[发明专利]一种基于局部异常因子的拷贝数变异检测方法

权利要求书

1.一种基于局部异常因子的拷贝数变异检测方法，其特征在于，所述基于局部异常因子的拷贝数变异检测方法包括以下步骤：

第一步，从bam文件中提取出每个窗口的read depth值；将一维read depth值进行scaling计算，scaling计算首先将数据进行0均值归一化处理，将read depth处理成大于0的值和小于0的值，之后将read depth小于0的窗口进行某倍数的扩增；

第二步，对处理完的数据进行segment计算，将散乱的数据分割成长度不等的几个片段；将segment后的一维read depth数据加上位置信息转化成二维数据；

第三步，用局部异常因子检测算法对产生的数据进行计算；通过局部异常因子算法将产生的一维read depth值转化成一组score值，通过score的值，很容易找到变异区域；

第四步，获取了一组score值，使用箱形算法针对本组score值将较大的数据筛选；

第五步，得到变异区域，确定变异是丢失还是增添。

2.如权利要求1所述的基于局部异常因子的拷贝数变异检测方法，其特征在于，所述第一步从bam文件中提取出每个窗口的read depth值，对数据进行GC校正；将一维read depth值进行scaling计算，scaling计算首先将数据进行0均值归一化处理，将read depth处理成大于0的值和小于0的值；将read depth小于0的窗口进行某倍数的扩增，倍数通过将50个最大的read depth值与50个最小read depth的绝对值相除所获得的比值，计算增加deletion区域read depth同正常区域的差异性。

3.如权利要求1所述的基于局部异常因子的拷贝数变异检测方法，其特征在于，所述第三步的用局部异常因子检测算法对产生的数据与其位置信息构造成二维数据进行计算，首先确定一个参数K，计算出该点A的第K距离，根据第K距离确定第K邻域{B1,B2...Bk}，也就是在第K距离内所有点的集合；再对K邻域内的每一个点Bi计算出第K距离，倘若A点属于Bi点的K邻域则两者之间的距离是第K距离，若不是的话两点的距离则是A与Bi的可达距离，欧式距离；A点将A到邻域B的每个点的距离相加除以邻域点的个数可获得A点的可达密度，同时也计算出B邻域中每个点的可达密度；最后将A点的可达密度与邻域内每个点的可达密度和的平均值相除，获得的比值就是该点的局部异常因子。

4.如权利要求1所述的基于局部异常因子的拷贝数变异检测方法，其特征在于，所述第四步使用箱形算法针对本组score值将数据筛选包括：(1)取这组score的四分位点，Q1.Q2和Q3；(2)计算Q3+1.5*(Q3-Q1)获得这组数据的上界upper；(3)score值大于上界的位点当做变异点。

5.如权利要求1所述的基于局部异常因子的拷贝数变异检测方法，其特征在于，所述第五步的score小于upper区域的区域是正常区域，将区域read depth的平均值作为标准；若变异区域的read depth值大于标准值，区域为增添duplication变异，若该区域的readdepth值小于标准值，则认为该区域的变异类型是丢失deletion。