2025年大学《生物信息学》专业题库-基因组变异对疾病易感性的影响研究

2025年大学《生物信息学》专业题库——基因组变异对疾病易感性的影响研究考试时间：______分钟总分：______分姓名：______一、简述单核苷酸多态性（SNP）的定义、类型及其在基因组学研究中的重要性。二、描述全基因组关联分析（GWAS）的基本原理。在GWAS研究中，为什么需要进行多重检验校正？常用的校正方法有哪些？三、列举至少三种常见的基因组变异检测方法（如测序技术或芯片技术），并简要说明其原理和适用场景。四、解释什么是变异的功能注释。说明使用工具（如VEP）对基因组变异进行注释的主要步骤及其意义。提及至少四种VEP可以提供的功能注释信息类型。五、在GWAS分析中，如何进行质量控制（QC）？请列举至少五个关键的QC步骤，并简述每个步骤的目的。六、假设你进行了一项针对某种罕见疾病的GWAS研究，获得了多个显著关联的SNP位点。请描述你将如何利用这些SNP信息进行下一步的功能研究，以探索其与疾病易感性的潜在生物学机制。七、什么是孟德尔随机化（MR）分析？请简述MR分析在疾病易感性研究中的一个主要应用，并说明其基本原理。八、比较并对比在研究复杂疾病遗传易感性时，全基因组关联分析（GWAS）和全外显子组测序（WES）两种方法的优缺点。九、描述在进行GWAS数据分析时，使用PLINK软件进行主效应和交互作用分析的典型流程。十、你注意到在一个GWAS研究的结果中，某个SNP位点与疾病关联的P值非常低，但其频率（allelefrequency）却很高。请讨论这种情况可能的原因，并思考其对解读结果有何启示。试卷答案一、单核苷酸多态性（SNP）是指基因组DNA序列中单个核苷酸位点的变异，通常指在一个种群中，某一位点的等位基因频率达到1%或以上。SNP是基因组中最常见的一种变异形式，具有频率高、分布广泛、稳定性好等特点。它在基因组学研究中的重要性体现在：是进行基因分型、构建基因图谱、进行遗传作图、研究疾病易感性、药物反应个体差异以及进化生物学研究的重要资源。二、全基因组关联分析（GWAS）的基本原理是利用高通量测序或基因分型技术，检测大量个体的基因组SNP位点，并比较病例组和对照组中各SNP位点的等位基因频率差异，从而鉴定出与疾病存在遗传关联的SNP位点。由于GWAS研究通常会检测数百万甚至数千万个SNP位点，会产生海量的统计数据，因此需要进行多重检验校正，以控制家族wise错误率（FWER）或假发现率（FDR），避免将本不相关的SNP错误地判定为与疾病关联。常用的校正方法包括Bonferroni校正、Holm校正、FDR校正（如Benjamini-Hochberg方法）等。三、常见的基因组变异检测方法包括：1.高通量测序（High-ThroughputSequencing,HTS）：如二代测序（Next-GenerationSequencing,NGS），原理是并行化地测序大量短片段DNA序列，通过生物信息学方法将测序读段比对到参考基因组，从而检测变异。适用于全基因组、全外显子组或目标区域测序，能够发现各种类型的变异，包括SNP、InDel、SV等。优点是通量高、覆盖广、可以发现未知变异；缺点是数据量巨大、成本较高、对生物信息学分析要求高。2.基因芯片（GenomeArrays）/基因分型阵列（GenotypingArrays）：原理是在芯片上固定大量已知的SNP位点（或其他标记），通过杂交、测序或其他检测技术，同时测定样本在这些位点上的基因型。常用的有SNP芯片。优点是通量相对较高、成本较低、分析相对快速、已建立成熟的分析流程；缺点是覆盖度是固定的（只能检测芯片上设计的位点）、无法发现芯片上未覆盖的变异。3.数字PCR（DigitalPCR,dPCR）：原理是将PCR反应体系进行partitions，使每个partition中只包含一个或零个templatemolecule，然后通过终点法或实时法检测每个partition的扩增产物，从而绝对定量或检测特定变异（如CNV）。适用于精确检测拷贝数变异（CNV）和进行等位基因特异性检测。四、变异的功能注释是指将检测到的基因组变异映射到基因组注释数据库中，预测该变异可能对基因功能、表达水平或蛋白质结构产生的影响。使用工具（如VEP,VariantEffectPredictor）对基因组变异进行注释的主要步骤通常包括：1）输入待注释的变异文件（如VCF）；2）指定参考基因组版本和注释数据库（如Ensembl）；3）选择注释内容（如变异类型、影响预测、通路注释等）；4）运行工具进行注释；5）解析注释结果。VEP可以提供的功能注释信息类型包括：变异位置（基因、外显子、编码区、非编码区）、变异类型（SNP,InDel,SV等）、影响预测（错义突变、无义突变、剪接位点突变、启动子区变异等）、蛋白质编码变化（氨基酸改变、蛋白质稳定性、功能域影响）、通路注释（KEGG,GO等）、与已知疾病或表型的关联信息（ClinVar等）。五、在GWAS分析中，质量控制（QC）是确保分析结果可靠性的关键步骤。关键的QC步骤包括：1.样本QC：检查样本量是否足够、去除近亲样本、检测并去除性别错误样本、根据CallRate（位点检出率）和HeterozygosityRate（杂合度）剔除异常样本。2.个体QC：检测并去除重复样本（如由同一个体多次采样产生）。3.位点QC：检测并去除低质量位点，包括：过滤CallRate低于预设阈值的位点、过滤缺失率（MissingRate）高于预设阈值的位点、检测并过滤硬缺失（HardMissing，即在该样本集中所有样本该位点均未检出或均检出同一位移）、对于二倍体标记（如SNP），检测并过滤HeterozygosityRate异常的位点。4.基因型QC：对比不同样本间的基因型一致性（如使用PLINK的--geno和--hardy命令行参数），检测并处理基因型错误（如HaplotypeScore）。5.连锁不平衡（LD）相关QC：检测并处理个体或位点间的非随机关联（如使用PLINK的--indep命令行参数进行(--clump)簇分析前的个体或位点距离过滤）。六、在一个针对罕见疾病的GWAS研究获得多个显著关联的SNP位点后，可以采取以下步骤进行下一步的功能研究：1）精细定位（FineMapping）：针对每个显著SNP位点及其周围区域，利用更密集的SNP标记（如来自WES数据的SNP或更高密度的SNP芯片）进行重新测序或分型，以精确定位到负责疾病易感性的实际变异位点，区分真正的关联信号与遗传漂变或连锁不平衡。2）功能注释与预测：对精细定位后的候选变异进行深入的功能注释，利用工具（如VEP,Mutalyzer）预测其可能对基因表达、RNA结构、蛋白质结构或功能产生的影响。3）实验验证：设计生物学实验（如细胞系实验、动物模型、组织样本研究）来验证候选变异的功能影响，例如通过基因敲除/敲入、过表达等手段观察其对疾病相关表型（如细胞活性、信号通路活性、蛋白表达水平）的影响。4）通路与网络分析：将关联SNP富集到的基因或通路进行生物信息学分析，结合文献知识，探索其与疾病发生发展的潜在生物学机制。七、孟德尔随机化（MendelianRandomization,MR）分析是一种利用遗传变异作为工具变量（InstrumentalVariable,IV），来推断暴露因素（如某种生物标志物）与结局（如疾病）之间因果关系的研究方法。在疾病易感性研究中，MR的一个主要应用是评估遗传变异与疾病之间的因果关系，尤其是在难以进行传统随机对照试验的情况下。其基本原理是：由于遗传变异在受精时随机分配，且其分布不受后续环境因素的影响，因此符合条件的遗传变异可以作为暴露因素的良好工具变量。如果某个遗传变异与暴露因素强相关（满足第一阶段的随机性），且该变异不直接影响结局或仅在通过暴露因素后才影响结局（满足第二阶段的工具变量相关性），那么就可以利用这些遗传变异来推断暴露因素与结局之间的因果关系。MR分析可以通过线性回归模型等方法进行计算。八、全基因组关联分析（GWAS）和全外显子组测序（WES）在研究复杂疾病遗传易感性时的优缺点比较：GWAS：*优点：覆盖全基因组，理论上不遗漏任何变异类型；成本相对较低（尤其是使用商业芯片）；分析流程成熟；已积累了大量人群参考数据。*缺点：SNP密度相对较低，难以精确定位到具体的基因或功能元件；对于非编码区变异的检测能力有限；无法直接检测InDel、SV等变异（或检测深度有限）；通量相对WES较低。WES：*优点：覆盖外显子区，包含绝大多数编码蛋白质的基因，能够直接检测SNP、InDel以及部分SV；对于研究蛋白质功能影响更有直接性；理论上可以发现新的与疾病关联的基因。*缺点：成本相对较高；数据量通常比GWAS大得多，对生物信息学分析能力要求更高；对基因组非编码区覆盖不足；数据质量和变异检测的复杂性可能更高；需要考虑群体分层和连锁不平衡的影响。九、使用PLINK软件进行GWAS数据分析，进行主效应分析和交互作用分析的典型流程如下：主效应分析流程：1.数据准备：确保拥有高质量、经过QC处理的基因型数据（格式为BED/BAM/PGV）和样本信息文件（PED/PHenofile），以及经过QC处理的phenotype数据（病例/对照标签，通常为TXT或CSV格式，第一列为FID/ID，第二列为样本ID，第三列为病例/对照状态代码）。2.格式转换（如果需要）：将基因型数据转换为PLINK支持的格式（如BED/BAM/PGV），将phenotype数据转换为TXT格式。3.建立关联文件：使用`--file<prefix>`命令指定数据前缀（即BED/BAM/PGV和PED/PHeno文件的名称前缀），PLINK会自动读取相应的文件。确保样本ID在基因型数据和phenotype数据中一致。4.质量控制（QC）：在进行关联分析前，必须进行严格的QC，包括样本QC（`--geno<min-alleles>`）和位点QC（`--mind<min-missing>`,`--hwe<P>`）。5.关联分析：使用`--assoc`命令进行关联分析。常用参数包括：*`--pheno<pheno-file>`：指定phenotype文件。*`--pheno-name<ID1><ID2>...`：指定phenotype文件中样本ID的列名（如果与PLINK默认不同）。*`--pheno-type<0/1/2>`：指定phenotype类型（0=二分类，1=定量，2=有序）。*`--covar<covar-file>`：可选，指定协变量文件（如年龄、性别、PCA结果等）。*`--covar-name<covar1><covar2>...`：指定协变量文件中列名。*`--out<output-prefix>`：指定输出文件前缀。6.结果处理：`--assoc`命令会生成一个包含P值、效应估计值等信息的关联结果文件（通常为TSV格式）。可以使用PLINK的`--clump`命令进行基于连锁不平衡的聚类和过滤，以去除批次效应或假阳性。交互作用分析流程：1.主效应分析：首先对所有SNP进行主效应分析，得到每个SNP的效应估计值和P值。2.选择候选SNP：根据主效应分析结果，选择达到一定显著性水平（如P<0.05或P<0.1）的SNP作为交互作用的候选。3.两两交互作用分析：使用`--sep<char>`命令（默认为`|`）指定SNP间的分隔符。使用`--interaction`命令进行两两SNP的交互作用分析。常用参数包括：*`--covar<covar-file>`：可选，指定协变量文件。*`--interaction<SNP1><SNP2><interact>`：指定要进行交互作用分析的SNP1、SNP2以及交互作用的类型（`additive`表示加性交互，`dominant`表示显性交互，`recessive`表示隐性交互）。例如，`--interactionSNP_ASNP_Badditive`。*`--out<output-prefix>`：指定输出文件前缀。4.结果解读：`--interaction`命令会生成包含交互作用效应估计值、P值等信息的文件。需要关注交互作用P值是否显著，并结合主效应P值和效应估计值进行解读。十、在一个GWAS研究的结果中，某个SNP位点与疾病关联的P值非常低，但其频率（allelefrequency）却很高，这种情况可能的原因及启示如下：可能原因：1.高效应大小（HighEffectSize）：该SNP可能位于一个对疾病易感性有很强影响的基因区域，或者本身就是功能关键位点上具有较大效应的变异。即使其频率很高（可能因为处于中性进化状态），但其对表型的影响足够大，足以在GWAS分析中产生统计学上显著的关联信号。2.连锁不平衡（LinkageDisequilibrium,LD）：该低频SNP可能处于与疾病关联的某个“实为因果”（truecausal）的高频SNP的LD块中。在这种情况下，低频SNP的关联信号实际上是由其关联的高频SNP传递过来的，低频SNP的P值显著可能反映了其与高频因果SNP的强关联性，或者其本