2025年大學《生物技術》專業(yè)題庫——生物信息學在DNA測序中的應用考試時間：______分鐘總分：______分姓名：______一、填空題（請將正確答案填在橫線上）1.高通量測序（NGS）產生的數據通常具有數據量大、讀長短、錯誤率相對高等特點。2.在進行DNA測序數據分析前，使用FastQC等工具進行質量評估是必不可少的步驟，其主要目的是檢測數據中的異常情況，如接頭序列、低質量讀長、重復序列等。3.BWA和Bowtie2是兩種常用的短讀長序列比對工具，它們通常采用_種子查找_和后續(xù)擴展的方式將測序讀長與參考基因組進行比對。4.對于長讀長測序數據（如PacBio或OxfordNanopore數據），由于其讀長較長且錯誤率相對較高，在進行基因組組裝時，通?？梢蕴峁└B續(xù)的基因組草圖，并且能夠檢測到更長的重復序列。5.GATK（GenomeAnalysisToolkit）是一個廣泛使用的生物信息學軟件包，常用于處理比對后的序列數據，并進行SNP和Indel的識別與過濾。6.在進行變異檢測后，獲得的高頻變異（如SNP和Indel）需要與公共數據庫（如dbSNP）進行比對，以區(qū)分常見的背景多態(tài)性與潛在的生物學意義的新變異。7.基因組注釋是指為基因組中的DNA序列賦予生物學功能，例如識別基因、預測蛋白質結構、分配基因功能注釋等，常用的注釋數據庫包括GenBank、RefSeq、UniProt等。8.GO（GeneOntology）數據庫提供了關于基因和蛋白質的三個方面的描述：_分子功能_、_生物學過程_和_細胞組分_。9.KEGG（KyotoEncyclopediaofGenesandGenomes）是一個綜合性的數據庫資源，它不僅包含了基因和基因組信息，還提供了豐富的代謝通路圖和藥物信息。10.生物信息學分析流程通常包括數據預處理、序列比對/組裝、變異檢測、功能注釋和結果解讀等主要步驟，這些步驟需要使用多種特定的軟件工具和算法。二、選擇題（請將正確選項的字母填在括號內）1.下列哪項不是高通量測序（NGS）技術的主要優(yōu)勢？（A）通量高(B)讀長長(C)成本低(D)數據量大2.在DNA測序數據分析流程中，通常首先需要進行的是？（A）序列比對(B)軟件選擇(C)數據質量控制(D)變異檢測3.對于參考基因組已知的物種，進行DNA測序數據分析時，最常用的比對工具是？（A）BLAST(B)Bowtie2(C)SPAdes(D)MEGAHIT4.下列哪種變異類型通常由DNA插入或缺失導致？（A）SNP(B)Indel(C)CNV(D)InDel5.基因組組裝的目的是？（A）檢測基因組中的變異(B)將測序讀長與參考基因組進行比對(C)重建或逼近原始的基因組序列(D)對基因進行功能注釋6.下列哪個數據庫主要提供蛋白質序列和功能信息？（A）GenBank(B)UniProt(C）Ensembl(D)NCBI7.在進行基因組功能分析時，GO富集分析主要用于？（A）檢測基因組中的SNP(B)比較不同樣本間的基因表達差異(C)確定一組基因在GO分類中的富集程度(D)預測基因的功能8.下列哪種測序技術產生的數據錯誤率相對最高，但讀長也最長？（A）Illumina(B)IonTorrent(C)PacBio(D)OxfordNanopore9.在進行變異檢測后，對變異進行過濾的目的是？（A）提高變異的檢測率(B)降低假陽性變異的比例(C)增加變異的多樣性(D)使變異結果更符合公共數據庫10.生物信息學在DNA測序數據分析中的核心作用是？（A）替代傳統(tǒng)的生物學實驗(B)簡化測序儀的操作(C)處理和分析海量的測序數據，并提取生物學信息(D)設計測序實驗方案三、簡答題1.簡述進行DNA測序數據分析時，數據質量控制（QC）的主要內容和意義。2.比較短讀長測序技術和長讀長測序技術在基因組測序與分析中的主要優(yōu)缺點。3.描述在使用GATK進行SNP檢測時，至少包含三個關鍵的分析步驟及其目的。4.解釋什么是基因組注釋，并列舉至少三個常用的基因組注釋數據庫。5.簡述生物信息學分析在理解基因功能、疾病發(fā)生機制或物種進化關系等方面可能發(fā)揮的作用。四、論述題1.論述從一份樣本的原始測序數據到獲得生物學解釋性結果，生物信息學分析通常涉及哪些主要環(huán)節(jié)，并簡述每個環(huán)節(jié)的核心任務和關鍵技術。2.假設你是一名生物信息學分析師，接到一個項目：對一個未知微生物的全基因組進行測序和分析。請概述你會采用的主要生物信息學分析策略，包括測序技術選擇建議（如果需要）、數據處理和分析的關鍵步驟，以及你期望從分析中獲得哪些重要的生物學信息。---試卷答案一、填空題1.高通量測序（NGS）產生的數據通常具有數據量大、讀長短、錯誤率相對高等特點。2.在進行DNA測序數據分析前，使用FastQC等工具進行質量評估是必不可少的步驟，其主要目的是檢測數據中的異常情況，如接頭序列、低質量讀長、重復序列等。3.BWA和Bowtie2是兩種常用的短讀長序列比對工具，它們通常采用_種子查找_和后續(xù)擴展的方式將測序讀長與參考基因組進行比對。4.對于長讀長測序數據（如PacBio或OxfordNanopore數據），在進行基因組組裝時，通?？梢蕴峁└B續(xù)的基因組草圖，并且能夠檢測到更長的重復序列。5.GATK（GenomeAnalysisToolkit）是一個廣泛使用的生物信息學軟件包，常用于處理比對后的序列數據，并進行SNP和Indel的識別與過濾。6.在進行變異檢測后，獲得的高頻變異（如SNP和Indel）需要與公共數據庫（如dbSNP）進行比對，以區(qū)分常見的背景多態(tài)性與潛在的生物學意義的新變異。7.基因組注釋是指為基因組中的DNA序列賦予生物學功能，例如識別基因、預測蛋白質結構、分配基因功能注釋等，常用的注釋數據庫包括GenBank、RefSeq、UniProt等。8.GO（GeneOntology）數據庫提供了關于基因和蛋白質的三個方面的描述：_分子功能_、_生物學過程_和_細胞組分_。9.KEGG（KyotoEncyclopediaofGenesandGenomes）是一個綜合性的數據庫資源，它不僅包含了基因和基因組信息，還提供了豐富的代謝通路圖和藥物信息。10.生物信息學分析流程通常包括數據預處理、序列比對/組裝、變異檢測、功能注釋和結果解讀等主要步驟，這些步驟需要使用多種特定的軟件工具和算法。二、選擇題1.(B)讀長長*解析思路：高通量測序（NGS）的核心優(yōu)勢在于其高通量和數據量大，能夠快速產生海量數據。讀長相對較短是其特點之一，長讀長測序技術（如PacBio,ONT）才具有讀長長的優(yōu)勢。成本相對較低（C）也是其優(yōu)勢之一。2.(C)數據質量控制*解析思路：在復雜的生物信息學分析流程開始之前，必須確保輸入數據的質量。原始測序數據可能存在各種問題，如低質量讀長、接頭序列、PCR偏好性等，這些問題會嚴重影響后續(xù)分析結果的準確性。因此，數據質量控制是首要步驟。3.(B)Bowtie2*解析思路：當參考基因組序列已知時，進行序列比對是核心任務。Bowtie2和BWA是目前最常用且高效的短讀長序列比對工具。BLAST主要用于序列相似性搜索，可能速度較慢或不夠精確；SPAdes和MEGHIT是常用的長讀長測序數據組裝工具。4.(B)Indel*解析思路：Indel是插入（Insertion）和缺失（Deletion）的縮寫，這兩種變異直接改變了DNA序列的長度，屬于比較常見的變異類型。SNP（單核苷酸多態(tài)性）是指單個核苷酸堿基的改變。5.(C)重建或逼近原始的基因組序列*解析思路：基因組組裝的目標是將來自測序儀的短讀長片段，通過計算的方法重新拼接起來，恢復出接近原始生物體基因組的全長序列。6.(B)UniProt*解析思路：UniProt（UniversalProteinResource）是一個權威的、綜合性的蛋白質信息數據庫，提供了大量關于蛋白質的序列、結構、功能、分類等信息。GenBank主要存儲核酸序列；Ensembl提供基因組注釋信息；NCBI是綜合性的生物信息學數據庫，包含GenBank等。7.(C)確定一組基因在GO分類中的富集程度*解析思路：GO富集分析（GeneOntologyEnrichmentAnalysis）是一種統(tǒng)計方法，用于檢驗一個給定的基因列表（例如差異表達基因集）是否在GO的某個特定分類（如某個生物學過程或分子功能）中顯著富集，從而推斷這些基因可能的功能共性。8.(C)PacBio*解析思路：PacBio測序技術（SMRTbell?測序）以產生非常長的讀長而聞名（可達幾十KB甚至更長），但同時其測序錯誤率相對較高（約15%左右）。Illumina錯誤率低但讀長短；IonTorrent介于兩者之間；OxfordNanopore也能產生長讀長，且近年來錯誤率有所改善，但PacBio在長讀長和錯誤率（雖然高但可校正）方面有傳統(tǒng)優(yōu)勢。9.(B)降低假陽性變異的比例*解析思路：變異檢測過程可能會產生一些錯誤判斷的變異（假陽性），例如將重復序列或低質量區(qū)域誤判為SNP。過濾步驟通過設定質量標準（如讀長覆蓋度、映射質量、分值等）來剔除這些不可靠的變異，從而提高變異列表的準確性和可信度。10.(C)處理和分析海量的測序數據，并提取生物學信息*解析思路：生物信息學的核心在于利用計算機技術和統(tǒng)計學方法來處理、分析和解釋生物數據。在DNA測序領域，生物信息學技術是唯一能夠應對海量測序數據挑戰(zhàn)，并將其轉化為有意義的生物學見解（如基因發(fā)現(xiàn)、變異鑒定、功能注釋、進化關系等）的關鍵手段。三、簡答題1.簡述進行DNA測序數據分析時，數據質量控制（QC）的主要內容和意義。*內容：DNA測序數據分析前的QC主要使用工具（如FastQC）檢查原始測序文件（如FASTQ格式），評估數據質量指標，包括：讀長分布、質量分數分布（Phred分數）、N堿基比例、接頭序列和過濾序列（如低質量讀長、無法比對讀長）的豐度、GC含量分布等。后續(xù)可能還包括使用Trimmomatic、Cutadapt等工具進行讀長剪裁（去除接頭、低質量堿基）和過濾。*意義：QC是保證后續(xù)分析準確性的基礎。高質量的數據能確保比對、變異檢測等步驟的可靠性，減少錯誤分析和假陽性結果。剔除低質量數據可以節(jié)省計算資源，提高分析效率。及時發(fā)現(xiàn)并處理問題（如大量接頭、嚴重偏低的平均質量）可以避免整個分析流程的失敗。2.比較短讀長測序技術和長讀長測序技術在基因組測序與分析中的主要優(yōu)缺點。*短讀長測序（如Illumina）：*優(yōu)點：通量高、成本相對較低、錯誤率低、技術成熟穩(wěn)定。*缺點：讀長短（通常幾百bp），難以組裝復雜基因組（如存在大量重復序列的區(qū)域）、難以直接檢測長片段結構變異（如染色體易位、倒位）。*長讀長測序（如PacBioSMRTbell?,OxfordNanopore）：*優(yōu)點：讀長長（PacBio可達幾十kb，ONT可達幾百kb甚至幾Mb），非常適合進行復雜基因組的組裝，能提供更連續(xù)的基因組草圖，更容易檢測長片段的結構變異，單細胞測序能力更強。*缺點：通量相對較低、成本較高、錯誤率相對較高（PacBio）或對插入缺失敏感（ONT），需要更復雜的數據處理和校正流程。3.描述在使用GATK進行SNP檢測時，至少包含三個關鍵的分析步驟及其目的。*步驟一：BAM排序與標記重復讀長（如使用`samtoolssort`和`mark_duplicates`）。目的：將比對后的SAM/BAM文件按位置排序，并識別和標記重復測序的讀長（通常是PCR產物），避免在變異檢測階段對這些區(qū)域進行過度調用，提高SNP和Indel調用的準確性。*步驟二：局部實時分對（LocalRealignment）。目的：對于參考基因組中重復區(qū)域（如InDels密集區(qū)）的讀長，修正其與參考基因組的比對位置，使其更符合實際插入或缺失的情況，為后續(xù)的變異檢測提供更準確的比對信息。*步驟三：基序強制校正（BaseQualityScoreRecalibration,BQSR）。目的：分析和校正測序過程中可能存在的系統(tǒng)性錯誤，這些錯誤會體現(xiàn)在質量分數上。通過使用已知的變異（如已知SNP）來校準質量分數，從而提高變異檢測的準確性。4.解釋什么是基因組注釋，并列舉至少三個常用的基因組注釋數據庫。*解釋：基因組注釋是指對未知基因組序列中各個組成部分（如基因、編碼區(qū)、非編碼區(qū)）進行識別、分類和賦予生物學功能的過程。它包括預測基因結構（如外顯子、內含子）、編碼的蛋白質、非編碼RNA等，并通常將這些信息與已知的數據庫進行比對，以注釋基因的功能、參與的通路、細胞定位等。*常用數據庫：*NCBIRefSeq：提供注釋良好的參考基因組序列和注釋信息。*EnsemblGenomes：為多種生物（動物、植物、真菌、微生物等）提供基因組注釋和注釋圖譜。*UniProt：提供高質量的蛋白質序列和功能信息，是蛋白質注釋的主要資源。*Pfam：收錄了大量的蛋白質家族模式（Motif）數據庫，用于蛋白質結構域和功能域的注釋。*KEGG：提供基因、蛋白質、代謝通路等綜合信息。5.簡述生物信息學分析在理解基因功能、疾病發(fā)生機制或物種進化關系等方面可能發(fā)揮的作用。*理解基因功能：通過基因組注釋確定基因編碼的蛋白質，結合蛋白質數據庫（如UniProt）獲取功能信息。通過差異基因表達分析（如RNA-Seq數據）找出在特定條件下調控的基因。通過功能富集分析（GO,KEGG）推斷一組基因集的共同生物學功能或通路。通過蛋白質互作網絡分析研究基因間的調控關系。*疾病發(fā)生機制：比較疾病樣本與正常樣本的基因組/轉錄組/蛋白質組數據，識別與疾病相關的變異（如SNP,CNV,mRNA表達差異,蛋白質修飾）。利用生物信息學工具（如GATK,SnpEff）對變異進行注釋，預測其功能影響。構建疾病相關基因/通路網絡，尋找潛在的致病基因或治療靶點。*物種進化關系：通過比較不同物種的基因組序列、蛋白質序列或DNA序列（如線粒體DNA），使用系統(tǒng)發(fā)育樹構建軟件（如PhyML,RAxML）分析它們的進化關系和親緣遠近。通過基因組大小、重復序列、基因丟失獲得等分析研究物種的進化歷程和適應性變化。四、論述題1.論述從一份樣本的原始測序數據到獲得生物學解釋性結果，生物信息學分析通常涉及哪些主要環(huán)節(jié)，并簡述每個環(huán)節(jié)的核心任務和關鍵技術。*主要環(huán)節(jié)及任務、技術：*數據預處理（核心任務：保證數據質量，格式轉換與篩選）：接收原始測序數據（FASTQ格式），首先進行質量評估（如FastQC）。根據需要進行剪裁（去除接頭、低質量堿基）（如Trimmomatic,Cutadapt）。根據測序平臺和目的選擇合適的比對策略。對比對結果（SAM/BAM格式）進行排序、去重復標記（如Samtools,Picard）。此環(huán)節(jié)確保后續(xù)分析使用的是高質量、準確的數據。*序列比對/基因組組裝（核心任務：將讀長定位到參考基因組或重建基因組）：對于已知參考基因組，使用短讀長比對工具（如BWA,Bowtie2）將讀長映射到參考序列上，得到BAM文件。對于未知基因組或長讀長數據，使用基因組組裝工具（如SPAdes,MEGAHIT,Canu）將讀長拼接成更長的序列，構建基因組草圖（FASTA格式）。*變異檢測（核心任務：識別基因組中的差異位點）：在比對數據（BAM）或組裝草圖（FASTA）上，使用變異檢測工具（如GATKHaplotypeCaller,FreeBayes）識別SNP和Indel。可能需要結合實時分對（GATKRealignerTargetCreator,IndelRealigner/HaplotypeCaller）和基序校正（GATKBaseRecalibrator,Recalibrate）步驟提高準確性。最終得到VCF格式的變異列表。*變異注釋與篩選（核心任務：解釋變異功能影響，篩選重要變異）：使用注釋工具（如SnpEff,ANNOVAR,VEP）將變異位點與基因組注釋信息（基因、功能域、參考基因型等）關聯(lián)，預測變異可能的功能后果（如錯義突變、無義突變、移碼突變等）。根據質量分數、覆蓋度、功能影響預測、參考數據庫比對結果等標準篩選出潛在的功能性或致病性變異。*功能注釋與分析（核心任務：理解變異或基因集的生物學意義）：對篩選后的變異或差異表達基因集，進行功能注釋（如GO富集分析、KEGG通路富集分析，使用工具如GOseq,GSEA,KOBAS）。結合生物學背景知識，解讀分析結果，推斷基因功能、通路變化或潛在的生物學機制。*結果解讀與報告（核心任務：整合信息，形成生物學結論）：綜合所有分析環(huán)節(jié)的結果，結合實驗設計和生物學背景，撰寫分析報告，提出有意義的生物學解釋或假設，為后續(xù)實驗驗證提供方向。2.假設你是一名生物信息學分析師，接到一個項目：對一個未知微生物的全基因組進行測序和分析。請概述你會采用的主要生物信息學分析策略，包括測序技術選擇建議（如果需要）、數據處理和分析的關鍵步驟，以及你期望從分析中獲得哪些重要的生物學信息。*測序技術選擇建議：*如果對基因組復雜度不特別了解，或需要高質量、中等長度的序列用于注釋和變異檢測，建議使用Illumina平臺進行高通量測序，產生大量短讀長數據（如150-300bp）。*如果懷疑基因組非常復雜（如含有大量重復序列、大型質粒），或者需要進行長片段結構變異分析（如染色體易位、缺失），建議使用PacBioSMRTbell?或OxfordNanopore技術進行長讀長測序，或者采用混合測序策略（Illumina+PacBio/ONT），以結合兩者的優(yōu)勢。*主要生物信息學分析策略與關鍵步驟：1.數據預處理：使用FastQC評估原始數據質量。根據情況使用Trimmomatic/Cutadapt進行質量過濾和接頭去除。使用Samtools/BEDTools等工具進行數據格式轉換和排序。對短讀長數據使用BWA/Bowtie2進行參考基因組比對（如果已知可能的相關近緣基因組作為參考）；對長讀長數據，首先嘗試使用PacBio或ONT自帶的組裝工具進行初步組裝，或使用如SPAdes,MEGAHIT,Canu等通用組裝工具進