2025年大學(xué)《生物信息學(xué)》專業(yè)題庫——基因組變異對復(fù)雜性疾病的影響機(jī)制研究考試時間：______分鐘總分：______分姓名：______一、簡述全外顯子組測序（WES）相比全基因組測序（WGS）在檢測復(fù)雜性疾病相關(guān)基因組變異時的優(yōu)勢和潛在局限性。二、描述使用SnpEff或VEP等工具進(jìn)行基因組變異注釋的主要過程和目的。請列舉至少三種不同類型的注釋信息，并說明它們在變異功能判斷中的作用。三、在復(fù)雜疾病關(guān)聯(lián)分析（GWAS）中，什么是多重測試問題？請簡述至少兩種常用的多重測試校正方法，并說明其基本原理。四、解釋什么是孟德爾隨機(jī)化（MR）研究，并說明其在推斷因果關(guān)系（例如，驗證遺傳變異是否通過影響某個生物標(biāo)志物來導(dǎo)致疾?。┓矫娴淖饔煤椭饕襟E。提及至少兩種常用的MR方法。五、對于一個在復(fù)雜疾病關(guān)聯(lián)分析中發(fā)現(xiàn)的具有顯著關(guān)聯(lián)的基因組變異（如一個SNP），請描述從該變異出發(fā)，運用生物信息學(xué)方法探索其潛在致病機(jī)制的典型分析步驟?？梢蕴峒白儺惖闹虏⌒灶A(yù)測、功能注釋、eQTL分析、通路富集等環(huán)節(jié)。六、什么是拷貝數(shù)變異（CNV）？在研究復(fù)雜性疾病時，分析CNV可能提供哪些不同于分析點突變（SNP）的信息？請簡述CNV檢測和注釋的基本流程。七、比較和對比連鎖不平衡（LD）映射（LinkageDisequilibriumMapping）和全基因組關(guān)聯(lián)分析（GWAS）在定位復(fù)雜性疾病遺傳風(fēng)險位點方面的原理、優(yōu)勢和局限性。八、在進(jìn)行復(fù)雜疾病相關(guān)的基因集分析或通路富集分析時，選擇合適的基因集或通路數(shù)據(jù)庫至關(guān)重要。請列舉至少三個常用的數(shù)據(jù)庫（如GO,KEGG,Reactome等），并簡要說明選擇數(shù)據(jù)庫時需要考慮的因素。九、假設(shè)你正在進(jìn)行一項研究，旨在探究某個特定基因（GeneX）的變異是否通過影響其表達(dá)水平來增加患復(fù)雜疾病的風(fēng)險。請簡述你可以運用的生物信息學(xué)方法，并說明如何結(jié)合使用這些方法來支持或反駁這一假設(shè)。十、討論在分析大規(guī)模隊列數(shù)據(jù)時，處理缺失數(shù)據(jù)可能遇到的問題，并列舉至少兩種常用的缺失數(shù)據(jù)imputation（填充）方法，簡述其基本原理。試卷答案一、優(yōu)勢：成本效益高，聚焦于編碼區(qū)，能夠檢測到大多數(shù)蛋白質(zhì)編碼區(qū)的變異，包括SNP、InDel和部分SV；數(shù)據(jù)量相對較小，便于后續(xù)分析和存儲。局限性：無法檢測非編碼區(qū)變異（如調(diào)控區(qū)變異），可能遺漏與疾病相關(guān)的非編碼區(qū)遺傳變異；無法全面覆蓋基因組，可能遺漏影響疾病的基因組區(qū)域。二、主要過程：輸入變異數(shù)據(jù)，選擇參考基因組，選擇注釋數(shù)據(jù)庫，軟件根據(jù)變異位置查找對應(yīng)的基因、蛋白質(zhì)、功能預(yù)測等信息，輸出注釋結(jié)果。目的：將基因組坐標(biāo)位置的變異轉(zhuǎn)化為具有生物學(xué)意義的注釋信息，幫助判斷變異可能的影響（如是否位于編碼區(qū)、是否改變氨基酸、是否影響RNA剪接等）。注釋信息類型及作用：1.基因注釋：指出變異位于哪個基因內(nèi)部，是判斷變異功能影響的基本依據(jù)。2.蛋白質(zhì)編碼變化：指出變異是否改變編碼的氨基酸序列（如錯義突變、無義突變、同義突變等），直接關(guān)系到蛋白質(zhì)結(jié)構(gòu)和功能。作用是判斷變異是否可能導(dǎo)致蛋白質(zhì)功能異常。3.功能預(yù)測：如SIFT、PolyPhen等工具預(yù)測的變異致病變性，提供變異可能有害性的量化評估。作用是快速篩選潛在有功能的變異。三、多重測試問題是指在GWAS等大規(guī)模關(guān)聯(lián)研究中，同時測試成千上萬個遺傳變異與疾病關(guān)聯(lián)性時，單純因為隨機(jī)抽樣誤差，可能會錯誤地認(rèn)為某些關(guān)聯(lián)是真實的（即假陽性）。常用的校正方法及其原理：1.Bonferroni校正：基原理是調(diào)整顯著性閾值。將原本的α水平（如0.05）除以要測試的統(tǒng)計檢驗次數(shù)（m），得到新的閾值α'/m。只有當(dāng)檢驗結(jié)果的p值小于α'時才認(rèn)為關(guān)聯(lián)顯著。原理簡單直接，但非常保守，可能導(dǎo)致大量真實的關(guān)聯(lián)被遺漏。2.Bonferroni校正的修正方法（如Hochberg步驟）：允許p值按順序校正，比Bonferroni更寬松，在控制家族型第一類錯誤（Family-wiseErrorRate,FWER）的前提下，能檢測到更多的真實關(guān)聯(lián)。原理是按p值從小到大排序，對于第i個檢驗，如果p_i≤(α/m)*i，則拒絕原假設(shè)。它利用了檢驗統(tǒng)計量間的正相關(guān)性。四、孟德爾隨機(jī)化（MR）研究是一種利用遺傳變異作為工具變量（InstrumentalVariable,IV），來推斷某個暴露因素（如某個生物標(biāo)志物）與結(jié)局（如疾?。┲g是否存在因果關(guān)系的方法。其基本原理是假設(shè)工具變量（遺傳變異）與暴露因素相關(guān)，但不受結(jié)局的直接或間接影響（只通過暴露因素影響結(jié)局），且不通過其他混雜因素影響結(jié)局。主要步驟：1.選擇合適的遺傳變異作為工具變量，這些變異應(yīng)與暴露因素強(qiáng)相關(guān)，但滿足上述零條件（不直接關(guān)聯(lián)結(jié)局，不通過其他混雜因素關(guān)聯(lián)結(jié)局）。2.測量工具變量、暴露因素和結(jié)局的數(shù)值。3.運用統(tǒng)計模型（如線性回歸）分析工具變量如何預(yù)測暴露因素，以及暴露因素如何預(yù)測結(jié)局。4.結(jié)合這兩步分析，估算暴露因素對結(jié)局的因果效應(yīng)。常用的MR方法：*兩階段最小二乘法（Two-StageLeastSquares,2SLS）：第一階段用工具變量預(yù)測暴露因素，得到暴露因素的估計值；第二階段用暴露因素的估計值（或原始值）預(yù)測結(jié)局，得到的系數(shù)估計即因果效應(yīng)。*加權(quán)中位數(shù)法（WeightedMedianEstimator,WME）：只需要超過半數(shù)的工具變量滿足零條件即可得到因果效應(yīng)估計，對異常值不敏感。五、典型分析步驟：1.變異致病性預(yù)測：使用CADD,PolyPhen-2,SIFT等工具對關(guān)聯(lián)分析發(fā)現(xiàn)的顯著SNP進(jìn)行評分，初步判斷其潛在致病性。2.功能注釋與通路富集：使用VEP或SnpEff等工具獲取SNP所在基因及其功能預(yù)測信息，然后利用GO富集分析（如DAVID,Metascape）和KEGG通路分析工具，識別與這些基因或變異顯著富集的生物學(xué)過程、分子功能或信號通路，初步推斷變異影響的生物學(xué)通路。3.eQTL分析：查找與該SNP所在的基因表達(dá)水平相關(guān)的其他基因（eQTL），特別是查找在疾病發(fā)生發(fā)展過程中表達(dá)水平可能受影響的下游基因。這有助于推斷SNP可能通過影響下游基因的表達(dá)來發(fā)揮作用。4.整合多組學(xué)數(shù)據(jù)（可選）：如果有條件，可以結(jié)合表達(dá)數(shù)據(jù)（e.g.,GTEx）、蛋白質(zhì)水平數(shù)據(jù)（e.g.,GTEx,ProteomicsDB）或臨床表型數(shù)據(jù)，進(jìn)一步驗證和細(xì)化機(jī)制推斷。例如，查找該基因的pQTL（影響蛋白質(zhì)水平的變異），或分析該基因表達(dá)與疾病表型間的關(guān)聯(lián)。六、拷貝數(shù)變異（CNV）是指基因組DNA片段的拷貝數(shù)發(fā)生增加或減少。在研究復(fù)雜性疾病時，分析CNV可能提供的信息：1.檢測大片段缺失或重復(fù)：這些CNV可能影響多個基因的表達(dá)，與某些復(fù)雜疾?。ㄈ缇穹至寻Y、自閉癥、癌癥）有更強(qiáng)的關(guān)聯(lián)，且可能具有更強(qiáng)的表型效應(yīng)。2.提供不同的遺傳模式：CNV通常遵循常染色體顯性遺傳模式（即使父代不攜帶，也可能因新發(fā)突變而發(fā)?。@與多基因遺傳的復(fù)雜疾病有所不同，可能解釋部分家族聚集性病例。3.揭示潛在的劑量依賴效應(yīng)：基因拷貝數(shù)的變化可能影響基因產(chǎn)物的量，這種劑量依賴效應(yīng)可能與疾病嚴(yán)重程度相關(guān)。CNV檢測和注釋的基本流程：1.數(shù)據(jù)預(yù)處理：對WGS或WES原始數(shù)據(jù)進(jìn)行質(zhì)控和比對。2.CNV檢測：使用專門算法（如GATK'sHaplotypeCaller產(chǎn)生GVCF，然后用CNVkit,Control-FREEC,Sequenza等）檢測樣本中的CNV。3.變異過濾：根據(jù)大小、頻率、重復(fù)序列類型、與參考基因組的比對質(zhì)量等標(biāo)準(zhǔn)過濾原始CNV叫號結(jié)果。4.變異注釋：使用工具（如Annovar,VEP）將過濾后的CNV定位到基因組上的基因或特征，并獲取其注釋信息（如影響的基因、基因長度變化、是否位于編碼區(qū)/調(diào)控區(qū)等）。七、連鎖不平衡（LD）映射原理：利用遺傳標(biāo)記（如SNP）在群體中存在的LD現(xiàn)象，即鄰近的遺傳標(biāo)記傾向于一起遺傳。基于譜系追蹤或群體遺傳學(xué)模型，通過計算遺傳標(biāo)記間的相關(guān)性（如D'值或r2值），推斷出與這些標(biāo)記處于強(qiáng)LD關(guān)聯(lián)的未知或未檢測到的致病基因/位點。GWAS原理：直接在全基因組范圍內(nèi)檢測大量遺傳標(biāo)記（SNP）與疾病表型之間的關(guān)聯(lián)性。通過比較病例組和對照組人群中各SNP的頻率差異，識別出頻率顯著不同的SNP，這些SNP所在的區(qū)域可能包含與疾病相關(guān)的基因或位點。優(yōu)勢與局限性比較：*優(yōu)勢：*LDMapping：可以定位到更廣闊的區(qū)域（甚至全基因組），尤其是在遺傳結(jié)構(gòu)復(fù)雜的群體中，可能發(fā)現(xiàn)傳統(tǒng)家族研究難以找到的位點；可以提供對未知變異的間接證據(jù)。*GWAS：精度更高（檢測到關(guān)聯(lián)的變異通常物理上鄰近致病位點），可以直接檢測到變異本身（不僅是區(qū)域），數(shù)據(jù)獲取相對容易（只需要標(biāo)記芯片或測序一部分區(qū)域），結(jié)果更直觀。*局限性：*LDMapping：對群體結(jié)構(gòu)、樣本量、標(biāo)記密度和連鎖不平衡程度敏感，可能低估真實關(guān)聯(lián)強(qiáng)度，且難以精確定位到具體的致病基因或變異。*GWAS：關(guān)聯(lián)信號可能因為樣本量不夠大而檢測不到；強(qiáng)關(guān)聯(lián)信號可能因為群體結(jié)構(gòu)導(dǎo)致假陽性；只能檢測到標(biāo)記變異本身，無法直接確認(rèn)是否是真正的因果變異，且只能檢測到編碼區(qū)或部分非編碼區(qū)的變異（取決于覆蓋范圍）。八、常用的數(shù)據(jù)庫及其選擇考慮因素：1.GO(GeneOntology):提供關(guān)于基因產(chǎn)物（蛋白質(zhì)、RNA）的生物學(xué)功能、細(xì)胞組分和生物學(xué)過程的標(biāo)準(zhǔn)化描述。選擇GO是因為它可以系統(tǒng)化地描述基因的功能影響，便于進(jìn)行功能富集分析，了解變異影響的宏觀生物學(xué)功能層面。2.KEGG(KyotoEncyclopediaofGenesandGenomes):整合了基因組、化學(xué)物質(zhì)、疾病、藥物等信息，提供通路圖（如代謝通路、信號轉(zhuǎn)導(dǎo)通路）和疾病信息。選擇KEGG是因為它可以直觀地展示基因變異可能影響的分子通路，有助于理解變異在信號網(wǎng)絡(luò)中的位置和作用。3.Reactome:提供人類生物通路的圖形化描述和注釋。選擇Reactome是因為它提供了高質(zhì)量、經(jīng)過專家注釋的通路信息，與KEGG類似，但有時在通路細(xì)節(jié)和更新速度上可能有所不同，可作為補(bǔ)充。選擇數(shù)據(jù)庫時需要考慮：*相關(guān)性：數(shù)據(jù)庫內(nèi)容是否與研究的生物學(xué)問題（如疾病機(jī)制）高度相關(guān)。*質(zhì)量與覆蓋度：數(shù)據(jù)庫注釋是否準(zhǔn)確、全面，是否覆蓋了研究涉及的基因或通路。*標(biāo)準(zhǔn)化程度：數(shù)據(jù)庫是否提供標(biāo)準(zhǔn)化的術(shù)語和格式，便于整合分析。*更新頻率：數(shù)據(jù)庫內(nèi)容是否及時更新，以反映最新的生物學(xué)知識。*易用性：數(shù)據(jù)庫提供的分析工具是否易于使用，結(jié)果是否易于解讀和導(dǎo)出。九、可以運用的生物信息學(xué)方法：1.關(guān)聯(lián)分析：首先，確認(rèn)基因X的變異（如某個SNP）是否與復(fù)雜疾病存在關(guān)聯(lián)（如果尚未明確，需要進(jìn)行GWAS或病例-對照分析）。2.eQTL分析：使用工具（如eQTLtools,GTEx）分析基因X變異是否影響其自身或其他基因的表達(dá)水平。查找與該變異顯著相關(guān)的下游表達(dá)基因（下游eQTLs）。這直接檢驗了變異是否可能通過改變基因X的表達(dá)來起作用。3.表達(dá)量分析：如果有疾病隊列的轉(zhuǎn)錄組數(shù)據(jù)（如RNA-Seq），可以直接比較基因X在疾病組和對照組中的表達(dá)差異，以及該表達(dá)差異是否與基因X變異的頻率或等位基因狀態(tài)相關(guān)。4.孟德爾隨機(jī)化（MR）：如果有基因X表達(dá)量作為暴露因素，疾病作為結(jié)局的關(guān)聯(lián)數(shù)據(jù)，可以使用MR方法，以基因X的遺傳變異作為工具變量，來檢驗基因X的表達(dá)量是否因果地影響疾病風(fēng)險。結(jié)合使用：可以通過關(guān)聯(lián)分析初步驗證假設(shè)，通過eQTL分析尋找下游效應(yīng)基因，通過表達(dá)量分析直接量化表達(dá)變化，最后通過MR提供更強(qiáng)的因果推斷證據(jù)。綜合這些證據(jù)，可以判斷基因X的變異是否通過影響其表達(dá)來增加疾病風(fēng)險。十、處理缺失數(shù)據(jù)可能遇到的問題：1.減少統(tǒng)計效能：缺失數(shù)據(jù)會降低樣本量，使得統(tǒng)計檢驗的功率下降，可能導(dǎo)致真實的關(guān)聯(lián)或效應(yīng)被遺漏（假陰性）。2.引入偏差：如果缺失不是隨機(jī)發(fā)生的（即存在選擇性缺失），那么缺失值與未缺失值可能存在系統(tǒng)性差異，將缺失值隨意填充或忽略可能導(dǎo)致結(jié)果產(chǎn)生偏差，得出錯誤結(jié)論。3.分析復(fù)雜性增加：處理缺失數(shù)據(jù)需要額外的步驟和方法，增加了數(shù)據(jù)分析的復(fù)雜性和計算量。常用的缺失數(shù)據(jù)imputation（填充）方法及其原理：1.多重插補(bǔ)（MultipleImputation,MI）：假設(shè)缺失數(shù)據(jù)不是完全隨機(jī)丟失，而是遵循某種潛在分布。該方法的原理是：基于觀測到的完整數(shù)據(jù)，利用統(tǒng)計模型（如回歸模型）模擬生成多個（如5-10個）可能的完整數(shù)據(jù)集（imputeddatasets）；然后對每個模擬數(shù)據(jù)集獨立進(jìn)行分析；最