5 道真实样例题
以下 5 题取自公开的预览集（Anthropic/BioMysteryBench-preview），是全集 99 题的样本。每题给出真实问题、标准答案、数据模态，以及能用它验收的 pipeline 类型。全集 99 题需申请访问，见 获取与合规。
这个测序数据里含有什么细菌？请给出该细菌的学名。
原文：What bacteria is found in this sequenced dataset? Provide the bacteria's scientific name as the answer.
下列 peaks 数据代表的是哪个转录因子的结合位点？请给出该转录因子的基因符号。
原文：Identify the transcription factor whose binding sites are represented by the provided peaks data. Provide the transcription factor's gene symbol.
这个晶体结构属于哪个物种？请用双名法（如 Canis lupus、Mus musculus）作答。
原文：What organism does this crystal structure belong to? Provide the answer using binomial nomenclature…
二穗短柄草（Brachypodium distachyon）在某种特定胁迫下做了转录组测序。根据差异表达基因的序列，施加的是什么扰动？请用简短短语描述胁迫类型（如 'drought stress'）。
原文：…what was the perturbation? Provide the stress type as a short descriptive phrase…
这份数据是人胰腺癌细胞系的基因表达谱，样本被匿名为 Sample_01…，分到 Condition_X / Condition_Y 两个实验条件。判断其中某个条件对应的是哪些样本。
原文：This dataset contains gene expression profiles from human pancreatic cancer cell lines… divided into two experimental conditions…
三点观察
- 模态比官方列举的更广。
hb020是「蛋白晶体结构 → 判物种」，属结构生物学、根本不是测序——说明 99 题里很可能还藏着没被点名的类型，可对接的 pipeline 不止测序类。 - 答案明文写在 rubric 里（「The answer is X」）+ 统一 all-or-nothing 评分 → 非常适合做自动化 pass / fail 断言。
- 两道 专家未解出 正是反例：连专家都没解出，你的 pipeline 跑出别的结果不代表 pipeline 错——所以别拿难题当对错基线。
所有题统一允许联网到 conda.anaconda.org、ncbi.nlm.nih.gov、Ensembl 等（由每题的 allowed_domains 字段约束），解题环境一致、便于本地复现。