2025年生物信息学专业考试试题及答案

2025年生物信息学专业考试试题及答案一、单项选择题（每题2分，共30分）1.以下关于Illumina测序技术的描述，错误的是：A.基于桥式PCR扩增DNA簇B.采用边合成边测序（SBS）原理C.读长通常为50300bpD.单碱基错误率主要由纳米孔电流波动引起答案：D（纳米孔测序属于三代技术，Illumina错误率主要由DNA聚合酶保真性和光学信号干扰引起）2.下列数据库中，主要存储蛋白质三维结构信息的是：A.GenBankB.PDB（ProteinDataBank）C.KEGGD.dbSNP答案：B（GenBank存储核酸序列，KEGG是通路数据库，dbSNP是单核苷酸多态性数据库）3.在BLAST比对中，E值（ExpectValue）越小意味着：A.比对结果的随机性越高B.序列相似性越低C.在随机数据库中出现该匹配的概率越低D.比对得分（Score）一定越小答案：C（E值反映随机匹配的概率，E值越小，结果越可靠）4.以下哪种算法适用于全局序列比对？A.SmithWatermanB.NeedlemanWunschC.BLASTD.FASTA答案：B（全局比对覆盖全序列，NeedlemanWunsch基于动态规划；SmithWaterman是局部比对）5.RNAseq中计算基因表达量时，TPM（TranscriptsPerMillion）与FPKM（FragmentsPerKilobaseMillion）的主要区别是：A.TPM校正了测序深度和转录本长度，FPKM仅校正深度B.TPM在归一化时先校正长度，再校正测序深度；FPKM顺序相反C.FPKM适用于单端测序，TPM适用于双端测序D.TPM的数值范围在01之间，FPKM无此限制答案：B（TPM先对每个样本的转录本长度校正，再归一化总reads数；FPKM先计算每百万reads的长度校正值，再归一化）6.宏基因组学研究中，用于物种组成分析的常用标记基因是：A.16SrRNA（细菌）与ITS（真菌）B.COI（细胞色素氧化酶I）C.5SrRNAD.Alu重复序列答案：A（16SrRNA是细菌/古菌的通用标记，ITS是真菌的常用标记）7.单细胞RNAseq（scRNAseq）实验中，10xGenomics技术的核心是：A.微流控芯片生成油包水微滴，将单细胞与带barcode的磁珠包裹B.激光捕获显微切割（LCM）分离单个细胞C.流式细胞术分选后进行MDA（多重置换扩增）D.原位杂交标记特定细胞类型答案：A（10x技术通过微滴分隔单细胞与带细胞barcode的磁珠，实现高通量单细胞捕获）8.蛋白质结构预测中，AlphaFold3（假设2025年版本）相比AlphaFold2的主要改进可能是：A.仅依赖同源序列比对，不再需要深度学习B.显著提升膜蛋白、动态构象（如变构）的预测精度C.仅支持真核生物蛋白质预测D.计算速度降低但准确性不变答案：B（AlphaFold2已解决静态结构预测，下一代可能聚焦动态构象、膜蛋白等复杂结构）9.GWAS（全基因组关联研究）中，控制群体分层（PopulationStratification）偏倚的常用方法是：A.主成分分析（PCA）校正B.卡方检验代替t检验C.增加样本量至1000以下D.仅纳入单一民族样本答案：A（PCA通过计算遗传主成分作为协变量，校正群体结构带来的假阳性）10.非编码RNA分析中，miRDeep2工具的主要功能是：A.预测新的microRNA前体及其成熟序列B.计算lncRNA的编码潜能C.分析circRNA的环化接头D.鉴定tRNA的修饰位点答案：A（miRDeep2基于小RNA测序数据，通过特征（如茎环结构、Dicer切割信号）预测新miRNA）11.三代测序（如PacBioHiFi）的主要优势是：A.测序成本低于二代B.读长可达数十kb，且单碱基准确性>99%C.无需PCR扩增，无GC偏倚D.通量极高（单运行达Tb级数据）答案：B（PacBioHiFi通过循环一致性测序（CCS）将读长缩短至1025kb，但准确性提升至Q30以上；三代仍需PCR，成本高于二代，通量低于二代）12.ChIPseq数据中，峰（Peak）的调用（Calling）通常使用的工具是：A.MACS2B.DESeq2C.HISAT2D.BWA答案：A（MACS2通过比较IP样本与Input样本的reads分布，识别转录因子或组蛋白修饰的结合区域）13.基因组组装中，kmer分析的主要目的是：A.计算基因组杂合度、重复序列比例及预估基因组大小B.直接拼接获得完整染色体C.鉴定单核苷酸多态性（SNP）D.分析基因表达量差异答案：A（通过kmer频率分布可评估基因组复杂度、杂合度，以及估算基因组大小）14.单细胞ATACseq（scATACseq）数据的核心分析目标是：A.检测不同细胞类型的染色质开放区域差异B.定量mRNA表达水平C.分析蛋白质翻译后修饰D.鉴定拷贝数变异（CNV）答案：A（ATACseq通过转座酶切割开放染色质，scATACseq可解析单细胞水平的染色质可及性差异）15.长链非编码RNA（lncRNA）的长度阈值通常是：A.>50ntB.>200ntC.>1000ntD.>5000nt答案：B（lncRNA定义为长度超过200nt、无显著蛋白质编码能力的RNA）二、填空题（每空1分，共20分）1.二代测序数据质量控制常用工具是______（如检测测序错误、接头污染）。答案：FastQC2.BAM文件是______格式的压缩版本，常用于存储测序reads的比对结果。答案：SAM（SequenceAlignment/Map）3.KEGG数据库的主要功能是______（如代谢通路、疾病相关通路注释）。答案：生物通路与功能模块注释4.转录组组装工具中，基于参考基因组的常用软件是______（如将reads比对到基因组后组装转录本）。答案：StringTie5.三代测序技术主要包括______（PacBio）和______（OxfordNanopore）。答案：单分子实时测序（SMRT）；纳米孔测序6.单倍型组装（HaplotypeAssembly）的常用软件是______（通过长读长或HiC数据区分同源染色体）。答案：WhatsHap7.环状RNA（circRNA）的鉴定依赖于______（测序reads跨越环化接头的位置）。答案：反向剪接接头（BackSpliceJunction,BSJ）8.蛋白质互作网络分析的常用数据库是______（提供实验验证和预测的互作关系）。答案：STRING9.肿瘤体细胞突变检测时，需同时测序肿瘤组织与______（如血液）作为对照，以区分germline突变。答案：正常组织（或配对正常样本）10.空间转录组学技术（如10xVisium）的核心是______（在组织切片上保留空间位置信息的同时进行转录组测序）。答案：空间条形码（SpatialBarcoding）三、简答题（每题8分，共40分）1.比较一代测序（Sanger）、二代测序（NGS）和三代测序（TGS）的优缺点。答案：一代测序（Sanger）：优点是读长（~1000bp）、单碱基准确性（>99.99%）高，适合小片段精确测序；缺点是通量低（单反应~1kb）、成本高，无法处理大规模基因组。二代测序（NGS）：优点是高通量（单运行Tb级数据）、成本低（$0.1/MB），适合全基因组/转录组测序；缺点是读长较短（50300bp），难以组装重复区域，且依赖PCR扩增可能引入偏倚。三代测序（TGS）：优点是长读长（10kb2Mb），无需PCR（如Nanopore），可直接检测表观修饰（如甲基化）；缺点是单碱基错误率较高（PacBioHiFi可达99.9%，NanoporeR10.4.1约99.5%），成本仍高于二代。2.解释kmer在基因组组装中的作用，并说明如何通过kmer频率分布判断基因组杂合度。答案：kmer是将序列切割为长度为k的短片段，用于评估基因组特征。作用包括：①估算基因组大小（通过总kmer数除以平均覆盖深度）；②识别重复序列（高频率kmer可能来自重复区域）；③评估杂合度（杂合位点会导致kmer频率分布出现两个主峰，主峰1为单拷贝kmer频率，主峰2为杂合kmer频率，杂合度=主峰2高度/主峰1高度）。3.简述RNAseq差异表达基因（DEG）分析的主要步骤及每一步的目的。答案：步骤：①数据质控（FastQC）：去除低质量reads、接头污染；②比对（HISAT2/Bowtie2）：将reads映射到参考基因组，定位转录本；③表达量定量（Salmon/kallisto）：计算基因/转录本的表达量（TPM/FPKM）；④差异检验（DESeq2/edgeR）：通过负二项分布模型，识别组间表达量显著差异的基因（FDR<0.05）；⑤功能富集（clusterProfiler）：对DEG进行GO/KEGG富集分析，揭示其参与的生物学过程或通路。4.宏基因组学中，基于标记基因（如16SrRNA）和基于全基因组鸟枪法（WGS）的物种注释策略有何区别？各举一例常用工具。答案：标记基因策略：扩增保守基因（如16SV3V4区），通过比对数据库（如SILVA/NCBI16S）进行物种分类。优点是成本低、分析简单，适合大规模样本；缺点是分辨率有限（属/种水平），无法获得功能信息。工具：QIIME2。WGS策略：直接测序宏基因组全DNA，通过组装或比对（如Kraken2/MetaphlAn3）进行物种注释。优点是分辨率高（可到菌株水平），并能分析功能基因（如CAZy酶、抗生素耐药基因）；缺点是成本高，数据量大，组装难度大。工具：MetaPhlAn3。5.单细胞RNAseq数据降维常用方法（如PCA、tSNE、UMAP）的原理及适用场景。答案：PCA（主成分分析）：基于线性变换，提取数据中方差最大的主成分，用于保留全局结构。适用于初步降维（23维），观察主要细胞群体分离。tSNE（t分布随机邻域嵌入）：基于非线性变换，重点保留局部相似性（近邻细胞的距离），但可能扭曲全局结构。适用于可视化细胞亚群（如鉴定稀有细胞类型）。UMAP（均匀流形近似与投影）：结合局部和全局结构，比tSNE更快且更稳定，保留更多全局拓扑信息。适用于大规模单细胞数据（>10万细胞）的可视化与分群。四、分析题（每题10分，共20分）1.给定一组配对的肿瘤（T）与正常（N）组织的WES（外显子组测序）数据（各30例），请设计一个生物信息学分析流程，检测肿瘤中的体细胞突变（SNV/Indel），并筛选潜在驱动基因。答案：分析流程：（1）数据预处理：质控：FastQC检查reads质量，Trimmomatic去除接头及低质量碱基（Q<20）。比对：BWAMEM将cleanreads比对到人类参考基因组（GRCh38），生成SAM文件。比对后处理：Picard标记重复reads（MarkDuplicates），GATKBaseRecalibrator进行碱基质量重校正（BQSR）。（2）突变检测：使用Mutect2（GATK）检测体细胞突变，输入T/N配对BAM文件，筛选肿瘤中存在、正常中不存在的变异（VAF肿瘤>5%，正常<1%）。过滤germline变异：比对gnomAD数据库（排除人群频率>1%的变异）。（3）突变注释：用ANNOVAR或VEP注释突变的功能（如错义、无义、剪接位点变异）、所在基因（如TP53、EGFR）、数据库信息（ClinVar致病性、COSMIC肿瘤相关变异）。（4）驱动基因筛选：统计各基因的突变频率（≥10%样本中突变）；使用OncodriveCLUST检测突变热点（如酪氨酸激酶结构域的聚集突变）；结合功能富集（KEGG癌症通路，如PI3KAKT、MAPK），筛选参与关键通路的高频突变基因。2.某实验室获得一批人源肿瘤样本的单细胞多组学数据（scRNAseq+scATACseq），需解析肿瘤微环境（TME）中免疫细胞亚群的异质性及其与肿瘤细胞的互作。请设计分析策略。答案：分析策略：（1）单细胞数据整合：scRNAseq：使用Seurat进行标准化（SCTransform）、PCA降维、UMAP可视化，基于marker基因（如CD3+T细胞、CD68+巨噬细胞）分群，鉴定免疫细胞亚群（如CD8+T细胞、Treg、M1/M2巨噬细胞）。scATACseq：使用Signac分析染色质开放区域（MACS2峰调用），通过TFmotif富集（HOMER）推断活跃转录因子，结合RNAseq的基因表达，关联开放染色质与基因表达（如增强子启动子互作）。（2）免疫细胞异质性分析：在T细胞亚群中，通过检查PD1、CTLA4等标记基因，区分耗竭T细胞（ExhaustedT）与效应T细胞（EffectorT）；在巨噬细胞中，通过CD80/CD86（M1）与CD163/CD206（M2）标记，分析促炎（M1）与促肿瘤（M2）表型的比例。（3）肿瘤免疫互作预测：使用CellPhoneDB数据库，基于配体受体（LigandReceptor）对，预测肿瘤细胞（如表达PDL1）与免疫细胞（如表达PD1的T细胞）的互作强度；结合scATACseq中肿瘤细胞的调控元件（如PDL1启动子开放程度）与scRNAseq的表达量，验证互作的转录调控机制。五、综合应用题（30分）随着长读长测序（如PacBioHiFi、OxfordNanopore）和单细胞多组学技术的发展，2025年生物信息学在复杂疾病（如神经退行性疾病）研究中的应用日益广泛。假设你需设计一项基于多组学数据的阿尔茨海默病（AD）发病机制研究，需整合基因组（WGS）、转录组（scRNAseq）、表观组（ChIPseqforH3K27ac）和空间转录组数据。请详细描述研究方案，包括数据获取、分析流程及预期科学发现。答案：研究方案设计：1.数据获取：样本：收集AD患者（n=20）与健康对照（n=20）的前额叶皮层组织（尸检或脑活检），同时采集外周血（提取germlineDNA）。基因组（WGS）：使用PacBioHiFi测序（读长15kb，覆盖深度30×），解析AD相关基因（如APP、PSEN1、APOE）的结构变异（SVs）、重复扩增（如TREM2内含子重复）及罕见突变。转录组（scRNAseq）：使用10xGenomics平台（v4化学），分离皮层单细胞（神经元、小胶质细胞、星形胶质细胞），测序深度50,000reads/cell，捕获基因表达谱。表观组（ChIPseq）：针对激活型组蛋白标记H3K27ac（与增强子/启动子活性相关），使用抗H3K27ac抗体富集染色质，Illumina测序（深度30×），定位AD相关基因的调控元件。空间转录组：使用10xVisium（分辨率55μm），对同一块皮层组织切片进行测序，保留基因表达的空间位置信息（如海马区、内嗅皮层）。2.分析流程：（1）基因组学分析：SV检测：使用HiFi数据+SVision工具，识别AD患者特有的结构变异（如APP基因的倒位导致β分泌酶切割位点暴露）；重复序列分析：用TandemRepeatFinder（TRF）结合PBSV，检测C9orf72等基因的六核苷酸重复扩增（与额颞叶痴呆AD重叠综合征相关）；关联分析：将WGS变异与AD临床表型（如MMSE评分、Aβ斑块负荷）