2025年大學(xué)《生物信息學(xué)》專業(yè)題庫(kù)——生物信息學(xué)與生物學(xué)的交叉研究考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分。請(qǐng)將正確選項(xiàng)的首字母填入括號(hào)內(nèi)）1.生物信息學(xué)作為一門交叉學(xué)科，其主要特點(diǎn)不包括以下哪一項(xiàng)？A.強(qiáng)調(diào)計(jì)算機(jī)科學(xué)在生物學(xué)研究中的應(yīng)用B.旨在解決生物學(xué)領(lǐng)域中的復(fù)雜計(jì)算問(wèn)題C.獨(dú)立于實(shí)驗(yàn)生物學(xué)獨(dú)立發(fā)展D.促進(jìn)生物學(xué)數(shù)據(jù)的標(biāo)準(zhǔn)化和共享2.在生物信息學(xué)中，用于衡量?jī)蓚€(gè)DNA或RNA序列相似程度的算法，除了以下哪一項(xiàng)外？A.布朗-雅各布斯距離（Hammingdistance）B.最大子序列匹配（LCS）C.超幾何分布D.快速傅里葉變換（FFT）3.基因組測(cè)序技術(shù)中，下一代測(cè)序（Next-GenerationSequencing,NGS）技術(shù)的核心優(yōu)勢(shì)主要在于？A.提供單個(gè)堿基分辨率B.成本極低C.高通量、快速、相對(duì)成本效益高D.無(wú)需生物信息學(xué)分析4.對(duì)于基因表達(dá)數(shù)據(jù)的標(biāo)準(zhǔn)化，以下哪種方法通常用于消除不同樣本間測(cè)序深度差異的影響？A.數(shù)據(jù)壓縮B.歸一化（如TPM,FPKM）C.序列比對(duì)D.轉(zhuǎn)錄本組裝5.K-mer方法在基因組測(cè)序中主要應(yīng)用于？A.蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)B.基因組組裝C.基因功能注釋D.DNA序列編輯6.以下哪個(gè)數(shù)據(jù)庫(kù)是主要用于存儲(chǔ)和管理蛋白質(zhì)序列、結(jié)構(gòu)及其功能信息的綜合性數(shù)據(jù)庫(kù)？A.GenBankB.UniProtC.PDBD.Ensembl7.在系統(tǒng)生物學(xué)研究中，構(gòu)建基因調(diào)控網(wǎng)絡(luò)的主要依據(jù)通常來(lái)自？A.基因組序列比對(duì)結(jié)果B.基因表達(dá)譜數(shù)據(jù)和實(shí)驗(yàn)驗(yàn)證（如ChIP-seq,Y2H）C.蛋白質(zhì)質(zhì)譜圖D.基因注釋信息8.RNA-Seq技術(shù)相比于傳統(tǒng)的基因芯片技術(shù)，其主要優(yōu)勢(shì)在于？A.只能檢測(cè)已知基因的表達(dá)B.無(wú)法進(jìn)行定量分析C.能提供更全面的轉(zhuǎn)錄本信息，包括novel轉(zhuǎn)錄本和可變剪接事件D.成本更高，通量更低9.基因集富集分析（GSEA）主要用于什么目的？A.查找單個(gè)差異表達(dá)的基因B.評(píng)估某個(gè)預(yù)定義基因集在實(shí)驗(yàn)樣本中的富集程度C.進(jìn)行兩兩樣本的t檢驗(yàn)D.預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)10.以下哪項(xiàng)技術(shù)通常不直接用于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)？A.跨域比對(duì)（HomologyModeling）B.基于物理能量最小化的方法（如分子動(dòng)力學(xué)）C.基于序列的預(yù)測(cè)方法（如PSI-BLAST）D.RNA二級(jí)結(jié)構(gòu)預(yù)測(cè)二、簡(jiǎn)答題（每題5分，共30分。請(qǐng)簡(jiǎn)明扼要地回答問(wèn)題）1.簡(jiǎn)述生物信息學(xué)中序列比對(duì)的基本概念及其主要應(yīng)用。2.解釋什么是基因注釋？提及至少三種常用的基因注釋數(shù)據(jù)庫(kù)。3.描述RNA-Seq數(shù)據(jù)分析的主要流程，包括關(guān)鍵步驟和目的。4.什么是系統(tǒng)生物學(xué)？它如何利用生物信息學(xué)方法研究復(fù)雜的生物系統(tǒng)？5.列舉三種常用的生物信息學(xué)在線資源或數(shù)據(jù)庫(kù)，并說(shuō)明其主要用途。6.生物信息學(xué)分析中，為什么要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化？請(qǐng)舉例說(shuō)明。三、計(jì)算與分析題（每題10分，共20分。請(qǐng)根據(jù)要求進(jìn)行分析和計(jì)算）1.假設(shè)你獲得了一段100bp的未知DNA序列（序列如下，僅作示例，非真實(shí)序列）：5'-ATGCGTACGATCGATCGTAGCTAGCTAGCTAGCTAGCTAGCTAGCTAGCTA-3'另外獲得了一段已知基因的序列片段：5'-ATGCGTACGATCGATCGTAGCTAGCTAGC-3'請(qǐng)簡(jiǎn)述你會(huì)使用哪種序列比對(duì)算法（如BLAST、Smith-Waterman、Needleman-Wunsch）來(lái)比較這兩個(gè)序列，并說(shuō)明選擇該算法的理由。假設(shè)使用該算法得到局部最佳比對(duì)的得分（匹配得分+1，不匹配得分-1，罰分-1）為+30，請(qǐng)簡(jiǎn)單解釋得分含義（不考慮罰分和權(quán)重）。2.假設(shè)你分析了一組實(shí)驗(yàn)樣本（樣本A,B,C）的基因表達(dá)數(shù)據(jù)（簡(jiǎn)化示例，僅表達(dá)量高低，非真實(shí)數(shù)據(jù)），結(jié)果如下表所示（高表達(dá)用"+",低表達(dá)用"-",表達(dá)量適中用"0"）：|基因1|基因2|基因3||:----:|:----:|:----:||樣本A|+|0|-||樣本B|0|+|+||樣本C|+|-|0|請(qǐng)基于此簡(jiǎn)單數(shù)據(jù)，嘗試描述樣本A、B、C之間在基因表達(dá)模式上的一個(gè)顯著差異，并簡(jiǎn)要說(shuō)明這可能對(duì)應(yīng)什么生物學(xué)意義（例如，涉及某個(gè)生物學(xué)過(guò)程或通路）。四、論述題（共30分。請(qǐng)結(jié)合具體實(shí)例或原理，進(jìn)行深入分析和闡述）結(jié)合你所學(xué)的生物信息學(xué)知識(shí)和生物學(xué)背景，論述生物信息學(xué)是如何推動(dòng)現(xiàn)代生物學(xué)研究范式變革的。請(qǐng)從至少三個(gè)方面（例如，研究尺度、研究效率、研究深度等）進(jìn)行闡述，并可以結(jié)合具體的生物學(xué)研究領(lǐng)域（如遺傳學(xué)、腫瘤學(xué)、生態(tài)學(xué)等）或研究問(wèn)題進(jìn)行說(shuō)明。試卷答案一、選擇題1.C解析思路：生物信息學(xué)是生物學(xué)與計(jì)算機(jī)科學(xué)、信息科學(xué)等學(xué)科交叉形成的領(lǐng)域，其發(fā)展離不開生物學(xué)問(wèn)題的驅(qū)動(dòng)，并非獨(dú)立于實(shí)驗(yàn)生物學(xué)。2.C解析思路：A（Hammingdistance）是度量相同長(zhǎng)度序列差異的整數(shù)距離；B（LCS）是衡量序列相似性的經(jīng)典算法；D（FFT）是一種高效的數(shù)學(xué)變換算法，在生物信息學(xué)中可用于序列模式搜索等。C（超幾何分布）是統(tǒng)計(jì)學(xué)中的一個(gè)分布，常用于解釋基因芯片或RNA-Seq數(shù)據(jù)中的假陽(yáng)性率等問(wèn)題，本身不是序列比對(duì)算法。3.C解析思路：NGS技術(shù)的核心優(yōu)勢(shì)在于其高通量（能同時(shí)測(cè)序大量片段）、快速（相對(duì)傳統(tǒng)Sanger測(cè)序）以及相對(duì)較低的單位堿基測(cè)序成本，使得大規(guī)模基因組測(cè)序成為可能。4.B解析思路：在RNA-Seq數(shù)據(jù)分析中，由于不同樣本的測(cè)序讀數(shù)總量（librarysize）不同，直接比較表達(dá)量會(huì)受此影響。歸一化方法（如FPKM,TPM）通過(guò)將讀數(shù)數(shù)量轉(zhuǎn)化為相對(duì)比例，消除了測(cè)序深度差異的影響，使不同樣本間的表達(dá)水平具有可比性。5.B解析思路：K-mer是序列中連續(xù)的k個(gè)堿基。K-mer方法通過(guò)將長(zhǎng)序列分解為短的K-mer集合，可以有效地進(jìn)行基因組組裝，特別是對(duì)于長(zhǎng)讀長(zhǎng)、重復(fù)性高的基因組。6.B解析思路：UniProt（UniversalProteinDatabase）是一個(gè)廣泛使用的、整合了蛋白質(zhì)序列、功能信息、結(jié)構(gòu)信息等的權(quán)威數(shù)據(jù)庫(kù)，是生物信息學(xué)和分子生物學(xué)研究的重要資源。7.B解析思路：系統(tǒng)生物學(xué)旨在理解生物系統(tǒng)整體行為，基因調(diào)控網(wǎng)絡(luò)是其核心內(nèi)容之一。構(gòu)建網(wǎng)絡(luò)主要依據(jù)實(shí)驗(yàn)數(shù)據(jù)，如測(cè)量基因表達(dá)水平的轉(zhuǎn)錄組數(shù)據(jù)（如RNA-Seq）以及直接檢測(cè)調(diào)控相互作用的技術(shù)（如染色質(zhì)免疫共沉淀ChIP-seq、酵母雙雜交Y2H）。8.C解析思路：RNA-Seq技術(shù)可以直接測(cè)序轉(zhuǎn)錄本的RNA分子，不僅能檢測(cè)已知基因的表達(dá)量變化，還能發(fā)現(xiàn)新的轉(zhuǎn)錄本、不同的可變剪接異構(gòu)體，以及非編碼RNA等，信息量遠(yuǎn)超基于探針的基因芯片。9.B解析思路：GSEA是一種評(píng)估預(yù)定義基因集（如基于通路或功能注釋的基因集）在樣本中富集程度的方法，它關(guān)注基因集整體在表達(dá)譜中的變化趨勢(shì)，而非單個(gè)基因的差異。10.D解析思路：A（HomologyModeling）、B（能量最小化）、C（PSI-BLAST）都是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)或建模相關(guān)的方法。D（RNA二級(jí)結(jié)構(gòu)預(yù)測(cè)）主要基于RNA自身的物理化學(xué)性質(zhì)（如堿基配對(duì)），雖然也屬于生物信息學(xué)范疇，但與直接預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)關(guān)聯(lián)不大。二、簡(jiǎn)答題1.序列比對(duì)是在生物信息學(xué)中，通過(guò)比較兩個(gè)或多個(gè)生物序列（如DNA、RNA、蛋白質(zhì)）的相似性，以推斷它們功能、結(jié)構(gòu)或進(jìn)化關(guān)系的一種基本方法?；驹硎菍ふ沂剐蛄胁町愖钚〉膶?duì)齊方式，通常通過(guò)動(dòng)態(tài)規(guī)劃算法（如Needleman-Wunsch用于全局比對(duì)，Smith-Waterman用于局部比對(duì)）或啟發(fā)式算法（如BLAST）實(shí)現(xiàn)。主要應(yīng)用包括：尋找基因、蛋白質(zhì)或motifs；推斷進(jìn)化關(guān)系，構(gòu)建系統(tǒng)發(fā)育樹；序列鑒定；基因定位；理解分子功能和結(jié)構(gòu)。2.基因注釋是指將基因組序列中的非編碼區(qū)域和編碼區(qū)域（基因）進(jìn)行識(shí)別、分類、功能注釋和定位的過(guò)程。目的是理解基因組序列所攜帶的生物遺傳信息。常用的基因注釋數(shù)據(jù)庫(kù)包括：GenBank（綜合性的核酸序列數(shù)據(jù)庫(kù)）、Ensembl（提供脊椎動(dòng)物等物種基因組注釋）、UCSCGenomeBrowser（提供多種物種基因組注釋和瀏覽器功能）、Pfam（蛋白質(zhì)家族和motif數(shù)據(jù)庫(kù)）、GO（基因本體論，提供功能描述詞匯）。3.RNA-Seq數(shù)據(jù)分析的主要流程包括：①質(zhì)量控制（QualityControl,QC）：評(píng)估原始測(cè)序讀數(shù)（rawreads）的質(zhì)量，去除低質(zhì)量讀數(shù)。②讀數(shù)過(guò)濾與修剪（ReadFilteringandTrimming）：去除接頭序列、低質(zhì)量讀數(shù)等。③參考基因組映射/比對(duì)（AlignmenttoReferenceGenome）：將過(guò)濾后的讀數(shù)映射到已知的參考基因組上。④基因表達(dá)定量（GeneExpressionQuantification）：根據(jù)比對(duì)結(jié)果計(jì)算每個(gè)基因或轉(zhuǎn)錄本的表達(dá)水平（如FPKM,TPM）。⑤差異表達(dá)分析（DifferentialExpressionAnalysis）：比較不同實(shí)驗(yàn)組（如處理vs對(duì)照）的基因表達(dá)差異，識(shí)別顯著變化的基因。⑥（可選）下游分析：如可變剪接分析、RBP結(jié)合位點(diǎn)分析、功能富集分析、通路分析等。4.系統(tǒng)生物學(xué)旨在從整體的角度，研究生物系統(tǒng)中各個(gè)組成部分（如基因、蛋白質(zhì)、代謝物等）之間的相互作用和調(diào)控網(wǎng)絡(luò)，以理解系統(tǒng)整體的生物學(xué)功能和行為。生物信息學(xué)方法是系統(tǒng)生物學(xué)研究不可或缺的工具，它能夠處理、分析和整合來(lái)自高通量實(shí)驗(yàn)（如基因組測(cè)序、蛋白質(zhì)組測(cè)序、代謝組測(cè)序）產(chǎn)生的大量復(fù)雜數(shù)據(jù)。利用生物信息學(xué)，研究者可以構(gòu)建數(shù)學(xué)模型（如網(wǎng)絡(luò)模型、動(dòng)力學(xué)模型）來(lái)模擬和預(yù)測(cè)系統(tǒng)的行為，識(shí)別關(guān)鍵組分和網(wǎng)絡(luò)模塊，發(fā)現(xiàn)隱藏的調(diào)控機(jī)制，并解釋實(shí)驗(yàn)觀察結(jié)果，從而推動(dòng)對(duì)生命現(xiàn)象深層機(jī)制的理解。5.常用的生物信息學(xué)在線資源或數(shù)據(jù)庫(kù)及其主要用途包括：①NCBIBLAST（基本局部對(duì)齊搜索工具）：用于在大型核酸或蛋白質(zhì)數(shù)據(jù)庫(kù)中搜索相似的序列，是序列鑒定的基本工具。②UCSCGenomeBrowser：提供多種物種的基因組序列、注釋信息（基因、轉(zhuǎn)錄本、變異等）以及各種實(shí)驗(yàn)數(shù)據(jù)的可視化平臺(tái)。③KEGG（KyotoEncyclopediaofGenesandGenomes）：提供基因和基因組數(shù)據(jù)庫(kù)、通路數(shù)據(jù)庫(kù)（KEGGPATHWAY）、藥物信息等，用于基因組注釋、功能分析和通路研究。6.生物信息學(xué)分析中進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化是為了消除不同樣本之間由于實(shí)驗(yàn)條件、測(cè)序深度、實(shí)驗(yàn)平臺(tái)或數(shù)據(jù)處理方法不同而引入的系統(tǒng)偏差和差異，使得不同樣本的數(shù)據(jù)具有可比性。例如，在進(jìn)行比較基因組學(xué)研究時(shí)，如果直接比較不同個(gè)體基因組的讀數(shù)數(shù)量，測(cè)序深度深的樣本會(huì)顯得所有基因都更“高表達(dá)”。標(biāo)準(zhǔn)化方法（如歸一化計(jì)數(shù)、TPM、FPKM）將原始讀數(shù)轉(zhuǎn)化為相對(duì)值，消除了測(cè)序深度的影響，使得基因表達(dá)水平的比較更加準(zhǔn)確可靠。另一個(gè)例子是在比較不同批次實(shí)驗(yàn)的芯片數(shù)據(jù)時(shí)，使用Z-score標(biāo)準(zhǔn)化可以消除批次效應(yīng)。三、計(jì)算與分析題1.對(duì)于比較兩個(gè)DNA序列，通常使用Smith-Waterman算法進(jìn)行局部比對(duì)，因?yàn)樗粚ふ易顑?yōu)的局部相似區(qū)域，計(jì)算量相對(duì)較小，且能發(fā)現(xiàn)遠(yuǎn)距離的相似性。選擇Smith-Waterman的理由是它適用于尋找兩個(gè)序列中可能的保守區(qū)域，且當(dāng)序列較長(zhǎng)或相似區(qū)域不連續(xù)時(shí)更為適用。得分+30的含義是，在比對(duì)過(guò)程中，匹配堿基對(duì)所獲得的累積得分（每個(gè)匹配得+1分）超過(guò)了不匹配堿基對(duì)（每個(gè)不匹配扣-1分）和插入/刪除罰分（每次罰-1分）造成的扣分總和，表明這兩個(gè)片段存在顯著的局部相似性。這個(gè)正值得分反映了它們之間具有一定的序列保守性。2.根據(jù)簡(jiǎn)化表達(dá)數(shù)據(jù)，樣本A與樣本B、C在基因表達(dá)模式上的一個(gè)顯著差異是：基因1在樣本A中高表達(dá)（+），而在樣本B、C中表達(dá)量適中或低（0,-）；而基因2在樣本B中高表達(dá)（+），而在樣本A、C中表達(dá)量適中或低（0,-）。這種模式變化可能暗示基因1和基因2的表達(dá)受到某種協(xié)同調(diào)控機(jī)制的影響，或者它們參與了一個(gè)在樣本A中特別活躍而在樣本B、C中活性不同的生物學(xué)過(guò)程或通路。例如，基因1和基因2可能共同參與細(xì)胞增殖過(guò)程，樣本A處于增殖狀態(tài)，而樣本B、C可能處于靜止期或其他狀態(tài)。四、論述題生物信息學(xué)通過(guò)提供強(qiáng)大的數(shù)據(jù)存儲(chǔ)、管理和分析能力，極大地推動(dòng)了現(xiàn)代生物學(xué)研究范式的變革。首先，在研究尺度上，生物信息學(xué)使得對(duì)大規(guī)模、高通量生物學(xué)數(shù)據(jù)的處理和分析成為可能。例如，全基因組測(cè)序、高通量轉(zhuǎn)錄組測(cè)序、蛋白質(zhì)組學(xué)等技術(shù)產(chǎn)生海量數(shù)據(jù)，沒(méi)有生物信息學(xué)的工具和算法，這些數(shù)據(jù)無(wú)法被