2025年大学《生物信息学》专业题库- 生物信息学在疾病筛查中的应用

2025年大学《生物信息学》专业题库——生物信息学在疾病筛查中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.下列哪项不属于生物信息学在疾病筛查中主要利用的“组学”数据类型？A.基因组DNA序列数据B.mRNA表达谱数据C.蛋白质表达或修饰数据D.细胞形态学图像数据2.在设计基于基因突变的遗传病筛查方案时，选择筛查目标基因的主要依据通常不包括：A.基因致病性的明确性B.相关疾病的发病率C.基因诊断技术的经济性D.基因在基因组中的位置3.对于高通量测序获得的原始测序读长（Reads），进行“比对（Alignment）”的主要目的是：A.计算样本的基因组大小B.确定读长在参考基因组上的位置C.评估测序反应的效率D.聚类相似的读长4.在评估一个用于疾病风险预测的生物信息学模型的性能时，哪个指标主要反映模型区分患病与未患病个体的能力？A.准确率（Accuracy）B.精确率（Precision）C.灵敏度（Sensitivity）D.预测阳性率（PositivePredictiveValue）5.液体活检（LiquidBiopsy）在癌症筛查中的主要优势之一是：A.能直接观察肿瘤组织形态B.样本获取相对无创或微创C.能提供完整的基因组信息D.结果解读通常比组织活检更简单6.GO（GeneOntology）数据库在生物信息学疾病筛查分析中的主要作用是：A.存储基因测序原始数据B.提供基因的功能注释C.进行基因之间的物理相互作用预测D.计算基因表达变化的倍数7.KEGG（KyotoEncyclopediaofGenesandGenomes）数据库在疾病筛查分析中，通常被用于：A.存储个体的基因型数据B.进行基因或蛋白质的功能注释和通路富集分析C.提供特定疾病的临床治疗指南D.管理全球基因分型项目数据8.生物信息学在传染病快速筛查中发挥作用的关键因素之一是：A.样本前处理的复杂程度B.测序平台的成本C.能够快速处理大量数据和识别病原体特异性标志物D.筛查结果需要极高的灵敏度9.在进行基于RNA-Seq数据的差异表达基因分析时，一个常见的假设检验方法是：A.t-检验B.线性回归分析C.卡方检验D.机器学习分类算法10.下列哪项不是生物信息学在疾病筛查应用中需要考虑的重要伦理问题？A.研究数据的隐私保护B.筛查结果的告知与咨询C.不同人群间的筛查公平性D.测序仪器的品牌选择二、填空题（每空1分，共15分）1.疾病筛查的目标人群通常是具有______或______风险的个体。2.生物信息学分析中常用的统计指标“p值”小于0.05通常表示观察到的差异具有______的统计学显著性。3.基于外泌体等体液微纳颗粒进行疾病诊断的技术，属于液体活检的______分析范畴。4.在机器学习模型中，选择与疾病状态强相关的基因或特征的过程称为______。5.评估疾病筛查方法性能时，假阳性率（1-Specificity）越低，说明筛查方法的______越好。6.将基因序列或表达量等数据转化为模型可识别输入格式的过程，称为______。7.生物信息学工具和数据库的标准化对于实现疾病筛查结果的______至关重要。8.单细胞RNA测序（scRNA-seq）技术使得在疾病发生发展的______水平上研究细胞异质性成为可能。9.基于遗传变异的疾病筛查结果解读需要考虑变异的______、______和______。10.人工智能（AI）在生物信息学疾病筛查中的应用，有助于提高______和______。三、简答题（每题5分，共20分）1.简述利用生物信息学方法进行癌症液体活检（如ctDNA检测）的主要分析流程。2.比较基于基因组测序和基于基因芯片技术的遗传病筛查在原理、成本和应用场景上的主要区别。3.解释在生物信息学疾病筛查研究中，为什么要进行数据质量控制（QC）？4.提出生物信息学在疾病筛查应用中面临的一个主要挑战，并简述应对该挑战的可能策略。四、论述题（每题10分，共20分）1.论述生物信息学技术如何推动了精准医学时代的疾病筛查模式变革。2.结合具体实例，论述在利用生物信息学进行传染病快速筛查时，需要综合平衡哪些因素（如灵敏度、特异度、成本、时效性等），并说明如何通过生物信息学方法进行优化。试卷答案一、选择题1.D2.D3.B4.C5.B6.B7.B8.C9.A10.D二、填空题1.患病风险潜在风险2.显著3.蛋白质组4.特征选择5.特异性6.特征工程7.可重复性8.单细胞9.类型功能丰度/效应10.准确性效率三、简答题1.分析流程：*获取液体样本（如血液、尿液），提取ctDNA。*对ctDNA进行文库构建，包括捕获（若有）、扩增和测序。*对测序产生的原始数据进行质控（QC），去除低质量读长和接头序列。*将合格的ctDNA读长与参考基因组进行比对。*提取肿瘤特异性标志物（如突变基因、重排基因、拷贝数变异区域）。*利用生物信息学工具进行变异检测、注释和统计分析，评估肿瘤负荷或筛查结果。*（可能）结合临床信息进行综合判断。2.主要区别：*原理：基因组测序（WGS）获得个体全部或大部分DNA序列信息；基因芯片（Array）则通过探针固定在固相载体上，与样本标记的核酸进行杂交，检测目标基因或区域的表达/存在。WGS是“全基因组”探索，Array是“目标捕获”。*成本：基因芯片成本相对较低（尤其对于已知目标）；WGS成本随着测序技术发展持续下降，但通量更大时仍可能更高。*应用场景：基因芯片适用于检测已知遗传标记、进行特定基因表达谱分析等；WGS适用于发现新的变异、进行全基因组关联分析、复杂疾病研究等。遗传病筛查中，芯片可针对已知致病基因，WGS可发现未知突变。3.QC重要性：*高通量测序和生物信息学分析会产生大量数据，其中可能包含错误、噪声或无关信息。*数据QC旨在识别和剔除低质量读长、去除重复序列、校正错误等，确保进入后续分析的数据是可靠和有意义的。*良好的QC是保证分析结果准确性和生物学结论可信度的基础，能避免将噪声误判为信号，提高后续分析（如变异检测、差异表达分析）的效率和准确性。*例如，未进行有效QC的测序数据可能导致假阳性变异检出率增高，或错误评估基因表达水平。4.挑战与策略：*主要挑战：数据整合与分析的复杂性。生物信息学疾病筛查常涉及多组学数据（基因组、转录组、蛋白组等），数据来源多样、格式不一，如何有效整合这些异构数据进行协同分析，并从中提取有价值的疾病信息是一大难题。*策略：*建立标准化的数据获取、处理和共享流程（如采用统一的文件格式和元数据标准）。*开发和利用集成生物信息学平台或工具，实现多组学数据的整合分析。*应用先进的生物网络分析方法，探索不同组学数据间的关联和相互作用。*加强多学科交叉合作，结合临床、病理等信息进行综合解读。四、论述题1.精准医学与筛查变革：*精准医学强调基于个体基因组、表型和环境因素进行疾病预防和治疗。生物信息学通过分析海量生物组学数据，能够揭示个体差异，识别疾病风险相关基因变异、生物标志物和通路。*变革体现：*筛查目标个体化：基于遗传风险预测模型，将筛查资源优先投入到高风险人群，提高效率，降低成本。*筛查标志物多样化：从传统的单一标志物（如PSA）扩展到基于多组学（基因、蛋白、代谢物）的复合标志物谱，提高筛查的灵敏度和特异度。*筛查前预测与风险评估：利用生物信息学模型预测个体发生特定疾病的风险，指导预防性筛查和干预。*筛查结果精准解读：结合基因组信息，更准确地解释筛查发现的异常结果（如变异致病性判断），提供个体化的咨询和管理建议。*驱动预防性筛查发展：通过对疾病早期生物标志物的发现和验证，推动从治疗为主向早期筛查、风险预测和预防转变的模式。2.传染病快速筛查的平衡与优化：*需综合平衡的因素：*灵敏度（Sensitivity）：能否准确检出感染者，漏诊率低。对疫情防控至关重要，尤其是在早期阶段。*特异度（Specificity）：能否准确排除非感染者，误诊率低。保证筛查结果的可靠性，避免不必要的恐慌和资源浪费。*时效性（Timeliness）：筛查从样本采集到报告结果所需的时间。在传染病快速传播时，缩短周转时间（TurnaroundTime,TAT）是关键。*成本效益（Cost-Effectiveness）：筛查方案的总成本（试剂、设备、人力、分析）与其效果（如防控效果、诊断准确性）的比值。需要考虑资源投入和产出。*操作简便性（EaseofOperation）：方案对操作人员的技能要求、样本处理复杂度等。影响筛查的可推广性和普及性。*可及性（Accessibility）：筛查资源（仪器、试剂、人员）能否广泛部署。*生物信息学优化方法：*模型优化：利用历史数据或模拟数据，通过机器学习等方法优化诊断模型的特征选择（如选择最具判别力的基因/蛋白组合）和参数设置，提高模型的整体性能（如同时提升灵敏度和特异度）。*数据整合：结合来自不同检测技术（如核酸检测、抗体检测）或不同来源（如环境样本、临床样本）的数据，构建更全面的感染风险评