[发明专利]一种检测基因组拷贝数变异的方法

权利要求书

1.一种检测基因组拷贝数变异的方法，其特征在于，包括以下各步骤：

(1)对样本基因组采用高通量测序平台进行测序，以获得样本的基因组序列；

(2)将步骤(1)的测序结果去掉接头及低质量数据比对到参考基因组，得到序列在基因组上的位置；

(3)将参考基因组分成一定长度的窗口，统计落在每个窗口的序列及碱基；

(4)根据每个窗口的序列及碱基GC含量，对每个窗口做校正，具体如下：

计算每个窗口的平均GC含量GC_im，GC_im＝(GC_ir+GC_ig)/2，其中GC_ir为每个窗口测序序列的GC含量，GC_ig为每个窗口参考基因组的GC含量，

将GC含量从0到100％按照一定梯度划分成等份，对于测定样本，统计每份的窗口个数n_j，所有份的窗口数目的三均值M’，可计算每份的权重系数w_j＝n_j/M’，则每个窗口GC校正后的序列数目RC_i＝RC×w_j，其中RC为原始测序数目，RC_i为GC校正后的序列数目，

计算所有窗口GC校正后序列数目的三均值RC_M’，可计算得到每个窗口的相对测序数目RC_i’＝RC_i/RC_M’；

(5)确定拷贝数正常的阈值，扫描每个窗口，确定窗口拷贝数是否变异；

(6)精确扫描异常的窗口，以确定精确的断点，来确定拷贝数变异的具体位置。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中的测序类型为单端测序或双端测序，测序长度为大于30bp的任意长度，测序深度为基因组的大于0.01的任意倍数。

3.根据权利要求2所述的方法，其特征在于，测序长度为40bp、50bp、100bp或者300bp，测序深度为基因组的0.02、0.1、1、5、10或者30倍。

4.根据权利要求1所述的方法，其特征在于，步骤(2)中在比对到参考基因组时，选择在基因组上唯一比对的序列，去除基因组上多处比对的序列，消除重复序列对拷贝数分析带来的误差。

5.根据权利要求1所述的方法，其特征在于，步骤(3)中窗口的长度为100bp、1K、10K、20K、50K、100K、200K、500K、1000K或3000K。

6.根据权利要求1所述的方法，其特征在于，步骤(4)中的梯度为0.05％、0.1％、0.5％或1％。

7.根据权利要求1所述的方法，其特征在于，步骤(5)中根据样本数据分布特征及数据量，设定单倍型正常波动范围的预定值，然后根据待测样本的倍性，确定正常拷贝数的阈值范围，具体范围为(N–σ，N+σ)，其中N为待测样本的倍性，σ为设定单倍型正常波动范围的预定值，按照每条染色体，逐个计算每个窗口及周围一定数目n_s窗口的三均值M_3i，其中n_s为10-100中的一个数，三均值M_3i落在正常拷贝数范围外的窗口记录下来，连续的窗口合并，直到遇到正常窗口。

8.根据权利要求7所述的方法，其特征在于，所述预定值为0.05、0.1、0.15或0.2。

9.根据权利要求7所述的方法，其特征在于，所述阈值范围的确定具体为根据样本数据分布特征，计算样本单倍型下所有窗口的标准差SD，确定正常拷贝数的阈值范围为(N–N×m×SD，N+N×m×SD)，m为1、2或3。

10.根据权利要求7所述的方法，其特征在于，步骤(6)具体如下：经步骤(5)扫描得到拷贝数异常的连续窗口，这些连续窗口定义为一级区域，具体地，定义一级区域的第一个窗口为第1断点bp₁，然后计算一级区域每个窗口及周围一定数目n_ps窗口的平均值M_nps，n_ps可为1-10中的任意一个数，逐一计算每个窗口，当出现至少连续2个M_nps落在异常范围时，记录该窗口为第2断点bp₂，继续扫描，直到出现至少连续2个M_nps回到正常范围时，记录该窗口为第3断点bp₃，这样每遇到正常和异常转换的窗口，记录一个断点bp_i，直到一级区域的最后一个窗口，记录为bp_f；

断点bp₁到断点bp_f将一级区域分成(f–1)个次级片段，定义为二级区域，计算每个二级区域窗口拷贝数的三均值M_3j，和拷贝数正常范围比较，M_3j落在异常范围的二级区域即为精确的拷贝数变异区域，其中M_3j为该区域的拷贝数，该区域起始和终止的断点即为拷贝数变异的起始和终止位置。