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

下载 PDF

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

Tip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
Warning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
Tip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？

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