[发明专利]一种识别DNA大片段缺失的方法和系统

说明书

本发明公开了一种识别DNA大片段缺失的方法和系统。本发明基于二代测序，提供了一种识别DNA大片段缺失的方法和系统，通过在目标缺失片段区域内设定检测区域，在目标缺失片段区域外同一染色体上设置内参区域，获取各区域的测序深度，并利用参考集及加权分析，获得待测样本的缺失类型，本发明方法检测准确性高，检测结果与Gap‑PCR一致，尤其适用于CYP2D6全基因缺失的检测，可解决现有技术无法准确检出超过测序读长的大片段缺失的问题。

技术领域

本发明属于基因检测领域，更具体地涉及一种识别DNA大片段缺失的方法和系统。

背景技术

据安全用药相关调查报告显示，新生儿、儿童、成人的药物不良反应发生率分别为24.4％、12.9％、6.1％；每四个新生儿中，就有一个儿童因为药物不良反应，造成不同程度的器官损伤，如药物性耳聋、神经系统损伤、肝肾功能损伤等；全球死亡患者中，三分之一死于不合理用药，而非死于自然疾病本身；因此，安全、合理、有效、经济地用药是现阶段患者的诉求。目前，安全用药基因检测可以通过检测个体用药相关基因，实现个体化药物指导，辅助确定最适药物及剂量，尽可能规避药物不良反应和相互作用等，从而确定最佳治疗方案，避免多次试药，减轻患者的身体负担和经济负担。

安全用药基因检测涉及与药物代谢、疗效和毒性等上百种相关基因，其中包括CYP2D6基因。CYP2D6基因编码酶是一种具有基因多态性的药物代谢酶，该基因的突变可以引起酶活性及数量的差异，进而导致药物代谢有显著地个体差异，研究表明在临床上其参与了25％以上常用药物的代谢，其中基因型CYP2D6*5为全基因缺失，在中国人中约占3％～7％，FDA收录CYP2D6*5基因型与可待因、曲马多等镇痛药，普萘诺尔、普罗帕酮等心血管疾病药物；阿米替林、多塞平等抗焦虑药物的用药密切相关。因而，对个体CYP2D6基因型进行检测是个性化安全用药的必检项目。

二代测序技术(NGS)是目前应用最广的测序技术，具有测序深度高、通量大、准确率高、灵敏度好，价格低等优势，然而由于测序读长的限制，常规方法对于超过测序读长的大片段缺失往往无法准确检出，如CYP2D6*5基因型4.383kb全基因缺失检测对于二代测序技术来说是一项难以解决的技术问题。

发明内容

本发明的目的在于提供一种识别DNA大片段缺失的方法和系统。

本发明所采取的技术方案是：

一种识别DNA大片段缺失的方法，包括步骤：

S1：目标缺失片段区域内设定至少3个检测区域，其中2个检测区域分别位于目标缺失片段两端，在目标缺失片段区域外同一染色体上设置内参区域，内参区域个数≤检测区域个数；

S2：根据二代测序法获得的检测区域测序深度和内参区域测序深度，在参考集中找出与待测样本相似性高的若干个已知样本构成相似集，其中，所述参考集由已知样本构成；

S3：在相似集中，根据已知样本与待测样本的相似性，加权分析各缺失类型的已知样本支持度，支持度最高且超过阈值的缺失类型为待测样本的缺失类型。

优选的，步骤S2进一步包括：根据二代测序法获得的检测区域测序深度和内参区域测序深度，计算样本的特征值，所述特征值为同一样本的检测区域测序深度与内参区域测序深度的比值，根据样本的特征值，在参考集中找出与待测样本相似性高的若干个已知样本构成相似集。

优选的，步骤S2中，“在参考集中找出与待测样本相似性高的若干个已知样本构成相似集”具体包括：计算待测样本与参考集中所有已知样本之间的度量相似性的距离，选取与待测样本相似性高的前X个已知样本构成相似集，X是不大于20的整数且不大于已知样本总量的10％。

优选的，“度量相似性的距离”选自马氏距离、明氏距离、曼哈顿距离、切比雪夫距离、兰氏距离、欧氏距离。

优选的，计算待测样本与参考集中所有已知样本之间的欧式距离，采用下述公式：