2025年大學(xué)《生物信息學(xué)》專業(yè)題庫——DNA測序數(shù)據(jù)分析與生物信息學(xué)方法考試時間：______分鐘總分：______分姓名：______一、選擇題1.下列哪項不是Sanger測序技術(shù)的主要特點？A.基于鏈終止子B.適用于長片段測序C.通量高，成本相對較低D.讀長通常較短（幾百bp）2.在DNA測序數(shù)據(jù)分析的初始階段，使用FastQC工具主要目的是什么？A.對測序數(shù)據(jù)進行比對B.檢測基因組中的變異位點C.評估原始測序數(shù)據(jù)的質(zhì)量D.對基因進行功能注釋3.下列哪個工具主要用于將測序讀段與參考基因組進行比對？A.SamtoolsB.GATKC.Bowtie/BWAD.BLAST4.在進行變異檢測（如SNP檢測）之前，通常需要對BAM文件進行什么操作？A.重新排序B.去除接頭序列C.轉(zhuǎn)換為FASTQ格式D.限制讀段長度5.以下哪個數(shù)據(jù)庫主要存儲基因序列及其相關(guān)的功能注釋信息？A.NCBIGenBankB.ENSEMBLC.UCSCGenomeBrowserD.dbSNP6.基因組注釋的主要目的是什么？A.計算基因組大小B.確定基因組復(fù)制起點C.預(yù)測基因組中編碼和非編碼區(qū)域的功能D.檢測基因組中的重復(fù)序列7.二代測序（NGS）技術(shù)相比Sanger測序，其主要優(yōu)勢之一是？A.讀長更長B.通量低，成本高C.讀長較短，錯誤率較高D.只能進行基因組測序8.評估比對結(jié)果質(zhì)量時，哪個指標通常用于衡量比對準確性？A.GC含量B.讀段覆蓋度C.閱讀重復(fù)率D.鄰近等位基因頻率9.以下哪個術(shù)語描述的是基因組中單個堿基位置上發(fā)生的變異？A.插入缺失(InDel)B.拷貝數(shù)變異(CNV)C.單核苷酸多態(tài)性(SNP)D.結(jié)構(gòu)變異(SV)10.生物信息學(xué)研究中，使用版本控制工具（如Git）的主要目的是？A.加快數(shù)據(jù)處理速度B.管理代碼和分析腳本C.自動進行基因組注釋D.提高測序儀的通量二、填空題1.DNA測序中，Sanger測序法利用______作為終止子，通過電泳分離不同長度的延伸產(chǎn)物來確定序列。2.測序數(shù)據(jù)質(zhì)量控制的常用工具FastQC生成的報告通常以______格式輸出，包含了多維度質(zhì)量評估信息。3.將BAM格式的比對結(jié)果轉(zhuǎn)換為BED格式，通?？梢允褂胈_____命令。4.變異檢測工具GATK中的HaplotypeCaller主要用于調(diào)用______（如SNP和InDel）。5.生物信息學(xué)數(shù)據(jù)庫GenBank屬于______（機構(gòu)/組織）維護和管理的公共數(shù)據(jù)庫資源。6.基因組注釋文件GFF（GeneralFeatureFormat）通常包含了基因組上各種特征（如基因、外顯子）的______信息。7.在進行RNA-Seq數(shù)據(jù)分析時，通常需要先使用______工具去除轉(zhuǎn)錄本內(nèi)部的接頭序列和rRNA。8.當需要對大量序列進行比對時，BLAST程序會首先使用______算法進行初步篩選，找出可能的候選匹配。9.在評估測序數(shù)據(jù)的覆蓋度時，通常計算特定位置上被______讀段覆蓋的次數(shù)。10.對于生物信息學(xué)分析腳本，添加注釋（如#）是良好的編程習(xí)慣，有助于提高代碼的______。三、簡答題1.簡述從原始測序讀段（FASTQ文件）到與參考基因組比對完成的主要步驟，并請至少列舉兩個在該過程中常用的質(zhì)量控制指標。2.解釋什么是SNP？請簡述基于比對數(shù)據(jù)檢測SNP的基本思路。3.什么是基因組注釋？請說明基因組注釋至少包含哪兩類主要信息。4.在進行DNA測序數(shù)據(jù)分析時，選擇合適的參考基因組版本需要注意哪些因素？四、論述題1.假設(shè)你需要分析一批來自人類外周血樣本的WholeExomeSequencing(WES)數(shù)據(jù)，請簡述你將采用的主要分析流程，并說明每個關(guān)鍵步驟需要使用哪些類型的工具或方法（例如，質(zhì)控、比對、變異檢測、注釋等）。2.比較Sanger測序和二代測序（NGS）在技術(shù)原理、數(shù)據(jù)特點、優(yōu)缺點以及典型應(yīng)用場景方面的主要差異。---試卷答案一、選擇題1.C2.C3.C4.A5.B6.C7.A8.D9.C10.B二、填空題1.匹配引物和模板鏈的鏈終止子2.HTML3.samtoolsview-bS4.單核苷酸多態(tài)性(SNP)和插入缺失(InDel)5.美國國家生物技術(shù)信息中心(NCBI)6.位置(位置坐標)7.Trimmomatic或Cutadapt8.布隆過濾器(Bloomfilter)9.至少一個10.可讀性/可維護性三、簡答題1.主要步驟:(1)原始數(shù)據(jù)質(zhì)控(QC)：使用工具如FastQC檢查數(shù)據(jù)質(zhì)量，使用Trimmomatic/Cutadapt去除低質(zhì)量讀段、接頭序列等。(2)讀段比對：使用比對工具如Bowtie/BWA將處理后的讀段比對到參考基因組上，輸出SAM/BAM格式的文件。(3)比對后處理(可選)：對BAM文件進行排序、標記重復(fù)讀段(如MarkDuplicates)。(4)質(zhì)量評估(比對結(jié)果)：使用工具如SAMtools/BCFtools進行統(tǒng)計和分析。質(zhì)量控制指標:(1)Q30堿基百分比：衡量測序準確性的重要指標。(2)讀段長度分布：了解數(shù)據(jù)集中讀段長度的基本情況。(3)接頭序列去除率：反映預(yù)處理效果。(4)低質(zhì)量讀段比例：指示數(shù)據(jù)污染或測序問題的嚴重程度。2.什么是SNP:單核苷酸多態(tài)性(SNP)指的是在基因組序列中，單個核苷酸位置上發(fā)生的變異，即一個堿基被另一個不同的堿基所替代。基本思路:(1)獲取比對到參考基因組的樣本讀段。(2)對同一位置上的堿基進行統(tǒng)計，識別在該位置上存在多個不同堿基的情況。(3)根據(jù)統(tǒng)計結(jié)果和預(yù)設(shè)的閾值（如覆蓋度、等位基因頻率閾值），判定該位置的變異是否為SNP。(4)調(diào)用算法(如GATK的HaplotypeCaller)對變異進行基因型調(diào)用。3.什么是基因組注釋:基因組注釋是指確定基因組中各個序列片段（如基因、外顯子、啟動子等）的功能和位置，并將這些信息與基因組序列進行關(guān)聯(lián)的過程。主要信息:(1)編碼區(qū)域：預(yù)測并標注出編碼蛋白質(zhì)的基因區(qū)域，通常包括外顯子、內(nèi)含子、啟動子等。(2)非編碼區(qū)域功能元件：標注出具有已知或潛在功能的非編碼區(qū)域，如調(diào)控元件(promoters,enhancers)、rRNA基因、tRNA基因等。4.選擇參考基因組版本需注意:(1)研究目標:針對特定物種或研究問題選擇最優(yōu)版本，例如研究人類疾病可選GRCh38。(2)數(shù)據(jù)可用性:確保所選版本有高質(zhì)量的注釋文件(如GTF/GFF)。(3)覆蓋度:新版本可能包含更多未知的區(qū)域或更長的外顯子，影響基因捕獲或表達分析結(jié)果。(4.軟件兼容性:某些分析工具可能只支持特定版本的參考基因組。(5)更新頻率:新版本通常修復(fù)了舊版本的錯誤，但也可能引入新的變化，需評估對分析的影響。四、論述題1.主要分析流程及工具/方法:(1)數(shù)據(jù)質(zhì)控(QC):檢查原始FASTQ文件質(zhì)量(如FastQC)，進行頭尾過濾、低質(zhì)量堿基過濾、接頭去除(如Trimmomatic/Cutadapt)。(2)基因組比對:將處理后的讀段比對到參考基因組(如GRCh38)(如Bowtie2/BWA-MEM)，生成SAM/BAM文件。(3)比對后處理:對BAM文件進行排序(如Samtoolssort)、標記重復(fù)讀段(如Samtoolsmark_duplicates或GATKMarkDuplicates)。(4)變異檢測(SNP/InDel):對標記后的BAM文件進行變異檢測(如GATKHaplotypeCaller或FreeBayes)。(5)變異過濾與注釋:對原始變異集進行質(zhì)量過濾(如GATKVariantFiltration)，然后使用注釋工具(如SnpEff/VEP)對變異進行注釋，獲取其功能信息(如影響的功能、所在的基因)。(6)(可選)統(tǒng)計分析:根據(jù)研究目的進行下游分析，如基因富集分析、通路分析等。2.SangervsNGS比較:(1)技術(shù)原理:Sanger測序基于鏈終止子法，通過電泳分離不同長度的片段進行測序；NGS采用平行測序技術(shù)，通過合成反應(yīng)同時進行大量讀段的測序。(2)數(shù)據(jù)特點:Sanger測序讀長較長(幾百bp至幾千bp)，錯誤率低；NGS讀長短(幾十至幾百bp)，錯誤率相對較高，但可通過多重測序提高準確性。(3)優(yōu)缺點:Sanger:優(yōu)點是準確性高、讀長長；缺點是通量低、成本高、不適用于全基因組測序。