2025年大学《生物信息学》专业题库- 生物信息学在肿瘤基因组学中的应用

2025年大学《生物信息学》专业题库——生物信息学在肿瘤基因组学中的应用考试时间：______分钟总分：______分姓名：______一、简述肿瘤基因组学与生物信息学结合研究的主要意义。请至少从诊断、预后、治疗等方面各列举一个具体实例说明。二、比较全基因组测序（WGS）、全外显子组测序（WES）和靶向测序在肿瘤基因组学研究中的优缺点及适用场景。三、在肿瘤体细胞变异检测流程中，数据质控（QC）环节至关重要。请列举至少三个关键的质量控制指标，并简述其含义及重要性。若原始测序数据存在接头序列，通常需要使用哪些类型的工具进行去除？请各举一例。四、简述使用GATK(GenomeAnalysisToolkit)进行肿瘤样本SNV和Indel检测的基本流程，包括关键步骤和常用的GATK模块名称。五、什么是基因集富集分析（GeneSetEnrichmentAnalysis,GSEA）？它在肿瘤基因组学研究中通常用于分析什么问题？请列举一个具体的分析目标。六、变异注释是肿瘤基因组学数据分析的关键步骤。请说明进行变异注释的目的，并列举至少三个常用的注释数据库或工具。简述如何通过注释信息初步判断一个体细胞突变可能的功能影响。七、肿瘤样本常存在拷贝数变异（CNV）。请简述如何利用生物信息学方法检测肿瘤样本中的CNV？可以提及一种具体的检测方法和其基本原理。八、描述一下肿瘤基因组数据分析流程中，如何从海量的变异数据中筛选出具有潜在临床意义的候选突变？需要考虑哪些因素或标准？九、单细胞测序技术为研究肿瘤异质性提供了新的视角。请简述单细胞测序技术在肿瘤基因组学研究中的一个潜在应用，并说明其面临的技术挑战。十、生物信息学分析结果如何应用于指导肿瘤的个体化治疗？请结合具体的基因突变类型或分子标记，阐述其应用原理和潜在价值。试卷答案一、肿瘤基因组学与生物信息学结合研究的主要意义在于利用计算方法解析复杂的肿瘤基因组数据，揭示肿瘤发生发展的分子机制，并转化为临床应用。*诊断方面实例：通过全外显子组测序检测特定驱动基因突变（如EGFR、ALK），可用于肺癌等肿瘤的精准诊断和分型，指导靶向治疗选择。*预后方面实例：分析肿瘤样本中特定基因突变谱（如TP53、PTEN）、基因组复杂性或DNA甲基化状态，结合生物信息学模型预测患者的疾病进展风险或复发可能性，为临床决策提供依据。二、*WGS：优点是全面，可检测所有基因区域及未知变异；缺点是数据量巨大，成本高，非编码区信息冗余。适用于需要全面了解基因组变异、研究复杂遗传背景或进行物种演化的研究。*WES：优点是聚焦编码区（外显子），数据量和成本适中；缺点是可能遗漏非编码区重要变异。适用于主要关注已知癌症相关基因突变的研究。*靶向测序：优点是针对已知目标区域进行高深度测序，灵敏度和特异性高，成本相对较低；缺点是设计灵活性和全面性差，无法检测目标区域外变异。适用于已知生物标志物（如靶向药物靶点）的精准检测和验证。*适用场景：WGS适用于研究罕见肿瘤、进行基因组育种或研究复杂疾病遗传基础；WES适用于大多数常见癌症的驱动基因筛选；靶向测序适用于伴随诊断、液体活检和已知靶点的精准治疗。三、*关键质量控制指标：1.Q30覆盖率：指测序读段中至少30%的碱基质量值达到Q30（即准确率≥99%）的比例。重要性在于反映测序准确度，低值意味着较多错误碱基，影响后续分析。常用工具如FastQC可报告此指标。2.接头序列去除率/比例：指成功去除预期接头序列的读段占总读段的比例。重要性在于评估去除接头效率，过高或过低都可能指示问题。常用工具如Trimmomatic可进行此操作。3.低质量读段比例：指质量值低于某个阈值（如Q20或Q15）的读段占总读段的比例。重要性在于识别测序质量差的读段，应予以过滤，避免污染后续分析。FastQC和Trimmomatic等工具可评估和过滤。*去除接头序列工具示例：Cutadapt,Trimmomatic。四、使用GATK进行肿瘤样本SNV和Indel检测的基本流程：1.比对：使用BWA或bowtie2等工具将肿瘤样本reads比对到参考基因组。2.排序与标记重复：使用Samtools对比对结果进行排序、转换格式（BAM）并标记重复读段。3.基调用质控与重新分装：使用GATKHaplotypeCaller或UnifiedGenotyper进行基调用质控，并重新分装（Realign）reads以优化对参考基因组的覆盖。4.变异检测：使用GATKHaplotypeCaller或GenotypeGVCFs基于重新分装后的数据检测SNV和Indel。5.变异过滤：使用GATKVariantFiltration或VQSR(VariantQualityScoreRecalibration)对检测到的变异进行质量评估和过滤，去除低质量变异。6.（可选）变异注释：使用GATKSnpEff或VEP等工具对过滤后的变异进行注释。五、基因集富集分析（GSEA）是一种用于评估某个预定义基因集在给定数据集（如肿瘤样本基因表达谱）中富集程度或显著变化的统计方法。*分析问题：GSEA通常用于分析当传统差异表达分析方法可能遗漏的、基因表达整体趋势变化的“沉默”基因集（如通路、功能模块）是否在肿瘤样本中显著富集或表现出特定的表达模式（如上调或下调）。*具体分析目标：例如，评估某个已知的癌症相关信号通路（如MAPK通路）的基因集在肺癌肿瘤样本中是否整体上调，从而判断该通路在肺癌发生发展中的潜在作用。六、*变异注释目的：变异注释的目的是将检测到的基因组变异（如SNV,Indel,CNV）映射到具体的基因、外显子、蛋白质位点或功能元件上，并提供关于该变异可能影响的生物学功能、通路、预后信息等注释信息，是连接序列变异与生物学意义的关键桥梁。*常用注释数据库/工具：EnsemblVariantEffectPredictor(VEP),NCBIdbSNP,Mutalyzer,SnpEff,COSMIC(CancerSpectralDatabase)。*初步判断功能影响：通过注释信息，可以判断变异发生的基因是否为已知的癌症相关基因；变异位于基因的哪个区域（如编码区、调控区、非编码区）；变异类型（如错义突变、无义突变、剪接位点突变、移码突变）；利用SIFT或PolyPhen-2等工具预测变异的致病变异率；结合GeneOntology(GO)或KEGG通路注释，初步判断变异可能影响的生物学过程或通路。七、检测肿瘤样本CNV的生物信息学方法通常基于比较组测序（如WGS/WES）数据：1.算法流程：常用算法包括基于统计模型的方法（如CircularStatisticsMethod,CBS）或基于机器学习/深度学习的方法（如DeepCNV,CNA-SURF）。这些方法通常需要先进行reads比对、计算基因组覆盖深度图。2.基本原理（以常见方法为例）：基于深度信息的方法通过比较肿瘤样本与正常对照样本在基因组各位置的覆盖深度差异来检测CNV。通常假设正常组织拷贝数接近2。若肿瘤样本某区域深度显著高于正常对照（如>4），则判断为拷贝数扩增（Amplification）；若显著低于正常对照（如<0.5），则判断为拷贝数丢失（Deletion）。算法会利用统计模型或机器学习模型来区分真实的拷贝数变化与测序噪声。八、从海量变异数据筛选候选突变时，需要考虑以下因素或标准：1.突变类型与功能影响：优先关注功能影响较大的突变，如错义突变、移码突变、影响剪接的突变、启动子突变或显著的拷贝数变异。对于肿瘤研究，体细胞突变（特别是新发突变）通常比胚系突变更具临床意义。2.突变频率与公共性：高频突变或已知的常见致癌驱动基因突变（如EGFR,BRAF,KRAS）通常具有更强的临床关联。3.生物信息学预测：利用SIFT,PolyPhen-2,CADD等工具预测突变的致病变异率，优先选择高分（高风险）的突变。4.基因组位置：位于已知癌症相关基因、关键通路或调控元件中的突变应予以重点关注。5.肿瘤组织与正常组织对比：筛选在肿瘤组织中显著突变，但在正常组织中未检测到或频率极低的体细胞突变。6.临床关联证据：结合文献报道或数据库信息（如COSMIC），筛选已有临床证据表明与肿瘤发生、进展或治疗反应相关的突变。九、单细胞测序技术在肿瘤基因组学研究中的一个潜在应用是解析肿瘤内部的高度异质性。通过分析单个肿瘤细胞（或小群体细胞）的基因组、转录组或表观基因组信息，可以识别出不同亚克隆的存在、它们的遗传和表观遗传特征、演化关系以及与肿瘤进展、治疗耐药性的关联。挑战包括：技术成本高、数据量巨大、需要处理“dropout”现象（低表达基因的缺失读数）、单细胞水平的变异检测和注释难度大、生物样本制备和分选过程中的噪声等。十、生物信息学分析结果指导肿瘤个体化治疗主要体现在以下几个方面：*靶向治疗选择：通过WES或靶向测序检测肿瘤样本中存在的特定致癌驱动基因突变（如EGFR-MET融合、ALK重排、BRAFV600E），患者可选择使用相应靶点的靶向药物进行治疗。例如，检测到EGFR突变的患者适用EGFR抑制剂（如吉非替尼、奥希替尼）。*耐药机制分析：对治疗无效或出现进展的患者，通过再次测序分析肿瘤样本中是否出现新的耐药突变（如EGFRT790