2025年大学《生物信息学》专业题库- 生物信息学在DNA甲基化影响基因表达机制研究中的作用

2025年大学《生物信息学》专业题库——生物信息学在DNA甲基化影响基因表达机制研究中的作用考试时间：______分钟总分：______分姓名：______一、名词解释（每题4分，共20分）1.DNA甲基化2.表观遗传调控3.CpG岛4.BS-Seq(亚硫酸氢盐测序)5.甲基化水平二、简答题（每题6分，共30分）1.简述DNA甲基化在基因表达调控中通常发挥的作用。2.简要说明BS-Seq技术的基本原理及其在测定DNA甲基化方面的优势。3.描述在生物信息学分析中，如何从原始BS-Seq测序数据得到基因组范围内每个CpG位点的甲基化率。4.列举至少三种用于检测基因组中差异甲基化位点的生物信息学方法或工具。5.解释什么是顺式作用甲基化元件，并说明生物信息学上如何尝试识别这些元件。三、分析题（每题10分，共40分）1.假设一项研究旨在比较正常细胞与癌症细胞中某个特定基因（GeneX）启动子区域的DNA甲基化状态。研究人员利用BS-Seq技术对两种细胞类型的基因组DNA进行了测序。请设计一个生物信息学分析流程，说明你会如何利用测序数据来判断GeneX的启动子区域在正常细胞和癌症细胞之间是否存在甲基化水平的显著差异。请详细说明每一步需要使用的工具或方法（无需具体命令）。2.假定你获得了一份基因表达谱数据集（如RNA-Seq计数数据）和一份相应的DNA甲基化谱数据集（如BS-Seq衍生的甲基化率矩阵）。请阐述你会如何利用生物信息学方法分析这两个数据集，以探究DNA甲基化水平与基因表达量之间可能存在的关联性。描述你需要进行的关键分析步骤和可能使用的分析方法。3.在分析一个基因组的BS-Seq数据时，你发现除了CpG位点外，还有相当一部分的CpT位点也显示出较高的甲基化水平。请讨论这种现象可能的原因，并说明生物信息学上可以采取哪些策略来区分或解释这些非典型的甲基化信号。4.设想你要研究一个新发现的基因（GeneY），目前只知道它位于基因组上，但对其功能知之甚少。你手头有一份该物种的基因组参考序列，以及已发布的BS-Seq数据。请设计一个生物信息学分析方案，利用甲基化信息来初步推断GeneY可能的功能或所处的生物学环境（例如，它是否可能受到表观遗传调控，其表达是否可能与甲基化状态有关等）。四、论述题（20分）设计一个综合性的生物信息学分析策略，用于研究DNA甲基化在环境压力（例如，紫外线辐射）下对植物某个关键发育途径中一组基因表达调控的影响。该策略应至少涵盖数据获取、预处理、核心分析（包括甲基化分析、差异甲基化分析、甲基化与表达关联分析等）以及结果解释与可视化等关键环节，并说明选择相应分析方法的理由。试卷答案一、名词解释1.DNA甲基化：指在DNA分子中，甲基基团（-CH3）在DNA甲基转移酶（DNMT）的催化下，主要添加到胞嘧啶（C）的第五位碳原子上形成的化学修饰。在哺乳动物中，几乎exclusively发生在CpG二核苷酸序列中（CpG位点），也称为5-甲基胞嘧啶（5mC）。**解析思路：*定义核心是甲基化对象（DNA）、位点（胞嘧啶第五位碳，特别是CpG）、添加物（甲基基团）、执行者（DNMT）。点明哺乳动物中主要发生在CpG是重点。2.表观遗传调控：指在不改变DNA序列碱基顺序的情况下，通过可遗传的染色质修饰（如DNA甲基化、组蛋白修饰）或非编码RNA等机制，对基因表达进行调控的现象。这些修饰可以影响染色质的构象和Accessibility，从而控制转录等过程。**解析思路：*定义核心是“不改变DNA序列顺序”和“可遗传的染色质修饰/机制”。强调其对基因表达的影响以及修饰类型。3.CpG岛：指在基因组DNA序列中，连续且密集分布的CpG二核苷酸序列区域。在哺乳动物中，由于DNA甲基化酶的偏好性，CpG位点容易被甲基化，因此大部分CpG位点发生甲基化。CpG岛通常位于基因的启动子区域，其甲基化状态与基因表达调控密切相关。**解析思路：*定义核心是“连续密集的CpG二核苷酸”。结合哺乳动物中CpG易甲基化的特点，并点明其典型位置（启动子）和功能关联（基因表达调控）。4.BS-Seq(亚硫酸氢盐测序)：一种用于检测基因组DNA中胞嘧啶甲基化状态的高通量测序技术。该技术利用亚硫酸氢盐（Bisulfite）能特异性地将未甲基化的胞嘧啶（C）转化为尿嘧啶（U），而甲基化的胞嘧啶（5mC）保持不变。通过测序区分U和C，即可确定原始DNA序列中胞嘧啶的甲基化状态。**解析思路：*定义核心是“检测DNA甲基化”和“高通量测序”。解释其原理关键在于亚硫酸氢盐对甲基化C（不变）和非甲基化C（变U）的区分机制。5.甲基化水平：通常指在特定区域（如CpG位点、CpG岛或整个基因组）内，被甲基化的胞嘧啶数量占总胞嘧啶数量的百分比。它是衡量该区域DNA甲基化程度的定量指标。**解析思路：*定义核心是“被甲基化的胞嘧啶数量”与“总胞嘧啶数量”的“百分比”。强调其是衡量区域甲基化程度的“定量指标”。二、简答题1.DNA甲基化通常通过在基因启动子区域的CpG岛等关键位点添加甲基基团（5mC），形成对染色质的沉默效应。这种甲基化可以阻止转录因子结合到DNA上，或者招募甲基化结合蛋白，进而阻碍RNA聚合酶的转录起始，最终导致基因表达水平下调甚至沉默。此外，DNA甲基化也可能通过维持染色质结构的紧密状态（如形成异染色质）来抑制基因表达。**解析思路：*回答需包含“启动子区域”、“CpG岛”、“添加甲基（5mC）”、“沉默效应”。解释其作用机制，主要是阻止转录因子结合或阻碍RNA聚合酶起始，导致表达下调/沉默。可补充染色质结构变化的作用。2.BS-Seq技术的基本原理是利用亚硫酸氢盐（Bisulfite）的选择性化学修饰。在反应条件下，未甲基化的胞嘧啶（C）会被转化为尿嘧啶（U），而甲基化的胞嘧啶（5mC）由于甲基基团的存在而保持不变。随后，经过转化处理的DNA进行常规测序。在测序结果中，读取到U的位点即对应原始DNA中的非甲基化胞嘧啶，而读取到C的位点则对应原始DNA中的甲基化胞嘧啶。通过比对测序读取序列与参考基因组，可以准确地定位每个胞嘧啶的甲基化状态，并计算甲基化水平。**解析思路：*回答需包含“亚硫酸氢盐选择性修饰”（未甲基化C变U，甲基化C不变）这一核心化学原理。接着说明如何通过测序结果（U/C）来确定原始DNA的甲基化状态（非甲基化C/U，甲基化C/C）。最后可简述后续的定位和定量步骤。3.生物信息学分析流程通常如下：首先，将原始BS-Seq测序读取序列（Reads）使用特定的比对工具（如Bismark）比对到参考基因组上。然后，对未甲基化的CpG位点对应的读取序列进行过滤（因为它们在Bisulfite转化后变成了U，且在后续处理中会被视为引物二聚体或随机错误而剔除）。接着，利用专门的生物信息学工具（如BSSeeker2,MACS2Bisulfite）对过滤后的、位于CpG位点的读取序列进行甲基化率计算。这些工具会统计每个CpG位点上的甲基化读取数量和非甲基化读取数量（或仅统计非甲基化读取数量，因为甲基化读取可通过总读取数减去非甲基化读取数得到），最终计算出每个CpG位点的甲基化率（通常是甲基化读取数占总读取数的比例）。**解析思路：*描述一个标准流程：①比对（到参考基因组）；②过滤（去除非甲基化CpG对应的Reads）；③计算甲基化率（使用特定工具，说明计算基础）。强调关键步骤和所用工具类型。4.用于检测基因组中差异甲基化位点的生物信息学方法或工具有：①MACS2Bisulfite：专门设计用于BS-Seq数据的差异甲基化分析，可以识别两组样本（如处理组vs对照组）之间的显著差异甲基化位点（CpG）。②BSSeeker2：除了可以进行甲基化水平定量，还具备强大的差异甲基化分析功能，能够识别不同条件下差异甲基化的CpG位点，并提供多种统计方法和富集分析。③DMPmap(DNAMethylationAnalysisusingPairsofReads)：通过比较邻近读取之间的甲基化状态一致性来识别差异甲基化区域。④HiseqDMP：利用双端读取之间的序列差异来检测差异甲基化。这些工具通常基于统计学方法（如Benjamini-HochbergFDR控制）来评估差异的显著性。**解析思路：*列举至少三种工具名称。对每种工具进行简要说明，特别是其与差异甲基化分析的相关性。可以简要提及它们采用的不同原理（如MACS2基于读取覆盖度，BSSeeker2综合多种信息，DMPmap基于读取对）。5.顺式作用甲基化元件是指那些位于基因内部或附近，其本身的甲基化状态能够直接影响邻近基因（通常是同一个基因）表达水平的DNA序列区域。生物信息学上识别这些元件通常采用以下策略：①定位分析：首先识别出基因组中差异甲基化的CpG位点或甲基化水平显著变化的区域。然后，将这些区域与基因注释信息（如基因转录起始位点TSS、基因体）进行比对，寻找那些位于基因调控区（如启动子、增强子）或基因体内部且甲基化状态发生变化的区域。②motif搜索：在差异甲基化区域（特别是启动子区域）搜索已知的甲基化结合蛋白识别序列（Motif）。③功能预测：结合已知生物学知识，预测这些顺式作用元件可能的功能（如启动子沉默、增强子活性变化等）。**解析思路：*定义核心是“自身甲基化影响邻近基因表达”、“位于基因内部/附近”。解释生物信息学方法时，强调需要“定位差异甲基化区域”，并将其“与基因注释信息比对”（确定位置是否在调控区/基因体），以及可能结合“motif搜索”和“功能预测”。三、分析题1.生物信息学分析流程设计如下：第一步，对正常细胞和癌症细胞的基因组DNA分别进行BS-Seq测序，获取原始测序数据。第二步，使用Bismark等工具将两组测序读取序列比对到参考基因组。第三步，使用MACS2Bisulfite或BSSeeker2等专门针对BS-Seq数据的工具，对两组数据分别进行甲基化水平计算，并调用差异甲基化分析功能。这些工具会生成两组样本间的差异甲基化CpG位点列表，通常会伴随统计评分（如p-value,FDR）来指示差异的显著性。第四步，对输出的差异甲基化CpG位点进行注释，确定哪些位点位于GeneX的启动子区域。第五步，根据差异甲基化分析结果的统计显著性（如p-value阈值）和FoldChange（甲基化率差异倍数），筛选出在癌症细胞中相对于正常细胞，GeneX启动子区域显著差异甲基化的位点（例如，甲基化率显著升高或降低）。最后，将这些显著差异甲基化的位点作为证据，初步判断GeneX启动子区域的甲基化状态在癌症细胞中发生了改变，并可能与其表达异常相关。**解析思路：*描述一个完整的分析链条：①获取数据；②比对；③核心分析（甲基化计算+差异分析，使用特定工具）；④注释（定位到目标基因区域）；⑤结果筛选与解释（基于统计学指标，筛选显著差异位点，并联系生物学问题）。2.生物信息学分析方案如下：第一步，获取基因表达谱数据（如RNA-Seq计数矩阵）和相应的DNA甲基化谱数据（如BS-Seq衍生的基因组范围内CpG位点甲基化率矩阵）。确保两组数据使用相同的参考基因组版本和基因组坐标。第二步，对两组数据进行标准化处理。对于RNA-Seq数据，常用的方法有TPM（TranscriptsPerMillion）或FPKM（FragmentsPerKilobaseMillion）。对于甲基化率数据，通常不需要复杂的标准化，但需要确保数据范围（如0-1）的一致性。第三步，将标准化后的甲基化率矩阵与基因表达量矩阵进行关联分析。常用的方法包括：①散点图分析：绘制单个基因的甲基化率与其表达量之间的关系图，直观观察是否存在线性关系。②计算相关性系数：使用皮尔逊（Pearson）或斯皮尔曼（Spearman）相关系数计算每个基因的甲基化率与表达量之间的相关性强度和方向。③回归分析：建立甲基化率作为自变量，表达量作为因变量的回归模型，评估甲基化对表达的潜在影响程度。第四步，对关联分析结果进行统计学检验（如计算p-value）和多重检验校正（如FDR）。第五步，根据相关性系数、回归系数、p-value和FDR等指标，筛选出甲基化水平与表达量之间存在显著且具有统计意义的关联的基因。最后，对筛选出的基因进行功能注释和通路富集分析，并结合生物学知识，探讨DNA甲基化可能通过何种机制影响这些基因的表达。**解析思路：*描述整合分析流程：①数据准备（获取、对齐、标准化）；②关联分析方法（散点图、相关性、回归）；③统计检验与校正；④结果筛选；⑤功能解释（注释、富集分析、机制探讨）。3.在BS-Seq数据分析中观察到非典型的CpT位点甲基化，可能的原因包括：①测序或数据处理错误：在Bisulfite转化过程中可能发生CpG位点意外转化成CpT（例如，C误转为T），或者由于测序错误导致原始C被错误读取为T。②真正的非CpG甲基化：虽然哺乳动物中CpG甲基化最为普遍，但在某些物种、特定基因或特殊条件下，也可能存在少量非CpG位点（如CpA,CpT）的甲基化。③测序平台特性：某些测序平台（尤其是早期平台）可能对CpT位点的检测灵敏度较低，导致低估或遗漏真实的CpT甲基化。④DNA损伤或修饰：尿嘧啶（U）本身就是DNA损伤的一种形式，可能存在于未甲基化的胞嘧啶中。此外，存在其他修饰的胞嘧啶（如5hmC）可能在特定条件下被错误识别或处理。生物信息学上可以采取的策略包括：①严格的质量控制：在分析前对原始测序数据进行严格的质量筛选，剔除低质量读取和接头序列，减少错误引入。②使用专门工具：采用能够更好处理CpT位点的分析工具或参数设置（如果工具支持）。③交叉验证：如果可能，利用其他甲基化检测技术（如MeDIP-seq,5hmC-seq）或实验方法（如亚硫酸氢盐测序后进行克隆测序验证）来验证非典型甲基化信号。④功能注释与比较：分析这些非典型甲基化位点的分布特征（如是否富集在特定区域），并与已知的甲基化数据库比较，判断其是否具有生物学意义。⑤结合其他组学数据：结合表达数据等，看这些非典型甲基化位点是否与特定基因活动相关。**解析思路：*先分析可能的原因（人为错误、真实存在、平台限制、其他修饰）。然后针对这些原因，提出相应的生物信息学处理策略（质量控制、用对工具、交叉验证、功能注释、结合其他数据）。4.综合性生物信息学分析策略设计如下：第一阶段：数据获取与准备。获取目标植物物种的参考基因组序列和注释文件。获取在正常条件下和特定环境压力（如紫外线辐射）下处理的植物样本的DNA甲基化数据（如BS-Seq数据）和RNA-Seq数据。使用Bismark等工具将BS-Seq读取比对到参考基因组，并使用MACS2Bisulfite或BSSeeker2计算基因组范围内的CpG位点甲基化率。使用Trinity或Hisat2等工具将RNA-Seq读取比对到参考基因组，并计算基因表达量（如FPKM/TPM）。第二阶段：核心甲基化分析。①差异甲基化分析：使用BSSeeker2或MACS2Bisulfite比较正常组与紫外线处