[发明专利]一种基于测序数据识别染色质开放区域的方法及装置

说明书

本申请公开了一种基于测序数据识别染色质开放区域的方法及装置。本申请方法包括，测序数据处理步骤，根据cfDNA全基因组测序数据在参考基因组的位置，计算窗口化保护评分和测序深度；初步筛选步骤，定位WPS的波峰和波谷，将相邻波峰的间距大于阈值的区域作为候选染色质开放区域；波峰参数筛选步骤，根据候选染色质开放区域两侧各3‑9个WPS的波峰面积、波峰夹角，波峰间距、波峰高度和波峰宽度进一步筛选；染色质开放区域识别步骤，通过cfDNA平均标准化测序深度验证，准确识别染色质开放区域。本申请方法，无需借助参考图谱，不依赖任何试剂或试验，仅通过数据分析即可简单、有效的获得染色质开放区域，提高了检测质量和效率。

技术领域

本申请涉及核酸检测技术领域，特别是涉及一种基于测序数据识别染色质开放区域的方法及装置。

背景技术

核小体作为真核生物染色质的基本单位，是一种典型的DNA与组蛋白结合的生物大分子，是表观遗传学的重要内容。在不同细胞状态下，核小体定位是动态变化的，其位置的改变会影响转录因子与DNA的结合，从而调控基因特异性表达。

当DNA和蛋白结合形成核小体，DNA就会受到蛋白的保护而不被酶降解，在高通量测序中该区域测序深度高；相反，当DNA复制转录时，需要将转录调控区的紧密结构打开，从而允许一些调控因子，如转录因子、其他调控因子等与DNA相结合。这部分打开的染色质，被称为开放染色质，即染色质开放区域。染色质开放区域裸露的DNA会被酶降解，因此测序深度低。

开放染色质的研究方法主要包括：ATAC-Seq，以及传统的DNase-Seq和FAIRE-Seq等。其中，DNase-Seq主要是使用DNaseI内切酶识别开放染色质区域；FAIRE-Seq是先进行超声裂解，然后用酚-氯仿富集。ATAC-Seq是用Tn5转座酶，随后对酶捕获到的DNA序列进行富集和扩增；该方法所需细胞量少，实验简单，可以在全基因组范围内检测染色质的开放状态，目前已经成为研究染色质开放性的首选技术方法。

以上几种方法都是从实验手段获得开放染色质区域，对实验操作人员的技术要求高，建库的准备工作较为繁琐；并且，试剂比较昂贵、对酶的依赖性强，存在酶切割偏好性等问题。

因此，亟需研发一种更简单有效的染色质开放区域检测方法，以减小对试剂和技术的依赖和要求。

发明内容

本申请的目的是提供一种新的基于测序数据识别染色质开放区域的方法、装置和存储介质。

为了实现上述目的，本申请采用了以下技术方案：

本申请的第一方面公开了一种基于测序数据识别染色质开放区域的方法，其中，测序数据为cfDNA全基因组测序数据，该方法包括以下步骤：

测序数据处理步骤，包括根据cfDNA全基因组测序数据在参考基因组上的位置，结合区间划分和滑动窗口，计算窗口化保护评分(windowed protection score，缩写WPS)和测序深度；

初步筛选步骤，包括定位窗口化保护评分的波峰和波谷，将相邻波峰的间距大于阈值的区域作为候选染色质开放区域，其中，阈值大于或等于核小体大小；

波峰参数筛选步骤，包括对每个候选染色质开放区域两侧各3-9个窗口化保护评分的波峰面积、波峰夹角、波峰间距、波峰高度和波峰宽度，总计五个波峰参数进行计算；同时，对持家基因转录起始区域的窗口化保护评分的相同的五个波峰参数进行计算，并将其作为波峰参数阈值；筛选候选染色质开放区域的波峰参数在波峰参数阈值范围内的区域，用于后续判断；

染色质开放区域识别步骤，包括对波峰参数筛选步骤获得的候选染色质开放区域，使用该区域的cfDNA平均标准化测序深度进行验证，判断各候选染色质开放区域是否出现cfDNA覆盖度降低的现象，如果出现cfDNA覆盖度降低的现象，则将其识别为染色质开放区域。