2025年大学《生物信息学》专业题库- 生物信息学在复杂性疾病研究中的应用

2025年大学《生物信息学》专业题库——生物信息学在复杂性疾病研究中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.下列哪一项不属于复杂性疾病的主要特征？A.遗传异质性B.多基因遗传C.单一环境触发因素D.表型异质性2.全基因组关联研究（GWAS）主要关注的是与复杂性疾病关联的哪种类型的变异？A.大型染色体结构变异B.基因内调控区域变异C.基因编码区常见单核苷酸多态性（SNP）D.拷贝数变异（CNV）3.在GWAS分析中，选择注释文件的主要目的是什么？A.提高测序通量B.降低数据存储需求C.将基因型数据转化为具有生物学意义的变异信息（如基因、通路）D.标记测序错误4.假设一项GWAS研究发现了多个与糖尿病风险相关的SNP，其中每个SNP的效应都很小。研究者构建了多基因风险评分（PRS），其基本原理是：A.累加所有关联SNP的P值B.仅选择效应最大的SNP进行评分C.根据各SNP的效应量和关联强度，加权计算综合风险分D.计算所有SNP与疾病表型的相关系数5.RNA测序（RNA-Seq）相比于传统的基因表达芯片（如Affymetrix），其主要优势之一是：A.能检测更多种类的RNA分子B.结果更加定量精确C.能直接检测基因组中所有基因的表达D.对样本RNA质量要求更低6.单细胞RNA测序（scRNA-Seq）技术主要解决复杂性疾病研究中的什么问题？A.全基因组数据的覆盖度问题B.疾病发生发展的细胞异质性问题C.蛋白质水平表达变化的问题D.环境因素对疾病影响的评估问题7.基于基因集富集分析（GSEA）得到一个显著富集的通路，这意味着：A.该通路中的基因在所有样本中均高表达B.该通路中的基因在特定疾病样本组中的表达模式与正常对照组有显著差异C.该通路中的基因数量远多于随机预期D.该通路只在少数特定类型的细胞中表达8.在生物信息学研究中，公共数据库（如dbSNP,GTEx）的主要作用是：A.提供商业化的生物信息学软件B.存储和共享大规模实验数据，供研究人员查询和下载C.直接执行生物信息学分析任务D.培训生物信息学新手9.对于来自不同组学平台（如基因组、转录组）的数据进行整合分析，一个常见的挑战是：A.数据量过大难以存储B.不同组学数据的测量尺度、生物学含义差异巨大C.计算资源需求过高D.难以找到合适的统计方法10.在生物信息学分析流程设计中，选择合适的工具和参数需要考虑的主要因素包括：A.工具的流行度B.分析目的、数据特点、计算资源C.作者的个人喜好D.工具是否免费开源二、填空题（每空2分，共20分）1.复杂性疾病通常指受______、______及环境因素共同影响的疾病。2.全基因组关联研究（GWAS）中，通常使用______值来衡量遗传变异与疾病表型之间的关联强度。3.RNA测序（RNA-Seq）通过测定样本中RNA分子的______来推断基因表达水平。4.在系统生物学研究中，为了构建疾病相关的分子网络，常需要整合来自______、______等多种组学数据。5.生物信息学分析中的连锁不平衡（LD）问题，指的是邻近SNP之间由于______而产生的相关性。6.单细胞转录组数据常用的分析方法包括______和______。7.对于复杂性疾病的研究，仅仅进行GWAS往往不够，需要结合______等多维度信息进行深入解析。三、简答题（每题5分，共15分）1.简述利用全基因组关联研究（GWAS）发现疾病相关基因的基本流程。2.解释什么是拷贝数变异（CNV），并简述其在复杂性疾病研究中的潜在作用。3.简述生物信息学分析中，处理大规模、高维度数据（如基因表达矩阵）时面临的主要挑战。四、分析题（每题10分，共20分）1.假设你参与了一项研究，目标是探索某遗传综合征的致病机制。研究获得了该综合征患者及其健康对照组的WGS数据和RNA-Seq数据。请简述你将如何整合这两组数据，以发现可能与该综合征相关的基因或通路，并说明整合分析的基本思路和可能用到的方法。2.某GWAS研究声称发现了一个新的与心血管疾病风险显著相关的SNP位点（P值=1e-08）。请从统计学和生物学角度，列举至少三点需要进一步验证和分析的内容。试卷答案一、选择题1.C2.C3.C4.C5.A6.B7.B8.B9.B10.B二、填空题1.遗传因素环境因素2.P值3.测量值/丰度4.蛋白质组代谢组5.重组6.降维聚类分析网络分析7.转录组学表观遗传学三、简答题1.基本流程：*产生病例组和对照组的大规模基因组DNA测序数据（如WGS或WES）。*对原始测序数据进行质量控制和生物信息学处理，包括序列比对、变异检测（SNP,Indel,CNV等）和注释。*提取研究感兴趣的遗传变异位点（如所有SNP）。*设计研究问卷或数据库收集病例组和对照组的表型信息（如疾病状态、临床特征）。*使用统计方法（如关联分析）比较病例组和对照组在各个遗传位点上的变异频率差异。*筛选具有显著统计学关联（如P值低于阈值）且具有生物学合理性的变异位点。*对显著关联的变异进行进一步的功能注释和验证，以确定其与疾病发生的潜在联系。2.拷贝数变异（CNV）：指基因组DNA片段（通常包含数个到数万个基因）拷贝数发生增加或减少的现象，与单碱基变异不同，CNV涉及更大片段的重复或缺失。潜在作用：CNV可以影响基因的剂量效应，即基因拷贝数的改变可能影响其编码蛋白质的产量，从而影响个体的生物学性状和疾病易感性。某些CNV已被证明与多种遗传疾病和复杂性疾病（如自闭症、精神分裂症、癌症等）密切相关。3.主要挑战：*数据维度高：单个样本可能包含成千上万个基因的表达数据，如何从高维数据中提取有效信息是主要挑战。*多重检验问题：对大量基因进行统计检验时，容易犯I类错误（假阳性），需要采用合适的校正方法（如FDR）。*数据噪声和批次效应：实验过程中可能存在各种技术噪音和不同实验批次间的系统性差异，影响结果的可靠性。*生物学解释：即使发现差异表达的基因或通路，如何将其与具体的生物学过程和疾病机制联系起来，并解释差异表达的时空特异性，仍然具有挑战性。四、分析题1.整合思路与方法：*数据预处理：对WGS数据提取SNP和CNV信息，进行质量控制；对RNA-Seq数据进行质量控制和差异表达分析，获得患者与对照组间差异表达基因列表（DEGs）。*数据整合：可以采用多种策略：*基于变异的整合：将WGS/CNV数据与基因表达数据进行关联分析。例如，检查特定基因的拷贝数变异是否与其表达水平相关（拷贝数剂量效应），或者某些与疾病相关的SNP是否影响其邻近基因的表达。*基于基因集的整合：将WGS/CNV分析得到的基因列表（如显著关联的基因、拷贝数异常的基因）或RNA-Seq得到的DEGs列表，输入基因集富集分析（GSEA）或通路富集分析（如KEGG,GO），以发现共参与的生物学通路或功能模块。*多组学网络构建：结合基因表达关系（如共表达网络）和基因变异信息（如SNP关联网络），构建整合的多组学网络，识别在疾病发生中起关键作用的基因或模块。*分析目的：通过整合分析，可以更全面地理解疾病机制，发现新的候选致病基因、通路，验证GWAS或WGS发现的关联变异的功能，并可能揭示不同组学数据间的相互作用。2.需要进一步验证和分析的内容：*关联强度与效应量：该SNP与心血管疾病风险的关联强度（效应量，OR值等）有多大？关联是否稳定存在于其他独立的研究队列中？效应量是否足以解释疾病的部分遗传风险？*遗传模型与交互作用：该SNP是通过主效应还是与其它基因/环境的交互作用影响疾病风险？需要检验加性模型、显性模型以及潜在的基因-基因或基因-环境交互作用。*生物学功能验证：该SNP位于哪个基因？该基因的功能是什么？该SNP的具体变异位点（如位于编码区、非编码区、调控区）如何影响基因的功能或表达？可以通过生物信息学预测、