2025年大学《生物信息学》专业题库- DNA测序数据分析与生物信息学方法

2025年大学《生物信息学》专业题库——DNA测序数据分析与生物信息学方法考试时间：______分钟总分：______分姓名：______一、选择题1.下列哪项不是Sanger测序技术的主要特点？A.基于链终止子B.适用于长片段测序C.通量高，成本相对较低D.读长通常较短（几百bp）2.在DNA测序数据分析的初始阶段，使用FastQC工具主要目的是什么？A.对测序数据进行比对B.检测基因组中的变异位点C.评估原始测序数据的质量D.对基因进行功能注释3.下列哪个工具主要用于将测序读段与参考基因组进行比对？A.SamtoolsB.GATKC.Bowtie/BWAD.BLAST4.在进行变异检测（如SNP检测）之前，通常需要对BAM文件进行什么操作？A.重新排序B.去除接头序列C.转换为FASTQ格式D.限制读段长度5.以下哪个数据库主要存储基因序列及其相关的功能注释信息？A.NCBIGenBankB.ENSEMBLC.UCSCGenomeBrowserD.dbSNP6.基因组注释的主要目的是什么？A.计算基因组大小B.确定基因组复制起点C.预测基因组中编码和非编码区域的功能D.检测基因组中的重复序列7.二代测序（NGS）技术相比Sanger测序，其主要优势之一是？A.读长更长B.通量低，成本高C.读长较短，错误率较高D.只能进行基因组测序8.评估比对结果质量时，哪个指标通常用于衡量比对准确性？A.GC含量B.读段覆盖度C.阅读重复率D.邻近等位基因频率9.以下哪个术语描述的是基因组中单个碱基位置上发生的变异？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)10.生物信息学研究中，使用版本控制工具（如Git）的主要目的是？A.加快数据处理速度B.管理代码和分析脚本C.自动进行基因组注释D.提高测序仪的通量二、填空题1.DNA测序中，Sanger测序法利用______作为终止子，通过电泳分离不同长度的延伸产物来确定序列。2.测序数据质量控制的常用工具FastQC生成的报告通常以______格式输出，包含了多维度质量评估信息。3.将BAM格式的比对结果转换为BED格式，通常可以使用______命令。4.变异检测工具GATK中的HaplotypeCaller主要用于调用______（如SNP和InDel）。5.生物信息学数据库GenBank属于______（机构/组织）维护和管理的公共数据库资源。6.基因组注释文件GFF（GeneralFeatureFormat）通常包含了基因组上各种特征（如基因、外显子）的______信息。7.在进行RNA-Seq数据分析时，通常需要先使用______工具去除转录本内部的接头序列和rRNA。8.当需要对大量序列进行比对时，BLAST程序会首先使用______算法进行初步筛选，找出可能的候选匹配。9.在评估测序数据的覆盖度时，通常计算特定位置上被______读段覆盖的次数。10.对于生物信息学分析脚本，添加注释（如#）是良好的编程习惯，有助于提高代码的______。三、简答题1.简述从原始测序读段（FASTQ文件）到与参考基因组比对完成的主要步骤，并请至少列举两个在该过程中常用的质量控制指标。2.解释什么是SNP？请简述基于比对数据检测SNP的基本思路。3.什么是基因组注释？请说明基因组注释至少包含哪两类主要信息。4.在进行DNA测序数据分析时，选择合适的参考基因组版本需要注意哪些因素？四、论述题1.假设你需要分析一批来自人类外周血样本的WholeExomeSequencing(WES)数据，请简述你将采用的主要分析流程，并说明每个关键步骤需要使用哪些类型的工具或方法（例如，质控、比对、变异检测、注释等）。2.比较Sanger测序和二代测序（NGS）在技术原理、数据特点、优缺点以及典型应用场景方面的主要差异。---试卷答案一、选择题1.C2.C3.C4.A5.B6.C7.A8.D9.C10.B二、填空题1.匹配引物和模板链的链终止子2.HTML3.samtoolsview-bS4.单核苷酸多态性(SNP)和插入缺失(InDel)5.美国国家生物技术信息中心(NCBI)6.位置(位置坐标)7.Trimmomatic或Cutadapt8.布隆过滤器(Bloomfilter)9.至少一个10.可读性/可维护性三、简答题1.主要步骤:(1)原始数据质控(QC)：使用工具如FastQC检查数据质量，使用Trimmomatic/Cutadapt去除低质量读段、接头序列等。(2)读段比对：使用比对工具如Bowtie/BWA将处理后的读段比对到参考基因组上，输出SAM/BAM格式的文件。(3)比对后处理(可选)：对BAM文件进行排序、标记重复读段(如MarkDuplicates)。(4)质量评估(比对结果)：使用工具如SAMtools/BCFtools进行统计和分析。质量控制指标:(1)Q30碱基百分比：衡量测序准确性的重要指标。(2)读段长度分布：了解数据集中读段长度的基本情况。(3)接头序列去除率：反映预处理效果。(4)低质量读段比例：指示数据污染或测序问题的严重程度。2.什么是SNP:单核苷酸多态性(SNP)指的是在基因组序列中，单个核苷酸位置上发生的变异，即一个碱基被另一个不同的碱基所替代。基本思路:(1)获取比对到参考基因组的样本读段。(2)对同一位置上的碱基进行统计，识别在该位置上存在多个不同碱基的情况。(3)根据统计结果和预设的阈值（如覆盖度、等位基因频率阈值），判定该位置的变异是否为SNP。(4)调用算法(如GATK的HaplotypeCaller)对变异进行基因型调用。3.什么是基因组注释:基因组注释是指确定基因组中各个序列片段（如基因、外显子、启动子等）的功能和位置，并将这些信息与基因组序列进行关联的过程。主要信息:(1)编码区域：预测并标注出编码蛋白质的基因区域，通常包括外显子、内含子、启动子等。(2)非编码区域功能元件：标注出具有已知或潜在功能的非编码区域，如调控元件(promoters,enhancers)、rRNA基因、tRNA基因等。4.选择参考基因组版本需注意:(1)研究目标:针对特定物种或研究问题选择最优版本，例如研究人类疾病可选GRCh38。(2)数据可用性:确保所选版本有高质量的注释文件(如GTF/GFF)。(3)覆盖度:新版本可能包含更多未知的区域或更长的外显子，影响基因捕获或表达分析结果。(4.软件兼容性:某些分析工具可能只支持特定版本的参考基因组。(5)更新频率:新版本通常修复了旧版本的错误，但也可能引入新的变化，需评估对分析的影响。四、论述题1.主要分析流程及工具/方法:(1)数据质控(QC):检查原始FASTQ文件质量(如FastQC)，进行头尾过滤、低质量碱基过滤、接头去除(如Trimmomatic/Cutadapt)。(2)基因组比对:将处理后的读段比对到参考基因组(如GRCh38)(如Bowtie2/BWA-MEM)，生成SAM/BAM文件。(3)比对后处理:对BAM文件进行排序(如Samtoolssort)、标记重复读段(如Samtoolsmark_duplicates或GATKMarkDuplicates)。(4)变异检测(SNP/InDel):对标记后的BAM文件进行变异检测(如GATKHaplotypeCaller或FreeBayes)。(5)变异过滤与注释:对原始变异集进行质量过滤(如GATKVariantFiltration)，然后使用注释工具(如SnpEff/VEP)对变异进行注释，获取其功能信息(如影响的功能、所在的基因)。(6)(可选)统计分析:根据研究目的进行下游分析，如基因富集分析、通路分析等。2.SangervsNGS比较:(1)技术原理:Sanger测序基于链终止子法，通过电泳分离不同长度的片段进行测序；NGS采用平行测序技术，通过合成反应同时进行大量读段的测序。(2)数据特点:Sanger测序读长较长(几百bp至几千bp)，错误率低；NGS读长短(几十至几百bp)，错误率相对较高，但可通过多重测序提高准确性。(3)优缺点:Sanger:优点是准确性高、读长长；缺点是通量低、成本高、不适用于全基因组测序。