2025年大學(xué)《生物科學(xué)》專業(yè)題庫——生物信息學(xué)在基因組學(xué)中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.生物信息學(xué)的主要研究對(duì)象是？A.基因組數(shù)據(jù)B.蛋白質(zhì)結(jié)構(gòu)C.生態(tài)系統(tǒng)能量流動(dòng)D.細(xì)胞器功能2.Sanger測(cè)序技術(shù)最主要的特點(diǎn)是？A.高通量、長(zhǎng)讀長(zhǎng)B.低成本、高精度C.快速、適用于小型基因組D.無需測(cè)序模板3.在基因組組裝過程中，contig是指？A.完整的染色體片段B.由短讀長(zhǎng)拼接而成的長(zhǎng)片段C.被注釋的基因區(qū)域D.變異位點(diǎn)集合4.基因組注釋的主要目的是？A.確定基因組的物理長(zhǎng)度B.檢測(cè)基因組中的重復(fù)序列C.預(yù)測(cè)基因組中編碼蛋白質(zhì)和非編碼RNA的序列及其功能D.計(jì)算基因組的G+C含量5.BLAST程序最常用的應(yīng)用是？A.基因組序列組裝B.搜索核酸或蛋白質(zhì)數(shù)據(jù)庫以查找相似序列C.預(yù)測(cè)基因編碼區(qū)D.構(gòu)建基因組物理圖譜6.SNP檢測(cè)的主要目標(biāo)是識(shí)別基因組中的？A.插入片段B.缺失片段C.單個(gè)堿基位點(diǎn)的變異D.復(fù)雜重復(fù)序列7.GATK工具主要用于？A.基因組序列組裝B.基因組變異檢測(cè)和過濾C.基因組序列注釋D.蛋白質(zhì)序列比對(duì)8.下列哪項(xiàng)技術(shù)通常用于獲得長(zhǎng)片段DNA序列？A.Illumina測(cè)序B.PacBio測(cè)序C.OxfordNanopore測(cè)序D.Sanger測(cè)序9.GO（GeneOntology）數(shù)據(jù)庫主要提供什么信息？A.基因表達(dá)量數(shù)據(jù)B.基因座信息C.基因或蛋白質(zhì)的功能、生物過程和細(xì)胞組分注釋D.基因突變類型10.基因組pangenome的概念是指？A.一個(gè)物種所有個(gè)體的基因組集合B.一個(gè)物種所有共同擁有的基因組區(qū)域C.包含一個(gè)物種所有已知基因的最小基因組D.一個(gè)物種不同品系或個(gè)體基因組的變異總和二、填空題（每空1分，共10分）1.生物信息學(xué)的研究通常涉及大量的__________數(shù)據(jù)處理和分析。2.基因組測(cè)序的主要產(chǎn)物是大量的__________，這些數(shù)據(jù)需要進(jìn)行排序、組裝和注釋。3.基因組注釋通常包括基因預(yù)測(cè)、__________和功能注釋三個(gè)主要步驟。4.在進(jìn)行基因組變異檢測(cè)時(shí)，通常需要將測(cè)序讀長(zhǎng)與參考基因組進(jìn)行__________。5.__________是一種常用的序列比對(duì)算法，廣泛用于基因組學(xué)研究中的同源搜索。6.基因組的功能注釋可以通過查閱公共數(shù)據(jù)庫如__________、UniProt等進(jìn)行。7.評(píng)估一個(gè)基因組組裝質(zhì)量常用的指標(biāo)包括連續(xù)性（contiglength）、__________和重復(fù)序列覆蓋率。8.__________測(cè)序技術(shù)能夠直接讀取長(zhǎng)鏈DNA序列，適用于基因組草圖繪制和復(fù)雜結(jié)構(gòu)變異檢測(cè)。9.在生物信息學(xué)分析中，版本控制對(duì)于保證分析結(jié)果的可重復(fù)性至關(guān)重要，常用的版本管理工具包括__________和Docker。10.變異注釋的目的是將檢測(cè)到的基因組變異與__________（如基因、蛋白質(zhì)功能）關(guān)聯(lián)起來。三、簡(jiǎn)答題（每題5分，共20分）1.簡(jiǎn)述Sanger測(cè)序和Illumina測(cè)序技術(shù)的核心原理區(qū)別。2.解釋什么是基因組contig，并簡(jiǎn)述contig組裝的基本思路。3.說明在進(jìn)行基因組變異檢測(cè)前，為什么需要對(duì)測(cè)序數(shù)據(jù)進(jìn)行質(zhì)量控制（QC）？4.簡(jiǎn)述利用BLAST工具進(jìn)行序列相似性搜索的基本步驟。四、論述題（每題10分，共30分）1.論述基因組注釋的重要性，并比較基于同源比對(duì)和基于統(tǒng)計(jì)模型（如隱馬爾可夫模型HMM）的基因預(yù)測(cè)方法的原理和優(yōu)缺點(diǎn)。2.假設(shè)你獲得了一組來自未知物種的短讀長(zhǎng)測(cè)序數(shù)據(jù)，請(qǐng)?jiān)O(shè)計(jì)一個(gè)基本的分析流程，說明你會(huì)如何利用生物信息學(xué)工具來嘗試組裝基因組、預(yù)測(cè)基因并初步了解該物種的基因組特征。請(qǐng)列出關(guān)鍵步驟和可能使用的工具。3.變異檢測(cè)和變異注釋在基因組學(xué)研究中都扮演著重要角色。請(qǐng)分別闡述這兩個(gè)環(huán)節(jié)的主要目標(biāo)，并討論它們之間的聯(lián)系。如果一個(gè)新發(fā)現(xiàn)的SNP被注釋為位于基因編碼區(qū)，但未預(yù)測(cè)為致病性，這可能意味著什么？請(qǐng)結(jié)合基因組學(xué)研究的背景進(jìn)行討論。試卷答案一、選擇題1.A2.B3.B4.C5.B6.C7.B8.B9.C10.D二、填空題1.生物信息學(xué)2.讀長(zhǎng)（或序列）3.編碼區(qū)（或CDS）4.比對(duì)（或映射）5.BLAST6.Ensembl7.連續(xù)覆蓋度（或覆蓋率）8.PacBio（或OxfordNanopore）9.Conda10.基因（或蛋白質(zhì)）三、簡(jiǎn)答題1.解析思路：Sanger測(cè)序基于鏈終止法，使用不同的dNTP（dATP,dGTP,dCTP,dTTP）的衍生物ddNTP（ddATP,ddGTP,ddCTP,ddTTP），這些終止子不能參與DNA鏈的延伸。當(dāng)DNA聚合酶延伸到ddNTP時(shí)，延伸停止。通過將合成停止的片段進(jìn)行電泳分離，根據(jù)片段大小確定終止子是哪種堿基，從而得到測(cè)序序列。核心原理是利用具有終止活性的ddNTP合成單鏈，并通過電泳讀出堿基序列。Illumina測(cè)序（邊合成邊測(cè)序）則是將測(cè)序反應(yīng)體系固定在固體表面（如流式芯片），DNA模板固定在表面后，通過循環(huán)往復(fù)地添加帶有不同熒光標(biāo)記的dNTP，讓DNA聚合酶延伸。在每個(gè)延伸步驟后，使用激光激發(fā)熒光，并通過成像系統(tǒng)捕捉每個(gè)位點(diǎn)添加的堿基熒光信號(hào)。讀序通常分兩步或多步進(jìn)行，先讀取部分互補(bǔ)鏈（模板鏈或互補(bǔ)鏈）的序列，再讀取另一條鏈的序列。核心原理是同步進(jìn)行大量DNA片段的合成，通過檢測(cè)每次合成添加的堿基的熒光信號(hào)來讀取序列。區(qū)別在于Sanger是終止子驅(qū)動(dòng)的終止法測(cè)序，Illumina是循環(huán)添加熒光標(biāo)記dNTP并檢測(cè)熒光信號(hào)的非終止法測(cè)序。2.解析思路：contig（Contiguoussequence）是“連續(xù)序列”的縮寫，指在基因組組裝過程中，通過將大量短的測(cè)序讀長(zhǎng)（reads）進(jìn)行重疊和拼接，組裝而成的較長(zhǎng)的、連續(xù)的DNA序列片段。由于測(cè)序讀長(zhǎng)有限，一個(gè)物種的整個(gè)基因組通常由成千上萬甚至數(shù)百萬個(gè)contig組成。組裝的基本思路是：首先，將所有測(cè)序讀長(zhǎng)與參考基因組（如果是增量組裝或比較組裝）或彼此之間進(jìn)行比對(duì)，找到它們的重疊區(qū)域。然后，根據(jù)這些重疊信息，將讀長(zhǎng)兩兩或多個(gè)組合起來，形成更長(zhǎng)的序列片段（contigs）。這個(gè)過程通常使用特定的組裝算法（如deBruijngraph算法或基于路徑的算法）來優(yōu)化拼接路徑，盡量減少錯(cuò)誤和遺漏，并盡可能延長(zhǎng)contig的長(zhǎng)度。contig是后續(xù)基因組分析（如注釋、變異檢測(cè)）的基礎(chǔ)，它代表了基因組中連續(xù)測(cè)序覆蓋的區(qū)域。3.解析思路：在進(jìn)行基因組變異檢測(cè)之前進(jìn)行數(shù)據(jù)質(zhì)量控制（QC）至關(guān)重要，原因如下：首先，測(cè)序過程本身會(huì)產(chǎn)生各種類型的數(shù)據(jù)缺陷，如接頭序列、低質(zhì)量讀長(zhǎng)、重復(fù)序列、隨機(jī)錯(cuò)誤等。如果不進(jìn)行QC，這些低質(zhì)量或非生物來源的數(shù)據(jù)會(huì)被直接用于后續(xù)的分析，會(huì)嚴(yán)重干擾變異檢測(cè)的結(jié)果，導(dǎo)致產(chǎn)生大量假陽性變異（錯(cuò)誤檢測(cè)到的變異），或者掩蓋真實(shí)的變異（由于噪音干擾）。其次，高質(zhì)量的輸入數(shù)據(jù)是獲得可靠分析結(jié)果的先決條件。QC過程通常包括評(píng)估讀長(zhǎng)的質(zhì)量分布（如Phred分）、去除接頭序列、過濾低質(zhì)量讀長(zhǎng)（如低平均質(zhì)量、過高N比例）、去除或標(biāo)記重復(fù)序列等。通過QC，可以確保用于變異檢測(cè)的序列數(shù)據(jù)是干凈、準(zhǔn)確且具有代表性的，從而提高變異檢測(cè)的靈敏度和特異性，為后續(xù)的基因組注釋和生物學(xué)解釋提供可靠的基礎(chǔ)。4.解析思路：利用BLAST（BasicLocalAlignmentSearchTool）工具進(jìn)行序列相似性搜索的基本步驟通常如下：第一步，準(zhǔn)備查詢序列。這個(gè)序列可以是用戶提供的DNA、RNA或蛋白質(zhì)序列，通常以FASTA格式存儲(chǔ)。第二步，選擇合適的BLAST程序和數(shù)據(jù)庫。根據(jù)查詢序列的類型（核酸或蛋白質(zhì)）選擇相應(yīng)的BLAST程序（如blastn用于核酸對(duì)核酸，blastp用于蛋白質(zhì)對(duì)蛋白質(zhì)等），并選擇要搜索的目標(biāo)數(shù)據(jù)庫（如NCBI的非冗余蛋白數(shù)據(jù)庫nr，核酸數(shù)據(jù)庫nt，或其他特定數(shù)據(jù)庫）。第三步，提交查詢。將查詢序列和參數(shù)設(shè)置提交給BLAST服務(wù)器。第四步，等待并獲取結(jié)果。BLAST程序會(huì)在后臺(tái)運(yùn)行，將查詢序列與數(shù)據(jù)庫中的序列進(jìn)行比對(duì)，尋找局部相似的序列。第五步，分析結(jié)果。BLAST會(huì)返回一個(gè)排序的結(jié)果列表，包含相似度最高的序列（Hits）。每個(gè)Hit會(huì)提供比對(duì)的詳細(xì)信息，包括相似區(qū)域的百分比、E值（評(píng)估隨機(jī)性匹配概率的指標(biāo)）、得分（匹配程度的量化）等。用戶可以查看這些信息，判斷匹配的生物學(xué)意義，并可以進(jìn)一步獲取原始序列進(jìn)行深入研究。四、論述題1.解析思路：*基因組注釋的重要性：基因組注釋是基因組學(xué)研究的關(guān)鍵環(huán)節(jié)，其核心目標(biāo)是確定基因組DNA序列中編碼蛋白質(zhì)和非編碼RNA的區(qū)域，并推斷這些序列的潛在生物學(xué)功能。一個(gè)高質(zhì)量的基因組注釋能夠揭示一個(gè)物種的遺傳基礎(chǔ)、基因repertoire（基因集）、蛋白質(zhì)編碼能力、調(diào)控元件以及基因組進(jìn)化信息。它是理解物種生命活動(dòng)、進(jìn)行基因功能研究、開發(fā)分子標(biāo)記、繪制基因圖譜、藥物研發(fā)以及比較基因組學(xué)研究的基礎(chǔ)。沒有準(zhǔn)確的注釋，基因組數(shù)據(jù)將僅僅是一串密碼，無法轉(zhuǎn)化為有意義的生物學(xué)知識(shí)。*兩種預(yù)測(cè)方法比較：基于同源比對(duì)的方法利用生物序列的高度保守性，通過BLAST等工具將未知基因組序列與已知功能基因（通常來源于模式生物或數(shù)據(jù)庫中的參考基因組）進(jìn)行比對(duì)。如果找到顯著相似的區(qū)域，則可以推斷未知序列也具有相似的功能。優(yōu)點(diǎn)是能夠直接利用已知的生物學(xué)信息，準(zhǔn)確性相對(duì)較高（尤其是在高度保守的區(qū)域）。缺點(diǎn)是依賴于物種間的序列相似性，對(duì)于缺乏模式生物或基因組結(jié)構(gòu)/組成差異大的物種，預(yù)測(cè)效果可能不佳；無法預(yù)測(cè)沒有同源性的新基因或功能獨(dú)特的基因。基于統(tǒng)計(jì)模型的方法（如HMM）則主要依賴于基因組序列自身的統(tǒng)計(jì)特征和結(jié)構(gòu)模式。例如，基因通常由外顯子（編碼區(qū)）和內(nèi)含子（非編碼區(qū)）組成，外顯子通常具有較高的密碼子使用頻率，而內(nèi)含子有其獨(dú)特的序列模式。HMM模型通過學(xué)習(xí)已知基因的這些統(tǒng)計(jì)特征，構(gòu)建一個(gè)隱馬爾可夫模型，然后將其應(yīng)用于未知序列，以概率的方式預(yù)測(cè)基因的邊界（如外顯子-內(nèi)含子邊界）。優(yōu)點(diǎn)是原則上可以識(shí)別任何具有特定模式的基因，即使它們與其他物種的基因沒有序列相似性（適用于泛基因組注釋或注釋新基因）。缺點(diǎn)是模型的構(gòu)建依賴于對(duì)目標(biāo)物種基因結(jié)構(gòu)的先驗(yàn)知識(shí)，預(yù)測(cè)的準(zhǔn)確性受模型質(zhì)量和序列特征復(fù)雜性的影響，有時(shí)難以區(qū)分假基因或非編碼功能元件。2.解析思路：基本分析流程設(shè)計(jì)如下：*第一步：數(shù)據(jù)質(zhì)量控制和過濾。使用工具（如FastQC）評(píng)估原始測(cè)序數(shù)據(jù)質(zhì)量。根據(jù)質(zhì)量報(bào)告，使用工具（如Trimmomatic或Cutadapt）去除接頭序列、低質(zhì)量讀長(zhǎng)（如Q值低于某個(gè)閾值）、N堿基污染等，得到高質(zhì)量的cleanreads。這是保證后續(xù)分析質(zhì)量的基礎(chǔ)。*第二步：基因組組裝。由于是未知物種且為短讀長(zhǎng)數(shù)據(jù)，通常選擇基于deBruijn圖的組裝算法。使用工具（如SPAdes或MEGAHIT）對(duì)cleanreads進(jìn)行組裝，生成一系列contigs。初步檢查組裝結(jié)果的質(zhì)量（如使用quast評(píng)估contig數(shù)量、長(zhǎng)度、N50值等）。*第三步：獲取基因預(yù)測(cè)。使用基因預(yù)測(cè)工具對(duì)組裝得到的contigs進(jìn)行預(yù)測(cè)?？梢赃x擇基于同源比對(duì)的工具（如BLASTp將contigs序列與蛋白質(zhì)數(shù)據(jù)庫如Swiss-Prot/NCBInr進(jìn)行搜索，找到相似的已知蛋白質(zhì)，從而推斷基因結(jié)構(gòu)），或者使用基于統(tǒng)計(jì)模型的方法（如GeneMark,AUGUSTUS,GlimmerHMM）直接在contigs上預(yù)測(cè)基因。對(duì)于短讀長(zhǎng)組裝，基于同源比對(duì)的預(yù)測(cè)通常更可靠一些。*第四步：基因組注釋（初步）。將預(yù)測(cè)的基因序列（CDS）與已知基因數(shù)據(jù)庫（如NCBIRefSeq）進(jìn)行比對(duì)，或使用專門針對(duì)未知基因組的注釋工具（如MAKER，它整合了同源比對(duì)和統(tǒng)計(jì)模型預(yù)測(cè)）。初步為基因分配功能注釋（如GO術(shù)語、KEGG通路），并構(gòu)建初步的基因組注釋文件（如GFF格式）。*第五步：序列可視化（可選）。使用基因組瀏覽器（如IGV）加載組裝的contigs和注釋結(jié)果，直觀查看基因組結(jié)構(gòu)、基因分布、重復(fù)序列等特征，初步評(píng)估注釋質(zhì)量。*總結(jié)：這個(gè)流程提供了一個(gè)從測(cè)序到初步基因識(shí)別和注釋的框架。對(duì)于更深入的分析，可能還需要進(jìn)行contig排序和映射（如果有多樣本數(shù)據(jù)）、repeatmasking（去除重復(fù)序列）、更精細(xì)的注釋、變異檢測(cè)等步驟。3.解析思路：*變異檢測(cè)的主要目標(biāo)：變異檢測(cè)的目標(biāo)是在一個(gè)或多個(gè)個(gè)體的基因組中識(shí)別出與參考基因組（通常是該物種的參考序列或已測(cè)序個(gè)體的序列）存在差異的位點(diǎn)。這些差異主要包括單核苷酸多態(tài)性（SNP）、插入（Insertion）、缺失（Deletion）以及更復(fù)雜的大片段結(jié)構(gòu)變異（如倒位、易位、復(fù)制等）。變異檢測(cè)是理解基因組變異如何產(chǎn)生、如何影響基因功能、以及與疾病或性狀相關(guān)性的關(guān)鍵第一步。它為后續(xù)的功能研究、遺傳病診斷、進(jìn)化分析等提供了基礎(chǔ)數(shù)據(jù)。*變異注釋的主要目標(biāo)：變異注釋的目標(biāo)是將檢測(cè)到的基因組變異位點(diǎn)與基因組上的特定元素（主要是基因）及其功能聯(lián)系起來。這包括確定變異發(fā)生在哪個(gè)基因、哪個(gè)外顯子、編碼區(qū)（CDS）還是非編碼區(qū)（如UTR、內(nèi)含子、調(diào)控元件），以及該變異可能對(duì)基因產(chǎn)物（蛋白質(zhì)）的結(jié)構(gòu)或功能產(chǎn)生何種影響。變異注釋通常涉及兩個(gè)層面：一是注釋變異所在的基因組位置（如基因ID、染色體位置），二是預(yù)測(cè)變異的生物后果（如是否改變氨基酸序列、是否影響剪接位點(diǎn)、是否位于重要的調(diào)控區(qū)域等）。常用工具和數(shù)據(jù)庫包括SnpEff,ANNOVAR,VEP（VariantEffectPredictor）等，它們利