[发明专利]一种基于二代测序的单独肿瘤样本区分基因突变类型的方法

说明书

本发明涉及一种基于二代测序的单独肿瘤样本区分基因突变类型的方法，分别使用肿瘤组织样本和正常组织样本进行建库并进行NGS测序，将肿瘤组织样本生物信息分析的中间文件BAM中保存的突变位点的链偏好性、不同类型碱基频率，碱基比对质量以及噪声的频率作为机器学习的训练特征，同时配对正常组织样本的对应突变位点的类型信息作为预测突变类型，构建区分体细胞突变和胚系突变的分类预测模型，利用该模型进行体细胞突变和胚系突变的区分，检出效率高、特异性高，模型建立好后可以使用单独的肿瘤样本进行NGS测序和突变检测，能够很好的节约正常或癌症样本的检测费用，同时也能解决特定类型的肿瘤患者正常组织的不易获取的问题。

技术领域

本发明属于基因检测技术领域，具体涉及一种基于二代测序的单独肿瘤样本区分基因突变类型的方法。

背景技术

高通量测序(NGS)是一种大规模的平行测序技术，利用高通量测序的方式可以测到覆盖样本中所有基因的序列，结合相关变异检测软件即可使得遗传学家和肿瘤专家一次性获取基因组上多个目标区域的基因突变信息。个体的每个细胞中都可能会发生不同类型的基因突变，基因突变根据来源可以划分为遗传性突变和体细胞突变，遗传性突变由父母遗传而来，由于突变存在于父母双亲的生殖细胞中，因此遗传性突变也称为生殖系突变或胚系突变，假如发生胚系突变，则个体中的所有细胞都会携带该胚系突变；体细胞突变则是发生在个体从受精卵开始的任何发育阶段，并且只存在于某些特定细胞中，而不是个体的每一个细胞，体细胞突变并不是从亲代遗传得到，而是受环境和其他因素影响而发生了改变，细胞分裂过程中DNA自我复制发生错误也会导致基因突变。

针对肿瘤患者肿瘤组织的基因突变分析判断通常需要结合正常组织样本，即配对样本开展检测，同时通过GATK等生物信息学分析流程进而区分胚系突变和体细胞突变。理论上，纯合型的胚系突变的突变比例为100％，杂合型的胚系突变的突变比例为50％，基于这个原理可以将胚系突变和体细胞突变进行区分，但是实际上，由于实验检测过程中的DNA双链扩增的偏好性不同，会导致二代测序得到的DNA片段占胚系突变的DNA片段比例在100％以下或50％左右浮动。

现有技术中，已使用的全外显子测序和靶向测序的单独肿瘤样本区分体细胞突变和胚系突变主要采用与现有突变数据库进行比较，以过滤掉检出突变种的胚系突变，该方法采用自建的VariantDx对所有突变进行检测，过滤掉出现在千人基因组项目中人群频率大于1％的突变以及出现在dbSNP(版本号138)中的突变，选取出现在COSMIC和激酶结构域的突变确定为体细胞突变。但是，上述方法的缺点在于胚系突变和体细胞突变的判断标准主要依赖于现有数据库，并未考虑到实验检测过程中产生的测序DNA片段正负链偏好性以及胚系突变本身的突变频率特征，导致最终会出现某些数据库未记录的胚系突变未被过滤而被判定为体细胞突变，同时也会有一些体细胞突变由于位点和变异氨基酸与dbSNP一致而被过滤掉，被判定为胚系突变，这就导致区分判定的特异性较低，仅为67％作用。

发明内容

本发明的目的在于提供一种基于二代测序的单独肿瘤样本区分基因突变类型的方法，通过建立分类模型作为分类器用于单独肿瘤样本突变类型的预测，能够真实快速的区分体细胞突变和胚系突变。

为实现上述目的，本发明通过如下技术方案实现：

一种基于二代测序的单独肿瘤样本区分基因突变类型的方法，包括以下步骤：

S1、对肿瘤组织样本和正常组织样本进行DNA提取，并采用探针捕获的方法对肿瘤组织样本和正常组织样本提取的DNA进行建库并测序；

S2、利用BWA MEM算法对经过步骤S1分别获取的来源于肿瘤组织样本和正常组织样本的DNA测序数据进行序列比对，同时生成属于肿瘤组织样本的比对文件Tumor.dup.bam和属于正常组织样本的比对文件Normal.dup.bam；