2025年生物信息學(xué)研究生入學(xué)考試試卷及答案一、單項選擇題（每題2分，共30分）1.下列關(guān)于二代測序（NGS）技術(shù)的描述，錯誤的是：A.基于邊合成邊測序原理B.單讀長通常為50-300bpC.主要用于全基因組重測序、轉(zhuǎn)錄組測序等D.典型代表技術(shù)為PacBioSMRT測序2.在NCBI數(shù)據(jù)庫中，GenBank存儲的主要數(shù)據(jù)類型是：A.蛋白質(zhì)三維結(jié)構(gòu)B.核酸序列C.基因表達譜D.代謝通路3.關(guān)于序列比對算法，下列說法正確的是：A.BLAST適用于局部比對，采用動態(tài)規(guī)劃算法B.Smith-Waterman算法用于全局比對，時間復(fù)雜度較高C.全局比對適用于同源性較高的短序列D.局部比對無法檢測序列中的保守結(jié)構(gòu)域4.基因預(yù)測工具Glimmer主要應(yīng)用于：A.真核生物蛋白質(zhì)編碼基因預(yù)測B.原核生物蛋白質(zhì)編碼基因預(yù)測C.非編碼RNA基因預(yù)測D.轉(zhuǎn)座子元件識別5.在RNA-seq差異表達分析中，DESeq2軟件的核心模型是：A.正態(tài)分布模型B.泊松分布模型C.負二項分布模型D.二項分布模型6.下列不屬于蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫的是：A.PDB（ProteinDataBank）B.AlphaFoldDBC.UniProtD.CATH（ClassArchitectureTopologyHomology）7.基因組組裝中，“contig”指的是：A.通過重疊群連接形成的更長序列B.不含gaps的連續(xù)序列片段C.包含測序讀段（reads）的原始數(shù)據(jù)D.經(jīng)糾錯后的高質(zhì)量測序讀段8.在系統(tǒng)發(fā)育樹構(gòu)建中，鄰接法（Neighbor-Joining）的主要特點是：A.基于最大似然法，計算復(fù)雜度高B.構(gòu)建的樹為有根樹，需外類群C.通過逐步合并最鄰近的分類單元構(gòu)建樹D.僅適用于核酸序列，不適用于蛋白質(zhì)序列9.關(guān)于單細胞測序技術(shù)，下列描述錯誤的是：A.10xGenomics平臺通過微流控技術(shù)分離單細胞B.單細胞RNA-seq（scRNA-seq）可檢測細胞異質(zhì)性C.單細胞ATAC-seq用于分析染色質(zhì)可及性D.單細胞測序無需擴增，直接測序原始RNA/DNA10.在GWAS（全基因組關(guān)聯(lián)研究）中，常用的顯著性閾值（Bonferroni校正后）約為：A.1×10??B.5×10??C.1×10??D.0.0511.下列工具中，用于宏基因組物種分類的是：A.HISAT2B.MetaPhlAnC.BWAD.StringTie12.關(guān)于表觀遺傳學(xué)數(shù)據(jù)（如ChIP-seq）分析，關(guān)鍵步驟不包括：A.比對到參考基因組B.峰（peak）識別C.差異表達基因篩選D.motif富集分析13.蛋白質(zhì)互作網(wǎng)絡(luò)（PPI）中，“節(jié)點”和“邊”分別代表：A.蛋白質(zhì)、互作關(guān)系B.基因、表達量C.代謝物、反應(yīng)D.轉(zhuǎn)錄因子、結(jié)合位點14.三代測序（TGS）的主要優(yōu)勢是：A.測序成本低B.讀長超長（10kb-2Mb）C.錯誤率低（<0.1%）D.適合小片段插入缺失檢測15.在生信分析中，“Q30”指的是：A.測序質(zhì)量值≥30的堿基占比B.比對率≥30%的讀段比例C.基因覆蓋度≥30%的區(qū)域D.差異表達基因中上調(diào)基因占比二、填空題（每空1分，共20分）1.三代測序技術(shù)的典型代表是________（如PacBio）和________（如OxfordNanopore）。2.BAM文件是________格式的二進制壓縮版本，常用于存儲測序讀段的比對結(jié)果。3.系統(tǒng)發(fā)育樹構(gòu)建方法主要包括________（基于距離）、最大簡約法（基于特征）和________（基于概率模型）。4.蛋白質(zhì)結(jié)構(gòu)預(yù)測的三個層次是：一級結(jié)構(gòu)（序列）、二級結(jié)構(gòu)（如α-螺旋、β-折疊）和________（三維空間構(gòu)象）。5.RNA-seq數(shù)據(jù)預(yù)處理步驟通常包括質(zhì)量控制（如FastQC）、________（如Trimmomatic）和________（如STAR、HISAT2）。6.在基因組注釋中，重復(fù)序列識別常用工具是________（基于同源比對）和________（基于從頭預(yù)測）。7.單細胞測序數(shù)據(jù)降維常用方法有________（線性降維）和________（非線性降維，適合可視化）。8.GWAS研究中，為控制群體分層偏倚，常用________（如主成分分析）或混合線性模型（MLM）進行校正。9.代謝組學(xué)數(shù)據(jù)分析中，常用________（如XCMS）進行峰對齊和特征提取，________（如KEGG）進行代謝通路富集。10.生信分析中，“假陽性率（FDR）”常用________方法校正，例如Benjamini-Hochberg（BH）校正。三、簡答題（每題8分，共40分）1.簡述一代測序（Sanger）、二代測序（NGS）和三代測序（TGS）的核心原理及優(yōu)缺點比較。2.解釋基因組組裝中“contig”與“scaffold”的區(qū)別，并說明如何通過測序數(shù)據(jù)（如Illumina短讀長+PacBio長讀長）提升組裝質(zhì)量。3.簡述RNA-seq數(shù)據(jù)分析的主要流程（從原始數(shù)據(jù)到差異表達基因篩選），并列舉每一步的常用工具。4.蛋白質(zhì)互作網(wǎng)絡(luò)（PPI）分析中，常用的拓撲學(xué)指標有哪些？請舉例說明其生物學(xué)意義。5.單細胞測序技術(shù)（如scRNA-seq）在腫瘤研究中的應(yīng)用有哪些？請至少列舉3個方向并簡要說明。四、計算題（每題10分，共20分）1.某物種基因組大小約為3Gb，使用Illumina測序平臺（雙端150bp讀段）進行測序，測得總數(shù)據(jù)量為90Gb（原始數(shù)據(jù)）。假設(shè)測序錯誤率為1%，且80%的讀段能成功比對到參考基因組。（1）計算測序深度（coveragedepth）和覆蓋度（coveragebreadth）（假設(shè)無重復(fù)測序）。（2）若該物種為二倍體，組裝基因組時通常需要至少30×的測序深度，判斷當前數(shù)據(jù)是否滿足要求。2.某研究通過全外顯子測序（WES）在病例組（100例）和對照組（100例）中檢測到一個SNP（rs12345），基因型分布如下：病例組：AA=10，Aa=50，aa=40；對照組：AA=20，Aa=60，aa=20。（1）計算病例組和對照組中A等位基因的頻率。（2）使用卡方檢驗（χ2）分析該SNP與疾病的關(guān)聯(lián)性（列出公式并計算）。五、綜合分析題（每題20分，共40分）1.某實驗室獲得了10例肝癌腫瘤組織和10例癌旁正常組織的全外顯子測序（WES）數(shù)據(jù)（Illumina平臺，150bp雙端，平均測序深度100×）。請設(shè)計一套完整的分析流程，包括關(guān)鍵步驟、目的及常用工具，并說明如何篩選肝癌相關(guān)的候選驅(qū)動基因。2.基于單細胞RNA-seq數(shù)據(jù)（10xGenomics平臺，5000個細胞），請設(shè)計實驗方案：（1）鑒定腫瘤微環(huán)境中的主要細胞亞群（如腫瘤細胞、T細胞、巨噬細胞）；（2）分析某關(guān)鍵基因（如PD-L1）在不同亞群中的表達差異；（3）對差異亞群進行功能富集分析（GO/KEGG）。要求說明每一步的方法、工具及生物學(xué)意義。參考答案一、單項選擇題1.D（PacBio屬于三代測序）2.B（GenBank存儲核酸序列）3.C（全局比對適合同源性高的短序列）4.B（Glimmer用于原核基因預(yù)測）5.C（DESeq2基于負二項分布）6.C（UniProt是蛋白質(zhì)序列數(shù)據(jù)庫）7.B（contig是無gap的連續(xù)序列）8.C（鄰接法逐步合并鄰近分類單元）9.D（單細胞測序需擴增）10.B（Bonferroni校正后約5×10??）11.B（MetaPhlAn用于宏基因組分類）12.C（ChIP-seq不直接篩選差異表達基因）13.A（節(jié)點是蛋白質(zhì)，邊是互作）14.B（三代測序讀長超長）15.A（Q30是質(zhì)量值≥30的堿基占比）二、填空題1.單分子實時測序（SMRT）；納米孔測序2.SAM（序列比對格式）3.鄰接法（NJ）；最大似然法（ML）4.三級結(jié)構(gòu)5.接頭修剪（或質(zhì)量修剪）；比對到參考基因組6.RepeatMasker；RepeatModeler7.PCA（主成分分析）；UMAP（或t-SNE）8.群體結(jié)構(gòu)校正9.代謝組學(xué)處理軟件；代謝通路數(shù)據(jù)庫10.多重假設(shè)檢驗三、簡答題1.核心原理及優(yōu)缺點：-一代測序（Sanger）：基于雙脫氧核苷酸鏈終止法，通過電泳分離不同長度的片段并讀取序列。優(yōu)點：讀長最長（~1000bp）、準確性高（>99.99%）；缺點：通量低、成本高、耗時長。-二代測序（NGS）：基于邊合成邊測序（如Illumina）或焦磷酸測序（如454），通過大規(guī)模并行測序產(chǎn)生短讀長（50-300bp）。優(yōu)點：通量高、成本低；缺點：讀長短、難以解決重復(fù)區(qū)域和復(fù)雜結(jié)構(gòu)變異。-三代測序（TGS）：單分子實時測序（PacBio）或納米孔測序（OxfordNanopore），無需PCR擴增，直接讀取長讀長（10kb-2Mb）。優(yōu)點：讀長超長、可檢測表觀修飾；缺點：單堿基錯誤率較高（PacBio~1%，納米孔~5-15%），成本仍較高。2.contig與scaffold的區(qū)別及組裝優(yōu)化：-contig（重疊群）：通過短讀長之間的重疊關(guān)系拼接形成的無gap連續(xù)序列，反映基因組的連續(xù)部分。-scaffold（支架）：通過配對末端（paired-end）或長讀長（如PacBio）的跨度信息，將多個contig連接成更長的序列，中間可能包含gap（用N填充）。-優(yōu)化方法：Illumina短讀長用于校正錯誤（低錯誤率），PacBio長讀長用于跨越重復(fù)區(qū)域（解決contig間的連接問題），結(jié)合兩者可提升scaffold的連續(xù)性和準確性（如使用Canu或Flye進行長讀長組裝，再用短讀長拋光）。3.RNA-seq分析流程及工具：-原始數(shù)據(jù)質(zhì)控：FastQC檢查質(zhì)量，Trimmomatic修剪接頭和低質(zhì)量堿基。-比對到參考基因組：STAR或HISAT2將cleanreads比對到參考基因組（或轉(zhuǎn)錄組）。-定量分析：HTSeq或Salmon計算基因/轉(zhuǎn)錄本的表達量（FPKM/TPM）。-差異表達分析：DESeq2或edgeR識別差異基因（基于負二項分布模型，校正FDR）。-功能富集：clusterProfiler進行GO/KEGG富集分析，STRING或Cytoscape構(gòu)建共表達網(wǎng)絡(luò)。4.PPI拓撲學(xué)指標及意義：-度（Degree）：節(jié)點連接的邊數(shù)，反映蛋白質(zhì)的“中心性”（如hubs蛋白可能是關(guān)鍵調(diào)控因子）。-介度（Betweenness）：節(jié)點作為橋梁的次數(shù)，高介度節(jié)點可能參與信號傳遞。-聚類系數(shù)（ClusteringCoefficient）：節(jié)點鄰居間的連接緊密程度，反映功能模塊的聚集性（如代謝通路中的酶常形成高聚類模塊）。-舉例：p53蛋白在PPI網(wǎng)絡(luò)中通常具有高度，提示其參與多種互作，是癌癥相關(guān)的核心蛋白。5.單細胞測序在腫瘤研究中的應(yīng)用：-腫瘤異質(zhì)性分析：通過scRNA-seq鑒定不同腫瘤亞克?。ㄈ缒退巵喨海沂巨D(zhuǎn)移和復(fù)發(fā)機制。-腫瘤微環(huán)境（TME）解析：識別T細胞（如耗竭性CD8+T細胞）、巨噬細胞（如M2型促癌巨噬細胞）等免疫細胞亞群，指導(dǎo)免疫治療靶點開發(fā)（如PD-1/PD-L1）。-發(fā)育軌跡推斷：使用Monocle等工具構(gòu)建腫瘤細胞的分化軌跡，研究癌癥干細胞的起源和演進。四、計算題1.（1）測序深度與覆蓋度：-測序深度=總數(shù)據(jù)量/基因組大小=90Gb/3Gb=30×。-覆蓋度（假設(shè)無重復(fù)）=（有效比對數(shù)據(jù)量）/基因組大小=（90Gb×80%）/3Gb=24×（但覆蓋度通常指區(qū)域比例，若假設(shè)所有區(qū)域均被覆蓋，則覆蓋度為100%；實際中需考慮重復(fù)序列，此處簡化為100%）。-（2）判斷：組裝需要至少30×深度，當前數(shù)據(jù)深度為30×（原始數(shù)據(jù)），但有效比對后為24×，可能略不足（需結(jié)合數(shù)據(jù)質(zhì)量和重復(fù)率調(diào)整，通常認為30×原始數(shù)據(jù)可滿足組裝需求）。2.（1）等位基因頻率：-病例組A頻率=（2×AA+Aa）/（2×總樣本數(shù)）=（2×10+50）/（2×100）=70/200=0.35。-對照組A頻率=（2×20+60）/（2×100）=100/200=0.5。-（2）卡方檢驗：構(gòu)建2×2列聯(lián)表（等位基因Avsa）：病例組：A=70（10×2+50），a=130（40×2+50）；對照組：A=100（20×2+60），a=100（20×2+60）?？倶颖緮?shù)=200（病例）+200（對照）=400。期望頻數(shù)E=（行合計×列合計）/總樣本數(shù)：E（病例A）=(200×170)/400=85；E（病例a）=(200×230)/400=115；E（對照A）=(200×170)/400=85；E（對照a）=(200×230)/400=115。χ2=Σ[(O-E)2/E]=(70-85)2/85+(130-115)2/115+(100-85)2/85+(100-115)2/115≈(225/85)+(225/115)+(225/85)+(225/115)≈2.647+1.957+2.647+1.957≈9.208。自由度df=1，查χ2表，P<0.01（臨界值3.84），提示該SNP與疾病顯著關(guān)聯(lián)。五、綜合分析題1.肝癌WES數(shù)據(jù)分析流程：-步驟1：原始數(shù)據(jù)質(zhì)控：用FastQC檢查測序質(zhì)量（如堿基質(zhì)量、接頭污染），Trimmomatic修剪低質(zhì)量堿基和接頭，得到cleanreads。-步驟2：比對與變異檢測：BWA-MEM將cleanreads比對到人類參考基因組（GRCh38），GATK進行本地重比對（IndelRealignment）和堿基質(zhì)量校正（BQSR），最后用Mutect2或VarScan2檢測SNV和Indel。-步驟3：變異注釋：ANNOVAR或VEP注釋變異的功能（如錯義突變、剪接位點變異）、頻率（gnomAD數(shù)據(jù)庫中正常人群頻率<1%）、致病性（ClinVar、PolyPhen-2、SIFT）。-步驟4：驅(qū)動基因篩選：-統(tǒng)計腫瘤樣本中高頻突變基因（如突變頻率>10%）；-結(jié)合功能影響（如終止密碼子突變、關(guān)鍵結(jié)構(gòu)域變異）；-富集分析（如KEGG通路，篩選PI3K-AKT、TP53等癌癥相關(guān)通路中的突變基因）；-結(jié)合TCGA肝癌數(shù)據(jù)庫驗證（如cBioPortal），排除種系突變（通過癌旁正常組織