2025年大學《生物信息學》專業(yè)題庫——生物信息學技術對基因突變的識別考試時間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.下列哪項不屬于點突變的主要類型？A.替換（Substitution）B.插入（Insertion）C.缺失（Deletion）D.拷貝數變異（CopyNumberVariation）2.在進行大規(guī)?；蚪M測序數據分析時，下列哪個步驟通常最先執(zhí)行？A.變異檢測B.質量控制（QC）C.序列比對D.變異注釋3.Sanger測序技術主要用于獲?。篈.基因組DNA的長片段序列B.mRNA轉錄本的序列C.特定基因或區(qū)域的短片段序列D.大規(guī)?；蚪M的高通量序列數據4.以下哪種工具通常不用于從比對后的SAM/BAM文件中直接調用基因型？A.GATKHaplotypeCallerB.FreeBayesC.SamtoolsmpileupD.VarScan5.DNA序列比對工具BWA的主要算法模型是基于：A.對齊圖形（AlignmentGraph）B.基于種子（Seed-based）的局部對齊C.動態(tài)規(guī)劃（DynamicProgramming）全局對齊D.基于隱馬爾可夫模型（HiddenMarkovModel）6.在變異注釋中，“frameshift”通常提示發(fā)生了：A.良性synonymoussubstitutionB.無義突變（nonsensemutation）C.導入或刪除1、3個堿基導致的閱讀框移位D.調控區(qū)域變異7.以下哪種變異檢測方法特別適用于檢測大片段的結構變異（SV）？A.GATKHaplotypeCallerB.FreeBayesC.LumpyD.SnpEff8.基于RNA-Seq數據檢測基因表達量變化，其主要關注的是：A.DNA序列上的點突變B.mRNA轉錄本的數量變化C.DNA拷貝數變化D.DNA甲基化水平9.在生物信息學變異報告中，“SNV”通常代表：A.單核苷酸變異（SingleNucleotideVariant）B.基因組規(guī)模變異（Genome-scaleVariant）C.復雜變異（ComplexVariant）D.結構變異（StructuralVariant）10.對于檢測到的體細胞突變，尤其是在腫瘤樣本中，需要特別關注其：A.在參考基因組中的頻率B.在正常組織中的存在情況（即突變更性，TumorMutationalBurden）C.注釋為良性D.測序深度足夠高二、填空題（每空1分，共15分）1.生物信息學變異檢測流程通常包括：質量控制、__________、變異檢測、變異過濾和__________。2.Sanger測序法的基本原理是利用DNA聚合酶延伸引物，并根據__________或ddNTP的摻入終止延伸，通過電泳分離得到不同長度的片段。3.高通量測序（NGS）產生的原始數據格式通常是__________或__________。4.變異注釋工具如VEP或ANNOVAR可以提供變異所在的__________、__________、變異類型以及潛在的功能影響。5.檢測拷貝數變異（CNV）的方法常利用比對后序列的__________圖或__________分析。6.在解讀變異列表時，除了考慮變異的頻率和位置，還需要結合變異的__________信息進行綜合判斷。7.RNA-Seq不僅可以檢測基因表達量，還可以通過差異表達分析來__________潛在的突變基因。三、簡答題（每題5分，共20分）1.簡述從原始測序讀段到獲得基因型叫號的典型變異檢測流程中涉及的關鍵步驟及其目的。2.比較Sanger測序和第二代高通量測序（NGS）技術在獲取基因組或轉錄組信息方面的主要區(qū)別。3.解釋什么是“frameshiftmutation”，并說明它通常會對蛋白質編碼產生什么影響。4.變異注釋在生物信息學分析中有何重要意義？請列舉至少三個通過注釋可以獲得的信息。四、論述題（每題10分，共30分）1.闡述如何選擇合適的生物信息學工具進行特定研究目標的基因突變檢測（例如，研究腫瘤體細胞突變需要用到哪些工具？研究遺傳病家系突變需要用到哪些工具？）。在選擇時需要考慮哪些因素？2.描述生物信息學方法如何用于識別和量化基因組中的拷貝數變異（CNV）。請簡述其基本原理和可能遇到的挑戰(zhàn)。3.假設你獲得了一份來自癌癥患者的WGS數據和一份對應的RNA-Seq數據。請設計一個簡要的分析策略，說明你會如何利用這些數據來探究該癌癥可能與哪些基因的體細胞突變或表達變化有關。試卷答案一、選擇題1.D2.B3.C4.C5.B6.C7.C8.B9.A10.B二、填空題1.序列比對，變異注釋2.dNTPs，ddNTPs3.FASTQ，BAM4.基因/外顯子，位置/坐標5.覆蓋度，深度6.致病性/功能影響7.鑒別候選致病基因三、簡答題1.目的與步驟：*質量控制（QC）：檢查原始測序數據質量，去除低質量讀段，確保數據適合后續(xù)分析。常用工具如FastQC,Trimmomatic。*序列比對（Alignment）：將測序讀段與參考基因組進行比對，確定每個讀段在基因組上的位置。常用工具如BWA,Bowtie2,STAR。*變異檢測（VariantCalling）：基于比對結果，識別參考基因組與測序樣本之間存在的差異（突變）。常用工具如GATKHaplotypeCaller,FreeBayes,Samtools/BCFtools。*變異過濾（VariantFiltering）：根據預設標準（如質量分數、覆蓋度、重復區(qū)域、一致性等）去除假陽性或低質量的變異。*變異注釋（Annotation）：將過濾后的變異信息映射到基因組注釋文件（如GENCODE,GRC）上，提供變異的基因組位置、參考/變異堿基、所屬基因/功能元件、影響預測（如剪接位點、氨基酸改變）等信息。常用工具如VEP,ANNOVAR,SnpEff。*結果解讀與報告：對最終注釋的變異列表進行分析和解讀，根據研究目的進行統計或功能富集分析等。2.主要區(qū)別：*通量與成本：NGS具有極高的通量，能快速、低成本地測序整個基因組或大量樣本，而Sanger測序通量低，成本高，通常用于測序短片段（幾百bp）。*讀段長度：Sanger測序產生較長的讀段（幾百bp到幾千bp），有利于精確組裝和長片段排序；NGS讀段通常較短（幾十到幾百bp），基因組組裝較復雜。*技術原理：Sanger測序基于鏈終止法，通過電泳分離不同長度的片段；NGS多為測序-by-synthesis技術，通過同步進行核苷酸摻入并檢測信號來獲取序列。*應用場景：Sanger測序適用于精確測序已知區(qū)域、克隆基因、診斷特定基因病等；NGS廣泛應用于基因組測序、轉錄組分析、宏基因組學、SNP檢測、變異檢測等。3.frameshiftmutation解釋：readingframeshiftmutation，即閱讀框移位突變。指在編碼蛋白的DNA序列中，由于插入或刪除了不是3個堿基整數倍（即1個或2個堿基）的核苷酸，導致從該位點開始的后續(xù)所有密碼子的閱讀框發(fā)生改變。影響：這種移位會徹底改變從突變位點下游開始的整個蛋白質的氨基酸序列。通常，編碼的蛋白質會變得異常短（因為后續(xù)會出現連續(xù)的終止密碼子），或者包含大量錯誤的氨基酸直至遇到終止密碼子。絕大多數frameshift突變會導致產生的蛋白質功能喪失或嚴重受損。4.重要意義：*定位變異：將變異精確映射到基因組上的特定位置（基因、外顯子、調控元件等），明確變異發(fā)生的區(qū)域。*預測功能影響：預測變異可能對基因表達或蛋白質功能產生的影響（如氨基酸改變、剪接位點破壞、蛋白質穩(wěn)定性變化等）。*判斷變異性質：通過與已知數據庫（如dbSNP,ClinVar）比較，判斷變異是常見的良性多態(tài)性還是罕見的可能致病變異。*提供生物學背景：結合注釋信息，可以了解變異所在的基因功能、通路，有助于理解變異的生物學意義和潛在疾病關聯。*輔助決策：為后續(xù)的實驗驗證、臨床診斷和治療提供重要依據。四、論述題1.選擇工具與考慮因素：*研究目標決定方法：*腫瘤體細胞突變研究：需要能夠檢測高頻突變、低頻突變、體細胞結構變異（SV）和拷貝數變異（CNV）的工具組合。常用流程包括：WGS/BAM->QC->（Germlinefiltrationifneeded）->SVdetection(Lumpy,DELLY,Manta)->SNV/CNVdetection(GATK/FreeBayes/HaplotypeCaller結合stratégiyforsomaticcalls,e.g.,MuTect2,Strelka2)->VariantFiltering->Annotation(VEP).*遺傳病家系突變研究：側重于識別遺傳給患者的致病突變。常用Sanger測序驗證家系成員的基因型，或使用全外顯子組測序（WES）進行家系分析。分析工具需關注家系共分離、連鎖不平衡分析等，常用工具如GATKHaplotypeCaller進行WES數據變異檢測，然后進行家系分析（如使用PLINK,GCTA輔助）和變異致病性預測。*選擇時考慮因素：*數據類型：WGS,WES,targetedsequencing,RNA-Seq等產生不同類型數據，需要適配的分析工具。*變異類型：研究目標是否需要檢測SNV,INDEL,CNV,SV等，不同工具對不同變異類型的敏感性和特異性不同。*樣本類型：純合子（如DeNovo）、雜合子、腫瘤樣本（體細胞突變）、家系樣本等對分析方法有不同要求（如需要考慮純合子過濾、家系共分離）。*性能要求：計算資源（CPU,內存,存儲空間）、分析時間、結果的準確性和可靠性。*用戶熟悉度：工具的易用性和學習曲線。*現有工具組合和文獻支持：常用的、經過驗證的、有廣泛文獻報道的分析流程通常更可靠。2.CNV檢測方法、原理與挑戰(zhàn)：*檢測方法：*基于覆蓋度分析：在基因組不同區(qū)域的測序深度（readdepth）存在系統性差異，通常與拷貝數變化相關。方法包括計算基因組滑動窗口的覆蓋度，比較樣本與參考的覆蓋度比率，或使用分段模型擬合覆蓋度變化。工具如CNVnator,Control-FREEC。*基于比較基因組雜交（CGH）：利用芯片或測序比較樣本與正常對照的基因組片段雜交信號強度差異。*基于專門算法：專門設計用于檢測SV和CNV的算法，通常整合多種信息（如比對映射率、覆蓋度、距離相鄰變異的距離等）。工具如Lumpy,DELLY,Manta。*基于深度學習：利用機器學習模型分析復雜的測序特征來識別CNV。*基本原理：CNV區(qū)域的測序讀段通常會比正常區(qū)域有更高的覆蓋度（擴增區(qū)域）或更低的覆蓋度（缺失區(qū)域）。檢測CNV的核心在于識別這些系統性的、區(qū)域性的覆蓋度差異模式，并將其與背景噪音區(qū)分開。*挑戰(zhàn)：*假陽性與假陰性：覆蓋度分析易受重復序列、序列壓縮、PCR擴增偏好等影響，導致假陽性；而低頻缺失或復雜結構可能導致假陰性。*準確量化：精確確定CNV的大小和拷貝數倍數。*區(qū)分雜合與純合：檢測樣本中CNV是雜合（兩個等位基因都缺失/擴增）還是純合。*處理復雜結構：在存在SV（如易位、倒位）的區(qū)域，CNV的檢測和定量會更加困難。*低覆蓋度或低質量數據：數據質量會影響CNV檢測的敏感性和準確性。3.WGS與RNA-Seq結合分析策略：*目標：探究癌癥與基因突變或表達變化的關系。*分析步驟：1.WGS數據處理：對患者WGS數據進行QC->比對到參考基因組->質量控制后的比對文件進行Germline過濾（去除常見良性變異）->進行體細胞變異檢測（SNV,INDEL,SV檢測與過濾）->變異注釋（使用VEP等工具，獲取基因、功能預測、致病性信息），得到最終的體細胞突變列表。2.RNA-Seq數據處理：對患