[发明专利]基于高通量测序的真假基因突变分析方法及应用

说明书

本发明涉及一种基于高通量测序的真假基因突变分析方法及应用，属于生物信息学技术领域。该真假基因突变分析方法通过获取同源真基因和假基因参考序列中的的差异位点；将NGS测序数据与差异位点进行比较，分别得出对应于同一差异位点的真基因reads数和假基因reads数，通过同一差异位点的真基因reads数和假基因reads数之间的比值作为判断指标，按照预定策略，进行真基因的突变分析判断。可以对有真假基因的突变进行一个初步的筛查，找出可能有问题的基因，再结合临床的实际情况去判断。避免了挨个基因去做MLPA或sanger测序实验，极大的节约了实验成本和时间。

技术领域

本发明涉及生物信息学技术领域，特别是涉及一种基于高通量测序的真假基因突变分析方法及应用。

背景技术

假基因也叫伪基因，为基因家族在进化过程中形成的无功能的残留物。它与正常基因相似，但丧失正常功能的DNA序列假基因可视为基因组中与编码基因序列非常相似的非功能性基因组DNA拷贝，一般情况都不被转录，且没有明确生理意义。

而在人类基因组中存在一些基因，其具有同源性很高的假基因，比如SMN1/SMN2和CYP21A2/CYP21A1P等同源基因对。当使用NGS测序时，由于reads的比对是基于最优匹配原则，当真基因中碱基突变为假基因的碱基时，会导致这些reads比对到假基因而匹配，从而无法识别真基因上发生的突变。

以SMN1/SMN2为例，该基因全长约28kbp，真假基因之间只有5个碱基的区别，如果真基因(SMN1)发生突变可能致病，假基因(SMN2)发生突变则无关紧要。其中，无论是真基因中的碱基突变为假基因的碱基、或者由于重组导致的真假基因中片段的置换都有可能致病。以SMN1:840C为例，假基因中该位置碱基为T，假设个别患者真基因中有该碱基的CT突变。如果没有假基因的存在，该处附近的reads会比对到真基因上(虽然有一个mismatch，但仍然是最优匹配)，因为C和T不匹配，比对后便可以发现该位置处CT的突变；但由于基因组上有假基因SMN2的存在，导致该处附近的reads比对到假基因上才是最优匹配，因此发生该突变的reads事实上是比对不到真基因上的，也就无法发现真基因上该位置处CT的突变。

目前NGS测序没有很好的处理假基因的方法，一般需要额外加做MLPA或者把真基因完整扩增出来后用sanger测序分析，成本较高且需要额外的实验时间。

发明内容

基于此，有必要针对上述问题，提供一种基于高通量测序的真假基因突变分析方法，采用该分析方法，可以对有真假基因的突变进行一个初步的筛查，找出可能有问题的基因，再结合临床的实际情况进行判断。

一种基于高通量测序的真假基因突变分析方法，包括以下步骤：

获取差异位点：将同源真基因和假基因的参考序列进行比较，获取其中具有差异的差异位点；

NGS数据比对：获取NGS测序数据，比对至参考基因组序列，以最优比对原则，得到覆盖真基因差异位点的真基因reads和覆盖假基因差异位点的假基因reads，分别将真基因reads和假基因reads与上述差异位点进行比较，识别对应差异位点坐标的碱基，得到真基因reads组和假基因reads组，分别对真基因reads组和假基因reads组在此差异位点坐标的碱基类型进行计数，得到对应于同一差异位点的真基因reads数和假基因reads数；

真假基因突变分析：以上述同一差异位点的真基因reads数和假基因reads数之间的比值作为判断指标，按照预定策略，进行真基因的突变分析判断。

本发明人在实践中发现，以常规方法处理假基因，使用MLPA或者把真基因完整扩增出来后用sanger测序，需要针对每个真假基因专门设计探针独立实验，由于罕见病的异质性，大多数情况下医生并不知道病人到底是哪个基因有问题，只能挨个基因去尝试，实验成本大且浪费时间。