2025年大學(xué)《生物信息學(xué)》專業(yè)題庫(kù)——生物信息學(xué)在腫瘤治療研發(fā)中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、1.簡(jiǎn)述腫瘤基因組學(xué)研究中，從高通量測(cè)序數(shù)據(jù)獲得可重復(fù)變異叫本（WGS）結(jié)果的主要流程及其關(guān)鍵質(zhì)量控制環(huán)節(jié)。2.解釋什么是腫瘤突變負(fù)荷（TMB），及其在腫瘤免疫治療（特別是免疫檢查點(diǎn)抑制劑）應(yīng)用中的意義和潛在挑戰(zhàn)。二、3.描述RNA-Seq數(shù)據(jù)分析中，進(jìn)行差異表達(dá)基因（DEG）鑒定常用的統(tǒng)計(jì)學(xué)方法（至少兩種），并比較其原理和適用場(chǎng)景。4.在腫瘤研究背景下，解釋什么是可變剪接（AlternativeSplicing），并簡(jiǎn)述利用生物信息學(xué)方法分析腫瘤相關(guān)基因可變剪接的思路和意義。三、5.簡(jiǎn)述利用生物信息學(xué)方法進(jìn)行藥物靶點(diǎn)發(fā)現(xiàn)的主要策略，可以結(jié)合基因組學(xué)、蛋白質(zhì)組學(xué)數(shù)據(jù)或文獻(xiàn)挖掘進(jìn)行說(shuō)明。6.描述腫瘤免疫微環(huán)境（TME）研究中，通過(guò)單細(xì)胞RNA測(cè)序（scRNA-seq）數(shù)據(jù)分析識(shí)別免疫細(xì)胞亞群及其功能的生物信息學(xué)方法概要。四、7.比較基于“計(jì)算化學(xué)分子對(duì)接”和基于“實(shí)驗(yàn)高通量篩選”的藥物發(fā)現(xiàn)策略在原理、效率、成本和局限性方面的主要區(qū)別。8.什么是生物信息學(xué)中的系統(tǒng)生物學(xué)網(wǎng)絡(luò)分析？請(qǐng)列舉至少三種構(gòu)建與腫瘤相關(guān)的生物網(wǎng)絡(luò)（如蛋白質(zhì)相互作用網(wǎng)絡(luò)、基因調(diào)控網(wǎng)絡(luò)）的方法，并說(shuō)明其分析目標(biāo)。五、9.解釋什么是基因集富集分析（GSEA），并說(shuō)明其在腫瘤研究（如分析特定分子亞型的特征基因集）中的應(yīng)用價(jià)值。10.假設(shè)你獲得了一組與某類型腫瘤耐藥性相關(guān)的候選基因列表，請(qǐng)?jiān)O(shè)計(jì)一個(gè)基于生物信息學(xué)方法的初步分析方案，以探索這些基因的功能富集通路和潛在的相互作用網(wǎng)絡(luò)，并預(yù)測(cè)可能影響耐藥性的關(guān)鍵信號(hào)通路。六、11.現(xiàn)代腫瘤治療研發(fā)日益強(qiáng)調(diào)“精準(zhǔn)醫(yī)療”，生物信息學(xué)在其中扮演著關(guān)鍵角色。請(qǐng)結(jié)合具體實(shí)例（如靶向治療或免疫治療），闡述生物信息學(xué)如何支持腫瘤的分子分型，并指導(dǎo)個(gè)性化治療方案的選擇。12.討論當(dāng)前生物信息學(xué)在腫瘤治療研發(fā)領(lǐng)域面臨的主要挑戰(zhàn)（如數(shù)據(jù)整合與標(biāo)準(zhǔn)化、計(jì)算資源需求、結(jié)果的可重復(fù)性與解讀、倫理問(wèn)題等），并就如何應(yīng)對(duì)這些挑戰(zhàn)提出你的看法。試卷答案一、1.主要流程：數(shù)據(jù)質(zhì)控與過(guò)濾->參考基因組比對(duì)->排序與格式轉(zhuǎn)換->軟件進(jìn)行變異檢測(cè)（如GATK,FreeBayes）->變異過(guò)濾（去除低質(zhì)量、重復(fù)、已知良性變異等）->變異注釋（如使用VEP,ANNOVAR，注釋變異類型、位置、影響功能元件等）->可重復(fù)變異叫本生成。解析思路：本題考察WGS數(shù)據(jù)處理全流程。流程應(yīng)涵蓋從原始數(shù)據(jù)到最終可分析變異集的每一步，強(qiáng)調(diào)質(zhì)控和注釋的重要性。答案需列出關(guān)鍵步驟，并簡(jiǎn)要說(shuō)明每步的目的。2.TMB定義：指腫瘤組織相比于正常組織，每兆堿基對(duì)（Mb）中發(fā)生的體細(xì)胞突變數(shù)量。意義：高TMB通常與更強(qiáng)的腫瘤免疫原性相關(guān)，是預(yù)測(cè)免疫檢查點(diǎn)抑制劑療效的重要生物標(biāo)志物。潛在挑戰(zhàn)：TMB并非完美預(yù)測(cè)指標(biāo)，存在假陽(yáng)性/假陰性；不同腫瘤類型和免疫背景下的適用性；如何結(jié)合其他臨床信息。解析思路：第一問(wèn)要求定義清晰。第二問(wèn)需闡述TMB為何與免疫治療相關(guān)（免疫原性增強(qiáng)），并指出其在臨床應(yīng)用中的實(shí)際價(jià)值。第三問(wèn)需提及TMB作為預(yù)測(cè)指標(biāo)的局限性，如并非絕對(duì)指標(biāo)，以及實(shí)際應(yīng)用中需要考慮的因素。二、3.統(tǒng)計(jì)學(xué)方法：(1)基于假設(shè)檢驗(yàn)的方法（如t檢驗(yàn)、ANOVA、Wilcoxon秩和檢驗(yàn)），用于比較兩組或多組樣本的表達(dá)差異，通常設(shè)定顯著性閾值（如p<0.05）和多重檢驗(yàn)校正（如FDR<0.05）。原理：檢驗(yàn)兩組樣本表達(dá)分布是否存在統(tǒng)計(jì)學(xué)上的顯著差異。適用場(chǎng)景：假設(shè)明確，樣本量相對(duì)較小或數(shù)據(jù)近似正態(tài)分布。(2)基于模型的方法（如DESeq2,edgeR），通過(guò)構(gòu)建負(fù)二項(xiàng)分布模型來(lái)估計(jì)基因表達(dá)強(qiáng)度的離散程度，并計(jì)算每個(gè)基因的離散度估計(jì)值（Dispersion）和表達(dá)差異度量（FoldChange）的統(tǒng)計(jì)顯著性（如FDR）。原理：模型化表達(dá)變化過(guò)程，同時(shí)估計(jì)噪聲和真實(shí)變化。適用場(chǎng)景：適用于處理多個(gè)樣本的比較，能較好地處理不同樣本間表達(dá)水平差異的情況。解析思路：要求列舉至少兩種方法，并對(duì)每種方法進(jìn)行原理和適用場(chǎng)景的說(shuō)明。答案應(yīng)包含方法名稱、核心原理簡(jiǎn)述以及何時(shí)使用該方法的判斷依據(jù)。4.可變剪接定義：指基因轉(zhuǎn)錄本在剪接過(guò)程中，通過(guò)不同的剪接位點(diǎn)選擇、內(nèi)含子/外顯子丟棄、融合等方式，產(chǎn)生多種不同轉(zhuǎn)錄異構(gòu)體的現(xiàn)象。腫瘤研究思路：利用RNA-Seq數(shù)據(jù)識(shí)別腫瘤樣本中與正常樣本相比發(fā)生顯著變化的可變剪接事件（如AS事件、ASisoform）；通過(guò)生物信息學(xué)工具（如RBPSeq,SpliceAI,MAJIQ）注釋這些事件的類型和功能影響（如產(chǎn)生有功能的蛋白異構(gòu)體、影響蛋白穩(wěn)定性或功能）；關(guān)聯(lián)特定臨床表型或腫瘤特征。解析思路：第一問(wèn)需準(zhǔn)確定義可變剪接。第二問(wèn)要求闡述利用生物信息學(xué)分析腫瘤相關(guān)基因可變剪接的完整思路，包括數(shù)據(jù)來(lái)源、分析方法（列舉即可）、注釋步驟以及最終目標(biāo)（關(guān)聯(lián)生物學(xué)意義）。三、5.主要策略：(1)基于基因組學(xué)數(shù)據(jù)：分析腫瘤基因組中發(fā)生高頻突變、擴(kuò)增或丟失的基因，特別是那些在正常組織中極少變異的基因，這些基因可能是潛在靶點(diǎn)。利用數(shù)據(jù)庫(kù)（如CancerGeneCensus,MutSigCV）評(píng)估基因突變的腫瘤特異性。(2)基于蛋白質(zhì)組學(xué)數(shù)據(jù)：通過(guò)質(zhì)譜技術(shù)鑒定腫瘤細(xì)胞特異性過(guò)表達(dá)或低表達(dá)的蛋白質(zhì)，這些蛋白質(zhì)可能對(duì)應(yīng)有效的藥物靶點(diǎn)。(3)基于文獻(xiàn)挖掘和知識(shí)庫(kù)：利用文本挖掘技術(shù)從科學(xué)文獻(xiàn)中提取與腫瘤發(fā)生發(fā)展相關(guān)的基因-靶點(diǎn)-藥物信息，或利用TargetHunter,STITCH等數(shù)據(jù)庫(kù)預(yù)測(cè)潛在靶點(diǎn)及其相互作用。解析思路：要求列舉并簡(jiǎn)要說(shuō)明至少三種策略。答案應(yīng)涵蓋利用不同類型數(shù)據(jù)（基因組、蛋白質(zhì)組）和不同信息來(lái)源（實(shí)驗(yàn)數(shù)據(jù)、文獻(xiàn)知識(shí)）進(jìn)行靶點(diǎn)發(fā)現(xiàn)的基本邏輯。6.TME研究思路：數(shù)據(jù)預(yù)處理（質(zhì)量控制、歸一化）；降維與批次效應(yīng)去除（如PCA,SVD,Harmony）；細(xì)胞類型鑒定（如利用已知標(biāo)記基因進(jìn)行聚類或使用降維可視化工具）；免疫細(xì)胞亞群識(shí)別與計(jì)數(shù)（如計(jì)算各類免疫細(xì)胞的比例）；差異免疫細(xì)胞亞群分析（比較腫瘤核心區(qū)域與外圍區(qū)域，或不同腫瘤類型間的免疫細(xì)胞組成差異）；功能預(yù)測(cè)與通路富集分析（如分析特定亞群的功能標(biāo)記基因，進(jìn)行GSEA或KEGG富集分析）；構(gòu)建TME與腫瘤進(jìn)展/治療的關(guān)聯(lián)模型。解析思路：要求描述利用生物信息學(xué)分析scRNA-seq數(shù)據(jù)識(shí)別免疫細(xì)胞功能和狀態(tài)的思路。答案應(yīng)覆蓋從數(shù)據(jù)預(yù)處理到最終功能關(guān)聯(lián)分析的主要步驟和相關(guān)分析方法。四、7.主要區(qū)別：(1)原理：計(jì)算化學(xué)分子對(duì)接基于量子力學(xué)和分子力學(xué)計(jì)算分子間相互作用能，預(yù)測(cè)結(jié)合模式；高通量篩選基于體外或體內(nèi)實(shí)驗(yàn)，直接測(cè)試大量化合物與靶點(diǎn)的結(jié)合或抑制效果。(2)效率：計(jì)算化學(xué)分子對(duì)接速度快，可并行處理大量分子，篩選范圍廣；高通量篩選實(shí)驗(yàn)周期長(zhǎng)，通量相對(duì)較低，成本高。(3)成本：計(jì)算化學(xué)分子對(duì)接主要成本在計(jì)算資源；高通量篩選成本在試劑、人力、設(shè)備等方面較高。(4)局限性：計(jì)算化學(xué)分子對(duì)接結(jié)果依賴于力場(chǎng)和參數(shù)的準(zhǔn)確性，可能存在預(yù)測(cè)偏差；高通量篩選可能存在假陽(yáng)性（如溶劑效應(yīng)、毒性）或假陰性（如化合物難以進(jìn)入細(xì)胞），且需要大量實(shí)驗(yàn)驗(yàn)證。解析思路：要求從原理、效率、成本和局限性四個(gè)方面進(jìn)行比較。答案需清晰列出對(duì)比維度，并針對(duì)每個(gè)維度詳細(xì)說(shuō)明兩種策略的差異。8.系統(tǒng)生物學(xué)網(wǎng)絡(luò)分析定義與構(gòu)建方法：定義：系統(tǒng)生物學(xué)網(wǎng)絡(luò)分析是研究系統(tǒng)中各組成部分（如基因、蛋白質(zhì)）之間相互關(guān)系和作用，通過(guò)構(gòu)建和分析網(wǎng)絡(luò)結(jié)構(gòu)來(lái)理解系統(tǒng)整體行為和功能的一種方法。構(gòu)建方法：(1)蛋白質(zhì)相互作用網(wǎng)絡(luò)：利用實(shí)驗(yàn)數(shù)據(jù)（如酵母雙雜交、pull-down）或預(yù)測(cè)數(shù)據(jù)（如基于序列、結(jié)構(gòu)、功能相似性），結(jié)合數(shù)據(jù)庫(kù)（如STRING,BioGRID），構(gòu)建蛋白質(zhì)互作網(wǎng)絡(luò)。(2)基因調(diào)控網(wǎng)絡(luò)：基于轉(zhuǎn)錄因子結(jié)合位點(diǎn)數(shù)據(jù)（ChIP-seq）、基因表達(dá)數(shù)據(jù)結(jié)合調(diào)控元件數(shù)據(jù)庫(kù)（如JASPAR），構(gòu)建基因調(diào)控網(wǎng)絡(luò)。(3)代謝通路網(wǎng)絡(luò)：整合代謝物、酶、基因表達(dá)數(shù)據(jù)，利用通路數(shù)據(jù)庫(kù)（如KEGG,MetaCyc），構(gòu)建代謝通路網(wǎng)絡(luò)。解析思路：第一問(wèn)要求定義網(wǎng)絡(luò)分析及其目標(biāo)。第二問(wèn)要求列舉至少三種構(gòu)建網(wǎng)絡(luò)的實(shí)例，并說(shuō)明所用數(shù)據(jù)類型和基本方法/工具。五、9.GSEA定義與價(jià)值：定義：基于富集分析的一種方法，用于識(shí)別在特定條件下顯著富集或貧乏的基因集。它不是檢驗(yàn)單個(gè)基因的差異，而是評(píng)估整個(gè)基因列表的富集情況。價(jià)值：GSEA能夠發(fā)現(xiàn)傳統(tǒng)差異表達(dá)分析方法可能忽略的、涉及大量基因的細(xì)微但協(xié)同的生物學(xué)變化模式。在腫瘤研究中，可用于：(1)鑒別特定分子亞型（如根據(jù)基因表達(dá)譜劃分亞型）的特征性基因集。(2)檢測(cè)與臨床表型（如耐藥、預(yù)后）相關(guān)的通路或功能模塊變化。(3)闡釋復(fù)雜干預(yù)（如藥物處理）對(duì)基因表達(dá)譜的全面影響。解析思路：定義需抓住其核心思想——評(píng)估基因集的整體富集程度。價(jià)值部分需說(shuō)明其相對(duì)于傳統(tǒng)單基因檢驗(yàn)的優(yōu)勢(shì)，并結(jié)合腫瘤研究的具體例子（亞型、預(yù)后、藥物反應(yīng)）闡述其應(yīng)用場(chǎng)景。10.初步分析方案：(1)數(shù)據(jù)獲取與準(zhǔn)備：獲取候選基因列表，以及相應(yīng)的腫瘤樣本基因表達(dá)數(shù)據(jù)（如RNA-Seq矩陣）。(2)數(shù)據(jù)預(yù)處理：對(duì)表達(dá)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理。(3)通路與功能富集分析：利用GSEA工具（如GEO2R,gseaHub）或相關(guān)數(shù)據(jù)庫(kù)（如GO,KEGG,Reactome），以候選基因列表作為“感興趣基因集”（InterestSet），以所有樣本基因表達(dá)量為背景，進(jìn)行富集分析。(4)蛋白質(zhì)相互作用網(wǎng)絡(luò)分析：將候選基因映射到蛋白質(zhì)水平，利用網(wǎng)絡(luò)分析工具（如STRING,Cytoscape），構(gòu)建候選蛋白相互作用網(wǎng)絡(luò)，識(shí)別核心模塊或關(guān)鍵樞紐蛋白。(5)信號(hào)通路富集分析：對(duì)富集到的通路進(jìn)行可視化（如使用Cytoscape插件），結(jié)合文獻(xiàn)知識(shí)，預(yù)測(cè)可能影響耐藥性的關(guān)鍵信號(hào)通路。(6)結(jié)果整合與解讀：整合富集分析、網(wǎng)絡(luò)分析和通路信息，形成對(duì)候選基因功能、相互作用和潛在耐藥機(jī)制的綜合認(rèn)識(shí)。解析思路：要求設(shè)計(jì)一個(gè)邏輯清晰、步驟完整的分析方案。答案應(yīng)涵蓋從數(shù)據(jù)準(zhǔn)備到最終解讀的各個(gè)環(huán)節(jié)，明確使用的主要分析方法（GSEA、網(wǎng)絡(luò)分析）及其目的。六、11.生物信息學(xué)在精準(zhǔn)醫(yī)療中的應(yīng)用：生物信息學(xué)通過(guò)分析大規(guī)模組學(xué)數(shù)據(jù)（基因組、轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組），能夠識(shí)別不同腫瘤患者的分子特征（如基因突變、表達(dá)譜亞型）?；谶@些特征，可以：(1)分子分型：將具有相似分子特征的腫瘤患者歸為一類，預(yù)測(cè)其生物學(xué)行為和預(yù)后。例如，通過(guò)分析EGFR突變、ALK重排、ROS1重排等分子標(biāo)記，將非小細(xì)胞肺癌患者分為不同亞型，指導(dǎo)靶向藥物（如吉非替尼、克唑替尼）的選擇。(2)指導(dǎo)治療：基于患者的基因突變狀態(tài)選擇合適的靶向藥物或免疫治療藥物。例如，攜帶BRAFV600E突變的黑色素瘤患者適用達(dá)拉非尼和曲美替尼；PD-L1高表達(dá)且具有特定腫瘤微環(huán)境特征的腫瘤患者可能適用免疫檢查點(diǎn)抑制劑。(3)療效預(yù)測(cè)與監(jiān)測(cè)：通過(guò)分析治療前后腫瘤樣本的分子變化（如ctDNA分析），預(yù)測(cè)治療反應(yīng)和監(jiān)測(cè)病情進(jìn)展。實(shí)例：通過(guò)檢測(cè)ctDNA中靶向藥物敏感突變的存在與否，判斷靶向治療的有效性。解析思路：要求結(jié)合具體實(shí)例，闡述生物信息學(xué)如何支持分子分型、指導(dǎo)治療選擇和療效預(yù)測(cè)。答案應(yīng)包含精準(zhǔn)醫(yī)療的核心思想（基于分子特征個(gè)體化治療），并通過(guò)具體藥物和適應(yīng)癥實(shí)例來(lái)論證。12.主要挑戰(zhàn)與應(yīng)對(duì)：挑戰(zhàn)：(1)數(shù)據(jù)整合與標(biāo)準(zhǔn)化：來(lái)自不同平臺(tái)、不同中心的數(shù)據(jù)格式、質(zhì)量參差不齊，難以整合分析。(2)計(jì)算資源需求：大規(guī)模組學(xué)數(shù)據(jù)處理和分析需要強(qiáng)大的計(jì)算能力和存儲(chǔ)資源。(3)結(jié)果的可重復(fù)性與解讀：分析流程復(fù)雜，參數(shù)選擇影響結(jié)果；生物學(xué)解讀需要跨學(xué)科知識(shí)，且模型預(yù)測(cè)可能存在偏差。(4)倫理問(wèn)題：涉及患者隱私、數(shù)據(jù)安全、算法偏見(jiàn)等。(5)人才短缺：既懂生物學(xué)又懂?dāng)?shù)據(jù)科學(xué)的復(fù)合型人才不足。應(yīng)對(duì)：(1)推廣標(biāo)準(zhǔn)化流程和數(shù)據(jù)格式（如FAIR原則：Findable,Acce