一、从一组“显著扩张”说起
我第一次对“该基因家族显著扩张”这九个字生出警惕，是在一次比较基因组学的组会上。那时我在一个做植物抗逆的课题组做研究助理，日子过得很具体：样品编号、取材部位、DNA提取试剂盒批次、建库插入片段、测序平台与读长、覆盖深度×、组装软件版本与参数、contig N50/L50、BUSCO完整度、重复序列屏蔽比例、注释证据权重、基因家族聚类阈值、扩张收缩的卡方或CAFE模型、n到底等于几个独立个体，还有那句被反复使用的结论——“家族显著扩张、正选择信号明确、适应性机制清晰”。有一次我交了一份关于某个耐旱物种的说明，写着“多个方法一致、分支特异性显著、功能富集可信”。带我的老师没否定我，只是把同一份分析日志里被我标成“两个组装因‘BUSCO偏低’弃用”和“三套聚类参数里只报了扩张条目最多那一套”的那两处抽出来摊开，问了一句：这个“扩张”，是这个谱系真的扩增了基因，还是你先知道了答案该有适应，再给它挑了一批最配合的组装、一个最顺手的orthogroup阈值和一组最肯给条目的注释库？
那天我从机房出来，队列还在跑。我第一次承认，自己对上的是一组筛出来的树，而不是那个因为系统性地把最难解释的杂合片段、最不服从的两个样本和最含糊的同源判定提前排在了叙述之外、才让“清晰”显得成立的版本。我把“N50够大”当成了“组装好”，把“p值够小”当成了“进化清”，把流程跑通了当成了问题想明白了。于是我想回去读书，想回到“序列—变异—功能—群体—进化—可检验性”这条链的道理本身，而不是它的验收话术。我报了中国科学院大学的基因组学方向。
二、公共课：慢一点，反而快
政治我从四月开始，不赶进度。每天一小时，先看知识点，再刷选择题，最后两个月才动主观题。我的办法是把每个专题往自己的专业上靠：基础研究长期投入与国家科学数据中心（国家生物信息中心、国家基因组科学数据中心是典型的重平台投入）、生物安全法与人类遗传资源管理条例（人类遗传资源采集保藏出境审批、知情同意范围与二次使用、重要遗传家系与特定地区资源申报、数据去标识化）、数据安全法与个人信息保护法（健康医疗与人群队列数据分类分级、受控访问与数据使用协议、跨境传输）、健康中国行动与精准医学（肿瘤基因组、罕见病诊断、药物基因组学与伴随诊断监管）、种业振兴与生物育种（种质资源保护、基因组选择、品种权与生物安全评价）、生物多样性保护与《昆明—蒙特利尔全球生物多样性框架》（遗传资源获取与惠益分享ABS、名古屋议定书、数字序列信息DSI争议）、人工智能治理与算法备案（生成式AI服务管理、训练数据合法性、模型偏倚）、科研诚信与学术不端治理（p-hacking与多重检验不校正、选择性报告最优参数、剔除离群样本不披露、事后假设当先验、论文工厂）。同一个话题，我逼自己答三层——它是什么、为什么现在提、在基因组学上对应哪类数据哪条合规要求哪个环节。这样写出来的东西有筋骨，考场上不至于空。
英语我更不敢偷懒。单词从三月背到考前，一天不落；阅读一天一篇精读，拆主干、找同义替换，顺手攒专业词汇：assembly、annotation、variant、heterozygosity、linkage disequilibrium、selection sweep、orthology、reproducibility、cohort。写作我自己搭框架，改到看不出模板的痕迹。这个方向大量阅读英文文献、国际数据库文档与标准文本，英语其实是同一件事。
另外要提醒一句：基因组学的初试科目跨度极大——有的单位考数学（常见为数学二），有的单位不考数学而考生物化学与分子生物学、普通生物学或细胞生物学，还有的计算机口径单位考数据结构与算法或计算机学科专业基础。这一点我一开始就核对清楚了，免得拿着“基因组必考408”或者“挂在生物学下就不考数学”的旧印象白练一年——下面细说。
三、专业课：先说一件更重要的事
“基因组学”在国科大体系里不是一个全国统一编码的二级学科，而是以自设二级学科或自设交叉学科的形式挂在多个一级学科下面。 这是最容易踩坑的一步，而且比前面几篇都绕。你会看到生物学（0710）下的自设二级学科“基因组学”（代码多为0710Z×），也会看到以“J”后缀的自设交叉学科形式挂在生物学、农学或基础医学下，还会看到交叉学科门类下的相关口径以及电子信息（0854）、生物与医药（0860）等专硕路径。也就是说，同一个“基因组学”名字，可能对应理学、工学、农学、医学不同的学位授予口径——学位证上写的专业和你能报的方向，取决于你报的是哪一个代码。更要紧的是：这些代码的研究方向名称高度重合（“群体与进化基因组”“泛基因组与结构变异”“单细胞与空间基因组”“疾病与肿瘤基因组”“微生物与环境基因组”“功能基因组与表观调控”“算法、数据库与大科学设施”），光看方向名你根本分不清自己报的是生物学还是农学；而相邻方向的服务器可能就在同一个机房，考试科目却完全不同。这一步如果搞错，去搜“基因组学考研科目”，百分之百会被方向名带偏。
国科大做基因组学的单位主要有中国科学院北京基因组研究所（国家生物信息中心，北京，国家基因组科学数据中心NGDC）、中国科学院昆明动物研究所（遗传资源与进化国家重点实验室）、中国科学院遗传与发育生物学研究所、中国科学院微生物研究所、中国科学院深圳先进技术研究院（深圳合成生物学创新研究院、医工所）、中国科学院青岛生物能源与过程研究所、中国科学院天津工业生物技术研究所、中国科学院大连化学物理研究所、中国科学院生态环境研究中心、中国科学院动物研究所、中国科学院植物研究所／分子植物科学卓越创新中心、中国科学院上海营养与健康研究所，并与北京生命科学研究院、华大等机构有联合培养；高校系统的传统重镇（如北大、清华、复旦、上交、华中科大、中山、浙大、中国农大、西北农林等）报考路径不同但研究内容高度相关。这里有个必须单独强调的大坑：部分单位的研究生学籍不在国科大而在合作高校（如深圳先进院与深圳理工大学、部分与中科大／复旦等联合培养项目），你想去的“那个所”走的是另一套目录、另一套初试科目和另一条分数线——别拿着国科大的大纲复习一年才发现报错了学校。反过来，想报国科大系统的基因组学，重点看国家生物信息中心、昆明动物所、遗传发育所等。
好消息是：国科大统一命题科目的考试大纲由国科大统一发布（约每年7月公布在招生信息网），同一张卷子在不同单位通用，真题可以跨单位练。坏消息同样明确：你报的代码决定了你考哪一套。以近年情况为例，常见组合包括①101思想政治理论②201英语（一）③一门业务课一（如数学二／生物化学与分子生物学／普通生物学／计算机专业基础等）④一门业务课二（如生物学综合／生物化学与分子生物学／数据结构与算法／程序设计等，具体以当年目录为准）；偏群体与进化的多考数学加生物学综合或生化，偏算法与系统的多考计算机类科目，偏医学与农业组学的多考生化或普生加生物学综合。报名前请逐项核对院系所代码、专业代码和科目代码，尤其要确认第三门到底是数学二、生物化学与分子生物学还是计算机专业基础，第四门到底是生物学综合还是数据结构，这一步做错了，后面全是无用功。更要紧的是分数线差异极大且年年波动，单科还有硬杠：有的年份总分线能到三百三十以上，次年可能落到二百九十分附近；总分过了、专业课差几分一样进不了复试，且推免与直博占比很高，统考名额有限且每年调整，个别专业某年只招推免生。另外提醒一句：涉及人类样本、临床表型与队列数据的方向须符合伦理审批、知情同意、人类遗传资源管理与数据去标识化要求，受控访问数据须遵守数据使用协议不得超范围使用；涉及病原微生物基因组、毒素与合成序列的方向有专门的生物安全等级与审批要求；涉及实验动物的方向须通过伦理审查并遵守3R原则、麻醉镇痛与人道终点规范；涉及野外采样与濒危物种的方向须遵守采集许可、物种保护与ABS相关规定，以当年招生简章和专业目录的规定为准。
第一条主线取决于你考的是数学、生化、普生还是计算机，我抓的是同一件事：序列、变异与推断。如果考数学，就把高数—线代—概率统计串起来，然后问自己“它在基因组数据里长什么样”——矩阵分解与降维（SVD/PCA的几何意义、特征值衰减、群体分层的主轴）、最小二乘与正则化（L1/L2的几何差别、稀疏性）、梯度与凸性、马尔可夫链与隐马尔可夫模型（这是HMM在变异检测与基因预测里的根）、极大似然与贝叶斯、假设检验的功效与效应量、多重检验校正（Bonferroni保守性与BH-FDR的独立性假设）、广义线性模型与负二项分布、混合模型与随机效应（这是后来一切“群体结构能不能当随机效应”的根）、溯祖理论与 coalescent 的直觉（有效群体大小、分支长度、位点间相关性）；如果考生化与分子，就把中心法则—染色质—表观—调控串起来，然后问“这个生物学事实在序列数据里留下什么信号、会被什么技术噪声掩盖”——DNA甲基化与CpG、核小体定位与MNase偏好、ChIP需要input/IgG对照且peak calling对对照敏感、ATAC-seq的Tn5偏好性与核小体相位、Hi-C的有效读段数决定分辨率而非总读段数、UMI解决PCR重复但不能解决分子内重复、polyA与rRNA去除捕获的RNA集合不同；如果考普通生物学，就把分子—细胞—组织—个体—种群层级搭起来，不许只背名词不背判据——同源/直系/旁系怎么分、orthology推断靠什么证据、物种树与基因树为什么可以不一致（不完全谱系分选ILS、基因重复丢失、水平转移）、相关性与因果性怎么判、遗传力与环境影响怎么分；如果考计算机，就把数据结构—算法—系统串起来，然后问“它在序列数据上怎么落地”——哈希与k-mer计数、后缀树/后缀数组与BWT/FM-index（这是所有短序列比对的根）、动态规划与Needleman–Wunsch/Smith–Waterman、BLAST的seed-and-extend与E值含义、de Bruijn图组装与k的选择、图的连通与气泡化解、并查集与聚类、最短路与最小生成树、NP-hard与启发式、时间空间复杂度与外存/并行。这一门最容易丢分的地方恰恰是最基础的：有效数字与误差传递没算、对照组没设（无处理对照、input/IgG、scramble、空载体、同窝对照、技术空白、阴性样本）、把技术重复当生物学重复、把细胞数当样本数、把位点数当n、把reads数当n、把拟合优度当机制证明、把相关当因果、把“富集到了通路”当“通路被驱动”、把TPM跨数据集比较、把聚类结果当真实亚型、把N50当组装质量的全部（N50可以被拼接错误和污染人为拉高）。学到溯祖与有效群体大小那一段我停得最久，因为那是后来一切“这个信号是历史还是选择”的根；学到群体分层与混杂那一段我又停了一次，因为那是“显著关联来自生物学还是来自采样地”的分水岭。
第二条主线是基因组学专业内容，我抓的是“数据生成—组装—注释—变异—群体—进化—功能—验证”，每一环都问三件事：它的前提假设是什么、它的噪声结构是什么、它不能证明什么。我从测序与组装出发，把二代（桥式扩增、边合成边测序、错误模式与Q值Phred口径、读长与插入片段、双端）与三代（PacBio HiFi的CCS一致性、ONT的错误模式与均聚物、超长读长）的原理差异、Hi-C/光学图谱/遗传图谱的支架化逻辑、杂合度与多倍体对组装的破坏、重复序列与着丝粒/端粒的处理、contig N50/L50与scaffold N50不可混用、BUSCO/CEGMA完整度、k-mer谱与基因组大小估算（GenomeScope）、污染与嵌合检测（Kraken/BlobTools、线粒体与叶绿体比例、GC-深度异常）、T2T与端粒到端粒、泛基因组（graph genome、presence/absence variation、core/accessory、参考偏倚）串成一条链，记住每一个指标的定义、分母、适用条件与能被什么操纵；进入注释，把重复序列屏蔽（RepeatModeler/RepeatMasker、物种库与通用库的差异）、转录组证据对齐、同源蛋白映射、ab initio预测、证据加权与整合（MAKER/Braker类流程）、非编码RNA与tRNA/rRNA、假基因与转座子来源基因、功能注释（InterPro/Pfam/GO/KEGG/eggNOG）的版本依赖、结构注释与功能注释的置信度分级、手动校正与证据链可追溯串起来，永远先问“这个基因是不是重复序列屏蔽过头被吃掉了”；进入变异检测，把比对（BWA/ minimap2的参数与软裁剪、多映射reads处理、配对一致性）、局部重比对与碱基质量重校准、SNV/indel的过滤（VQSR与硬过滤、QUAL/FILTER/GT/DP/GQ字段含义）、CNV的读深与断点、SV的split-read/read-pair/assembly/depth四类证据整合、STR、线粒体异质性、体细胞突变（肿瘤—正常配对、克隆性、VAF与纯度倍性估计）、家系trio一致性与孟德尔冲突率、样本性别与亲缘核查、交叉污染与index hopping、参考基因组与注释版本（hg19/hg38/mm10/GRCm39、GENCODE/RefSeq版本差异，liftover的丢失）串起来；进入群体与进化基因组，把Hardy–Weinberg检验、LD与r²口径及窗口依赖、单倍型与phasing、有效群体大小历史（PSMC/MSMC/SMC++的世代时间与突变率假设）、Fst/Tajima's D/π/θw的窗口大小与步长、选择扫掠指标的多指标交叉验证（XP-EHH/iHS/CLR/nSL，单一指标极易假阳性）、admixture与PCA、D统计ABBA–BABA与f4/fd（基因流与ILS的区分、祖先群体假设）、物种树与基因树冲突（ASTRAL类、ILS与杂交）、基因复制与全基因组加倍（Ks分布、共线性块、1:1与1:n关系）、正选择dN/dS（位点模型与分支模型、多重检验、比对质量与移码的致命影响）、趋同进化与平行替换、水平基因转移的判据、分子钟与分歧时间校准（化石校准点的不确定性）、 demographic model拟合与似然比/ABC串起来，永远先问“这个信号换个突变率或世代时间还成立吗”；进入功能与调控基因组，把ATAC-seq/DNase-seq、ChIP-seq对照与peak calling、染色质状态chromHMM、Hi-C标准化KR/ICE与TAD calling算法依赖、compartment A/B、loop的FDR、eQTL/sQTL/caQTL与colocalization（与简单重叠的差异）、单细胞流程（质控、doublet、归一化、批次整合、分辨率任意性、marker多重校正、细胞类型注释的参考依赖、轨迹推断的方向不可识别、RNA velocity的稳态假设）、CRISPR筛选与sgRNA丰度、MPRA与饱和突变扫描、扰动与因果串起来；进入宏基因组与环境基因组，把16S（OTU/ASV口径、引物偏好、拷贝数校正）、鸟枪法（宿主去污、组装与binning、MAG完整性与污染CheckM、功能注释）、组成数据的本质（总和约束、clr/ilr变换）、菌株水平分辨与水平基因转移、宏基因组组装基因组在泛基因组中的位置、环境样本的伦理与ABS串起来；最后补一块工程实践与合规：Linux/shell、Python/R、Snakemake/Nextflow、conda/singularity、Git、随机种子与版本锁定、SLURM与并行、存储与备份、数据库与资源（NCBI/ENA/SRA/GEO、GSA/CNSA/NGDC、dbGaP类受控访问、GTEx/TCGA/ICGC/gnomAD/ClinVar/COSMIC、Ensembl/UCSC、UniProt/PDB、KEGG/Reactome/GO/MSigDB、GTDB、MIxS/MINSEQE类标准）、结果回传与临床可行动变异的报告边界、病原序列共享约定。这门课的易错点不在难题，在单位和基准：bp/kb/Mb/Gb与染色体坐标（1-based与0-based口径，BED半开半闭区间，写错一格整段位移）、read length与insert size bp、×覆盖深度（注明平均还是中位、是否含未比对、是测序深度还是有效深度）、Q值Phred（Q30=0.1%错误率，per-base）、UMI长度与纠错半径、% mapped、% duplicate、RIN阈值、contig/scaffold N50与L50（两者必须成对报告）、BUSCO完整度%（注明谱系数据集与版本）、k-mer大小、杂合率、GC%、污染%、VCF字段GT/AD/DP/GQ/QUAL/FILTER口径、MAF阈值、HWE p值阈值、λGC、AUC与PR-AUC在极端不平衡下的解读、校准曲线、效应量与置信区间、p值与adj.P/FDR（注明校正方法与层次）、log2FC、π/θw/Tajima's D/Fst的窗口与步长、LD r²与D′、Ne与世代时间、突变率μ与重组率cM/Mb的取值来源、dN/dS的模型与多重校正、Ks区间、分化时间Ma与校准点、TPM/FPKM/CPM/counts不可混用且TPM不可跨数据集比较、dropout率与零膨胀、imputation引入的假相关、n是独立个体数/独立批次而非细胞数/位点数/reads数/技术重复数（嵌套伪重复是组学领域最常见的扣分点）、批次/性别/年龄/PMI/取材部位/测序平台/文库批次作为协变量是否纳入、参考基因组与注释版本必须写明、链特异性、paired-end、多映射与低质量reads处理策略、物种交叉污染（如PDX的小鼠reads、试剂空白）、丰度%与相对丰度的总和约束、α/β多样性指数口径、±SD与±SEM、任何一处写错，整道论述题就悬空。手上功夫不能省：九月起我每周两次三小时限时手写，名词解释按“定义—要点—例子”三段式写，论述题按“问题界定（体系/数据类型/样本量与重复层级/口径）—链条与控制环节（数据生成机制—噪声来源—建模假设）—定量关系与判据前提（公式写清变量、分母与适用条件）—关键设计与对照（必要性：剔除/置换检验；充分性：独立队列/外部验证；独立性：另一种算法或另一种平台交叉）—替代解释（批次与混杂、版本与口径、参数调优、嵌套伪重复、参考偏倚、离群样本驱动、demographic历史替代解释）—局限与独立验证（湿实验或第三方数据）—生物学与应用意义”写，不许跳步，不许写“显然”“众所周知”糊弄自己；错因簿分“概念混淆、层次误用、单位与基准失当、案例失当、计算失误、条件漏检”六类，每周翻一次。真题按考点归类后你会发现，重复出现的那一半就是你的基本盘；同一道题隔两周重做一遍，不看答案，直到能从头写到尾不卡壳——熟练从来不是看懂，是重写。
复试要早准备。总成绩一般按初试折算占一半、复试占一半计算，复试不及格者不予录取；各单位自划线，差异极大且年年波动，单科还有硬杠。我会提前做三件事：一是补初试没考但面试常问的内容，比如方法原理（一个算法测的是什么、前提是什么、主要失效情形是什么：BWT为何省内存、de Bruijn图的k选择与重复序列、N50为何不能单独作为质量指标、BUSCO的谱系集依赖、SV四类证据的互补与盲区、VQSR的训练集依赖、D统计的祖先假设、colocalization与重叠的差异、PRS的族群迁移性、imputation的双刃性、FDR在相关特征下的表现、Harmony整合可能抹掉真实差异、UMAP距离不可比）、编程与工程（Linux/shell熟练度、Python/R手写数据处理、SQL、git、Snakemake/Nextflow、SLURM、复杂度分析、调试与profiling、绘图规范与可重复报告）、数据来源与可靠性（上述数据库的版本与口径、公开数据集元数据完整性、能否复现一篇论文的figure）、研究设计（科学问题怎么从“差异基因列表”提炼成可检验的时空因果假设、如何区分原发与继发、如何区分技术批次与生物学分组、如何区分真实选择与demographic历史、对照与随机化盲法怎么设、预注册与剔除标准怎么定、样本量与功效怎么算）、伦理与安全；二是养自己的“手感”：读一篇论文先不看结论，问它的n层级够不够、有没有独立队列验证、有没有湿实验或正交平台交叉、不确定性的系统项给了哪些、结论是不是换个参考版本或换个参数就反转；三是准备一个自己能讲透的问题（某个信号是批次还是生物学、某个扩张是真实扩增还是注释/聚类产物、文献值与实测落差从哪来）。面试时老师最爱问三句：你这个结论依赖什么假设？换一个队列或换一个平台还成立吗？给我一个纯技术的解释（artifact）。接得住这三问，比多刷十套题有用。
四、要不要报班
这件事没有标准答案，但有几个事实最好先弄清楚。第一，盘子小且散，推免和直博占比很高，留给统考的名额有限，且各单位每年调整（有的专业某年只招推免）；第二，分数线年年波动，单科还有硬杠，总分过了、专业课差几分一样进不了复试；第三，这个方向的入口特别容易搞错两层：一层是“基因组学”作为自设二级学科或自设交叉学科挂在生物学、农学、基础医学等不同一级学科下，另有交叉学科门类与专硕口径，你必须先确定自己报的是哪个代码、拿的是哪个门类的学位；另一层是机构归属与学籍——部分单位的学籍在合作高校而非国科大，想做群体基因组或泛基因组的同学如果按国科大目录复习就全错了。此外还要留意新增交叉学科与专硕科目的年度调整，别拿旧目录来套。如果你本科生物、统计、数学、计算机背景扎实、编程与数理基础好、信息渠道清楚、自律性强，自学完全够；如果你是跨专业（尤其从临床医学、药学、农学、环境、机械、电子转来做基因组学）、二战，或者连专业代码、科目代码和学籍归属都没核对明白，就别硬扛，找人帮你把节奏排好，省下的是一年时间。
我现在在新祥旭考研担任理工科方向的专业课辅导老师，带的是一对一规划。我会先看你的本科背景、数理与编程基础和可用时间，帮你先厘清该报生物学下的基因组学，还是农学、基础医学、计算机科学与技术等相关方向，或是电子信息、生物与医药等专硕口径，再逐项核对当年的院系所代码、专业目录与报考条件，确认你报的单位第三门考数学二、生物化学与分子生物学还是计算机专业基础、第四门考生物学综合还是数据结构与算法、用什么版本的大纲，然后把公共课与专业课的双线复习表、三轮模考表和复试抢跑计划（含编程与统计补强）一条条排出来。新祥旭考研的全科定制辅导可以按你的基础和时间量身定制方案，公共课和专业课一起安排，不让你在某一门上单独耗掉全部精力。如果你正在备考中国科学院大学基因组学，或者同校的生物化学与分子生物学（071010）、遗传学（071007）、细胞生物学（071008）、微生物学（071005）、生物物理学（071011）、生态学（0713）、生物信息学、计算机科学与技术、软件工程、电子信息、生物与医药、基础医学，欢迎来找我聊聊。
（文中涉及的专业代码、报考条件、初试科目、考试大纲、招生计划、复试办法与分数线等，请以中国科学院大学招生信息网及中国科学院北京基因组研究所（国家生物信息中心）、昆明动物研究所、遗传与发育生物学研究所、微生物研究所、深圳先进技术研究院、青岛生物能源与过程研究所、天津工业生物技术研究所、大连化学物理研究所、生态环境研究中心、动物研究所、植物研究所／分子植物科学卓越创新中心、上海营养与健康研究所等培养单位当年公布的官方文件为准；各单位的研究方向、考试科目、招生规模及学籍归属每年可能调整，报名前请逐项核对。）
