2025年大學(xué)《生物信息學(xué)》專業(yè)題庫——基因組數(shù)據(jù)挖掘與生物信息學(xué)考試時間：______分鐘總分：______分姓名：______一、1.請簡述高通量測序（NGS）技術(shù)相對于傳統(tǒng)Sanger測序的主要優(yōu)勢和局限性。2.在基因組數(shù)據(jù)分析流程中，數(shù)據(jù)質(zhì)量控制（QC）環(huán)節(jié)通常包含哪些關(guān)鍵步驟？其目的是什么？3.什么是序列比對？試比較全局比對和局部比對的定義、適用場景及常用算法名稱。二、4.解釋什么是基因組組裝。簡述denovo組裝和參考基因組映射組裝兩種主要策略的基本思想及其適用區(qū)別。5.常用的基因組組裝質(zhì)量評估指標(biāo)有哪些？請列舉至少三種，并簡要說明其含義。6.什么是基因注釋？請說明在缺乏參考基因組的情況下，進(jìn)行基因識別和功能預(yù)測可能采用的主要方法。三、7.以SNP檢測為例，簡述使用GATK等工具進(jìn)行變異檢測通常包含的關(guān)鍵步驟（流程）。8.列舉至少三種常用的生物信息學(xué)數(shù)據(jù)庫，并分別說明其主要收錄的數(shù)據(jù)類型或服務(wù)內(nèi)容。9.簡述BLAST算法的基本工作原理。它在基因組數(shù)據(jù)挖掘中主要有哪些應(yīng)用？四、10.假設(shè)你獲得了一組來自未知物種的WGS數(shù)據(jù)，請設(shè)計一個基本的分析流程，以嘗試確定該物種的基因組大小、染色體數(shù)量（若可能）以及主要基因的功能領(lǐng)域。請簡述每個步驟所使用的技術(shù)或工具類型及其目的。11.比較基于模型（如隱馬爾可夫模型HMM）的基因識別方法與基于比對的基因識別方法的原理、優(yōu)缺點和適用場景。12.闡述生物信息學(xué)軟件選擇時需要考慮的主要因素。為什么對于同一個分析任務(wù)，有時會選擇不同的軟件工具？試卷答案一、1.優(yōu)勢:通量高（可并行處理大量序列）、速度快、成本相對降低（單位堿基成本）、可測序長片段（如PacBio/OxfordNanopore）。局限性:數(shù)據(jù)量巨大，對存儲和計算資源要求高；原始數(shù)據(jù)質(zhì)量可能參差不齊，需要復(fù)雜的質(zhì)量控制；數(shù)據(jù)分析流程復(fù)雜，需要專門的生物信息學(xué)工具和技能；短期讀長可能導(dǎo)致組裝困難或產(chǎn)生大量拼接單元（contig）。2.關(guān)鍵步驟:數(shù)據(jù)質(zhì)控（如FastQC檢查、使用Trimmomatic/Flash等工具去除低質(zhì)量reads和接頭序列）、比對（如使用Bowtie2/Hisat2將reads比對到參考基因組）、變異檢測（如使用GATK/Samtools等檢測SNV和InDel）、（可選）插入缺失檢測（CNV）、（可選）基因組組裝（denovo）。目的:確保分析數(shù)據(jù)的準(zhǔn)確性和可靠性，提高下游分析（如變異檢測、基因注釋）的準(zhǔn)確率，減少噪聲和錯誤信息對結(jié)果的影響。3.定義:序列比對是指將一個生物序列與另一個（或一組）生物序列進(jìn)行比較，以發(fā)現(xiàn)它們之間的相似性和差異性，從而推斷它們的進(jìn)化關(guān)系或功能相似性。全局比對:比較兩條完整的序列從頭到尾的對應(yīng)關(guān)系，尋找最佳匹配。局部比對:只比較兩條序列中具有相似性的子區(qū)域，尋找最長的匹配。常用算法:全局比對常用Smith-Waterman算法（修正版）；局部比對常用Needleman-Wunsch算法（全局）、Smith-Waterman算法（局部）、BLAST算法。二、4.定義:基因組組裝是指將來自高通量測序技術(shù)的短序列讀長（reads）拼接起來，重建出原始生物的完整或接近完整的基因組序列的過程。denovo組裝:在沒有已知參考基因組信息的情況下，直接將測序reads拼接成基因組草圖。參考基因組映射組裝:將測序reads比對到已知的參考基因組上，并通過拼接比對到的reads來重建或完善參考基因組，或檢測變異。適用區(qū)別:denovo適用于新物種或缺乏參考基因組的情況；參考基因組映射組裝適用于已有較好參考基因組、用于精細(xì)映射、變異檢測或去除重復(fù)序列的情況。5.評估指標(biāo):連續(xù)覆蓋度（ContigN50）：所有contig長度的總和除以contig數(shù)量，再取長度大于等于該值的contig長度的總和所對應(yīng)的contig數(shù)量的50%。L50:長度大于等于N50值的contig數(shù)量。最大contig長度（MaxContigLength）:最長的contig的長度。總堿基量（TotalLength）:所有contig長度的總和。含義:N50和L50反映了組裝的連續(xù)性和覆蓋度；最大contig長度反映了最長連續(xù)序列的長度；總堿基量反映了組裝出的總基因組大小。6.方法:在缺乏參考基因組時，基因識別可基于同源比對（使用蛋白質(zhì)數(shù)據(jù)庫如Swiss-Prot/TrEMBL，或核酸數(shù)據(jù)庫如GenBank/EMBL進(jìn)行BLAST搜索，尋找相似已知基因），或基于密碼子使用偏好、基因表達(dá)譜（如EST數(shù)據(jù)）進(jìn)行預(yù)測，或使用基于模型的方法（如HMMER使用隱馬爾可夫模型搜索基因特征，如CDS、rRNA、tRNA）。功能預(yù)測則可通過序列比對到功能數(shù)據(jù)庫（GO,KEGG,Pfam）進(jìn)行注釋，或結(jié)合蛋白質(zhì)結(jié)構(gòu)信息、系統(tǒng)發(fā)育分析等進(jìn)行推斷。三、7.關(guān)鍵步驟:(1)質(zhì)量控制與預(yù)處理（檢查reads質(zhì)量并去除低質(zhì)量reads）；(2)讀取比對（將reads比對到參考基因組，使用Bowtie2/Hisat2等工具）；(3)基因組變異檢測（使用GATK的HaplotypeCaller或Mutect2等工具調(diào)用SNV和InDel）；(4)變異過濾與排序（使用GATK的VariantFiltration或VQSR工具過濾低質(zhì)量變異，并使用Samtools進(jìn)行排序和索引）；(5)結(jié)果格式轉(zhuǎn)換與報告（如將結(jié)果轉(zhuǎn)換為VCF格式，并使用freebayes等工具進(jìn)行變異類型確認(rèn)或進(jìn)行腫瘤/正常樣本的變異檢測）。目的:從測序數(shù)據(jù)中識別出基因組上的變異位點（SNV,InDel,CNV等）。8.數(shù)據(jù)庫及內(nèi)容:NCBI(NationalCenterforBiotechnologyInformation)-提供GenBank核酸序列庫、RefSeq蛋白質(zhì)序列庫、PubMed文獻(xiàn)數(shù)據(jù)庫、BLAST序列比對工具等綜合性生物信息學(xué)資源和工具。Ensembl-提供人類、模式生物等大量物種的基因組組裝、注釋、變異注釋、比較基因組學(xué)、基因表達(dá)等數(shù)據(jù)和工具。dbSNP(DatabaseofSingleNucleotidePolymorphismsandothershortgeneticvariations)-主要收錄人類基因組中單核苷酸多態(tài)性（SNP）以及其他小型變異（如InDel）的數(shù)據(jù)。UCSCGenomeBrowser-提供多種物種的基因組組裝、注釋、變異、基因表達(dá)等數(shù)據(jù)，并提供可視化的瀏覽工具。9.基本原理:BLAST(BasicLocalAlignmentSearchTool)通過在目標(biāo)數(shù)據(jù)庫中尋找與查詢序列（query）具有局部相似性的序列來工作。它采用了一種“種子-擴展”策略：首先在數(shù)據(jù)庫中尋找與查詢序列的短核苷酸片段（種子）相似的序列，然后嘗試擴展這些局部相似性，看是否能形成更長的、有意義的比對。應(yīng)用:序列相似性搜索（查找功能未知序列的已知同源物）、序列鑒定（識別未知序列屬于哪個基因或物種）、序列比對了（評估序列間親緣關(guān)系的遠(yuǎn)近）、基因組注釋（通過比對已知基因/蛋白質(zhì)來注釋新基因組中的基因）。四、10.基本流程:*步驟一：數(shù)據(jù)質(zhì)控與預(yù)處理:使用FastQC檢查數(shù)據(jù)質(zhì)量，使用Trimmomatic等工具去除低質(zhì)量reads和接頭序列。目的:保證進(jìn)入后續(xù)分析的數(shù)據(jù)質(zhì)量。*步驟二：基因組組裝:使用denovo組裝軟件（如SPAdes,MEGAHIT）對WGS數(shù)據(jù)進(jìn)行組裝，得到基因組草圖（contigs）。目的:重建未知物種的基因組框架。*步驟三：評估組裝質(zhì)量:計算N50、L50、contig數(shù)量等指標(biāo)，使用QUAST等工具評估組裝質(zhì)量。目的:判斷組裝效果，為后續(xù)分析提供參考。*步驟四：初步基因識別:使用基于同源比對的方法（如BLASTp將組裝的contigs搜索蛋白質(zhì)數(shù)據(jù)庫，或abinitio方法如GeneMark）嘗試識別基因組中的潛在基因。目的:獲取基因序列信息。*步驟五：基因功能注釋:將識別出的基因序列使用BLASTp/GTT將其搜索到功能數(shù)據(jù)庫（如Pfam,GO,KEGG），或使用HMMER搜索基因調(diào)控元件。目的:了解基因可能的功能。*步驟六：（可選）染色體水平組裝/注釋:如果組裝質(zhì)量尚可，可嘗試使用Hi-C等染色質(zhì)構(gòu)象捕獲數(shù)據(jù)進(jìn)行染色體級別的組裝和注釋。目的:獲得更接近真實染色體的結(jié)構(gòu)。*步驟七：結(jié)果整合與報告:整合基因識別和注釋結(jié)果，分析主要功能基因的分布和豐度，撰寫分析報告。目的:總結(jié)分析結(jié)果，得出生物學(xué)結(jié)論。11.基于模型方法:使用隱馬爾可夫模型（HMM）等統(tǒng)計模型來描述基因（如蛋白質(zhì)編碼基因）的結(jié)構(gòu)特征（如外顯子、內(nèi)含子、啟動子等），然后通過Viterbi算法等在核酸序列上解碼出符合該模型的結(jié)構(gòu)單元。原理:基于對基因結(jié)構(gòu)共有特征的先驗知識建立模型。優(yōu)點:不依賴已知同源序列，可以發(fā)現(xiàn)新的基因結(jié)構(gòu)模式；對序列插入、刪除不敏感。缺點:模型設(shè)計復(fù)雜，需要專業(yè)知識；模型精度受模型設(shè)計質(zhì)量影響；可能難以識別與模型差異大的基因?；诒葘Ψ椒?通過將未知序列與數(shù)據(jù)庫中已知的、高質(zhì)量的基因序列進(jìn)行比對，根據(jù)比對的相似性程度來識別基因。原理:基于序列同源性的思想，即相似性高的序列可能具有相似的功能。優(yōu)點:簡單直觀，結(jié)果可靠性高（依賴于優(yōu)質(zhì)參考基因）；可以利用大量已知基因信息。缺點:依賴數(shù)據(jù)庫質(zhì)量和序列相似性，難以識別與已知基因差異大的新基因或功能缺失的基因；對序列插入、刪除敏感。12.選擇因素:軟件的功能完備性（是否能完成所需分析任務(wù)）、算法的準(zhǔn)確性和效率（速度、內(nèi)存占用）、結(jié)果的可重復(fù)性和可靠性、用戶界面的友好性（命令行vs.圖形界面