2025年大學《生物信息學》專業(yè)題庫——RNA測序數(shù)據(jù)分析的生物信息學方法考試時間：______分鐘總分：______分姓名：______一、選擇題（請將正確選項的字母填在題后的括號內(nèi)。每小題2分，共20分）1.在RNA測序?qū)嶒炛校x擇合適的外參基因（InternalControlGene）通常是為了？A.用于標準化不同樣本間的測序深度差異B.直接測量基因表達量C.評估RNA提取質(zhì)量D.用于去除批次效應2.以下哪種情況最適合使用基于參考基因組的RNA比對策略？A.分析經(jīng)過精細注釋的高質(zhì)量轉(zhuǎn)錄組B.研究基因的可變剪接事件C.分析物種間基因組差異較大的樣品D.對未知的轉(zhuǎn)錄本進行探索性分析3.在使用featureCounts進行RNA-Seq定量時，其主要輸出的是什么？A.差異表達基因列表B.每個樣本中每個基因或轉(zhuǎn)錄本的估計讀長計數(shù)C.比對到基因組上非基因區(qū)域的讀長比例D.基因表達水平的標準化量4.DESeq2和edgeR在處理RNA-Seq數(shù)據(jù)時，共同使用的關(guān)鍵統(tǒng)計模型假設是什么？A.基因表達服從正態(tài)分布B.基因表達強度與測序深度線性相關(guān)C.基因表達服從負二項分布D.樣本間具有相同的基因表達譜5.RNA-Seq數(shù)據(jù)分析中，計算FoldChange通常使用的是？A.基因在對照組中的平均表達量B.基因在處理組與對照組中的表達量比值C.基因表達量的變化率D.基因表達量的對數(shù)值6.當RNA-Seq數(shù)據(jù)存在顯著的批次效應時，常用的處理方法不包括？A.增加生物學重復數(shù)B.使用SVA（SurrogateVariableAnalysis）等方法進行校正C.基于PCA（PrincipalComponentAnalysis）可視化識別并剔除批次樣本D.直接剔除產(chǎn)生批次效應的實驗批次7.GO富集分析的主要目的是？A.確定哪些基因在統(tǒng)計學上顯著差異表達B.確定差異表達基因集中富集的生物學功能、過程或通路C.評估樣本間差異表達基因的數(shù)量D.比較不同基因集的大小8.以下哪個工具通常用于進行RNA-Seq的可變剪接分析？A.HISAT2B.featureCountsC.StringTieD.DESeq29.在RNA-Seq數(shù)據(jù)分析流程中，進行質(zhì)量控制的步驟通常在哪個階段？A.序列比對之后B.差異表達分析之后C.原始測序數(shù)據(jù)接收之后D.功能注釋之后10.基于Cufflinks進行RNA-Seq分析的輸出結(jié)果中，通常包含？A.差異表達基因的p值列表B.每個轉(zhuǎn)錄本在不同樣本中的豐度估計C.參考基因組的序列D.比對到基因組上的讀長位置信息二、填空題（請將正確答案填在橫線上。每空2分，共20分）1.RNA測序?qū)嶒炛?，通常使用________指標來評估原始測序數(shù)據(jù)的質(zhì)量。2.RNA比對工具STAR相比于HISAT2，一個顯著的優(yōu)勢是能夠更好地處理________。3.在進行差異表達分析時，控制________是保證結(jié)果可靠性的重要前提。4.GO富集分析常用的統(tǒng)計方法包括________和________。5.RNA-Seq數(shù)據(jù)定量方法RSEM結(jié)合了________和________兩種估計模型。6.時間序列RNA-Seq分析需要考慮樣品的________和________兩個主要因素。7.單細胞RNA測序（scRNA-Seq）數(shù)據(jù)分析面臨的主要挑戰(zhàn)之一是________。8.RNA-Seq實驗設計的關(guān)鍵在于合理控制________和________。9.在使用bowtie2進行RNA比對時，需要指定________參數(shù)以允許單端讀長比對到基因組上的兩個位置。10.RNA-Seq數(shù)據(jù)分析流程中，通常在________分析之前，需要對差異表達基因進行功能注釋。三、簡答題（請簡要回答下列問題。每小題5分，共20分）1.簡述RNA-Seq數(shù)據(jù)分析中，使用工具（如FastQC）進行質(zhì)量控制通常會關(guān)注哪些方面？2.簡述使用基于模型的方法（如DESeq2）進行RNA-Seq差異表達分析的基本原理。3.簡述什么是批次效應？在RNA-Seq數(shù)據(jù)分析中如何識別和初步處理批次效應？4.簡述進行RNA-Seq功能注釋的主要目的和常用的數(shù)據(jù)庫有哪些？四、論述題（請結(jié)合具體分析步驟和方法，論述如何對一個包含對照組和處理組的RNA-Seq實驗數(shù)據(jù)進行差異表達分析。不少于150字。10分）---試卷答案一、選擇題1.A*解析思路：外參基因在不同實驗條件下表達量相對穩(wěn)定，利用其表達量來標準化其他基因的表達量，從而消除樣本間測序深度、RNA提取量等差異的影響。2.A*解析思路：基于參考基因組比對，可以將讀長映射到已知的外顯子、內(nèi)含子等區(qū)域，便于識別和定量已知的轉(zhuǎn)錄本，包括其可變剪接形式。3.B*解析思路：featureCounts的核心功能是統(tǒng)計每個樣本中每個基因或轉(zhuǎn)錄本上被比對到的讀長數(shù)量，即豐度估計。4.C*解析思路：DESeq2和edgeR都基于負二項分布模型來模擬基因表達計數(shù)數(shù)據(jù)，這是它們處理RNA-Seq數(shù)據(jù)的核心統(tǒng)計假設。5.B*解析思路：FoldChange是衡量基因表達差異幅度的常用指標，其計算方式是處理組表達量除以對照組表達量。6.D*解析思路：A、B、C都是處理或識別批次效應的方法。D選項直接剔除批次會導致數(shù)據(jù)丟失，不是處理批次效應的合理方法。7.B*解析思路：GO富集分析旨在找出在差異表達基因集中顯著富集的生物學功能、過程或部位，解釋這些基因的潛在生物學意義。8.C*解析思路：StringTie是一個強大的工具，專門用于分析RNA-Seq數(shù)據(jù)，能夠識別和量化轉(zhuǎn)錄本，包括可變剪接事件。9.C*解析思路：質(zhì)量控制應在原始數(shù)據(jù)處理流程的最開始進行，目的是評估接收到的原始測序數(shù)據(jù)的質(zhì)量，為后續(xù)分析提供合格的數(shù)據(jù)基礎。10.B*解析思路：Cufflinks是早期常用的RNA-Seq分析工具，其核心輸出包括對轉(zhuǎn)錄本的組裝和豐度估計結(jié)果。二、填空題1.堿基質(zhì)量分數(shù)（或Q值）*解析思路：堿基質(zhì)量分數(shù)是評估測序讀長質(zhì)量的重要指標，高Q值代表更高的準確度。2.可變剪接事件（或假基因）*解析思路：STAR通過使用星號（*）算法，能夠更準確地識別和比對包含可變剪接的讀長，相比只考慮參考基因組外顯子邊界的工具。3.FDR（或調(diào)整后的p值）*解析思路：FDR（FalseDiscoveryRate）用于控制多重比較錯誤發(fā)現(xiàn)的比例，是評估差異表達基因顯著性時必須考慮的關(guān)鍵統(tǒng)計指標。4.Fisher精確檢驗；超幾何檢驗（或G-檢驗）*解析思路：GO富集分析常用的統(tǒng)計方法包括假設檢驗，判斷某個GOterm在基因集中出現(xiàn)的頻率是否顯著高于隨機預期，常用方法有Fisher精確檢驗和超幾何檢驗。5.RSEM；基于模型的方法（或基于混合模型）*解析思路：RSEM是一個基于統(tǒng)計模型的基因和轉(zhuǎn)錄本豐度估計工具，它結(jié)合了TMM（TrimmedMeanofM-values）方法來估計離散度，并使用混合模型進行定量。6.時間點；處理條件（或?qū)嶒灧纸M）*解析思路：時間序列分析需要比較不同時間點的樣本，以觀察基因表達隨時間的變化趨勢；同時需要設置明確的處理條件或?qū)嶒灧纸M作為比較基礎。7.單細胞分辨率下的技術(shù)噪音（或降采樣噪音）*解析思路：單細胞RNA測序數(shù)據(jù)量通常不大，且存在較高的技術(shù)噪音（如dropout現(xiàn)象、降采樣引入的噪音），給分析帶來挑戰(zhàn)。8.處理因素；生物學重復*解析思路：好的實驗設計需要包含明確的處理因素（如藥物處理、基因敲除）以及足夠的生物學重復，以減少隨機誤差，提高結(jié)果的可靠性。9.--fr（或--relabel）*解析思路：在使用bowtie2比對RNA時，由于RNA分子是單鏈的，一條讀長可以映射到基因組上兩個互補的位置（正鏈和反鏈），需要使用--fr或--relabel參數(shù)來處理這種情況。10.差異表達分析（或差異基因篩選）三、簡答題1.簡述RNA-Seq數(shù)據(jù)分析中，使用工具（如FastQC）進行質(zhì)量控制通常會關(guān)注哪些方面？*解析思路：FastQC報告會評估多個方面：①讀長分布：檢查讀長長度是否集中，有無異常短或長的讀長。②堿基質(zhì)量分數(shù)分布：評估測序質(zhì)量，看是否存在整體質(zhì)量下降或特定位置質(zhì)量不佳的情況。③N堿基含量：檢查讀長中N（未知堿基）的比例，過高可能意味著測序錯誤或無法識別區(qū)域。④常見adapter/primers：識別樣本中是否存在非目標區(qū)域的序列，如通用引物、接頭序列等。⑤基因組重復序列含量：檢查樣本中來自已知基因組重復區(qū)域的序列比例，過高可能影響比對和定量。⑥k-mer頻率：檢查特定短序列（k-mer）的出現(xiàn)頻率，異常高的頻率可能指示測序錯誤或特定區(qū)域。2.簡述使用基于模型的方法（如DESeq2）進行RNA-Seq差異表達分析的基本原理。*解析思路：DESeq2使用負二項分布模型來描述基因表達計數(shù)數(shù)據(jù)。其核心思想是：①對于每個基因，估計其表達強度的離散度（dispersion），這個離散度既與基因本身的表達水平有關(guān)，也反映了測序深度和測序誤差。②基于離散度估計，構(gòu)建統(tǒng)計模型來比較不同組別（如處理組vs對照組）基因表達率的對數(shù)差異。③使用負二項分布的性質(zhì)推導出差異表達基因的精確分布，并計算p值和FDR。④通過估計基因間的離散度相關(guān)性，可以校正批次效應等系統(tǒng)性差異。整個過程將基因表達估計、離散度估計和差異檢驗結(jié)合在一個框架內(nèi)。3.簡述什么是批次效應？在RNA-Seq數(shù)據(jù)分析中如何識別和初步處理批次效應？*解析思路：批次效應是指在實驗過程中，由于不同的實驗條件（如不同的處理時間、不同的試劑批次、不同的操作人員、不同的測序平臺或日期）導致的系統(tǒng)性差異，使得來自不同批次的樣本之間出現(xiàn)非生物學本質(zhì)的差異。識別方法：常用PCA（主成分分析）或UMAP等降維方法可視化樣本，如果不同批次樣本聚集在一起，而生物學重復樣本聚集在一起，則可能存在批次效應。初步處理方法：①盡可能在實驗設計階段就控制批次因素。②使用統(tǒng)計方法校正，如SVA（SurrogateVariableAnalysis）可以識別并去除未觀測到的批次效應變量；或者將批次信息作為協(xié)變量納入差異表達分析的模型中（例如在DESeq2的公式中指定）。4.簡述進行RNA-Seq功能注釋的主要目的和常用的數(shù)據(jù)庫有哪些？*解析思路：進行RNA-Seq功能注釋的主要目的是將差異表達分析得到的基因列表轉(zhuǎn)化為具有生物學意義的解釋。通過將基因映射到已知的生物學功能、過程、通路或位置（如細胞器、染色體位置），可以推斷這些差異表達基因在生物學過程中可能扮演的角色，從而揭示實驗處理或條件變化帶來的生物學影響。常用的數(shù)據(jù)庫包括：①GO（GeneOntology）：提供關(guān)于基因產(chǎn)品的分子功能、生物學過程和細胞定位的標準化的分類描述。②KEGG（KyotoEncyclopediaofGenesandGenomes）：包含通路圖、疾病信息、藥物信息等，常用于進行通路富集分析。③Reactome：一個手動繪制的通路數(shù)據(jù)庫。④DAVID、Metascape、StringDB等：是整合了多種注釋資源和富集分析工具的在線平臺。四、論述題如何對一個包含對照組和處理組的RNA-Seq實驗數(shù)據(jù)進行差異表達分析，可以按照以下步驟進行：首先，進行數(shù)據(jù)預處理和質(zhì)量控制。使用FastQC檢查原始測序數(shù)據(jù)質(zhì)量，確保沒有明顯的接頭序列、低質(zhì)量讀長等問題。然后，根據(jù)需要進行清洗，如使用Trimmomatic或Cutadapt去除低質(zhì)量讀長、接頭序列等。接著，選擇合適的工具進行序列比對，常用如STAR或HISAT2，將清洗后的讀長比對到參考基因組或轉(zhuǎn)錄組上。比對完成后，使用Samtools或Picard等工具進行排序、過濾和格式轉(zhuǎn)換，得到可用于定量和分析的BAM文件。其次，進行基因/轉(zhuǎn)錄本豐度定量。根據(jù)實驗設計和數(shù)據(jù)特點，選擇合適的定量工具。若關(guān)注基因水平差異，可用featureCounts；若需考慮可變剪接，可用StringTie或Cufflinks。這些工具會統(tǒng)計每個樣本中每個基因或轉(zhuǎn)錄本上被比對到的讀長數(shù)量，得到豐度矩陣。然后，進行差異表達分析。選擇合適的差異表達分析工具，如DESeq2或edgeR。將豐度矩陣和樣本分組信息（對照組、處理組）輸入工具。DESeq2會首先估計每個基因的離散度，然后構(gòu)建基于負二項分布的線性模型來比較兩組間的基因表達率對數(shù)差異。EdgeR則使用類似的方法，基于離散度估計和假設檢驗來識別顯著差異表達的基因。分析結(jié)果通常會輸出差異表達基因的列表，包含p值、FD