[发明专利]一种同源假基因变异检测的方法

说明书

本发明提供一种同源假基因变异检测的方法，根据最新更新的基因序列构建参考基因集；随机获取正常样本原始数据创建对照集；对对照集正常样本原始数据与所述参考基因集进行数据比对，得到对照集比对结果；并对对照集中的每个样本进行变异检测，构建对照集变异位点频率数据；获取实测样本原始数据，对所述实测样本数据与参考基因集进行数据比对，并对实测样本比对结果进行变异位点检测，得到实测样本变异位点检测结果；将所述实测样本变异位点检测结果与所述对照集变异位点频率数据进行位点比对筛查，得到实测样本的基因变异位点。与现有技术相比，本方法能够解决参考基因组序列和基因序列更新不同步，提升基因位点变异检测的准确性，缩短检测周期。

技术领域

本发明涉及生物学与精准医学基因检测领域，具体涉及一种同源假基因变异检测的方法。

背景技术

目前生物学与精准医学领域，对临床个体进行基因病进行临床诊断时，通常需要进行个人的基因检测，常用检测方法是进行全基因组测序(WGS),全外显子测序(WES)和目标区域测序(TRS)，相关分析流程如下：1)高通量测序完成后，获得基因组的短片段序列信息；2)与参考基因组进行序列比对，定位每一条短序列的基因组坐标；3)对比对的结果进行基因组坐标排序，去重，重排以及碱基质量矫正；4)对基因组的每个碱基进行变异检测，并进行基因型评估；5)最终得到个人的基因组变异检测结果。

目前该技术已经成为新一代基因测序技术(NGS技术)即高通量测序技术检测个人样本基因变异的推荐流程。但是目前该技术仍然存在一些问题，如

1)该技术依赖参考基因组(reference genome)，目前参考基因组版本为基因组参照序列联盟人类基因组38版本(Genome Reference Consortium Human Genome Build 38，GRCh38)。基因组更新速率较慢，而随着研究的深入，发布的人类基因的参考序列不断更新，造成了参考基因组序列和最新的基因序列间存在不同步的问题。

如图1所示NCBI_chr22_NM033517.1标注序列是基于GRCh38基因组提取SHANK3目标基因区的序列；NM_033517.1标注序列为美国国家生物信息中心(National Center forBiotechnology Information,NCBI)数据库收录的SHANK3的目标基因区的最新编码序列。根据比对结果，来源于GRCh38基因组的SHANK3基因与来源于NCBI数据库收录的SHANK3基因在关键位点存在显著差异。

2)同源序列会造成变异检测假阳性，假阴性问题。由于人类参考基因组中，存在大量的同源区域，例如同源基因，假基因等，而目前的NGS技术的局限，所测序的序列通常较短，在进行全基因组范围的序列比对时，由于同源区域所造成的，会存在非唯一比对的发生，会导致很多变异假阳性的发生。

如图2所示，脊髓性肌萎缩症(SMA)的两个关联基因运动神经元存活基因1(SMN1)和运动神经元存活基因2(SMN2)为同源基因，差异碱基位点只有5个碱基。如图3所示，当将这两个基因与人类参考基因组GRCh38进行比对时，序列会因为同源区比对，导致真实变异无法确认来源而被过滤。而与NCBI数据库最新更新的基因序列比对时可以发现在SMN1的Exon1同源区检到一个插入变异。

3)由于人类参考基因组大小约3GB个碱基对，序列比对比较耗时，因此造成临床样本的基因变异检测周期较长。

发明内容

本发明目的在于提供一种同源假基因变异检测的方法，用于解决目前常用的参考基因组序列与更新的基因序列不同步的问题，同时解决同源区域比对异常造成的变异检测不准确问题；也用于解决目前检测时间周期较长的问题。