[发明专利]检测人类基因组病毒整合位点的方法及装置

说明书

本发明涉及一种检测人类参考基因组病毒整合位点的方法及装置，属于基因检测生物信息学分析技术领域。该方法包括：基因组比对、滑动切割、短序列比对、整合步骤。该方法将同时没有比对到人类参考基因组及病毒基因组的reads进行滑动切割，将切割后的子序列（或称短序列）重新进行比对，通过比对的位置及某条reads分割序列顺序的聚类、相关性及协方差处理，并在分析过程中，可列举所有高度可能的比对位置，可以准确找出同时比对上人类参考基因组及病毒基因组的reads，精准定位，误差范围在3bp以内。并且该方法计算资源要求不高，运行速度快，具有较高的实用价值。

技术领域

本发明涉及基因检测生物信息学分析技术领域，特别是涉及一种检测人类基因组病毒整合位点的方法及装置。

背景技术

很多病毒感染人类能够将其基因组整合到人类基因组上，病毒基因与人类宿主基因组的相互作用可导致癌症、艾滋病等疾病。研究表明，10-15%的癌症是由于病毒感染致使的，如HPV或者HBV等，这些病毒整合到人类基因组中很可能是致癌的主要原因。

准确的检测病毒整合位点可为病毒相关的癌症发病机制、肿瘤进化及肿瘤治疗提供可用信息，且下一代测序（NGS）能够为病毒基因组整合到人类基因组的检测提供了技术和数据的支持。

目前较为常见的检测方法是blastn方法，使用NGS的reads比对人类及病毒的核算库中，其主要是检测有哪些病毒整合到人类基因组上，但是由于样本库较大，而且比对相对灵敏，导致了blastn的比对复杂多样，结果繁多，处理复杂繁琐，假阳性假阴性较多；更主要的是，其整合位点信息需要重新处理计算。

另外的方法是利用soft-clipping reads的方法进行处理，比如ViralFusionSeq、Virus-Clip、HGT-ID和VirTect等软件都是基于这种方法处理，但是由于比对软件bwa或者bowtie2得到的soft-clipping reads是不考虑比对到两端的，这会使后续处理较难，无法确保reads的2边末端分别能够比对上人类基因组和病毒基因组。

还有一些是基于未比对到人类基因组上的reads使用重新组装（de novoassembly）后再比对，这样可以确保病毒序列的长度和完整性，但是由于重新组装需要使用大量的内存及计算资源，构建出来的conting也有多种可能，无法确保准确性，基于这种方法的软件有ViralFusionSeq和VirusFinder。

也有方法是基于将人类参考基因组合病毒基因进行处理，重构新的混合参考基因组来确定整合位点的，比如VirusFinder和VERSE，但是由于构建流程复杂，而且基因组由于本身重复序列多，无法确保新参考基因组的准确性，同样也存在无法快速准确定位整合位点的问题。

因而，亟需一种能够准确找出同时匹配人类基因组及病毒基因组的reads，并准确定位断点的方法。

发明内容

基于此，有必要针对上述问题，提供一种检测人类基因组病毒整合位点的方法及装置，采用该方法，能够准确找出同时匹配人类基因组及病毒基因组的reads并准确定位断点，并且具有快速，使用计算机内存及计算资源少的优势。

一种检测人类基因组病毒整合位点的方法，包括以下步骤：

基因组比对：获取基因检测得到的数据，将其中reads分别与人类参考基因组及人类病毒基因组进行比对，得到既不能与人类参考基因组匹配，又不能与人类病毒基因组匹配的第一reads集；

滑动切割：将上述第一reads集中各reads进行滑动切割，得到各reads的子序列，并使用等差数列标记编号，得到上述子序列组成的第二reads集；