2025年生物信息學(xué)專業(yè)國家考試試卷及答案一、單項選擇題（共20題，每題2分，共40分）1.下列關(guān)于二代測序（NGS）技術(shù)的描述中，錯誤的是：A.Illumina測序的核心是邊合成邊測序（SBS）B.IonTorrent通過檢測H?離子釋放進行堿基識別C.PacBioSMRT屬于二代測序技術(shù)D.雙端測序（Paired-End）可提高基因組組裝的連續(xù)性2.在人類基因組注釋中，RefSeq數(shù)據(jù)庫的主要特點是：A.整合所有公共數(shù)據(jù)庫的注釋信息B.提供經(jīng)過人工審核的非冗余序列及功能注釋C.專注于非編碼RNA的注釋D.僅包含模式生物的基因組數(shù)據(jù)3.進行全基因組關(guān)聯(lián)分析（GWAS）時，常用的群體分層校正方法是：A.主成分分析（PCA）B.曼哈頓圖繪制C.LD衰減分析D.單倍型推斷4.下列工具中，專門用于長讀長測序數(shù)據(jù)（如PacBio）糾錯的是：A.BWAB.CanuC.FastQCD.Trimmomatic5.在RNA-seq數(shù)據(jù)分析中，若實驗設(shè)計包含3個生物學(xué)重復(fù)，每個重復(fù)的測序量為20Mreads，理論上可檢測到的基因表達量動態(tài)范圍主要取決于：A.測序錯誤率B.基因長度C.測序深度D.樣本RNA完整性（RIN值）6.蛋白質(zhì)結(jié)構(gòu)預(yù)測中，基于同源建模（HomologyModeling）的關(guān)鍵步驟是：A.構(gòu)建多序列比對（MSA）B.從頭預(yù)測（Abinitio）C.分子動力學(xué)模擬D.圓二色譜（CD）實驗驗證7.下列關(guān)于CRISPR-Cas9脫靶效應(yīng)預(yù)測的工具中，基于機器學(xué)習(xí)模型的是：A.CRISPRaterB.Cas-OFFinderC.CCTopD.sgRNAScorer8.微生物宏基因組學(xué)中，常用于物種組成分析的數(shù)據(jù)庫是：A.KEGGB.NCBInt/nrC.SILVAD.dbSNP9.在單細胞RNA-seq數(shù)據(jù)分析中，消除批次效應(yīng)（BatchEffect）的常用方法是：A.主成分分析（PCA）降維B.使用MNN（MutualNearestNeighbors）算法C.計算UMAP投影D.差異表達基因（DEG）篩選10.下列關(guān)于基因組組裝質(zhì)量評估的指標(biāo)中，不屬于連續(xù)性指標(biāo)的是：A.N50B.L50C.單堿基錯誤率（QV值）D.Contig數(shù)量11.在ChIP-seq數(shù)據(jù)分析中，峰（Peak）的識別主要依賴于：A.測序讀長的GC含量分布B.轉(zhuǎn)錄因子結(jié)合位點的保守性C.實驗組與輸入對照（Input）的信號富集差異D.染色質(zhì)開放區(qū)域的預(yù)測12.進行miRNA靶基因預(yù)測時，以下哪項不是常用的算法依據(jù)？A.miRNA與靶mRNA的3'UTR互補配對B.靶位點的進化保守性C.miRNA的表達量與靶基因的負相關(guān)性D.靶基因的外顯子數(shù)量13.蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）網(wǎng)絡(luò)分析中，用于衡量節(jié)點重要性的指標(biāo)是：A.聚類系數(shù)（ClusteringCoefficient）B.介度中心性（BetweennessCentrality）C.邊權(quán)重（EdgeWeight）D.模塊度（Modularity）14.下列關(guān)于三代測序（TGS）技術(shù)的描述中，正確的是：A.錯誤率主要為隨機錯誤，可通過多次測序校正B.讀長通常小于1kbC.主要用于小基因組（如細菌）的組裝D.無法檢測DNA甲基化修飾15.在系統(tǒng)發(fā)育樹構(gòu)建中，最大似然法（MaximumLikelihood）與鄰接法（Neighbor-Joining）的主要區(qū)別是：A.前者基于序列進化模型，后者基于距離矩陣B.前者計算速度更快C.后者對長分支吸引（LongBranchAttraction）更敏感D.前者僅適用于蛋白質(zhì)序列16.表觀遺傳學(xué)研究中，用于全基因組DNA甲基化分析的常用技術(shù)是：A.MeDIP-seq（甲基化DNA免疫共沉淀測序）B.ATAC-seq（轉(zhuǎn)座酶可接近染色質(zhì)測序）C.Hi-C（染色體構(gòu)象捕獲測序）D.RIP-seq（RNA免疫共沉淀測序）17.下列工具中，專門用于可變剪切（AlternativeSplicing）分析的是：A.DESeq2B.rMATSC.SalmonD.STAR18.在代謝組學(xué)數(shù)據(jù)分析中，常用的多元統(tǒng)計方法是：A.t檢驗B.主成分分析（PCA）和偏最小二乘判別分析（PLS-DA）C.卡方檢驗D.曼-惠特尼U檢驗19.基因編輯技術(shù)中，基于堿基編輯（BaseEditing）的工具可實現(xiàn)的突變類型是：A.大片段缺失B.插入外源基因C.C·G到T·A或A·T到G·C的單堿基轉(zhuǎn)換D.任意堿基的顛換（如C到A）20.下列關(guān)于生物信息學(xué)數(shù)據(jù)庫的描述中，錯誤的是：A.GenBank是綜合性核酸序列數(shù)據(jù)庫B.UniProt專注于蛋白質(zhì)序列與功能注釋C.dbSNP僅包含人類的單核苷酸多態(tài)性數(shù)據(jù)D.GEO（GeneExpressionOmnibus）存儲微陣列和測序的表達譜數(shù)據(jù)二、填空題（共10題，每空2分，共20分）1.常用的短讀長序列比對工具中，______適用于全基因組重測序數(shù)據(jù)的快速比對，而______則更適合RNA-seq數(shù)據(jù)的剪接位點識別。2.單核苷酸多態(tài)性（SNP）檢測的核心步驟包括：序列比對、______、______和注釋。3.蛋白質(zhì)三維結(jié)構(gòu)預(yù)測的三大方法是：同源建模、______和______。4.宏基因組學(xué)中，基于序列相似性的物種分類工具通常使用______（如16SrRNA）或______（如看家基因）作為標(biāo)記基因。5.在單細胞測序數(shù)據(jù)降維中，UMAP（UniformManifoldApproximationandProjection）比t-SNE更優(yōu)的特點是______。6.染色質(zhì)可及性分析的常用技術(shù)是______，其核心原理是利用轉(zhuǎn)座酶優(yōu)先切割______的染色質(zhì)區(qū)域。7.基因共表達網(wǎng)絡(luò)分析（WGCNA）的主要步驟包括：構(gòu)建共表達矩陣、______、______和模塊功能富集。8.三代測序數(shù)據(jù)的組裝流程通常包括：糾錯、______和______。9.miRNA前體（pre-miRNA）的典型結(jié)構(gòu)是______，其成熟過程需要______酶（如Dicer）的切割。10.蛋白質(zhì)功能預(yù)測中，基于結(jié)構(gòu)的方法常通過______（如PDB數(shù)據(jù)庫）搜索相似結(jié)構(gòu)，進而推斷功能。三、簡答題（共5題，每題8分，共40分）1.簡述二代測序數(shù)據(jù)質(zhì)量控制（QC）的主要步驟及常用工具。2.比較BLAST（BasicLocalAlignmentSearchTool）與Bowtie/BWA在序列比對中的應(yīng)用場景及算法差異。3.請說明RNA-seq中“FPKM”“TPM”和“Counts”三種表達量量化指標(biāo)的區(qū)別及適用場景。4.什么是連鎖不平衡（LD）？在GWAS中，LD如何影響顯著性位點的解讀？5.簡述基于機器學(xué)習(xí)的癌癥分類模型構(gòu)建流程（需包含數(shù)據(jù)預(yù)處理、特征選擇、模型訓(xùn)練與驗證步驟）。四、分析題（共2題，每題15分，共30分）1.某實驗室獲得了一組肝癌組織與癌旁組織的全外顯子測序（WES）數(shù)據(jù)（每組3例，測序深度100×），請設(shè)計完整的分析流程，包括關(guān)鍵步驟、工具選擇及各步驟的目的。2.給定一份人源單細胞RNA-seq數(shù)據(jù)（10×Genomics平臺，10,000個細胞），需完成細胞類型注釋、差異表達分析及信號通路富集。請詳細描述分析策略（包括降維、聚類、標(biāo)記基因驗證及通路分析的具體方法）。五、綜合應(yīng)用題（共1題，20分）某研究團隊擬探索某罕見遺傳病的致病基因，已收集到3個家系（每個家系包含患者及父母）的全基因組測序數(shù)據(jù)（測序深度30×），且表型提示與神經(jīng)發(fā)育異常相關(guān)。請設(shè)計多組學(xué)整合分析方案，包括：（1）候選基因篩選策略；（2）功能驗證的生物信息學(xué)方法；（3）需結(jié)合的其他組學(xué)數(shù)據(jù)（如轉(zhuǎn)錄組、表觀組）及整合邏輯。答案一、單項選擇題1.C（PacBioSMRT屬于三代測序技術(shù)）2.B（RefSeq提供人工審核的非冗余注釋）3.A（PCA用于校正群體分層）4.B（Canu用于長讀長糾錯與組裝）5.C（測序深度決定動態(tài)范圍）6.A（同源建模需構(gòu)建多序列比對）7.D（sgRNAScorer基于機器學(xué)習(xí)）8.C（SILVA是16S/18SrRNA數(shù)據(jù)庫）9.B（MNN用于消除批次效應(yīng)）10.C（QV值反映堿基準(zhǔn)確性，非連續(xù)性）11.C（ChIP-seq峰識別依賴實驗組與Input的富集差異）12.D（外顯子數(shù)量非miRNA靶基因預(yù)測依據(jù)）13.B（介度中心性衡量節(jié)點重要性）14.A（三代測序錯誤為隨機錯誤，可通過多次測序校正）15.A（最大似然法基于進化模型，鄰接法基于距離矩陣）16.A（MeDIP-seq用于甲基化分析）17.B（rMATS分析可變剪切）18.B（PCA和PLS-DA用于代謝組學(xué)多元統(tǒng)計）19.C（堿基編輯實現(xiàn)單堿基轉(zhuǎn)換）20.C（dbSNP包含多物種SNP數(shù)據(jù)）二、填空題1.Bowtie/BWA；STAR2.局部重比對（Realignment）；變異Calling（如GATKHaplotypeCaller）3.從頭預(yù)測（Abinitio）；折疊識別（Threading）4.16SrRNA基因；單拷貝看家基因（如rpoB）5.更好地保留全局結(jié)構(gòu)（或“計算效率更高”）6.ATAC-seq；開放（或“可及性高”）7.構(gòu)建拓撲重疊矩陣（TOM）；模塊劃分（或“聚類”）8.組裝（如Flye）；拋光（Polishing，如Racon/Medaka）9.莖環(huán)結(jié)構(gòu)（Hairpin）；RNaseIII10.結(jié)構(gòu)同源搜索（或“PDB數(shù)據(jù)庫比對”）三、簡答題1.質(zhì)量控制步驟及工具：（1）原始數(shù)據(jù)檢查：使用FastQC評估讀長分布、GC含量、測序錯誤率、接頭污染等；（2）過濾低質(zhì)量數(shù)據(jù)：Trimmomatic（切除接頭、過濾低質(zhì)量堿基）或Fastp（快速過濾并質(zhì)控）；（3）比對后質(zhì)控：使用Picard計算比對率、覆蓋度、重復(fù)率（DuplicationRate）；（4）多樣本相關(guān)性分析（如RNA-seq）：使用DESeq2或edgeR計算樣本間Pearson/Spearman相關(guān)系數(shù)，排除異常樣本。2.BLAST與Bowtie/BWA的比較：應(yīng)用場景：BLAST用于相似性搜索（如同源基因查找、未知序列功能注釋），適用于長序列或低相似度比對；Bowtie/BWA用于短讀長（50-300bp）與參考基因組的快速比對（如重測序、RNA-seq）。算法差異：BLAST基于啟發(fā)式算法（局部比對，使用種子擴展）；Bowtie/BWA基于Burrows-Wheeler變換（BWT）構(gòu)建索引，實現(xiàn)快速精確比對（允許少量錯配）。3.FPKM、TPM與Counts的區(qū)別：-Counts：原始測序讀長映射到基因的數(shù)量，未標(biāo)準(zhǔn)化，受基因長度和測序深度影響；-FPKM（每百萬映射讀長的千堿基轉(zhuǎn)錄本片段數(shù)）：校正基因長度（除以基因長度）和測序深度（除以總映射讀長×10?），適用于單樣本基因表達量比較；-TPM（轉(zhuǎn)錄本每百萬）：先校正基因長度（計算RPK），再對所有基因的RPK求和并標(biāo)準(zhǔn)化（除以總和×10?），適用于多樣本間基因表達比例的比較（TPM總和在樣本間一致）。4.連鎖不平衡（LD）與GWAS解讀：LD指染色體上兩個位點的等位基因非隨機關(guān)聯(lián)的現(xiàn)象（通常由遺傳距離近、選擇或遺傳漂變導(dǎo)致）。在GWAS中，顯著關(guān)聯(lián)的SNP可能并非致病位點，而是與真正致病位點處于高LD狀態(tài)（即“搭車效應(yīng)”）。因此，需通過LD區(qū)塊分析（如使用Haploview繪制LD圖）或精細定位（如測序擴展區(qū)域）確定因果變異。5.機器學(xué)習(xí)癌癥分類模型構(gòu)建流程：（1）數(shù)據(jù)預(yù)處理：標(biāo)準(zhǔn)化（如Z-score）、缺失值填補（如KNN插補）、去除低方差特征；（2）特征選擇：使用方差分析（ANOVA）篩選差異表達基因，或LASSO回歸進行特征壓縮；（3）模型訓(xùn)練：劃分訓(xùn)練集（70%）、驗證集（20%）、測試集（10%），選擇算法（如隨機森林、支持向量機），通過交叉驗證（5折CV）優(yōu)化超參數(shù)；（4）模型驗證：計算準(zhǔn)確率（Accuracy）、AUC-ROC、F1-score等指標(biāo)，通過測試集評估泛化能力；（5）生物學(xué)解釋：分析關(guān)鍵特征（如Top10特征基因）的功能富集，驗證其與癌癥的已知關(guān)聯(lián)。四、分析題1.肝癌WES數(shù)據(jù)分析流程：（1）原始數(shù)據(jù)質(zhì)控：FastQC檢查質(zhì)量，F(xiàn)astp過濾接頭及低質(zhì)量讀長（Q≤20）；（2）比對至參考基因組：BWA-MEM比對到GRCh38，生成SAM/BAM文件；（3）比對后處理：Picard標(biāo)記重復(fù)讀長（MarkDuplicates），GATKBaseRecalibrator進行堿基質(zhì)量重校準(zhǔn)；（4）SNP/Indel檢測：GATKHaplotypeCaller進行變異檢測，生成gVCF文件；（5）變異注釋：ANNOVAR或VEP注釋功能（如外顯子區(qū)、錯義突變）、頻率（ExAC/gnomAD）、致病性（SIFT/PolyPhen-2、ClinVar）；（6）候選變異篩選：過濾頻率<1%（排除人群多態(tài)）、功能為錯義/無義/移碼突變，結(jié)合肝癌相關(guān)數(shù)據(jù)庫（如TCGA-LIHC）篩選差異基因；（7）家系共分離分析：驗證變異是否在患者中存在、父母為攜帶者（常染色體隱性）或患者父母之一攜帶（顯性）；（8）功能預(yù)測：使用MutationTaster、PROVEAN預(yù)測突變對蛋白質(zhì)功能的影響；（9）富集分析：對候選基因進行KEGG/GO富集，聚焦癌癥相關(guān)通路（如p53、PI3K-AKT）。2.單細胞RNA-seq分析策略：（1）數(shù)據(jù)預(yù)處理：CellRanger進行解復(fù)用（Demultiplexing）、比對（STAR）、UMI計數(shù)，過濾低質(zhì)量細胞（UMI數(shù)<500、線粒體基因比例>20%）；（2）標(biāo)準(zhǔn)化與降維：使用SCTransform標(biāo)準(zhǔn)化，PCA提取主成分（取前20-30個PC），UMAP降維可視化；（3）細胞聚類：基于UMAP坐標(biāo)，使用Louvain或Leiden算法進行聚類（分辨率參數(shù)0.5-1.2）；（4）細胞類型注釋：-標(biāo)記基因驗證：查詢已知標(biāo)記基因（如CD3E[T細胞]、CD19[B細胞]、ALB[肝細胞]），使用Seurat的FindMarkers函數(shù)篩選各聚類的差異基因（logFC>0.5，p<0.05）；-自動化注釋：通過SingleR比對參考數(shù)據(jù)集（如HumanPrimaryCellAtlas）確定細胞類型；（5）差異表達分析：針對特定細胞亞群（如腫瘤細胞vs.正常肝細胞），使用Wilcoxon秩和檢驗或MAST模型識別DEG；（6）信號通路富集：將DEG輸入Reactome或KEGG數(shù)據(jù)庫，使用clusterProfiler進行富集分析，繪制氣泡圖或熱圖展示顯著通路（FDR<0.05）。五、綜合應(yīng)用題罕見遺傳病致病基因分析方案：（1）候選基因篩選策略：-變異過濾：基于家系結(jié)構(gòu)（如隱性遺傳需患者為純合/復(fù)合雜合，顯性遺傳需患者為雜合且父母之一攜帶）；-功能篩選：保留外顯子區(qū)/剪接位點的錯義、無義、移碼突變（排除同義突變