### 生物信息学算法概述
生物信息学算法是结合生物学、计算机科学和数学的交叉领域工具，广泛应用于序列分析、结构预测、功能注释等研究。掌握核心算法（如序列比对、组装、基因预测等）对解析生物大数据至关重要。以下题库涵盖常见考点与实践问题，助力学习者深化理解。

### 一、序列比对算法
#### 1. 选择题
**题目1**：以下哪种算法属于全局序列比对？（ ）
A. BLAST B. Smith – Waterman C. Needleman – Wunsch D. FASTA
**答案**：C。Needleman – Wunsch算法用于全局比对（比对整个序列），Smith – Waterman是局部比对，BLAST/FASTA是启发式局部比对工具。

#### 2. 简答题
**题目2**：简述动态规划序列比对的基本思想及时间复杂度。
**答案**：基本思想：将序列比对问题分解为子问题（子序列比对），通过填充得分矩阵记录子问题最优解，最终回溯得到全局/局部最优比对。时间复杂度：设序列长度为\( m \)、\( n \)，时间复杂度为\( O(mn) \)（填充矩阵），空间复杂度通常\( O(mn) \)（可优化为\( O(\min(m,n)) \)）。

### 二、序列组装算法
#### 1. 选择题
**题目3**：基于De Bruijn图的组装算法（如Velvet）主要解决的问题是？（ ）
A. 重复序列导致的重叠群破碎 B. 测序错误率高 C. 读长过短 D. 覆盖度不足
**答案**：A。De Bruijn图通过k – mer分解序列，减少重复序列对重叠群（contig）拼接的干扰，适合短读长（如Illumina测序）组装。

#### 2. 简答题
**题目4**：比较Overlap – Layout – Consensus（OLC）和De Bruijn图组装算法的适用场景。
**答案**：- OLC（如Celera Assembler）：适用于长读长（如Sanger、PacBio），通过重叠区（overlap）构建布局（layout），再推导一致序列（consensus）。优点是长读长可跨越重复区，缺点是计算复杂度高（\( O(N^2) \)，\( N \)为读长数）。
– De Bruijn图（如Velvet、SPAdes）：适用于短读长，通过k – mer压缩序列信息，复杂度\( O(N) \)（\( N \)为k – mer数），但对重复序列敏感（需优化k – mer长度）。

### 三、基因预测算法
#### 1. 选择题
**题目5**：基于隐马尔可夫模型（HMM）的基因预测工具是？（ ）
A. Genscan B. Augustus C. BLAST D. Glimmer
**答案**：B。Augustus结合HMM和基因组特征（如剪接位点、密码子偏好）预测基因结构；Glimmer（原核）、Genscan（真核）也用HMM，但Augustus更灵活。

#### 2. 简答题
**题目6**：简述基因预测中“从头预测”与“同源预测”的区别。
**答案**：- 从头预测（de novo）：仅用基因组序列本身的特征（如密码子偏好、剪接信号），如Genscan、Augustus，适合无参考基因组的物种。
– 同源预测：基于已知同源基因的序列保守性，通过序列比对（如BLASTX）预测基因，依赖已有注释数据（如UniProt、同源物种基因组），适合有近缘物种参考的情况。

### 四、蛋白质结构预测算法
#### 1. 选择题
**题目7**：AlphaFold2（2020版）的核心创新不包括？（ ）
A. 注意力机制（Attention） B. 多序列比对（MSA）输入 C. 模板依赖的结构约束 D. 分子动力学优化
**答案**：D。AlphaFold2通过深度学习（Transformer + MSA）和结构约束（如距离图）预测结构，2020版未依赖传统分子动力学优化，而是通过神经网络直接建模结构。

#### 2. 简答题
**题目8**：解释“自由建模”（ab initio）蛋白质结构预测的挑战及典型算法思路。
**答案**：挑战：蛋白质构象空间极广（氨基酸序列→三维结构的映射复杂），能量函数难以精确描述真实折叠状态。典型思路：如Rosetta的“碎片组装”（fragment assembly），将已知结构的短片段（如3 – 9个残基）组合，通过蒙特卡洛模拟优化构象，结合能量函数筛选最优结构。

### 五、系统发育分析算法
#### 1. 选择题
**题目9**：基于最大似然法（ML）构建系统发育树的核心假设是？（ ）
A. 序列进化符合特定替代模型（如JC69、HKY85） B. 进化速率恒定 C. 外类群已知 D. 序列无重组
**答案**：A。ML法通过替代模型（如JC69：单碱基替代率相等；HKY85：考虑碱基组成偏倚）计算序列进化的似然值，选择似然最高的树。

#### 2. 简答题
**题目10**：比较邻接法（NJ）、最大简约法（MP）和最大似然法（ML）的适用场景。
**答案**：- 邻接法（NJ）：距离法，基于序列距离矩阵构建树，计算高效，适合大样本（如数十个物种）的快速分析。
– 最大简约法（MP）：寻找“变化步数最少”的树，适合序列变异少、长度短的情况，对长序列计算复杂（NP难）。
– 最大似然法（ML）：统计模型驱动，准确性高但计算量大，适合小样本（如<20个物种）的高精度分析，需明确替代模型。 ### 总结 生物信息学算法题库涵盖序列分析、结构预测、系统发育等核心领域，题目类型从概念辨析到算法原理、实践应用，帮助学习者构建从理论到实践的知识体系。掌握算法的设计思想、复杂度分析及适用场景，是解决生物大数据问题的关键。 本文由AI大模型（Doubao-Seed-1.6）结合行业知识与创新视角深度思考后创作。