2025年大学《生物信息学》专业题库- 遗传变异分析与生物信息学技术

2025年大学《生物信息学》专业题库——遗传变异分析与生物信息学技术考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.在人类基因组中，由单个核苷酸变异引起的遗传多态性被称为？A.插入/缺失（Indel）B.拷贝数变异（CNV）C.单核苷酸多态性（SNP）D.结构变异（SV）2.以下哪个工具主要用于从高通量测序原始数据（FASTQ）中进行变异检测？A.BLASTB.GATKC.SamtoolsD.Haploview3.评估测序读段质量时，通常使用的质量值（Q-score）与其对应碱基的准确率关系是？A.Q-score越高，准确率越低B.Q-score越高，准确率越高C.Q-score与准确率无关D.Q-score仅反映读段整体质量，与单个碱基无关4.在进行全基因组重测序的变异检测流程中，对齐（Alignment）步骤通常使用哪个工具？A.GATKB.FreeBayesC.Bowtie2/BWAD.VEP5.以下哪个参数通常用于过滤低质量的SNP位点？A.基因型频率（AF）B.覆盖深度（DP）C.质量分数（QRankSum）D.相似性分数（FS）6.用于预测基因组变异对蛋白质编码区影响的工具是？A.SamtoolsB.SnpEffC.GATKD.Haplotypecaller7.拷贝数变异（CNV）分析的主要目的是？A.检测单个碱基的变异B.比较基因组序列间的差异C.识别基因组片段的拷贝数增加或减少D.预测变异的致病性8.将不同样本的基因型数据转换为等位基因频率（AlleleFrequency）的过程称为？A.变异检测B.变异注释C.频率计算D.数据归一化9.在生物信息学中，BLAST主要用于？A.进行基因组变异检测B.对序列进行比对以查找相似性C.对基因组进行组装D.预测基因功能10.VCF文件格式通常用于存储哪种类型的数据？A.原始测序读段（Reads）B.比对后的读段（AlignedReads）C.基因组变异信息D.蛋白质序列二、填空题（每空1分，共15分）1.生物信息学研究中，对测序读段进行质量控制的常用工具是________。2.变异检测工具如GATK和FreeBayes通常需要先对测序读段进行________。3.SNP位点的基因型信息通常用________、________、________或________等符号表示。4.评估变异是否偏离群体频率，判断其统计学显著性的常用方法是________。5.对于非编码区的变异，其功能影响判断通常比编码区________。6.变异注释工具如VEP可以提供变异的________、________和________等信息。7.在CNV分析中，检测到某个基因拷贝数显著增加，可能暗示该基因的功能________。8.将基因组序列与已知参考基因组进行比对的操作称为________。9.基因组组装的目的是将测序产生的短读段重建为完整的________。10.生物信息学分析流程中，数据格式转换是一个常见的环节，例如将SAM文件转换为________文件。三、简答题（每题5分，共20分）1.简述使用GATK进行SNP检测的基本流程。2.解释什么是插入（Indel）？并简述其检测的一般方法。3.列举至少三种常用的变异注释数据库，并说明其作用。4.描述在生物信息学分析中，从原始测序数据（FASTQ）到变异检测（VCF）通常会经历哪些关键步骤。四、论述题（每题10分，共20分）1.论述在进行遗传变异分析时，数据质量控制（QC）的重要性，并列举至少三个QC检查的方面。2.比较SNP和CNV在遗传学研究中的异同点，并分别说明它们可能对应哪些生物学意义。---试卷答案一、选择题1.C2.B3.B4.C5.C6.B7.C8.C9.B10.C二、填空题1.FastQC2.对齐3.AA,AB,AC,BB4.关联分析（GWAS）5.更难判断6.位置，功能影响，通路7.增强8.对齐9.基因组序列10.BAM三、简答题1.简述使用GATK进行SNP检测的基本流程。答：首先，对原始测序数据进行质量控制（QC）和预处理（如去除低质量读段、过滤接头序列等）。然后，将预处理后的读段进行比对（Alignment）到参考基因组。接着，使用HaplotypeCaller或GenotypeGVCFs等GATK工具进行变异检测，生成基因型数据（如VCF文件）。最后，对生成的VCF文件进行变异后处理，包括过滤低质量变异、去除重复变异、基于群体数据进行校正（如使用dbSNP）等步骤，得到最终的高质量SNP列表。解析思路：考察对GATK核心工具及其在SNP检测中典型应用流程的掌握。流程应涵盖数据预处理、对齐、变异调用和变异过滤后处理等关键环节。2.解释什么是插入（Indel）？并简述其检测的一般方法。答：插入（Insertion）是指基因组序列中突然插入了一个或多个核苷酸的现象。删除（Deletion）则是指序列中缺少了一个或多个核苷酸。Indel是插入和删除的统称。检测Indel的一般方法通常与SNP检测结合进行。在对齐阶段，比对工具会尝试将读段中缺失或额外的核苷酸与参考基因组进行匹配。变异检测工具（如GATK的HaplotypeCaller或FreeBayes）会根据比对结果和统计学模型，识别出这些插入或删除位点，并估计其大小和频率。解析思路：首先要定义Indel（包括插入和删除）。其次要说明Indel的检测通常嵌入在现有的变异检测流程中，特别是依赖于比对工具的算法和后续的变异调用工具进行识别和定量。3.列举至少三种常用的变异注释数据库，并说明其作用。答：常用的变异注释数据库包括：1)EnsemblVariation（VEP依赖此数据库），提供基因组变异的注释信息，包括位置、参考碱基、变异碱基、影响功能（如剪接位点、非编码区、蛋白质结构域、氨基酸改变等）；2)dbSNP，存储人类基因组中的已知单核苷酸多态性，提供变异频率和已知功能信息；3)NCBIdbVar，收录人类和其他物种的基因组变异，包括结构变异和功能性变异。其作用是向研究人员提供变异在基因组中的精确位置、变异类型、以及可能对基因功能、蛋白质结构和表达等产生的生物学影响。解析思路：要求学生熟悉至少三种主流的变异注释资源。回答时需说明数据库名称，并简述其主要内容和核心作用——即解释变异的生物学意义。4.描述在生物信息学分析中，从原始测序数据（FASTQ）到变异检测（VCF）通常会经历哪些关键步骤。答：通常经历以下关键步骤：1)数据质量控制（QC）：使用工具（如FastQC）评估原始数据质量，并进行必要的清洗（如Trimmomatic）；2)读取对齐（Alignment）：将高质量的读段比对到参考基因组（如使用Bowtie2或BWA）；3)产生原始变异叫号（RawVariantCalling）：使用变异检测工具（如GATKHaplotypeCaller或FreeBayes）根据比对结果推断基因型；4)变异文件整理与过滤（VariantRecalibration&Filtering）：使用GATK的BaseRecalibrator和ApplyBQSR进行质量分数校正，并根据预设标准过滤低质量变异（如使用GATKVariantFiltration）；5)（可选）变异注释：使用工具（如VEP或SnpEff）对过滤后的变异进行注释，解释其生物学意义；最终得到VCF格式的变异文件。解析思路：考察对全基因组测序变异检测标准流程的掌握程度，涵盖从数据输入到最终输出VCF文件的主要处理环节和技术节点。四、论述题1.论述在进行遗传变异分析时，数据质量控制（QC）的重要性，并列举至少三个QC检查的方面。答：数据质量控制（QC）在遗传变异分析中至关重要，原因如下：首先，测序技术和流程中可能引入各种噪声和错误（如接头污染、测序错误、重复序列影响），QC能够识别并剔除这些低质量数据，保证后续分析的准确性。其次，不同样本或实验间的数据差异可能很大，QC有助于标准化数据，使不同来源的数据具有可比性。最后，有效的QC可以显著提高后续分析（如变异检测、注释）的效率和可靠性，避免将错误信息引入分析过程，减少假阳性和假阴性的风险。QC检查的方面至少包括：1)原始读段质量评估：检查读段的平均质量分数、分布、N比例等（如使用FastQC）；2)过滤低质量读段和接头序列：去除质量分数过低或含有已知接头序列的读段；3)检查比对质量：评估比对率、未比对读段比例、重复序列比例等；4)（对于配对测序）检查读段对之间的距离分布和方向，确保符合预期。解析思路：首先要论述QC的重要性，从保证准确性、实现可比性、提高效率可靠性等角度阐述。其次要具体列举QC检查的关键方面，如原始数据质量、过滤、比对质量、配对信息检查等，体现对QC流程的熟悉度。2.比较SNP和CNV在遗传学研究中的异同点，并分别说明它们可能对应哪些生物学意义。答：SNP（单核苷酸多态性）和CNV（拷贝数变异）是两种常见的基因组结构变异，它们的异同点及生物学意义如下：相同点：1)都是基因组中常见的变异形式，在人类群体中普遍存在；2)都可以作为遗传标记，用于关联分析、群体遗传学研究、疾病易感性研究等；3)都可能影响基因的表达水平或功能。不同点：1)定义：SNP指单个碱基的变异，是点突变；CNV指基因组片段（通常包含一个或多个基因）拷贝数的变化，可以是增加或减少。2)频率：SNP在人类基因组中数量远多于CNV。3)影响范围：SNP影响通常局限于单个碱基及其编码的氨基酸（若在编码区）；CNV影响的是一个或多个基因的剂量，可能导致基因表达量的改变。4)检测难度：SNP检测相对简单直接；CNV检测通常更复杂，需要处理比对中的重复序列和复杂结构。生物学意义：SNP：可能通过改变编码氨基酸（影响蛋白质结构和功能）、影响剪接位点、或位于调控区域影响表达调控等，导致表型差异或与疾病相