2025年大学《生物信息学》专业题库- DNA甲基化变异与复杂疾病关联性评估

2025年大学《生物信息学》专业题库——DNA甲基化变异与复杂疾病关联性评估考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.DNA甲基化主要发生在DNA的哪个碱基上？A.腺嘌呤（A）B.胸腺嘧啶（T）C.胞嘧啶（C）D.鸟嘌呤（G）2.下列哪种技术常用于研究基因组范围的DNA甲基化模式？A.Sanger测序B.基因芯片（Microarray）C.RNA测序（RNA-seq）D.亚硫酸氢盐测序（BS-seq）3.在DNA甲基化数据分析中，什么是CpG岛？A.一种DNA修复机制B.碱基对之间的氢键C.连续的CpG二核苷酸序列，CpG位点是甲基化的常见位点D.RNA聚合酶的亚基4.以下哪个软件包主要用于处理和分析高通量基因表达数据？A.limmaB.SeuratC.minfiD.DESeq25.在比较病例组和对照组的甲基化水平时，常用的统计方法是什么？A.t检验B.方差分析（ANOVA）C.Wilcoxonrank-sumtestD.卡方检验6.甲基化水平差异检测后，如何识别潜在的甲基化生物标志物？A.选择甲基化水平绝对值最高的位点B.选择在病例组和对照组中差异显著的CpG位点C.选择甲基化水平变化与基因表达水平相关性最高的位点D.选择在所有样本中甲基化水平都最高的位点7.RRBS（ReducedRepresentationBisulfiteSequencing）技术的优势是什么？A.能检测整个基因组的甲基化状态B.成本较低，能覆盖大部分CpG位点C.只能检测基因编码区（exon）的甲基化D.对RNA质量要求很高8.甲基化水平与基因表达之间存在怎样的关系？A.甲基化水平越高，基因表达越高B.甲基化水平越高，基因表达越低或沉默C.甲基化水平与基因表达无关D.甲基化只影响基因的转录起始，不影响转录本稳定性9.在进行DNA甲基化数据分析时，什么是批次效应？A.样本采集过程中的随机误差B.不同实验组别之间的系统偏差，可能由实验条件、试剂批次等引起C.数据分析软件的bugD.DNA降解导致的信号减弱10.以下哪个工具主要用于评估甲基化水平与基因表达之间的相关性？A.bedGraphToBigWigB.methylationcallingtools(如BisulfiteSeq,MethylKit)C.DESeq2oredgeRD.cor.test(Rfunction)orspearman.test(Rfunction)二、简答题（每题5分，共25分）1.简述DNA甲基化的主要生物学功能。2.比较全基因组亚硫酸氢盐测序（WGBS）和还原代表亚硫酸氢盐测序（RRBS）在应用场景和优缺点方面的主要差异。3.描述在DNA甲基化数据分析流程中，数据预处理阶段通常包括哪些关键步骤？4.解释什么是CpG岛甲基化（CpGIslandMethylation,CIMS）以及其与基因表达调控的关系。5.简述甲基化水平与遗传变异（如SNP）交互作用分析的意义。三、计算与分析题（每题10分，共20分）1.假设你获得了两组样本（病例组和对照组）的甲基化水平数据（如下所示，单位是甲基化比例，范围0-1），请简要描述你会如何分析这两组数据来评估甲基化水平是否存在显著差异？你需要说明需要使用的统计方法、分析的R代码框架（无需实际运行并给出结果）以及如何解释分析结果。```SampleSite1Site2Site3Site4Control0.150.300.050.600.180.280.070.58............Case0.250.450.100.750.220.400.120.78............```2.假设你已通过分析得到一个基因（GeneX）的CpG岛在病例组中的平均甲基化水平显著高于对照组。请进一步阐述你会进行哪些补充分析来探究该甲基化变异与GeneX表达水平以及复杂疾病发生发展的潜在关联？请至少提出三种分析方法或需要考察的内容。四、论述题（15分）假设你正在参与一项研究，旨在探究某环境因素暴露是否通过影响DNA甲基化水平进而增加患某种癌症的风险。请设计一个基于生物信息学的分析方案，阐述你会如何利用已公开的甲基化测序数据（例如来自GTEx项目或相关疾病研究）和基因表达数据，来评估DNA甲基化变异与该癌症风险之间的关联性。请说明你需要哪些数据类型、可能使用的关键分析步骤（包括统计方法）、需要关注的潜在混杂因素以及如何解读分析结果以推断环境因素暴露与DNA甲基化及癌症风险之间的关系。试卷答案一、选择题1.C2.D3.C4.B5.C6.B7.B8.B9.B10.D二、简答题1.简述DNA甲基化的主要生物学功能。答案：DNA甲基化的主要生物学功能包括：基因表达调控（通过抑制转录起始或增强RNA稳定性沉默基因）、维持基因组稳定性（通过防止染色体重新组合）、参与基因印记（决定亲本来源的等位基因表达差异）、X染色体失活（X-inactivation）以及作为表观遗传标记参与细胞分化进程。解析思路：考察对DNA甲基化核心生物学意义的掌握。答案应涵盖基因调控、基因组稳定、基因印记、X失活和细胞分化等多个重要方面。2.比较全基因组亚硫酸氢盐测序（WGBS）和还原代表亚硫酸氢盐测序（RRBS）在应用场景和优缺点方面的主要差异。答案：WGBS能检测整个基因组的甲基化状态，信息最全面，但成本高、数据量巨大、对测序和生物信息学分析要求高，适用于研究甲基化全景或需要精细定位甲基化变化的情况。RRBS通过富集基因组中富含CpG的区域（如基因体、启动子区域）进行测序，成本相对较低，数据量适中，能较好地覆盖基因调控关键区域，适用于研究与基因表达调控相关的甲基化变化或样本量有限的情况。主要缺点是可能遗漏基因组其他区域的甲基化信息。解析思路：考察对不同甲基化测序技术的理解。需对比两者在覆盖范围、成本、应用场景、优缺点等方面的差异。3.描述在DNA甲基化数据分析流程中，数据预处理阶段通常包括哪些关键步骤。答案：数据预处理阶段通常包括：质量控制（QC），评估原始测序数据质量、过滤低质量读长；读长对齐（Alignment），将测序读长比对到参考基因组；转换/识别甲基化位点（MethylationCalling），将未甲基化的C转换为T，识别CpG位点及其甲基化状态（如产生甲基化调用文件如bedGraph或Bismark）；数据归一化（Normalization），消除批次效应、测序深度、平台差异等因素对甲基化水平的影响，使不同样本的可比性。解析思路：考察对数据预处理流程的熟悉程度。答案应涵盖QC、对齐、甲基化识别和归一化等核心步骤。4.解释什么是CpG岛甲基化（CpGIslandMethylation,CIMS）以及其与基因表达调控的关系。答案：CpG岛甲基化是指DNA序列中连续的CpG二核苷酸（CpG）密集区域发生甲基化（C转化为T）。CIMS通常与基因沉默相关，因为CpG岛常位于基因的启动子区域。在这些区域，甲基化会招募抑制性蛋白质复合物，阻碍转录因子的结合或稳定RNA聚合酶II的负性复合物，从而抑制基因的转录表达。解析思路：考察对CpG岛及其甲基化功能的基础知识。需定义CIMS并解释其通常与基因沉默（特别是启动子沉默）的生物学机制。5.简述甲基化水平与遗传变异（如SNP）交互作用分析的意义。答案：分析甲基化水平与遗传变异（如SNP）的交互作用，旨在探究遗传变异是否影响位点甲基化水平，以及甲基化水平是否影响遗传变异的表型效应。这种分析有助于揭示遗传和环境因素（甲基化）如何协同影响基因表达或疾病风险，可能发现新的表观遗传调控机制，并有助于理解遗传变异在不同甲基化背景下的功能异质性。解析思路：考察对表观遗传互作研究的理解。需说明分析的目的，即揭示遗传、甲基化与表型之间的复杂相互作用及其生物学意义。三、计算与分析题1.假设你获得了两组样本（病例组和对照组）的甲基化水平数据（如下所示，单位是甲基化比例，范围0-1），请简要描述你会如何分析这两组数据来评估甲基化水平是否存在显著差异？你需要说明需要使用的统计方法、分析的R代码框架（无需实际运行并给出结果）以及如何解释分析结果。答案：分析步骤如下：a.数据整理：将数据整理成适合分析的格式，通常需要将数据转换为长格式，包含样本ID、位点ID和甲基化比例。b.数据探索：检查数据的分布特征，绘制箱线图或散点图观察两组甲基化水平的分布差异。c.统计检验：由于甲基化比例数据可能不满足正态分布，且存在零值，应使用非参数检验方法。常用的方法是Wilcoxonrank-sumtest(Mann-WhitneyUtest)，用于比较两组独立样本的中位数是否存在显著差异。也可以考虑使用Kruskal-Wallistest如果比较多个位点。d.R代码框架示例：```R#假设数据框名为meth_data，包含sample,site,methylation三列#将数据转换为长格式（如果原始是宽格式）#data_long<-reshape2::melt(meth_data,id.vars="sample",="site",="methylation")#分组#control_meth<-subset(data_long,group=="Control")#case_meth<-subset(data_long,group=="Case")#绘制箱线图#boxplot(methylation~group,data=data_long,main="MethylationLevelsbyGroup",ylab="MethylationProportion")#Wilcoxonrank-sumtest#result<-wilcox.test(methylation~group,data=data_long,alternative="two.sided")#print(result)```e.结果解释：查看检验结果的P值。如果P值小于预设的显著性水平（如0.05），则拒绝原假设，认为病例组和对照组在至少一个位点的甲基化水平中位数存在显著差异。需要结合图表和P值来报告结果。进一步可以报告差异显著位点的数量或具体位点。解析思路：考察对比较两组非正态分布数据的基本统计方法和R语言应用的掌握。重点在于选择合适的检验方法（非参数检验）并给出基本的分析框架。2.假设你已通过分析得到一个基因（GeneX）的CpG岛在病例组中的平均甲基化水平显著高于对照组。请进一步阐述你会进行哪些补充分析来探究该甲基化变异与GeneX表达水平以及复杂疾病发生发展的潜在关联？请至少提出三种分析方法或需要考察的内容。答案：可以进行的补充分析包括：a.关联分析甲基化与基因表达：获取病例组和对照组的基因表达数据（如RNA-seq数据），计算位点甲基化水平与GeneX表达水平之间的相关性（如使用Spearman秩相关系数，因为两者数据可能非正态）。如果两者之间存在显著的负相关关系（即甲基化水平升高伴随着表达水平降低），则支持甲基化通过抑制GeneX表达发挥作用的假说。b.通路富集分析：确定显著差异甲基化的CpG位点所在的基因，进而获取这些基因参与的生物学通路信息。进行通路富集分析（如KEGG,GO富集分析），考察这些通路是否与GeneX的功能或所关联的复杂疾病密切相关。这有助于从更宏观的层面理解甲基化变异的影响。c.探索甲基化变异与疾病表型的关联：分析甲基化水平（尤其是GeneX相关位点的甲基化）与患者临床表型（如疾病严重程度、生存期、对治疗的反应等）之间是否存在关联。这有助于评估该甲基化变异作为潜在生物标志物的价值。解析思路：考察对获得初步分析结果后如何进行深入挖掘和关联性研究的思考能力。要求提出与表达、通路、疾病表型关联的分析方向。四、论述题假设你正在参与一项研究，旨在探究某环境因素暴露是否通过影响DNA甲基化水平进而增加患某种癌症的风险。请设计一个基于生物信息学的分析方案，阐述你会如何利用已公开的甲基化测序数据（例如来自GTEx项目或相关疾病研究）和基因表达数据，来评估DNA甲基化变异与该癌症风险之间的关联性。请说明你需要哪些数据类型、可能使用的关键分析步骤（包括统计方法）、需要关注的潜在混杂因素以及如何解读分析结果以推断环境因素暴露与DNA甲基化及癌症风险之间的关系。答案：分析方案设计如下：1.数据类型需求：*甲基化数据：获取包含目标癌症患者和健康对照组的DNA甲基化测序数据（如WGBS、RRBS或特定区域甲基化数据），数据应来自大型队列研究（如GTEx、TheCancerGenomeAtlas,UKBiobank等），确保样本量足够大且具有详细的临床信息。如果使用GTEx数据，可利用其多组织信息比较癌症组织与其他组织的甲基化差异。*基因表达数据：获取与甲基化数据来源相同或相似的队列中的RNA测序数据（RNA-seq），用于后续关联分析。*环境暴露数据：获取队列中关于目标环境因素暴露的测量数据（如空气污染暴露剂量、饮食评分等），最好是已校正或可直接使用的暴露评分。*临床信息：获取队列成员的详细临床信息，包括诊断信息、年龄、性别、种族、生活方式（吸烟、饮酒等）、遗传背景（如可用的GWASsummarystatistics）等。2.关键分析步骤：a.数据准备与质量控制：对甲基化和基因表达数据进行质量控制和预处理，包括过滤低质量样本/位点、数据归一化、去除批次效应等。b.识别环境因素相关的甲基化位点：使用统计方法（如t检验、ANOVA或线性模型）比较癌症组与癌症组内暴露组/非暴露组、癌症组与正常对照组之间，或不同暴露水平组之间的甲基化水平差异，筛选出与环境因素暴露显著相关的甲基化位点（CpG位点或CpG岛）。可使用调整多重检验错误率的方法（如FDR）。c.甲基化与基因表达的关联分析：对筛选出的环境因素相关甲基化位点，结合基因表达数据，计算位点甲基化水平与对应基因表达水平之间的相关性（如Spearman相关系数）。使用线性回归模型（考虑协变量）评估这种关联的显著性，并量化相关强度。d.环境因素、甲基化与基因表达的交互作用分析：使用线性回归模型或交互作用统计检验，评估环境因素暴露是否通过影响基因表达来间接影响癌症风险。例