2025年大學(xué)《生物信息學(xué)》專業(yè)題庫——生物信息學(xué)在病原體溯源中的意義考試時間：______分鐘總分：______分姓名：______一、簡述病原體溯源的定義及其在疫情防控中的重要性。二、生物信息學(xué)技術(shù)在病原體基因組獲取方面有哪些主要手段？請比較其中兩種技術(shù)的原理和優(yōu)缺點(diǎn)。三、說明系統(tǒng)發(fā)育樹在病原體溯源中起到的關(guān)鍵作用，并簡述鄰接法（NJ）構(gòu)建系統(tǒng)發(fā)育樹的的基本步驟。四、在分析大規(guī)模病原體測序數(shù)據(jù)時，進(jìn)行數(shù)據(jù)質(zhì)量控制（QC）主要關(guān)注哪些方面？為什么QC步驟至關(guān)重要？五、什么是核心突變（CoreSNP）？在病原體傳播鏈分析中，識別核心突變有何意義？六、簡述利用分子進(jìn)化速率差異進(jìn)行病原體溯源或追蹤傳播源的可能思路。七、在病原體溯源研究中，如何利用地理信息系統(tǒng)（GIS）數(shù)據(jù)與生物信息學(xué)分析結(jié)果相結(jié)合？請舉例說明。八、當(dāng)前生物信息學(xué)在病原體溯源應(yīng)用中面臨哪些主要的挑戰(zhàn)？請至少列舉三項(xiàng)。九、試述宏基因組測序（Metagenomics）技術(shù)在病原體溯源（特別是不明原因疾?。┲械膽?yīng)用潛力。十、結(jié)合一個具體的病原體（如SARS-CoV-2或你自己熟悉的另一個病原體），概述利用生物信息學(xué)方法進(jìn)行該病原體溯源的典型工作流程。試卷答案一、病原體溯源是指通過科學(xué)方法追蹤和確定特定病原體（如病毒、細(xì)菌、真菌等）的起源、傳播途徑和流行范圍的過程。其在疫情防控中的重要性體現(xiàn)在：1）快速識別病原體，明確疫情性質(zhì)；2）追蹤傳播鏈條，定位風(fēng)險區(qū)域和人群；3）評估傳播風(fēng)險和速度，為制定有效的防控措施（如隔離、封鎖、疫苗接種）提供科學(xué)依據(jù)；4）了解病原體的進(jìn)化和變異情況，指導(dǎo)抗病毒/生素藥物的研發(fā)和疫苗的設(shè)計；5）總結(jié)經(jīng)驗(yàn)教訓(xùn)，完善公共衛(wèi)生應(yīng)急體系。二、生物信息學(xué)技術(shù)在病原體基因組獲取方面主要有：高通量測序（NGS）、目標(biāo)區(qū)域捕獲測序、宏基因組測序、二代測序（如PacBio、OxfordNanopore）等。高通量測序（NGS）：原理是通過將大量DNA/RNA片段化、接頭連接、文庫構(gòu)建后，在測序儀上并行測序，產(chǎn)生海量短序列讀段（reads）。優(yōu)點(diǎn)是通量高、成本相對下降、可進(jìn)行深度測序和變異檢測；缺點(diǎn)是讀段短，組裝難度大，易產(chǎn)生大量錯誤，對數(shù)據(jù)分析流程要求高。目標(biāo)區(qū)域捕獲測序：原理是利用特異性探針選擇性捕獲基因組中目標(biāo)區(qū)域（如已知毒株基因）的核酸，然后進(jìn)行測序。優(yōu)點(diǎn)是特異性強(qiáng)，能獲得高質(zhì)量、完整的靶基因序列，適合精細(xì)變異分析和溯源；缺點(diǎn)是成本較高，無法檢測未知的變異或非目標(biāo)區(qū)域的序列，通量相對較低。宏基因組測序：原理是直接對環(huán)境或樣本中的所有核酸進(jìn)行高通量測序，無需前期物種特異性知識。優(yōu)點(diǎn)是能發(fā)現(xiàn)未知病原體，提供宿主、共棲微生物等信息；缺點(diǎn)是數(shù)據(jù)量巨大，分析復(fù)雜，假陽性率相對較高，難以直接獲得純凈的病原體基因組。三、系統(tǒng)發(fā)育樹在病原體溯源中起到了可視化進(jìn)化關(guān)系、推斷傳播歷史的關(guān)鍵作用。它通過將不同樣本的病原體基因組序列進(jìn)行比對，根據(jù)序列差異構(gòu)建進(jìn)化樹，樹的拓?fù)浣Y(jié)構(gòu)反映了樣本間的親緣關(guān)系和進(jìn)化歷程。利用系統(tǒng)發(fā)育樹可以：1）識別不同克隆或譜系的群體；2）根據(jù)樣本在樹上的位置推斷其可能的親代和子代關(guān)系，重建傳播鏈條；3）分析不同地區(qū)或時間點(diǎn)的病原體群體組成和分化，了解傳播模式（如地方性流行、擴(kuò)散性流行）。鄰接法（NJ）構(gòu)建系統(tǒng)發(fā)育樹的步驟：1）計算所有樣本兩兩之間的距離（常用pairwisedistance，即pairwisesequencealignment的結(jié)果，如Kimura2-parameter或Jukes-Cantormodel）；2）在距離矩陣中找到距離最近的兩個樣本（節(jié)點(diǎn)），將它們連接成一個新的節(jié)點(diǎn)（合并）；3）根據(jù)合并節(jié)點(diǎn)的距離（通常為原兩個節(jié)點(diǎn)距離的一半）和未合并節(jié)點(diǎn)的距離，更新距離矩陣；4）重復(fù)步驟2和3，直到所有樣本都合并成一個大的節(jié)點(diǎn)；5）根據(jù)合并順序和距離，繪制成樹狀圖。四、進(jìn)行大規(guī)模病原體測序數(shù)據(jù)質(zhì)量控制（QC）主要關(guān)注：1）原始測序數(shù)據(jù)的質(zhì)量（如Phred質(zhì)量值分布）；2）讀段（reads）的數(shù)量和長度；3）低質(zhì)量讀段和接頭序列的去除比例；4）有效讀段（cleanreads）的比例；5）讀段在目標(biāo)區(qū)域或基因組上的分布（覆蓋度）；6）如果是配對末端測序（Paired-end），則關(guān)注讀段對的完整性（如配對率、插入大小分布）。QC步驟至關(guān)重要，因?yàn)樵紲y序數(shù)據(jù)往往包含大量錯誤、低質(zhì)量或無關(guān)序列。高質(zhì)量的輸入數(shù)據(jù)是后續(xù)分析（如組裝、變異檢測、系統(tǒng)發(fā)育分析）準(zhǔn)確性的基礎(chǔ)。QC能夠過濾掉這些噪聲和錯誤，提高分析效率，減少錯誤結(jié)論的風(fēng)險，確保后續(xù)溯源結(jié)果的可靠性。五、核心突變（CoreSNP）是指在某個病原體傳播群體中，被絕大多數(shù)（通常是超過95%）個體共享的、相對于參考序列或群體祖先序列的固定單核苷酸多態(tài)性（SNP）。在病原體傳播鏈分析中，識別核心突變的意義在于：1）它們代表了在該傳播鏈或群體中早期發(fā)生并穩(wěn)定遺傳下來的遺傳標(biāo)記，具有高度的保守性；2）核心突變可以幫助定義一個特定的、具有共同祖先的病原體群體或克??；3）通過追蹤核心突變在時空中的分布變化，可以更清晰地勾勒出主要的傳播路徑和分支，即使在高變異的病原體中也能提供相對穩(wěn)定的溯源信息。六、利用分子進(jìn)化速率差異進(jìn)行病原體溯源或追蹤傳播源的可能思路主要是基于“時鐘假說”（ClockHypothesis）。該思路假設(shè)：1）在相對較短的時間內(nèi)，病原體基因組發(fā)生中性突變的速率是相對恒定的（即“分子鐘”）。這個速率可以通過在已知進(jìn)化時間和親緣關(guān)系的樣本對中估計。2）如果兩個分離的群體或克隆具有不同的積累的遺傳距離（通常用SNP數(shù)量或核苷酸替換率衡量），并且它們的分離時間根據(jù)流行病學(xué)信息是已知的，那么可以推斷進(jìn)化速率較快的那個群體經(jīng)歷了更快的傳播或復(fù)制。例如，如果在兩個同時出現(xiàn)的毒株中，A毒株比B毒株擁有更多的SNP，并且估計的突變率一致，那么可能暗示A毒株的傳播速度或復(fù)制速率比B毒株快，或者A毒株的起源時間比B毒株早。通過比較不同樣本或群體的進(jìn)化速率，可以間接推斷傳播動態(tài)和源頭。七、在病原體溯源研究中，可以利用地理信息系統(tǒng)（GIS）數(shù)據(jù)與生物信息學(xué)分析結(jié)果相結(jié)合，進(jìn)行空間流行病學(xué)分析。具體方法包括：1）將包含生物信息學(xué)溯源結(jié)果（如樣本所屬的克隆類型、傳播鏈位置）的樣本，與其采集地點(diǎn)的空間坐標(biāo)關(guān)聯(lián)起來，在GIS地圖上進(jìn)行可視化展示。2）分析特定克隆類型在不同地理區(qū)域的分布模式（如聚集性、散發(fā)性、區(qū)域性流行），識別熱點(diǎn)區(qū)域。3）結(jié)合時間信息，繪制病原體傳播的時空動態(tài)圖，追蹤傳播方向和范圍。4）整合其他環(huán)境、人口統(tǒng)計學(xué)等GIS數(shù)據(jù)（如氣候、交通網(wǎng)絡(luò)、人口密度），探索病原體傳播與地理環(huán)境因素之間的關(guān)系。例如，通過結(jié)合SARS-CoV-2的基因組測序結(jié)果和病例的地理分布數(shù)據(jù)，可以在GIS上直觀展示不同變異株的地理傳播范圍和速度，為區(qū)域性防控策略提供依據(jù)。八、當(dāng)前生物信息學(xué)在病原體溯源應(yīng)用中面臨的主要挑戰(zhàn)有：1）數(shù)據(jù)量巨大與處理能力的瓶頸：高通量測序產(chǎn)生海量數(shù)據(jù)，需要強(qiáng)大的計算資源和高效的算法進(jìn)行存儲、處理和分析。2）數(shù)據(jù)質(zhì)量和標(biāo)準(zhǔn)化問題：不同實(shí)驗(yàn)室、不同測序平臺的數(shù)據(jù)質(zhì)量參差不齊，缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和共享機(jī)制，影響數(shù)據(jù)的整合與比較。3）分析方法的復(fù)雜性和不確定性：系統(tǒng)發(fā)育樹構(gòu)建、進(jìn)化速率估計、群體結(jié)構(gòu)分析等方法的選擇和參數(shù)設(shè)置對結(jié)果影響較大，結(jié)果解釋有時存在爭議。4）數(shù)據(jù)共享與隱私保護(hù)之間的矛盾：快速共享測序數(shù)據(jù)對于溯源至關(guān)重要，但涉及患者隱私和數(shù)據(jù)所有權(quán)等問題，需要建立有效的倫理規(guī)范和法律法規(guī)。5）跨學(xué)科人才缺乏：需要既懂生物信息學(xué)又了解流行病學(xué)、微生物學(xué)的復(fù)合型人才。九、宏基因組測序（Metagenomics）技術(shù)在病原體溯源（特別是不明原因疾病）中具有巨大潛力。其應(yīng)用潛力體現(xiàn)在：1）檢測未知的病原體：當(dāng)病因不明時，宏基因組測序可以直接分析樣本中所有微生物的基因組DNA，無需預(yù)設(shè)目標(biāo)，有可能發(fā)現(xiàn)新的、甚至是未被描述過的病原體。2）檢測混合感染：許多疾病是由多種微生物共同引起的，宏基因組可以同時鑒定和分析多種病原體，提供更全面的病因信息。3）研究病原體群落生態(tài)：不僅關(guān)注致病體，還能了解宿主微生物群落的組成和變化，有助于理解宿主免疫狀態(tài)、疾病發(fā)生發(fā)展的微生態(tài)機(jī)制。4）探索病原體的宿主范圍和生態(tài)位：通過分析環(huán)境樣本（如水、土壤）中的宏基因組，可以了解病原體的潛在來源和生存環(huán)境，為尋找傳染源提供線索。例如，在不明原因肺炎病例樣本中進(jìn)行宏基因組測序，曾成功發(fā)現(xiàn)了SARS-CoV-2。十、結(jié)合SARS-CoV-2，利用生物信息學(xué)方法進(jìn)行病原體溯源的典型工作流程通常包括：1）樣本采集與測序：從感染者（呼吸道、糞便等）采集樣本，使用高通量測序技術(shù)（主要是NGS）測序，獲取病毒的基因組或特定基因片段（如刺突蛋白基因）。2）數(shù)據(jù)提交與共享：將測序原始數(shù)據(jù)或分析后的數(shù)據(jù)提交至全球共享數(shù)據(jù)庫（如GISAID），實(shí)現(xiàn)數(shù)據(jù)共享，便于全球范圍內(nèi)的協(xié)同溯源。3）序列預(yù)處理與質(zhì)量評估：對原始測序數(shù)據(jù)進(jìn)行質(zhì)控、去除低質(zhì)量讀段和接頭序列，評估數(shù)據(jù)質(zhì)量。4）基因組組裝（如果是全長基因組）或目標(biāo)區(qū)域序列提取。5）變異檢測：與已知參考基因組（如早期毒株）進(jìn)行比對，識別SNP和Indel等變異位點(diǎn)。6）系統(tǒng)發(fā)育分析：將待分析序列與數(shù)據(jù)庫中的其他SARS-CoV-2序列進(jìn)行比對，構(gòu)建系統(tǒng)發(fā)育樹（常用ML或BI方法），確定樣本在病毒進(jìn)化樹中