2025年大学《生物信息学》专业题库-基因组异常在癌症发展中的影响

2025年大学《生物信息学》专业题库——基因组异常在癌症发展中的影响考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.下列哪项不属于常见的体细胞基因组异常类型？A.单核苷酸多态性（SNP）B.复杂染色体易位C.拷贝数扩增D.端粒长度缩短2.在癌症基因组学研究中，用于检测小片段缺失和插入（InDel）的高通量测序技术是？A.基因芯片（Microarray）B.第二代测序（NGS）C.流式细胞术（FlowCytometry）D.第一代测序（SangerSequencing）3.COSMIC数据库主要收录和整理哪种类型的变异信息？A.染色体核型异常B.人类遗传病相关变异C.肿瘤相关的体细胞基因突变D.单核苷酸多态性（SNP）4.当怀疑存在大规模拷贝数变异（CNV）时，以下哪种分析方法通常更为敏感？A.深度测序（DeepSequencing）覆盖度变化分析B.基因芯片（Microarray）比较基因组杂交（CGH）C.变异检测软件如GATKD.基因表达谱分析（RNA-Seq）5.“致癌基因激活”（OncogeneActivation）通常与哪种基因组异常机制相关？A.肿瘤抑制基因失活B.癌基因的体细胞点突变或扩增C.纯合子缺失D.染色体长臂缺失6.在对癌症基因组数据进行变异注释时，以下哪个工具或数据库主要用于预测变异可能产生的蛋白质结构改变？A.SangerBoxB.VEP(VariantEffectPredictor)C.EnsemblVariantEffectPredictorD.MutSigCV7.RNA测序（RNA-Seq）数据在癌症研究中除了可以检测基因表达差异外，还可以间接推断？A.染色体结构变异B.精确的拷贝数变异（CNV）数量C.SNV和InDel的位置D.mRNA的剪接异构体8.TCGA项目的主要目标是？A.系统性绘制人类基因组参考图B.提供公共的基因表达数据库C.全基因组测序大型癌症队列研究，探索癌症的基因组学特征D.开发新一代测序仪器9.功能预测分析中，KEGG通路富集分析主要目的是什么？A.确定单个基因突变的致病性B.识别在特定癌症类型中显著富集的生物学通路C.预测突变的精确位置D.比较不同癌症组的突变频率10.液体活检在癌症基因组学研究中的优势之一是？A.能够提供肿瘤组织的精细病理形态学信息B.可以无创或微创地实时监测肿瘤负荷和基因变异变化C.能够直接检测到所有类型的基因组变异D.提供比组织活检更全面的基因组信息二、填空题（每空1分，共10分）1.基因组测序技术能够提供生物体全部或大部分__________的序列信息。2.识别和量化基因组中特定区域拷贝数变化的常用统计方法是__________。3.导致肿瘤抑制基因功能丧失的体细胞突变通常遵循__________模式。4.基因组数据在进行分析前，必须进行严格的质量控制，简称__________。5.变异注释的目的是将检测到的基因组变异与已知的__________、__________等功能信息联系起来。6.通过分析肿瘤样本中驱动基因突变的热点区域，可以推断该基因可能参与的__________通路。7.除了体细胞突变，染色体__________和__________也是癌症中常见的基因组结构异常。8.生物信息学分析流程通常包括数据获取、__________、变异检测、注释与预测、__________和结果解读等主要步骤。三、简答题（每题5分，共20分）1.简述体细胞突变在癌症发展过程中的作用机制，并举例说明点突变如何导致癌症。2.比较拷贝数变异（CNV）和结构变异（SV）在癌症研究中的主要区别。3.简述使用公共数据库（如COSMIC）查询一个特定基因（例如TP53）在癌症中的突变信息时，一般需要经过哪些步骤。4.解释什么是“癌症干细胞的遗传基础”，并说明研究其遗传基础的意义。四、计算与分析题（共15分）假设你获得了一个非小细胞肺癌（NSCLC）患者的肿瘤样本和正常对照样本的WES数据。生物信息学家初步分析发现，在该患者肿瘤样本中存在以下几种主要的基因组变异类型及其频率（假设均为体细胞变异）：*SNV：1,200个（其中，错义突变占10%，无义突变占5%，同义突变占75%，其他类型占10%）*InDel：300个（主要集中于基因外显子区域）*CNV：10个（包括3个基因的拷贝数扩增，7个基因的拷贝数缺失）*SV：50个（包括10个基因融合，20个平衡易位，20个小的缺失或重复）请基于以上信息，回答以下问题：1.（4分）初步判断该NSCLC患者的基因组突变负荷（totalsomaticmutationburden）如何？并简述突变负荷的概念及其可能的生物学意义。2.（4分）分析这些变异类型中，哪些更可能直接导致癌症相关基因的功能改变？请分别说明理由。3.（4分）你认为在后续的功能预测和生物学意义解读中，哪些变异类型或特定变异（如基因融合、特定基因的CNV）需要优先关注？请阐述你的理由。4.（3分）如果后续分析发现TP53基因存在错义突变，你认为这对该NSCLC患者的预后可能产生什么影响？请结合你对该基因功能的理解进行简要说明。五、论述/设计题（共15分）假设你是一名生物信息学分析师，参与一项研究项目，目标是探索特定罕见癌症类型（例如，遗传性平滑肌肉瘤）的分子机制，并寻找潜在的生物标志物或治疗靶点。该研究计划对至少50例该罕见癌症患者的肿瘤样本进行全外显子组测序（WES）。请设计一个初步的基因组变异分析方案框架，你需要明确以下方面：1.（4分）在进行变异检测前，你认为需要进行哪些关键的数据质控（QC）步骤？请至少列举三项。2.（4分）在变异检测完成后，你会采用哪些策略来过滤和筛选出可能具有生物学意义的“候选致癌突变”或“候选生物标志物”？3.（4分）除了变异分析，你还建议整合哪些其他类型的数据（例如，基因表达数据、临床数据）来进行多组学关联分析？并说明整合分析可能带来的优势。4.（3分）请简要说明，在解读分析结果时，需要警惕哪些常见的生物信息学分析的局限性或误区？试卷答案一、选择题1.D2.B3.C4.A5.B6.B7.A8.C9.B10.B二、填空题1.DNA2.基因拷贝数变异分析(或gISTIC,CircularBinarySegmentation等具体方法名称亦可)3.纯合子失活(或LossofFunction,LOF)4.QC5.基因(Gene),功能(Function)6.信号转导(或Signaling)7.易位(Translocation),重排(Rearrangement)8.变异检测(或变异识别),可视化(或数据整合/可视化)三、简答题1.体细胞突变可通过激活原癌基因（点突变导致蛋白活性增强）或失活肿瘤抑制基因（点突变导致蛋白功能丧失）来驱动癌症发生发展。例如，TP53基因的点突变（如R175H）导致其DNA结合域失活，无法有效抑制细胞周期或修复DNA损伤，从而促进细胞恶性转化。2.CNV涉及较大片段DNA序列的增益或丢失，通常影响整个基因或多个基因的表达，常通过基因芯片CGH或测序深度分析检测。SV涉及染色体结构的改变，如易位、倒位、缺失、重复等，可能破坏基因结构、产生融合基因或改变基因调控区域，常通过专门算法分析测序数据比对模式或使用特定SV检测工具（如Delly,Manta）识别。CNV更偏向数量变化，SV更偏向结构破坏。3.查询COSMIC步骤：访问COSMIC网站；选择“Browse”或类似功能；选择癌症类型（如NSCLC）；选择目标基因（如TP53）；查看该基因的突变类型统计、频率、具体的突变位点和氨基酸改变；可进一步查看文献支持、临床意义等信息。4.癌症干细胞是一群具有自我更新能力和多向分化潜能的肿瘤细胞亚群，是肿瘤复发和转移的根源。其遗传基础研究旨在发现这些干细胞的特异性基因突变或表观遗传特征，有助于理解癌症的异质性、耐药机制，并为靶向清除癌症干细胞、实现持久治疗提供潜在的遗传标记或治疗靶点。四、计算与分析题1.该患者的突变负荷较高（总变异数1850个）。突变负荷是指单位基因组（如每兆碱基对或每个细胞）中存在的体细胞突变数。高突变负荷可能与肿瘤发生机制（如DNA修复缺陷）、不良预后或特定的治疗反应相关。2.InDel（尤其在外显子区域）、CNV（特别是已知致癌基因的扩增或关键调控元件的缺失）、SV（特别是破坏基因结构的易位和融合基因）以及功能致损的SNV（错义、无义突变）更可能直接导致癌症相关基因功能改变。理由是它们可以直接改变基因剂量、破坏基因结构、产生异常蛋白质或调控元件。3.需优先关注：基因融合（可能产生新的致癌融合蛋白）、TP53基因的任何功能致损突变（TP53是关键肿瘤抑制基因，其突变普遍且与预后相关）、拷贝数扩增的已知致癌基因（如MYC,EGFR）、拷贝数缺失的已知肿瘤抑制基因。理由是这些变异通常具有直接的、显著的生物学效应和临床意义。4.TP53基因存在错义突变通常指示其功能受损。TP53蛋白是重要的“基因组守护者”，其错义突变导致其无法有效发挥转录调控功能来阻止细胞周期或修复DNA损伤。这通常与较差的预后相关，因为TP53失活使肿瘤更容易获得耐药性、发生远处转移，并且可能预示着肿瘤对化疗/放疗不那么敏感。五、论述/设计题1.数据质控步骤：去除低质量(readquality<20-30)、接头序列、重复序列；进行比对质量评估（如评估比对率、未比对率、N比例）；检查样本间一致性（如双端比对配对距离、插入片段长度分布）；进行去重处理（针对PCR扩增样本）；评估库浓度和分布（如通过Kmer分析或快照分析）。2.过滤和筛选策略：根据突变频率（如>1%）、等位基因频率（AF，如>5-10%）、功能预测（如使用SIFT,PolyPhen2预测为高致病变异）、所在基因的功能注释（如位于关键通路或已知癌症相关基因）、以及与临床表型（如生存期、治疗反应）的统计学关联分析（如生存分析）来筛选候选突变。3.整合数据类型：建议整合患者的RNA-Seq数据（用于分析突变相关的基