admin 管理员组文章数量: 1184232
2024年3月9日发(作者：程序员的专业术语)
生物信息编程训练题目
编程语言要求：C/C++, perl, python, java.
共十个题目。前五道，属较低难度等级，新手；后五道，属较高难度等级，高手。
1． 编写一个模拟基因DNA序列或者protein序列的程序。要求能够产生指定长度和条数的随机序列，输出到fasta格式文件中。无论DNA还是protein序列，均需尽可能符合真实的基因序列特征。
2．编写一个测序数据统计程序，读取测序原始reads文件(fq格式)，统计数据量、碱基比例以及质量值分布。要求尽可能全面的反应数量和质量信息。
3．编写一个翻译程序，将coding sequence (cds)翻译成amino acid (aa)序列。输入输出文件分别为fasta格式。采用真核物种最通用密码子表，可在NCBI网站上查得。
4．编写一个画图程序，绘制基因的结构。Exon用方块表示，intron用直线表示。数据可从gff格式坐标位置文件中读取。
5. 编写一个统计基因组覆盖程度的程序。读取reads比对到基因组后得到的sam/bam文件，统计每一个基因组碱基位置的覆盖深度情况。
6．编写一个快速排序法函数，用以实现大数据量的高效排序。要求给出测试结果，包含内存占用和耗时情况。
7．编写一个找overlap的程序，找到两种块座标系列之间的交集。材料为由两种不同的方法所得到的同一物种的两个基因集，请找到它们之间的重叠区域，并计算出这两种预测方法之间的相似程度。
8．编写一个动态规划比对程序，实现两条DNA序列之间的全局比对和局部比对。要求阐明所用算法的时间和空间好用与数据量之间的关系。
9．编写一个画图程序，绘制物种或者基因的进化树(phylogeny tree)。树枝用蓝色线表示，节点用绿色方块表示，同时在叶子结点末端显出出物种名或者基因的ID。
10．编写一个kmer频率统计的程序。K-mer就是指定长度的一段序列，在生物信息领域具有广泛的用途。要求读取测序的reads文件(fq格式)，统计其中全部k-mer种类的出现频率，最后画一张k-mer频率的分布图。
附. 编程的规范与要求：
1. 注释文档：
每个程序头部要有简略的说明文档，程序段落和关键语句要有必要的注释，在命令行运行时能显示帮助信息；大型软件应按功能模块将代码划分到不同的文件中，还要同时有独立的INSTALL、Makefile和readme等说明文件，侧重于算法的程序则一定要把算法阐述清楚。
2. 测试数据：
提供与该程序配套的测试数据，并说明运行方法和参数搭配情况。注意测试数据应具有代表性，为节省存储空间，测试数据不能过大，否则只提供大型机地址即可。
3. 程序质量：
要求功能明确，算法优化，结构合理，代码简洁清晰，具有良好的运行效率。好的结构设计要求模块化或者对象化，要着重从算法上改进。
4. 维护更新：
要注明作者、版本、日期以及维护更新的信息，作者对使用该程序产生的后果不负直接责任，但是有义务根据用户的合理反馈意见不断地完善程序，以及对使用者提供帮助。
附. 测试数据
1．在biopic计算机集群上准备好了一些数据：
/gpfsdata/Analysis/fanwei/Testing_data_for_training/
2．自己获得，可从公共数据库如Genbank等下载，或向搞生物信息的同事/学索取。
版权声明：本文标题：生物信息编程训练十题 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1709970218a551665.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论