2025年基因组学与生物信息学考试试卷及答案

2025年基因组学与生物信息学考试试卷及答案一、单项选择题（每题2分，共30分）1.以下关于三代测序技术（如PacBioHiFi、OxfordNanopore）的描述，错误的是：A.单分子实时测序（SMRT）通过检测DNA聚合酶合成时的信号变化获取序列B.纳米孔测序的原始信号为电流波动，需通过碱基调用（Basecalling）转换为序列C.三代测序的读长可达数十万碱基，但单碱基错误率通常高于一代测序D.HiFi测序通过环状一致性测序（CCS）将单分子读长错误率降至0.1%以下2.单细胞RNA测序（scRNA-seq）中，“UMI（唯一分子标识符）”的主要作用是：A.区分不同细胞的来源B.校正扩增过程中的PCR偏好性C.提高测序读长的准确性D.增强稀有转录本的检测灵敏度3.在人类全基因组关联研究（GWAS）中，“曼哈顿图”的横轴和纵轴分别代表：A.染色体位置与效应值（β）B.染色体位置与-Log10（P值）C.基因表达量与P值D.SNP密度与连锁不平衡（LD）程度4.以下哪种算法常用于长读长基因组组装的纠错步骤？A.Canu（基于重叠群校正）B.BWA（短读长比对）C.GATK（变异检测）D.DESeq2（差异表达分析）5.关于结构变异（SV）检测，以下说法正确的是：A.短读长测序（如Illumina）可高效检测>10kb的大缺失（Deletion）B.纳米孔测序的高错误率使其无法准确识别插入（Insertion）变异C.基于配对末端（Paired-end）测序的“跨度异常”（DiscordantPair）可辅助检测倒位（Inversion）D.单核苷酸多态性（SNP）属于结构变异的一种6.单细胞ATAC-seq（染色质可及性测序）的主要研究目标是：A.分析不同细胞类型的基因表达异质性B.定位转录因子结合位点和开放染色质区域C.检测单细胞水平的拷贝数变异（CNV）D.重建细胞发育的时间轨迹（Pseudotime）7.在宏基因组学（Metagenomics）分析中，“分箱”（Binning）的核心目的是：A.去除测序数据中的宿主污染B.区分不同物种的基因组片段C.提高低丰度物种的测序深度D.预测微生物群落的功能富集8.以下哪个数据库主要存储人类基因组变异及其临床意义？A.Ensembl（基因注释）B.dbSNP（单核苷酸多态性）C.gnomAD（人群变异频率）D.ClinVar（临床相关变异）9.长读长测序数据（如PacBio）组装时，“重叠群”（Contig）与“支架”（Scaffold）的关键区别在于：A.Contig无缺口（Gap），Scaffold包含缺口但通过连接信息（如Hi-C）确定顺序B.Contig由短读长组装，Scaffold由长读长组装C.Contig仅含编码区，Scaffold包含非编码区D.Contig用于原核生物，Scaffold用于真核生物10.在RNA-seq数据分析中，“剪接异构体定量”（IsoformQuantification）的挑战主要源于：A.测序读长过短导致不同异构体的读段重叠B.样本RNA降解影响数据质量C.基因表达量的技术噪声（TechnicalNoise）D.转录本的3’偏倚（3’Bias）11.以下关于“泛基因组”（Pangenome）的描述，错误的是：A.泛基因组包含物种内所有个体的核心基因（CoreGene）和可变基因（AccessoryGene）B.人类泛基因组计划（HGP）的目标是替代参考基因组（GRCh38）C.泛基因组可通过图基因组（GraphGenome）形式存储，解决参考基因组的偏向性问题D.植物泛基因组研究有助于解析物种适应性进化的遗传基础12.单细胞多组学（如同时测RNA、ATAC和蛋白）的主要技术瓶颈是：A.单细胞分离的通量不足B.不同组学数据的归一化（Normalization）和整合分析C.测序成本过高D.样本保存导致的降解问题13.在癌症基因组学中，“肿瘤突变负荷”（TMB）的计算通常基于：A.全外显子组测序（WES）中非同义突变的数量B.全基因组测序（WGS）中所有体细胞突变的数量C.转录组测序（RNA-seq）中融合基因的数量D.甲基化测序（WGBS）中差异甲基化位点的数量14.以下哪种生物信息学工具常用于长读长数据的从头组装？A.FlyeB.BWA-MEMC.STARD.Salmon15.关于“基因编辑脱靶效应检测”，以下方法中灵敏度最高的是：A.基于PCR的T7E1酶切法B.全基因组测序（WGS）结合整合分析C.靶向扩增子测序（Amplicon-seq）D.体外切割实验（如GUIDE-seq）二、填空题（每空1分，共20分）1.三代测序技术中，PacBio的________模式通过环状模板的多次测序生成高准确性的一致性序列（CCS），而纳米孔测序的原始信号为________波动，需通过________算法转换为碱基序列。2.单细胞测序中，常用的细胞分离技术包括________（如10xGenomics）和________（如流式分选结合微流控）。3.基因组组装质量的评估指标主要包括________（N50）、________（L50）和________（BUSCO），其中________用于评估基因区域的完整性。4.结构变异（SV）的类型包括缺失（Deletion）、________（Duplication）、________（Inversion）和________（Translocation），其检测方法可分为基于________（如短读长的跨度异常）、基于________（长读长的直接比对）和基于________（如光学图谱）的技术。5.生物信息学中，常用的序列比对算法分为________（如BLAST）和________（如Smith-Waterman）两大类，前者适用于________，后者适用于________。三、简答题（每题8分，共40分）1.比较短读长测序（如Illumina）与长读长测序（如PacBioHiFi）在基因组组装中的优缺点，并说明二者如何互补。2.简述单细胞RNA测序（scRNA-seq）数据预处理的主要步骤（包括原始数据到表达矩阵的流程），并指出每一步的关键技术或工具。3.在癌症基因组研究中，如何区分“驱动突变”（DriverMutation）与“乘客突变”（PassengerMutation）？请列举至少3种分析策略。4.什么是“图基因组”（GraphGenome）？与传统线性参考基因组相比，其优势是什么？目前在人类基因组研究中的应用场景有哪些？5.宏基因组学中，“功能注释”（FunctionalAnnotation）的主要流程是什么？常用的数据库（如KEGG、COG、CAZy）分别侧重哪些功能层面的注释？四、论述题（每题15分，共30分）1.设计一个基于多组学数据的人类复杂疾病研究方案（如阿尔茨海默病），需包括研究目标、实验设计（测序技术选择）、数据分析流程（关键步骤与工具）及预期成果。2.近年来，人工智能（AI）在生物信息学中的应用日益广泛。请结合具体案例（如蛋白质结构预测、变异功能预测、基因表达调控模型），论述AI如何推动基因组学与生物信息学的发展，并分析其当前局限性及未来方向。答案一、单项选择题1.C（三代测序单碱基错误率通常为1%-15%，一代测序错误率<0.1%，但HiFi模式可降至0.1%以下）2.B（UMI通过唯一标签区分同一转录本的不同拷贝，校正PCR扩增偏倚）3.B（横轴为染色体位置，纵轴为-Log10（P值），用于展示GWAS中各SNP的显著性）4.A（Canu用于长读长组装的纠错和组装；BWA是比对工具，GATK是变异检测，DESeq2是差异表达）5.C（倒位可通过配对末端测序的跨度异常或方向异常检测；短读长难以检测大缺失，纳米孔可识别插入，SNP不属于SV）6.B（ATAC-seq通过转座酶插入开放染色质区域，定位转录因子结合位点）7.B（分箱通过序列组成、覆盖度等信息将宏基因组片段归类到不同物种）8.D（ClinVar存储变异与疾病的关联；dbSNP是变异位点数据库，gnomAD是人群频率）9.A（Contig是连续无缺口的序列，Scaffold通过连接信息（如Hi-C、光学图谱）确定Contig顺序，含缺口）10.A（短读长可能同时映射到多个异构体，导致定量困难）11.B（人类泛基因组计划是补充参考基因组，而非替代）12.B（不同组学数据的维度、噪声水平差异大，整合分析是主要挑战）13.A（TMB通常基于全外显子组的非同义突变计数，单位为突变数/Mb）14.A（Flye是长读长组装工具；BWA-MEM是比对，STAR是RNA比对，Salmon是定量）15.B（WGS可无偏检测全基因组脱靶位点，灵敏度最高）二、填空题1.环状一致性测序（CCS）；电流；碱基调用（Basecalling）2.微液滴分选；平板分选（或微孔分选）3.连续序列长度中位数（N50）；连续序列数量中位数（L50）；核心基因完整性（BUSCO）；BUSCO4.重复；倒位；易位；短读长（或配对末端）；长读长（或直接比对）；光学图谱（或物理图谱）5.启发式算法；动态规划算法；大规模序列比对；小范围精确比对三、简答题1.短读长测序：优点是成本低、错误率低（<0.1%）、数据量大；缺点是读长短（50-300bp），难以跨越重复序列，组装时易产生缺口。长读长测序：优点是读长可达10-100kb，能跨越重复区域，提升组装连续性；缺点是单碱基错误率高（1%-15%），成本较高。二者互补：短读长用于纠错（如用Illumina数据校正PacBio原始读长），长读长用于解决重复区域组装，最终获得高质量基因组（如T2T人类全基因组组装结合了PacBioHiFi和纳米孔长读长）。2.预处理流程：①原始数据过滤：去除低质量读段、接头序列（工具：Fastp、Trimmomatic）；②细胞barcode与UMI拆分：根据测序接头分离不同细胞的读段（工具：CellRanger、STARsolo）；③比对到参考基因组：将读段映射到基因组（工具：STAR、HISAT2）；④UMI计数：统计每个基因在每个细胞中的UMI数量，生成表达矩阵（工具：CellRanger、Salmon）；⑤质量控制：过滤低质量细胞（如线粒体基因比例过高、基因数过少）（工具：Seurat、Scanpy）。3.区分策略：①频率分析：驱动突变在肿瘤样本中高频出现（如TP53在多种癌症中高频突变）；②功能预测：通过算法（如SIFT、PolyPhen-2）预测突变对蛋白功能的影响，驱动突变多为功能丧失或获得；③进化树分析：驱动突变通常出现在肿瘤进化树的早期分支（克隆性突变），乘客突变多为晚期分支（亚克隆性）；④实验验证：通过基因编辑（如CRISPR）在细胞或动物模型中验证突变是否促进增殖或转移。4.图基因组是一种非线性基因组表示方法，通过图结构（节点为序列片段，边为连接关系）整合物种内多个个体的遗传变异（如SNP、SV）。优势：避免传统线性参考基因组的偏向性（如仅代表部分人群），更全面反映遗传多样性；提升变异检测的准确性（尤其是结构变异）。应用场景：人类泛基因组构建（如HPRC计划）、复杂疾病关联分析（减少参考序列导致的假阳性）、个性化基因组分析（更准确的比对与注释）。5.功能注释流程：①基因预测：通过宏基因组组装或分箱后，使用工具（如Prodigal）预测开放阅读框（ORF）；②序列比对：将ORF与功能数据库比对（如BLASTp）；③功能分类：根据比对结果注释到通路、酶类或功能模块。数据库侧重：KEGG（代谢通路与调控网络）、COG（同源基因家族功能分类）、CAZy（碳水化合物活性酶）、PFAM（蛋白结构域）、eggNOG（进化与功能注释）。四、论述题1.研究方案（阿尔茨海默病）-研究目标：解析AD发病的多组学分子机制，识别潜在治疗靶点。-实验设计：-样本：收集AD患者（早发/晚发）、健康对照的血液（血浆cfDNA、外泌体RNA）、脑活检组织（冷冻保存）。-测序技术：①全基因组测序（WGS，IlluminaNovaSeq+PacBioHiFi）检测germline/SomaticSV；②全外显子测序（WES）分析编码区变异；③单细胞RNA-seq（10xGenomics）分析脑区细胞类型特异性表达；④ATAC-seq（bulk/单细胞）定位AD相关调控元件；⑤甲基化测序（WGBS）检测差异甲基化区域（DMR）。-数据分析流程：-基因组学：用GATK4+Manta检测SNP/Indel/SV，结合gnomAD过滤人群多态性，用FATHMM-MKL预测功能突变；-转录组学：scRNA-seq用Seurat聚类细胞类型，识别小胶质细胞/神经元的差异表达基因（DEG），用SCENIC推断调控转录因子；-表观组学：ATAC-seq用MACS2调用峰，关联DEG启动子区开放染色质；WGBS用Bismark比对，用DSS识别DMR，关联基因表达；-多组学整合：用MOFA+（多组学因子分析）整合变异、表达、甲基化数据，筛选关键调控模块（如APOE通路、Tau蛋白相关基因）。-预期成果：鉴定AD特异性驱动变异（如APP/PSEN1新突变）、细胞类型特异性表达特征（如小胶质细胞炎症通路激活）、表观调控网络（如SORL1基因甲基化与表达