📝 计算生物学考试资料¶
欢迎来到计算生物学考试资料页面！这里汇总了课程重点、考试经验和复习建议。
📚 考试资料下载¶
计算系统生物学总结与考试经验¶
-
课程总结 + 考试经验
内容包含：
- ✅ 课程核心知识点总结
- ✅ 重要概念和公式
- ✅ 考试题型分析
- ✅ 学长学姐经验分享
- ✅ 复习建议和重点标注
文件信息：
- 📄 格式：PDF
- 📊 涵盖内容：PPI、WGCNA、网络聚类、qPCR等
- 🎯 适用对象：大四上学期
📖 考试重点概览¶
第一部分：蛋白质相互作用网络（PPI）¶
核心概念：
- 网络拓扑参数：度、聚类系数、路径长度
- 中心性指标：度中心性、介数中心性、紧密中心性
- Hub 蛋白识别与生物学意义
- 无标度网络特性
常见题型：
- 名词解释：Hub 基因、Degree、Betweenness
- 简答题：PPI 网络的构建方法和应用
- 计算题：给定邻接矩阵计算中心性指标
第二部分：加权基因共表达网络分析（WGCNA）¶
核心概念：
- 软阈值的选择原理
- 拓扑重叠矩阵（TOM）
- 模块识别与特征基因
- 模块-表型关联分析
常见题型：
- 名词解释：Module、Eigengene、Soft threshold
- 简答题：WGCNA 分析流程
- 代码题：关键步骤的 R 代码实现
第三部分：网络聚类与随机游走¶
核心概念：
- MCL 聚类算法原理
- Random Walk with Restart (RWR)
- 疾病基因预测方法
- 功能富集分析
常见题型：
- 算法原理简答
- 参数选择与优化
- 应用场景分析
第四部分：qPCR 数据分析¶
核心概念：
- Ct 值的含义
- ΔΔCt 计算方法
- 相对表达量计算
- 内参基因的选择
常见题型：
- 计算题：给定 Ct 值计算相对表达量
- 简答题：qPCR 实验设计要点
- 数据分析与可视化
🎯 复习建议¶
复习策略
1. 理论知识（40%）
- 理解基本概念和原理
- 掌握算法思想
- 记忆关键公式
2. 代码实践（30%）
- 复习实验代码
- 理解每一步的作用
- 练习修改参数
3. 应用分析（30%）
- 会解读分析结果
- 理解生物学意义
- 能提出改进思路
考试注意事项
- ✅ 带好学生证和身份证
- ✅ 准备计算器（如需要）
- ✅ 复习实验报告中的图表解读
- ✅ 注意时间分配，先易后难
学习建议
- 📖 提前1-2周开始系统复习
- 💻 重新运行实验代码加深理解
- 👥 与同学组队讨论交流
- 📝 整理自己的知识框架图
- 🔍 多看文献了解方法应用
📁 其他学习资料¶
实验代码¶
所有实验的完整代码请访问：
参考资料¶
💬 交流讨论¶
遇到问题或有好的学习资料？
- 💬 GitHub Discussions - 提问讨论
- 🐛 GitHub Issues - 报告问题
- 📧 Email: hinna01@163.com
🙏 致谢¶
感谢贡献考试资料的学长学姐们！
如果你也有好的学习资料，欢迎贡献到本项目！
**祝大家考试顺利！加油！** 💪📚
[返回课程主页](index.md)