[发明专利]基于Sanger测序的HLA分型方法及设备

说明书

本申请涉及一种基于Sanger测序的HLA分型方法及设备，包括：获取待识别基因的测序数据；根据待识别基因的测序数据，基于预先训练的碱基识别模型，得到待识别基因各位点的正确碱基信号；判读所述待识别基因的核酸序列并与参考序列比对获得差异位点，基于预先整理的等位基因型与所述差异位点，采用位运算比较获得HLA分型结果。由于碱基识别模型以非正常碱基的测序数据作为样本数据进行训练，训练得到的碱基识别模型可以对Sanger测序数据中存在的低质量、杂合碱基和污染信号等非正常碱基进行识别，使用位运算快速获得等位基因型分型结果，解决了人工进行识别速度慢、准确性低的问题。

技术领域

本申请涉及生物信息技术领域，尤其涉及一种基于Sanger测序的HLA分型方法及设备。

背景技术

HLA(human leukocyte antigen，人类白细胞抗原)是人类的主要组织相容性复合体(MHC)的表达产物，该系统是所知人体最复杂的多态系统，HLA是免疫遗传学、免疫生物学和生物化学等学科的一个重要研究领域。HLA分型在医学免疫学中有重要应该价值。目前HLA分型方法主要包括血清学分型和DNA分型。DNA分型方法中的HLA-SBT算法是目前公认的黄金标准，它通过对HLA相关基因的高多态性外显子(I型A、B、C基因为exon2、3、4，II型DQB1，DRB1基因exon2、3)进行Sanger测序(必要时配合GSSP的Sanger测序)，以达到高度分型的目的。

Sanger测序是根据核苷酸在某一固定的点开始，随机在某一个特定的碱基处终止，并且在每个碱基后面进行荧光标记，产生以A、T、C、G结束的四组不同长度的一系列核苷酸，自动变性后进行毛细管电泳，在四个光谱信号中由激光诱导产生荧光，根据检测到的荧光信号数据识别DNA碱基序列的一种方法。Sanger测序数据为.abi文件，文件记录了A、T、C、G四种碱基的信号值，由峰图展示，此外文件还记录了有Sanger测序仪自动判读得到的一条碱基序列，以及每个碱基的质量值。测序结果数据中，常会有一些重叠峰，造成此现象的原因可能是测序质量不好或者原始模板为杂合等原因。

HLA-SBT分型算法基于HLA基因的碱基多态性进行，因此该算法高度依赖于输入序列的准确性，然而Sanger测序数据中存在低质量、杂合碱基、污染信号。目前针对于Sanger测序结果的不确定碱基结果，主要依赖人工进行判读，现有软件只是根据人工确定的碱基给出样品的等位基因型，并非直接获得结果，而不同工作经验的人进行判读可能结果有差异，且对于大批量测序来说，人工判读会消耗大量时间，对于病人来说准确性和时效性是至关重要的。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于Sanger测序的HLA分型方法及设备。

本申请的方案如下：

根据本申请实施例的第一方面，提供一种基于Sanger测序的HLA分型方法，包括：

获取待识别基因的测序数据；

根据所述待识别基因的测序数据，基于预先训练的碱基识别模型，得到所述待识别基因各位点的正确碱基信号；其中，所述碱基识别模型以非正常碱基的测序数据作为样本数据进行训练；

判读所述待识别基因的核酸序列并与参考序列比对获得差异位点，基于预先整理的等位基因型与所述差异位点，采用位运算比较获得HLA分型结果。

优选的，在本申请一种可实现的方式中，还包括：

收集历史HLA分型项目中的非正常碱基位点的序列HLA分型结果和测序峰图，以及根据所述非正常碱基位点的序列HLA分型结果和测序峰图判读的所述非正常碱基位点的最终碱基值；

整理所述非正常碱基位点中A、T、G、C四个碱基各自信号峰值前后的信号值；

获取所述非正常碱基位点对应的人群频率；