2025年大学《生物技术》专业题库- 单细胞测序技术的发展

2025年大学《生物技术》专业题库——单细胞测序技术的发展考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分）1.单细胞测序技术最核心的突破在于（）。A.实现了高通量测序B.突破了限制性内切酶识别位点的限制C.研究单个细胞水平的基因表达或基因组信息D.开发了微流控芯片技术2.下列哪项技术通常被归类为基于“捕获”策略的单细胞RNA测序方法？（）A.Smart-seq2B.Drop-SeqC.FluidigmC1D.10xVisiumSpatialGeneExpression3.在单细胞测序中，产生“dropout”现象的主要原因是（）。A.测序仪故障B.单个细胞中某些基因表达量极低或不存在C.转录组高度重叠D.数据分析软件选择错误4.scRNA-seq数据中，常用的降维方法包括（）。（多选）A.主成分分析(PCA)B.t-SNEC.线性回归分析D.UMAP5.与传统BulkRNA-seq相比，单细胞RNA测序的主要优势之一是（）。A.成本更低B.能够揭示细胞群体内部的异质性C.更容易检测到低丰度基因D.数据分析更为简单6.以下哪项技术主要用于研究单细胞水平的表观遗传学标记（如组蛋白修饰）？（）A.scATAC-seqB.scRNA-seqC.scDNAme-seqD.scDNA-seq7.单细胞测序技术目前在癌症研究中主要应用于（）。（多选）A.鉴定肿瘤干细胞B.研究肿瘤微环境C.查找致癌突变D.预测患者预后8.“伪时间”（Pseudotime）分析主要应用于（）。A.研究细胞分化的动态过程B.鉴定不同细胞亚群C.比较不同基因的表达模式D.确定细胞的起源9.空间转录组学技术的主要目标是（）。A.获取单个细胞的基因表达信息B.研究细胞间的物理相互作用C.同时获取空间信息和细胞水平的基因表达信息D.测量细胞间的距离10.单细胞测序技术面临的主要技术挑战之一是（）。A.数据量过小，易于分析B.单个细胞捕获效率低C.所有基因在所有细胞中均匀表达D.数据分析方法非常简单二、填空题（每空2分，共20分）1.单细胞测序技术的出现，使得我们能够从________的层面研究细胞生物学问题。2.________是目前应用最广泛的一种单细胞RNA测序技术平台。3.scRNA-seq数据分析中，常用的聚类方法有________和________。4.单细胞表观遗传学研究中，scATAC-seq技术主要捕获________位点的信息。5.单细胞测序技术的发展极大地推动了________、免疫学等领域的进步。6.为了减少人为操作对细胞的影响，单细胞测序流程中常采用________技术进行细胞分选。7.在单细胞测序数据中，基因表达水平呈现________分布。8.空间转录组学技术的发展，使得研究________内部的基因表达空间模式成为可能。9.单细胞测序数据的“________”问题是目前研究中的一个重要挑战，指低表达基因很难被可靠检测到。10.随着技术的进步，单细胞测序的________和________正在不断提高。三、简答题（每题5分，共15分）1.简述单细胞RNA测序（scRNA-seq）的基本原理。2.与scRNA-seq相比，scATAC-seq技术有何独特之处和优势？3.简要说明单细胞测序数据分析流程中的“降维”步骤及其目的。四、论述题（10分）结合具体的生物学例子，论述单细胞测序技术在研究发育过程中细胞命运决定或分化动态方面的应用价值。试卷答案一、选择题1.C2.D3.B4.A,B,D5.B6.C7.A,B,D8.A9.C10.B二、填空题1.单细胞2.10xGenomicsChromium(或类似答案，如10xVisium)3.k-means,t-SNE(或UMAP)4.转录起始5.发育生物学，肿瘤学(或其他相关领域如免疫学)6.微流控7.泊松(Poisson)8.组织，器官9.Dropout10.通量，成本三、简答题1.解析思路：首先说明scRNA-seq的目标是获取单个细胞的全部或部分转录本信息。然后描述核心步骤：从单个细胞中分离RNA，逆转录合成cDNA，扩增（如通过SMART或UMI技术），接着进行高通量测序。最后，通过生物信息学方法分析测序数据，得到每个细胞的表达谱。整个过程旨在克服传统方法混合细胞的限制，揭示细胞异质性。2.解析思路：首先说明scATAC-seq检测的是染色质可及性，而非直接检测转录本。其原理是利用转录起始位点（TSS）附近染色质开放区域富含AT碱基的特点，设计带有TSS识别序列的短RNA引物，通过ATAC-seq技术捕获这些区域。优势在于：①能直接反映染色质开放状态，与基因表达调控密切相关；②对RNA降解敏感，可捕捉活跃的染色质状态；③技术相对简单，成本较低；④可检测基因组范围内所有可及位点，信息更全面。与其他直接检测RNA的技术相比，它提供了表观遗传层面的信息。3.解析思路：首先说明单细胞测序数据量巨大且高维度，直接分析困难。降维的目的是将高维度的数据投影到低维空间。主要目的包括：①可视化：将复杂的细胞群体结构和异质性以图形方式展现（如散点图）；②去除噪音：过滤掉与生物学意义无关的随机波动；③发现潜在结构：揭示数据中隐藏的细胞类型或状态；④为后续分析步骤（如聚类、轨迹推断）提供基础。常用方法如PCA、t-SNE、UMAP等。四、论述题解析思路：1.引入背景：说明传统方法难以研究发育过程中单个细胞的动态变化和命运决定，因为组织是混合细胞群体。2.阐述scRNA-seq的应用：强调scRNA-seq能提供单个细胞在特定时间点的基因表达谱，从而识别不同细胞类型、追踪细胞谱系、揭示分化路径。3.举例说明：*细胞类型识别与谱系追踪：例如，在胚胎发育中，通过scRNA-seq可以鉴定出神经嵴细胞、精原细胞等不同命运细胞的特征基因，并利用UMI或其他方法追踪它们从祖细胞分化出的过程和路径。*分化动态研究：例如，研究肌肉分化，可以捕捉肌细胞祖细胞激活、早期分化标记表达、终末分化状态形成的动态变化过程，理解关键调控基因的作用。*细胞命运决定：例如，在成体干细胞（