2025年大學《生物信息學》專業(yè)題庫——基因組學在生物信息學中的應用考試時間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.下列哪種測序技術能夠提供較長的讀長，適用于基因組草圖組裝？A.Sanger測序B.Illumina測序C.PacBio測序D.OxfordNanopore測序2.在基因組組裝過程中，用于連接來自不同文庫的contig，構建更大規(guī)?；蚪M片段（scaffold）的方法通常屬于？A.從頭組裝B.基于參考的組裝C.混合組裝D.基因預測3.以下哪項不是常用的基因組注釋方法？A.基于同源Blast檢索B.基于基因預測程序（如GeneMark）C.基于RNA-Seq數(shù)據(jù)推斷D.k-mer頻率分析4.在進行大量基因組序列比對時，最常使用的工具是？A.ClustalWB.MAFFTC.BLASTD.Bowtie25.以下哪種變異類型通常指單個核苷酸位置的替換？A.SNPB.IndelC.CNVD.InDel6.用于對大規(guī)?；蚪M數(shù)據(jù)進行存儲和組織管理的數(shù)據(jù)庫通常是？A.關系型數(shù)據(jù)庫（如MySQL）B.NoSQL數(shù)據(jù)庫（如MongoDB）C.文件系統(tǒng)D.以上都是7.基因組學在醫(yī)學遺傳學研究中最主要的應用之一是？A.系統(tǒng)發(fā)育分析B.疾病相關基因的定位和鑒定C.農作物抗病性改良D.微生物群落結構分析8.下列哪種算法通常用于計算兩個DNA序列之間的相似度，并找到最佳匹配區(qū)域？A.K-means聚類B.Dendrogram構建C.Smith-Waterman算法D.PageRank算法9.評估基因組組裝質量常用的指標不包括？A.N50B.L50C.GC含量D.排序比對率10.基于全基因組關聯(lián)分析（GWAS）研究疾病易感性的基本思路是？A.比較病例組和對照組的基因組序列差異B.構建疾病的系統(tǒng)發(fā)育樹C.通過實驗驗證候選基因的功能D.分析基因表達譜的差異二、填空題（每空1分，共15分）1.高通量測序技術（如Illumina）通常采用______測序原理，能夠產生大量短reads。2.基因組注釋主要包括______注釋和______注釋兩個方面。3.變異檢測流程中，通常先進行______，再進行變異過濾和注釋。4.用于存儲和管理大規(guī)?；蚪M數(shù)據(jù)集的分布式文件系統(tǒng)是______。5.基因組學在農業(yè)育種中可用于______基因發(fā)掘和改良作物產量、抗性等性狀。6.比較不同物種基因組結構和組成常用的方法是______。7.SNP檢測工具GATK的核心思想是基于______模型。8.基因組組裝軟件SPAdes適用于______型生物的基因組組裝。9.評估序列比對結果的質量可以使用______分數(shù)和______分數(shù)。10.宏基因組學是研究特定環(huán)境樣品中所有______基因組的學科。三、簡答題（每題5分，共20分）1.簡述Sanger測序和Illumina測序在原理、讀長、通量、準確性等方面的主要區(qū)別。2.解釋什么是基因組組裝，并簡述從頭組裝和基于參考基因組組裝的主要流程和區(qū)別。3.簡述什么是SNP，并說明在生物信息學中，對SNP進行注釋的主要目的和常用方法。4.簡述生物信息學在微生物組學研究中可以發(fā)揮哪些作用。四、論述題（每題10分，共20分）1.設計一個簡明的分析流程，用于從測序數(shù)據(jù)開始，鑒定并注釋一個未知細菌物種的全基因組SNP位點，并說明每個步驟中可能使用的關鍵工具或方法。2.論述基因組大數(shù)據(jù)分析對計算資源和算法提出了哪些挑戰(zhàn)，并簡述生物信息學領域為應對這些挑戰(zhàn)所發(fā)展的一些關鍵技術和策略。試卷答案一、選擇題1.C2.C3.D4.C5.A6.D7.B8.C9.C10.A二、填空題1.光學/半導體2.結構；功能3.變異檢測4.Hadoop5.重要性狀6.基因組間比對7.基于概率/統(tǒng)計8.原核9.相似度；一致性10.微生物三、簡答題1.解析思路：首先分別列出Sanger和Illumina測序的基本原理（鏈終止法vs.光學檢測磷酸二酯鍵），然后依次比較讀長、通量、準確性和應用場景。Sanger適合短讀長、高精度測序，用于精確測序、重測序、引物設計驗證等；Illumina適合長讀長（相對）、高通量、中等精度測序，是目前應用最廣泛的平臺，尤其適合基因組組裝、變異檢測等。*Sanger測序原理是基于DNA鏈終止子，通過合成互補鏈并分離不同長度的片段進行測序。Illumina測序原理是基于光化學反應檢測摻入的脫氧核苷酸的熒光信號。*Sanger讀長通常幾百bp，Illumina讀長通常幾百bp（二代）或幾kb（三代）。*Sanger通量相對較低，Illumina通量非常高。*Sanger精度非常高，Illumina精度相對較高，但可能受循環(huán)數(shù)影響。*Sanger適用于精確測序、小規(guī)模重測序、引物驗證等；Illumina適用于基因組組裝、大規(guī)模重測序、變異檢測等。2.解析思路：首先定義基因組組裝是將測序產生的短讀長片段（contig）拼接成更長的連續(xù)序列（scaffold，甚至整個基因組）。然后區(qū)分兩種主要方法：從頭組裝（Denovoassembly）不依賴已知的參考基因組，直接從測序讀長出發(fā)構建基因組草圖；基于參考的組裝（Reference-basedassembly）利用已知的參考基因組作為“骨架”來組裝測序讀長。簡述各自流程：從頭組裝通常包括質量控制和過濾、讀長拼接（如SPAdes,MEGAHIT）、scaffold構建（如SSPACE,SCALSA）等步驟；基于參考組裝通常包括讀長比對（如BWA,Bowtie2）、Gap填充、排序和整理等步驟。強調它們的核心區(qū)別在于是否使用參考基因組。*基因組組裝是將測序產生的短序列片段（contig）拼接成更長的連續(xù)序列（如scaffold）的過程，最終目標是重建或近似重建生物的整個基因組。*從頭組裝不依賴參考基因組，直接從測序讀長構建基因組。流程通常包括：質量控制與過濾->讀長拼接->scaffold構建。常用軟件如SPAdes,MEGAHIT。*基于參考組裝利用已知的參考基因組作為模板。流程通常包括：讀長比對參考->Gap填充->排序與整理。常用軟件如BWA,Bowtie2,Pindel。*主要區(qū)別在于是否使用參考基因組。3.解析思路：首先定義SNP（單核苷酸多態(tài)性），即在基因組中特定位置上，單個核苷酸（A,T,C,G）發(fā)生變異（替換）。然后說明注釋的目的：因為基因組中SNP數(shù)量巨大，且大多數(shù)SNP是中性的，需要通過注釋來識別其中可能具有生物學功能（如影響蛋白質序列、基因表達調控）或與疾病相關的SNP。最后列舉常用注釋方法：序列比對（與參考或同源基因組比對，判斷位置和性質）、數(shù)據(jù)庫檢索（如dbSNP,VEP,ANNOVAR，獲取已知變異信息、功能影響預測如影響RNA剪接、蛋白功能域等）、基因注釋信息關聯(lián)（結合基因組注釋，判斷變異發(fā)生在哪個基因、哪個功能元件）。*SNP（單核苷酸多態(tài)性）是指在基因組DNA序列中，單個核苷酸（A,T,C,G）發(fā)生變異（替換）的現(xiàn)象。*注釋的主要目的是從海量的SNP中識別出具有潛在生物學功能（如改變蛋白質序列、影響基因表達調控）或與疾病相關的變異位點。*常用方法包括：與參考基因組或同源基因組序列比對->利用公共數(shù)據(jù)庫（如dbSNP）檢索已知變異信息->利用注釋工具（如VEP,ANNOVAR）結合基因注釋信息進行功能影響預測（如錯義突變、無義突變、剪接位點影響等）。4.解析思路：從微生物組學的定義出發(fā)，即研究特定環(huán)境中所有微生物的總和（包括DNA、RNA、蛋白質等）的基因組信息。生物信息學在其中扮演核心角色：首先是數(shù)據(jù)生成與分析，如高通量測序（16SrRNA測序、宏基因組測序）數(shù)據(jù)的質控、序列比對（識別人類宿主與微生物，鑒定物種）、統(tǒng)計分析（Alpha/Beta多樣性分析）、功能預測（如Kegg,eggNOG，分析微生物群落的功能潛力）；其次是構建和分析微生物群落結構、功能與宿主健康/環(huán)境因素的關系；最后是可視化展示分析結果。強調生物信息學貫穿了從數(shù)據(jù)產生到生物學解釋的全過程。*生物信息學在微生物組學研究中作用關鍵，貫穿整個研究流程。主要包括：*數(shù)據(jù)處理與分析：高通量測序數(shù)據(jù)（16SrRNA,宏基因組）的質量控制、序列比對（如使用UCLUST,VSEARCH進行OTU聚類或物種注釋）、統(tǒng)計分類學分析（計算多樣性指數(shù)）、系統(tǒng)發(fā)育樹構建。*功能分析：宏基因組數(shù)據(jù)的功能基因注釋與分類（如Keggorthologs,eggNOGclusters），預測群落代謝能力。*關系研究：分析微生物群落結構與宿主表型、疾病狀態(tài)或環(huán)境因素的關系。*可視化：將復雜的分析結果以圖表等形式清晰展示。四、論述題1.解析思路：設計流程時，要覆蓋從原始測序數(shù)據(jù)到最終注釋變異的完整鏈條。強調每個步驟的關鍵任務和可能使用的工具。步驟1：數(shù)據(jù)預處理（質量控制QC，如FastQC，過濾低質量讀長，如Trimmomatic）；步驟2：讀長比對（選擇合適的比對工具，如BWA或Bowtie2，將讀長比對到參考基因組）；步驟3：變異檢測（使用GATK或Samtools等工具進行SNP和Indel檢測）；步驟4：變異過濾（根據(jù)質量標準過濾低質量變異，如GATKHaplotypeCaller后的過濾）；步驟5：變異注釋（使用VEP或ANNOVAR等工具，結合基因組注釋信息，注釋變異的類型、位置、影響的基因/功能元件、潛在的功能影響預測）；步驟6：結果解讀（分析注釋后的變異列表，識別可能的致病或功能相關變異）。需說明各步驟間的邏輯關系和關鍵參數(shù)考量。*分析流程設計：1.數(shù)據(jù)預處理：對原始測序數(shù)據(jù)進行質量評估（如FastQC）和修剪過濾（如Trimmomatic），去除低質量讀長和接頭序列。2.序列比對：使用比對工具（如BWA或Bowtie2）將預處理后的讀長高效比對到目標細菌的參考基因組上。3.變異檢測：利用比對結果，運行變異檢測軟件（如GATKHaplotypeCaller或Samtoolsmpileup配合bcftoolscall），識別基因組中的SNP和Indel位點。4.變異過濾：對檢測到的變異進行質量評估和過濾，去除低質量的變異位點，以減少假陽性。5.變異注釋：使用注釋工具（如VEP或ANNOVAR），將過濾后的變異位點與基因組注釋信息關聯(lián)，確定變異發(fā)生的位置（基因、外顯子、非編碼區(qū)等），并預測其可能的功能影響（如錯義突變、無義突變、剪接位點影響等）。6.結果解讀與報告：分析注釋后的變異列表，根據(jù)變異的頻率、位置、功能影響等信息，判斷哪些變異可能具有重要意義，并形成分析報告。需要的工具：FastQC,Trimmomatic,BWA/Bowtie2,GATK/Samtools/bcftools,VEP/ANNOVAR。2.解析思路：首先指出基因組大數(shù)據(jù)的主要特征：數(shù)據(jù)量巨大（TB甚至PB級別）、數(shù)據(jù)類型多樣（測序、轉錄組、表觀組等）、數(shù)據(jù)產生速度快（實時或近實時）、數(shù)據(jù)具有高度復雜性（噪音多、關聯(lián)性強）。然后逐一分析這些特征帶來的挑戰(zhàn)：1）存儲挑戰(zhàn)：需要極高容量的存儲系統(tǒng)（如HadoopHDFS）；2）計算挑戰(zhàn)：需要強大的計算能力進行并行處理（如HadoopMapReduce,Spark）；3）算法挑戰(zhàn)：傳統(tǒng)算法效率低，難以處理大規(guī)模數(shù)據(jù)，需要開發(fā)高效的算法和模型（如機器學習、圖算法）；4）網(wǎng)絡挑戰(zhàn)：數(shù)據(jù)傳輸帶寬成為瓶頸；5）分析復雜性挑戰(zhàn)：需要整合多組學數(shù)據(jù)，進行跨維度分析，對分析流程和工具鏈提出更高要求。最后闡述應對策略：1）技術層面：采用分布式計算框架（Hadoop,Spark）、NoSQL數(shù)據(jù)庫、云計算平臺（AWS,GCP,Azure）；2）算法層面：發(fā)展并行算法、機器學習與深度學習模型、圖計算方法；3）流程層面：建立標準化、自動化的生物信息學工作流（如Snakemake,Nextflow）；4）數(shù)據(jù)管理層面：構建數(shù)據(jù)倉庫和生物信息學云平臺，實現(xiàn)數(shù)據(jù)的共享和協(xié)同分析。*基因組大數(shù)據(jù)分析對計算資源和算法提出巨大挑戰(zhàn)：