù)偏差影響，導(dǎo)致模型泛化能力不足或存在偏見。*計(jì)算資源需求高，模型訓(xùn)練時(shí)間長。*對領(lǐng)域知識理解要求高，模型選擇和參數(shù)調(diào)優(yōu)復(fù)雜。*倫理和隱私問題。解析思路：考察對機(jī)器學(xué)習(xí)/深度學(xué)習(xí)在疾病預(yù)測中潛力和挑戰(zhàn)的全面認(rèn)識。既要看到其在處理復(fù)雜數(shù)據(jù)和提升預(yù)測性能方面的優(yōu)勢，也要正視其面臨的數(shù)據(jù)、可解釋性、魯棒性、計(jì)算和倫理等方面的挑戰(zhàn)。3.答案要點(diǎn)：*研究方案設(shè)計(jì)：*目的：識別罕見病相關(guān)致病基因/生物標(biāo)志物。*數(shù)據(jù)獲取與預(yù)處理：*獲取患者和（可選）健康對照的全基因組測序（WGS）數(shù)據(jù)，進(jìn)行質(zhì)量控制和比對。*對數(shù)據(jù)進(jìn)行變異檢測（如使用GATK），篩選出高質(zhì)量變異位點(diǎn)（SNP,InDel）。*進(jìn)行變異注釋（如使用ANNOVAR或VEP），獲取基因功能信息、注釋注釋。*致病性變異篩選：*篩選高頻率變異（如孟德爾遺傳病可關(guān)注常染色體顯性/隱性高頻變異）。*利用公共數(shù)據(jù)庫（如GnomAD）評估變異的頻率和效應(yīng)。*結(jié)合家族遺傳信息（如果可用）。*考慮使用基因集分析（如GSEA）或通路富集分析，評估患者群體中基因集的異常富集情況。*生物標(biāo)志物驗(yàn)證（初步）：*如果有額外的生物樣本（如血液、組織），嘗試驗(yàn)證候選基因/變異在樣本中的表達(dá)水平或蛋白質(zhì)水平變化（如使用qRT-PCR,WesternBlot）。*利用公共數(shù)據(jù)庫（如TCGA）查找候選基因在其他癌癥或相關(guān)疾病中的表達(dá)/突變模式。*可選深入分析：*構(gòu)建候選基因參與的通路或蛋白質(zhì)相互作用網(wǎng)絡(luò)，進(jìn)行網(wǎng)絡(luò)分析。*探索變異與臨床表型的關(guān)聯(lián)。*關(guān)鍵分析步驟和工具/數(shù)據(jù)庫：*質(zhì)量控制/比對：FastQC,Trimmomatic,BWA,HISAT2*變異檢測：GATKHaplotypeCaller*變異注釋：ANNOVAR,VEP