[发明专利]一种基于二代测序数据的反转相关复杂变异检测方法

权利要求书

1.一种基于二代测序数据的反转相关复杂变异检测方法，其特征在于，包括以下步骤：

步骤1，在滑动窗口内，根据给定的bam文件与选定的参考基因组进行比对，得到PairOrientation异常或者Insert Size异常的Read Pair信号，并以Read Pair信号对不能完全匹配的Read进行Split Read信号分析，得到对应的断点匹配情况；

具体过程为：

首先，在给定的bam文件中划定了一个100万bp大小的窗口；

然后，在这个100万bp大小的窗口中，以Read Pair为单位进行第一次扫描：如果一个Read Pair的Pair Orientation和/或Insert Size信息异常，记录为一个未定的Read Pair信号，并进行聚类；

最后，在这个100万bp大小的窗口中，以单个Read进行第二次扫描：某个Read不能完全比对到reference，则称为Read A，那么分成两段，以Read A两端到中间的方向在64bp范围内与reference比对，如果不能找到Read A的两段和reference比较的最小和最大公共子串，则扩大范围为上次查找范围的四倍范围，并反复进行比对，以找到Read A和reference比较的最小和最大公共子串为止，并记录对应的位置信息；如果没有，则不记录；

步骤2，针对想要寻找的简单变异和复杂变异，建立Split Read信号理论模型；包括反转Split Read信号的模型，反转-删除Split Read信号的模型以及反转-重复Split Read信号的模型；其中，根据反转、反转-删除和反转-重复的理论来建立相对应的Read Pair信号、反转Split Read信号的模型，反转-删除Split Read信号的模型以及反转-重复Split Read信号的模型；

其中反转的信号特点是：Read Pair信号中Pair Orientation有异常；Split Read信号中，如果Read A不能完全比对到reference，Read A分成B、C两段后比对到reference上时，B和C的方向相反；Read A的mate Read D完全比对到reference上，方向为forward和reverse的Read D都至少有一个，且断点信息一致，为反转的准确断点；

反转-删除的信号特点是：Read Pair信号中Pair Orientation有异常；Split Read信号中，如果Read A不能完全比对到reference，Read A分成B、C两段后比对到reference上时，B和C的方向相反；Read A的mate Read D完全比对到reference上，方向为forward和reverse的Read D都至少有一个，且断点信息不一致；

反转-重复的信号特点是Read Pair信号中Pair Orientation有异常；Split Read信号中，如果Read A不能完全比对到reference，Read A分成B、C两段后比对到reference上时，B和C的方向相反；Read A的mate Read D完全比对到reference上，方向为forward和reverse的Read D都至少有一个，且断点信息不一致；

步骤3，将步骤1中得到的断点匹配情况经过步骤2中建立的模型，如果符合某个模型时，记录下相应的变异类型和位置，再判断是否是可信的变异；

具体过程为：

首先，将步骤1中最后得到的断点匹配情况经过步骤2中模型的检验，如果符合，记录变异类型、断点信息；

然后，判断可能是同个变异的多个Split Read信号中，如果断点位置在该Read的左半段的Read数量和断点位置在该Read的左半段的Read数量都大于等于1，那么认为该变异报告是可信的；

最后，输出可信的变异。

2.根据权利要求1所述的一种基于二代测序数据的反转相关复杂变异检测方法，其特征在于，步骤1中，用聚类算法进行Read Pair信号分析，得到Pair Orientation异常或者Insert Size异常的Read Pair信号；

用模式增长算法进行Split read信号分析，得到不能完全匹配的Read的断点匹配情况。