[发明专利]一种基于Illumina数据找变异的方法

说明书

技术领域

本发明涉及生物信息技术领域，更具体的说，它涉及一种基于Illumina数据找变异的方法，使用Illumina测序数据与参考基因组进行比对，利用比对的信息来找变异。

背景技术

目前，对于查找SNP、InDel变异的软件非常多，比如经典的Samtools mpileup，GATK，VarScan，freebayes，当它们用在检查遗传突变(或非肿瘤样品突变)时，准确度非常高。

Illumina是一家美国的测序仪公司，他们的测序仪产生的数据，在业内叫Illumina数据，行业内只用“Illumina”来称呼。因为Illumia的测试数据本身存在一定的错误率(～1％)，一但被用到肿瘤突变上的检测上，特别是查找低频突变，比如循环肿瘤细胞DNA，一般的软件检测结果中会出现大量的假阳性低频突变。

发明内容

本发明的目的是解决以上提出的问题，提供一种通过对低频突变进行分类，把可靠的低频突变找出来的基于Illumina数据找变异的方法。

本发明是通过以下技术方案实现的：

本发明是一种基于Illumina数据找变异的方法，它包括以下步骤：

步骤一：先将样品用Illumina测序仪进行测序，获得Illumina数据，再将Illumina数据使用BWA软件比对上参考基因组；

步骤二：从步骤一的比对结果中，查找出所有的突变(比对结果里有标记)；

步骤三：对步骤二查找出的突变进行高低频筛选分类，read>＝3的突变且频率>0.1为高频突变，频率<＝0.1的为低频突变；

步骤四：根据步骤三筛选出的低频突变，筛选出连锁低频突变：如果有至少三条read支持低频突变A与低频突变B连锁在一起，则认为低频突变A和低频突变B是可靠的连锁低频突变；

步骤五：将步骤三和步骤四得到的结果输出。

作为优化，所述样本为来自于人体的血液或唾液或粪便。

本发明的有益效果如下：

1、本发明能对检测到的突变进行分类，区分出高可靠的低频突变。

2、本发明区分出的连锁低频突变准确度高，当使用标准品数据(所有的突变都是已知的)进行测试，开始检测出了331个突变，用本发明的方法筛选出了46个可靠突变，过滤掉了86％的错误。

附图说明

图1：本发明流程图；

图2：本发明实施例区分高低频突变图；

图3：本发明实施例寻找关联低频突变图。

具体实施方式

下面结合附图对本发明的实施例进行进一步详细说明：

本发明是一种基于Illumina数据找变异的方法，它包括以下步骤：

步骤一：先将样品用Illumina测序仪进行测序，获得Illumina数据，再将Illumina数据使用BWA软件比对上参考基因组；其中，参考基因组，是指世界范围内通用的标准人类基因组数据；样本为来自于人体的血液或唾液或粪便；

步骤二：从步骤一的比对结果中，查找出所有的突变(比对结果里有标记)；

步骤三：对步骤二查找出的突变进行高低频筛选分类，read>＝3的突变且频率>0.1为高频突变，频率<＝0.1的为低频突变；

步骤四：根据步骤三筛选出的低频突变，筛选出连锁低频突变：因为Illumina的错误率为0.1％，一条read在特定2个位置同时出现相同测序错误的概率为0.1％²(百万分之一)，如果有至少三条read支持低频突变A与低频突变B连锁在一起，则认为低频突变A和低频突变B是可靠的连锁低频突变；其中，此处的A和B是为了区别两个突变，也可以用其他字母替代；连锁是指两个突变出现在同一条read上；连锁低频突变是指出现在同一条read上，频率<＝0.1的两个突变；

步骤五：将步骤三和步骤四得到的结果输出，如表一所示。

表一

实施例：

本实施例是一种基于Illumina数据找变异的方法，它包括以下步骤：

步骤一：先将样品用Illumina测序仪进行测序，获得Illumina数据，再将Illumina数据使用BWA软件比对上参考基因组，得到SAM格式的输出结果；