2025年大学《生物信息学》专业题库- 遗传突变的生物信息学分析

2025年大学《生物信息学》专业题库——遗传突变的生物信息学分析考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.在DNA序列中，由ATCG突变为TACG，这种突变类型属于？A.替换突变（转换）B.替换突变（颠换）C.插入突变D.缺失突变2.生物信息学中，用于对高通量测序数据进行变异检测的软件GATK的全称是？A.GenomeAnalysisToolkitB.GeneticAnalysisToolKitC.GlobalAlignmentandTrackingKitD.GeneticAnalysisandTrackingKernel3.SnpEff软件主要用于对已检测到的变异进行？A.变异检测B.测序数据比对C.变异注释和分类预测D.覆盖度计算4.dbSNP数据库主要收录了？A.人类基因组参考序列B.人类遗传变异（主要是SNP）C.基因表达数据D.肿瘤基因组数据5.在进行全基因组关联研究（GWAS）时，分析人员通常关注的是什么类型的变异？A.复杂的结构变异B.低频或罕见的SNPC.在群体中具有足够频率的SNPD.仅在特定个体中存在的插入缺失6.当测序覆盖度较低时，可能会导致哪种情况？A.检测到的SNP数量增加B.检测到的插入缺失数量减少C.变异检测的假阴性率升高D.变异注释的准确性提高7.以下哪种变异类型通常无法通过标准的方法检测到SNP和插入缺失？A.单碱基替换B.短串联重复序列（STR）重复次数变化C.碱基插入D.基因deletion8.生物信息学分析流程中，通常在哪一步进行变异的过滤？A.测序数据比对B.变异检测C.变异注释D.统计分析9.对于一个预测为“可能致病”的错义突变，后续的生物信息学分析通常会关注？A.该突变的等位基因频率B.突变是否位于基因的启动子区域C.突变是否影响蛋白质的二级结构D.突变在多大样本量中被检测到10.以下哪个数据库是获取大规模群体遗传变异数据的主要来源？A.UCSCGenomeBrowserB.ENSEMBLC.1000GenomesProjectDatabaseD.PDB(ProteinDataBank)二、填空题（每空1分，共10分）1.基因组测序数据质量控制（QC）的常用工具包括______和______。2.变异检测流程通常包括数据比对、变异识别和变异______三个主要步骤。3.变异注释可以提供变异所在的______、影响哪些______以及变异可能产生的生物学后果等信息。4.dbSNP中的SNPID（如rs1234567）中的“rs”前缀表示该SNP是一个______。5.在肿瘤基因组分析中，除了SNP，拷贝数变异（CNV）也是重要的______位点。6.基于公共数据库（如dbSNP）的变异频率信息，可以帮助判断某个新发现的变异是______（常见）还是______（罕见）。7.生物信息学分析结果的可视化常用______图、热图和散点图等方法。8.进行孟德尔遗传病致病基因挖掘时，常利用家系成员的______数据进行连锁分析。9.插入（Insertion）和缺失（Deletion）合称为______突变，可能导致移码突变。10.确定一个基因突变是否具有致病性，除了生物信息学预测，还需要结合______和______信息。三、名词解释（每题3分，共12分）1.等位基因频率2.变异注释3.结构变异4.全基因组关联研究（GWAS）四、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.简述SnpEff软件对变异进行注释的主要步骤和目的。3.为什么在进行遗传突变的生物信息学分析前，需要对测序原始数据进行质量控制？4.简述如何利用dbSNP数据库来判断一个新发现的SNP的常见程度。五、分析题（每题10分，共20分）1.假设你获得了一组来自疑似遗传性疾病的家系成员的基因组重测序数据。请简述你将如何设计生物信息学分析流程来寻找可能的致病基因？需要使用哪些关键的分析工具或数据库？并说明每个步骤的目的。2.某研究者在分析某肿瘤患者的基因组数据时，发现了一个位于某个抑癌基因编码区内的missensemutation（错义突变），该突变预测为“可能致病”（Predicteddeleterious）。请分析，除了该突变的生物信息学预测结果外，还需要考虑哪些生物学和临床信息来更全面地评估这个突变的致病性？试卷答案一、选择题1.B解析：ATCG变为TACG，对应位置碱基分别是A-T,T-C,C-G,G-A，发生了相邻碱基对之间的交换，属于颠换。2.A解析：GATK是GenomeAnalysisToolkit的缩写，即基因组分析工具包。3.C解析：SnpEff的主要功能是对snp和indel进行基因注释，并预测其可能的影响（如致病性）。4.B解析：dbSNP（DatabaseofSingleNucleotidePolymorphismsandothershortgeneticvariations）是一个主要收录人类基因组中单核苷酸多态性（SNP）及其他短序列变异的数据库。5.C解析：GWAS的目标是寻找与特定性状或疾病相关的遗传变异，通常关注在大型群体中具有足够频率（如5%或1%）的常见SNP。6.C解析：较低的覆盖度意味着某些区域的序列可能未被充分测序，增加了漏检变异（假阴性）的风险。7.B解析：短串联重复序列（STR）重复次数的变化通常需要专门的STR分析软件和数据库来检测，标准变异检测流程主要针对SNP和indel。8.B解析：变异检测后，需要根据质量分数、覆盖度、等位基因频率等信息过滤掉低质量或可疑的变异，这一步通常在变异检测流程内部或之后立即进行。9.A解析：评估一个预测为致病的突变时，其在人群中的等位基因频率非常重要，以判断其是否为常见的多态性。10.C解析：1000GenomesProjectDatabase提供了大规模、多样性的人类遗传变异数据，是研究群体遗传变异的重要资源。二、填空题1.FastQC,Trimmomatic(或类似工具如Cutadapt)解析：FastQC用于质量评估，Trimmomatic(或Cutadapt)用于修剪低质量读段和去除接头序列等。2.后处理/过滤解析：变异识别后，需要进行过滤以去除假阳性或低质量的变异。3.基因座(locus),蛋白质(protein)解析：注释提供变异的位置信息以及它是否影响基因或蛋白质。4.单核苷酸多态性(SNP)解析：dbSNP中的rsID是SNP的标识符。5.驱动(driver)解析：在肿瘤中，驱动突变是指那些促进肿瘤发生发展的关键突变。6.高频,低频/罕见解析：通过比对公共数据库中的频率，可以判断变异是常见的多态性还是罕见的私人变异。7.火山图(Volcanoplot)解析：火山图是可视化变异的统计显著性（p值）和效应大小（如频率）的常用图表。8.基因型(genotype)解析：连锁分析需要家系成员的基因型数据来确定等位基因的传递模式。9.缺失(Deletion)解析：Indel是Insertion和Deletion的缩写。10.家系(family),临床(clinical)解析：评估突变致病性需要结合遗传模式（家系信息）和患者的临床表现。三、名词解释1.等位基因频率：指在一个种群中，某个基因位点上不同等位基因在整个等位基因总数中所占的比例。它是种群遗传结构的基本度量之一。2.变异注释：指将检测到的基因组变异（如SNP、indel、结构变异）定位到基因组上的具体位置（如基因、外显子、密码子），并解释该变异的潜在生物学意义（如影响哪个基因、可能改变什么氨基酸、是否位于调控区域等）的过程。常用的注释工具包括SnpEff、ANNOVAR等。3.结构变异：指基因组上比单个碱基或小片段（通常小于500-1000bp）更大范围的序列改变，包括染色体片段的缺失、重复、倒位、易位、插入（大的DNA片段）等。4.全基因组关联研究（GWAS）：一种在大型群体中寻找与特定性状或疾病相关的遗传变异的研究方法。它通过比较病例组和对照组中大量遗传标记（通常是SNP）的等位基因频率差异，来识别与疾病风险显著关联的遗传位点。四、简答题1.简述使用GATK进行SNP检测的基本流程。解析：GATK的SNP检测流程通常包括以下几个关键步骤：首先，使用如BWA或Picard工具将测序读段（reads）比对到参考基因组上；其次，使用Picard工具进行标记重复读段（MarkDuplicates）；接着，使用GATK的HaplotypeCaller或GenotypeGVCFs工具调用变异，产生VCF格式的变异文件；最后，使用GATK的VariantFiltration或其他过滤工具对产生的VCF文件进行质量过滤，去除低质量或可疑的变异，得到最终的SNP列表。过程中可能还需要进行IndelRealigner（如GATKIndelRealigner）和BaseRecalibrator（如GATKBaseRecalibrator）等步骤来优化比对质量和变异调用效果。2.简述SnpEff软件对变异进行注释的主要步骤和目的。解析：SnpEff对变异进行注释的主要步骤通常包括：首先，读取输入的VCF格式的变异文件；其次，将每个变异定位到基因组上的精确位置，并确定其影响的基因、外显子、密码子等信息；然后，根据变异的类型（SNP/indel）和位置（内含子、外显子、剪切位点、调控区等），查询SnpEff内置的数据库（如GENCODE、RefSeq）和注释文件，获取该变异相关的注释信息；最后，预测变异对蛋白质序列和功能可能产生的影响（如错义突变、同义突变、无义突变、移码突变、frameshift、启动子区域影响等）。其主要目的是为每个检测到的变异提供详细的基因组上下文信息和潜在的生物学功能影响预测，帮助研究人员理解变异的生物学意义。3.为什么在进行遗传突变的生物信息学分析前，需要对测序原始数据进行质量控制？解析：对测序原始数据进行质量控制（QC）至关重要，因为低质量的数据（如含有过多接头序列、低质量读段、重复序列、宿主核酸污染等）会直接影响后续变异检测、注释和分析的准确性和可靠性。QC步骤可以识别并去除这些低质量数据，确保进入下游分析流程的数据是干净和可靠的，从而提高变异检测的灵敏度（减少假阴性）和特异性（减少假阳性），最终获得更准确、更有意义的生物信息学分析结果。4.简述如何利用dbSNP数据库来判断一个新发现的SNP的常见程度。解析：利用dbSNP数据库判断新发现SNP的常见程度，通常需要以下步骤：首先，从你的变异检测结果（VCF文件）中提取出新发现SNP的详细信息，特别是其rsID（如果已知或可以查询到）；其次，访问NCBI的dbSNP数据库（如通过UCSCGenomeBrowser、EnsemblVariantViewer或直接查询dbSNP网站）；在数据库中搜索该SNP的rsID；查看数据库返回的记录，关键信息包括“AlleleFrequency”（等位基因频率）或“MAF”（MinorAlleleFrequency）。MAF值通常表示该SNP在数据库所包含的群体样本中的频率，MAF值越高，说明该SNP越常见；同时，还可以查看该SNP的“Annotation”信息，了解其所在的基因、染色体位置、参考序列等。根据MAF值的大小，可以判断该SNP是常见的多态性还是罕见的私人变异。五、分析题1.假设你获得了一组来自疑似遗传性疾病的家系成员的基因组重测序数据。请简述你将如何设计生物信息学分析流程来寻找可能的致病基因？需要使用哪些关键的分析工具或数据库？并说明每个步骤的目的。解析：针对疑似遗传性疾病的家系基因组数据，寻找可能的致病基因，可以设计以下生物信息学分析流程：步骤1：数据预处理和质量控制（QC）。使用FastQC评估原始测序数据质量；使用Trimmomatic或Cutadapt进行读段修剪（去除接头序列、低质量读段）；使用GATK的HaplotypeCaller进行变异检测，生成家系每个成员的VCF文件；使用GATK的VariantFiltration进行变异过滤，去除低质量变异，如Q低于30、DP低于10、有过多等位基因等。目的：保证进入后续分析的数据质量，提高变异检测的准确性和可靠性。步骤2：家系数据整合与分析。使用GATK的CoarsenAlleles或CombineVariants工具合并家系成员的VCF文件；使用GATK的GenotypeLikelihoodsRealignment或IndelRealigner进行真实ignment优化；使用GATK的HaplotypeCaller或GenotypeGVCFs结合家系样本信息进行更精确的变异调用；使用GATK的VariantFiltration进行进一步的质量控制，特别是考虑家系遗传模式。目的：利用家系成员间的遗传关系，提高变异检测的准确性，并可能发现仅存在于少数成员中的稀有个体型变异。步骤3：变异注释。使用SnpEff或ANNOVAR等工具对过滤后的家系VCF文件进行注释，确定每个变异的基因组位置、影响的基因、功能预测（如错义、无义、移码、剪接位点、启动子区域影响等）。目的：为每个变异提供详细的生物学信息，缩小候选致病基因的范围。步骤4：遗传模式分析。根据家系成员的基因型和表型信息，分析变异的遗传模式。例如，如果变异在所有患者中均呈共分离（即与疾病表型一起遗传），而在正常对照中未检测到，则该变异是高度可疑的致病基因。可以绘制家系遗传图谱，结合孟德尔遗传规律进行推断。目的：利用家系结构信息，判断变异是否与疾病表型相关联，缩小候选致病基因范围。步骤5：候选基因筛选与验证。根据遗传模式分析和注释信息，筛选出最有可能的候选致病基因。可以查阅文献数据库（如OMIM）了解该基因与相关疾病的已知信息。后续可能需要进行功能验证实验（如细胞实验、动物模型）或更深入的生物信息学分析（如通路富集分析）。目的：确定最终的致病基因或候选基因。关键工具/数据库：FastQC,Trimmomatic/Cutadapt,GATK(HaplotypeCaller,VariantFiltration,CombineVariants,IndelRealigner,GenotypeGVCFs),SnpEff/ANNOVAR,dbSNP/1000Genomes/ExAC,OMIM。2.某研究者在分析某肿瘤患者的基因组数据时，发现了一个位于某个抑癌基因编码区内的missensemutation（错义突变），该突变预测为“可能致病”（Predicteddeleterious）。请分析，除了该突变的生物信息学预测结果外，还需要考虑哪些生物学和临床信息来更全面地评估这个突变的致病性？解析：评估一个位于抑癌基因编码区且预测为“可能致病”的错义突变是否真正具有致病性，除了生物信息学预测（如SnpEff等