[发明专利]一种基于神经网络的核苷酸单位点变异检测方法

说明书

本发明属于神经网络技术领域，公开了一种基于神经网络的核苷酸单位点变异检测方法；利用bwa比对软件对原始的fastq数据做比对，生成sam文件；再通过samtools将sam文件转换为其二进制形式的bam文件，在对bam文件进行排序以及转化为pileup格式文件完成原始数据的预处理；对正常细胞和肿瘤细胞提取包括测序深度、碱基转变的个数、碱基转变的频率以及碱基的38个特征值；针对特征值的数据，进行训练然后保存一个训练模型；通过训练模型的框架对样本进行检测得出SNV。本发明能够解决Fasd‑somatic技术检测SNV变异位置不精确的问题；解决somatic snipper方法检测SNV变异造成遗漏的问题；解决现有技术遇到低肿瘤纯度下检测的准确率太低的问题。

技术领域

本发明属于神经网络技术领域，尤其涉及一种基于神经网络的核苷酸单位点变异检测方法。

背景技术

目前，最接近的现有技术：联合样本分析法检测SNV。这种方法大多以贝叶斯模型为基础，考虑了正常样本及其配对的肿瘤样本之间的关系以及肿瘤样本的纯度，然后设置阈值来检测SNV，SomaticSniper和Fasd_somatic都是对贝叶斯模型进行的改变。但是现有方案也有一定的缺陷，比如，越来越多的证据表明肿瘤的异质性不仅存在肿瘤内部，还存在于肿瘤间；测序深度不足时，一些有突变意义的阳性突变很有可能过滤或是被覆盖；肿瘤细胞还有可能发生拷贝数变异、indel等一些基因突变；还有在测序中PCR扩增等方式，这些都会对检测体细胞突变造成很大的影响；此外，由于在肿瘤体内存在非肿瘤细胞，具有突变位点的深度将会降低。因此，检测SNV变得更加困难。

神经网络是在机器学习和相关领域一种灵感来自动物中枢神经系统的计算模型，并且被用于估计或可以依赖于大量输入和一般的未知近似函数。神经网络通常呈现为相互连接的“神经元”，它可以输入计算值，并且能够机器学习以及模式识别由于它们的自适应性质的系统。SNV(somatic nucleotide variant)变异是基因组中的一种重要的变异现象。主要表现为位点的变异会引起DNA转录翻译成蛋白质的异常，从发癌症的发生。

目前主要有3种检测基因组上SNV变异的策略，分别为：

1.简单减法(simple subtraction)，简单减法思想：分别检测同一位点的正常正常的基因型和肿瘤的基因型，根据检测的结果如正常的基因型纯合于参考碱基而肿瘤细胞的基因型与参考碱基不同或者杂合来判断SNV的发生；这种检测方法的缺点是只能检测出高等位基因频率和肿瘤纯度的样本，对种系突变和低肿瘤纯度的样本不能做到很好的预测。如果是种系突变，他就是遗传来的，所以很有可能正常的基因型和肿瘤的基因型都是相同的，并且纯合于参考基因，而且还有可能是SNP，所以我们根据简单减法的方式就很难分辨这是不是SNV。而对于肿瘤纯度过低的情况下，肿瘤细胞中包含了大比例的正常细胞，就会导致肿瘤细胞的纯度过低，从而导致预测的误差极大。

2.联合样品分析方法(joint sample analysis)，联合样品分析方法思想：联合样品分析方法主要是在简单减法方法基础上的一种完善，在简单减法的基础上在引入了数学模型如贝叶斯模型等，通过数学模型计算出质量分数或是准确率真阳性率等一些数据，通过设定的阈值更加准确的判定该位点是不是发生了SNV；该方法对种系SNV和低肿瘤纯度的样本检测效果较简单减法有较大提高，也是现在用的比较主流的一种方法。

3.检测SNP的方法，检测SNP方法思想：通过一个样本的基因型与参考碱基的比较来判断该位点是不是SNP，之后结合公共数据库(如dbSNPC)筛选掉一些公共的突变位点；这种方法的缺点在于对于未公开的数据库SNP将被错认为是SNV，即我们只可以对现有的结果进行判断，而对检测新的SNV没有帮助，对于癌症的研究价值不大。

综上所述，现有技术存在的问题是：

(1)现有检测基因组上SNV变异的方法存在检测位置不够精确。

(2)现有检测基因组上SNV变异的方法存在低肿瘤纯度下准确率较低。