[发明专利]一种基于超长基因组的变异检测方法及检测系统

说明书

本发明涉及一种基于超长基因组的变异检测算法，简称VariationBlast算法，在得到长序列的情况下，大尺度结构变异通常可以通过序列与参考基因组进行比对来检测到，因为跨越结构变异的序列会产生比对上参考序列的部分片段，然后通过序列部分片段与相对应的参考序列片段之间的比较，结构变异的精确点位可以被检测到，VariationBlast是通过逐次对比对方法来检测每一个序列与参考基因组序列之间的比对，然后把所有代表结构变异的序列进行分类与筛选最后从比对的位点与方向得到可能的结构变异以及它们各自的类型。

技术领域

本发明涉及基因序列结构变异检测，具体涉及到一种基于超长基因组的变异检测方法及检测系统。

背景技术

上世纪九十年代启动的人类基因组计划(HGP)，加上随之而来的千人基因组计划，DNA元件百科全书计划(ENCODE)等的实施加快了基因组时代的发展。第二代、三代DNA促使许多物种的基因组测序计划得以成功完成，从而积累了大量的生物数据。这些生物大数据必须通过适当的分析手段才能挖掘出具有潜在理论价值和应用价值的信息。基因组序列多态性，是指物种群体内及群体间DNA序列和结构的差异。人类的这些基因组差异决定了不同种族、群体和个体间基因组的差异或多态性。基因组多样性包括单核苷酸多态性(Singlenucleotide polymorphism,SNP)、小片断插入和缺失(small indel)；基因组结构变异通常指DNA序列长度大于1kb的基因组差异,包括DNA片段插入(insertion)与缺失(deletion)、移位(transposition)、倒位(inversion)以及DNA拷贝数目变化(Copy numbervariations,CNVs)等。结构变异由于覆盖的核苷酸总数远超过SNP的总数,因此对个体表型的影响可能更大。科学家们开发了很多用于预测基因组结构变异的软件，而且这些软件已被广泛应用到人类基因组多态性研究中。但是已开发的绝大多数软件只能有效地预测基因组单核苷酸多态性，小片段结构变异，以及结构变异中某种或某几种类型。这些软件对某些大尺度的结构变异(例如，长片段插入、缺失序列等)不能很好的挖掘，以至不同软件预测结果之间的差异很大。常用的变异检测软件，例如Pindel、Breakdancer、CNVnator等都无法检测大型的基因组变异，少部分算法可以检测到基因组大型缺失，但是几乎所有的算法流程都无法鉴定出大型插入、移位、倒置等大型的基因组结构变异。本发明中开发的VariationBlast算法，有效地将具有高灵敏度的比对算法和图形理论相结合，实现了碱基水平检测基因组变异，变异检测范围可以从最小的单核苷酸改变到大型复杂的基因组结构变异。

发明内容

本发明提供一种基于超长基因组的变异检测方法，简称VariationBlast算法，解决了现有算法不能准确检测大型超长基因组的结构变异的问题。

本发明解决上述技术问题的技术方案如下：

一种基于超长基因组的变异检测方法，包括以下步骤：

S1、采用局部序列比对算法，检测出测序片段和参考序列间存在的所有匹配，得到局部匹配事件，每一个局部匹配事件均包括测序片段和参考序列上的参考片段；

S2、将所有局部匹配事件中的测序片段按照比对至参考序列的位置进行排序，将测序片段比对至参考序列上的位置重叠或顺次相连的局部匹配事件分到一个组，有多少能够相连或重叠的测序片段，就有多少个组；

S3、对每一个组内的局部匹配事件按照不同的排序方式进行评分，建立一个用来表示每一个组内的所有局部匹配事件之间不同的排序方式的图形模型，根据评分情况确定每一组内的局部匹配事件的最佳排序方式；

S4、按照最佳排序方式将每一个组内的局部匹配事件中的测序片段进行串联，一个组得到一个测序序列read；