[发明专利]一种基于三代测序的全基因组结构变异分析方法和系统

说明书

本发明公开了一种基于三代测序的全基因组结构变异分析方法和系统，所述方法包括1)序列拆分，2)序列比对；3)基因组结构变异初步检测；4)基因组结构变异初步检测结果合并筛选，5)基因组结构变异功能注释；所述系统包括序列拆分模块,序列比对模块,基因组结构变异初步检测模块,基因组结构变异初步检测结果合并筛选模块和基因组结构变异功能注释模块。所述方法和系统通过整合现有的三代基因组结构变异检测技术PBhoney和Sniffles，能有效提高低覆盖度下基因组结构变异检测的准确性和敏感性，在降低检测成本的同时保证检测结果的可靠性。

技术领域

本发明属于基因组结构变异检测领域，具体涉及一种基于三代测序的全基因组结构变异分析方法和系统。

背景技术

基因组结构变异通常是指基因组内较大片段的插入、缺失、重复、倒位、易位以及DNA拷贝数变异(CNV)等。较之于短的序列变异(SNP、Indel等)，基因组结构变异影响了更多的基因组序列(～13％)，因此也在多种疾病中扮演非常重要的角色。目前，基因组结构变异的检测主要包括，oligonucleotide-based array-CGH、SNP array、MLPA、QPCR等一代测序技术，基于二代测序的Breakdancer,readdepth,delly,PIndel分析技术，基于三代测序的PBhoney,Sniffles分析技术。由于一代基于存在价格高、通量低等弊端，已经越来越不适应目前的检测需求；第二代测序技术的发展，使得SNP、Indel等遗传变异得以广泛检测。然而，由于二代测序读长短(100～150bp左右)的特点，reads不能跨过整个变异的区域，尽管使用了多种算法，基因组结构变异的检测依然存在准确率低，敏感性低的不足；三代测序技术具有读长特别长(最高可达40K以上)，单碱基错误率高(15％)，错误随机性好(基本不受GC含量影响)等特点，目前基于第三代的基因组结构变异检测技术(PBhoney,Sniffles等)虽然大大改善了二代技术敏感性低的问题，但准确率低的缺点依然存在。

发明内容

为了解决上述问题，本发明提供了一种基于三代测序的全基因组结构变异分析方法和系统。所述方法和系统通过整合现有的三代基因组结构变异检测技术，能有效提高低覆盖度下基因组结构变异检测的准确性和敏感性，在降低检测成本的同时保证检测结果的可靠性。

本发明的技术方案为：

一种基于三代测序的全基因组结构变异分析方法，其特征在于,包括以下流程：

1)序列拆分，将基因组的测序序列拆分成若干个用于同步分析的子序列；

2)序列比对，将每个所述子序列分别通过两种比对工具与参考基因组比对，获得的比对结果分别通过合并工具合并得到两组比对序列；

3)基因组结构变异初步检测，将所述两组比对序列中每组比对序列仅通过对应的一种结构变异分析工具进行检测，两组比对序列经分别检测后得到两组基因组结构变异初步检测结果；

4)基因组结构变异初步检测结果合并筛选：

4.1)分别将两组基因组结构变异初步检测结果转换成统一格式；

4.2)合并两组基因组结构变异初步检测结果：

4.2.1)遍历两组基因组结构变异初步检测结果中的缺失序列，如果所述两组基因组结构变异初步检测结果中缺失序列重叠部分的长度分别占两缺失序列长度的比例均大于50％，则判定该两个缺失序列为同一个缺失序列；

4.2.2)分别计算4.2.1)中所述两个缺失序列的起始位点和终止位点的均值，所述均值为4.2.1)所述判定的缺失序列的起始位点和终止位点；

4.2.3)重复4.2.1)和4.2.2)中步骤，筛选出两组基因组结构变异初步检测结果中所有缺失序列的交集；筛选出两组基因组结构变异初步检测结果中所有缺失序列的并集；