[发明专利]基于智能宏基因组测序数据肿瘤检测的分析系统及方法

说明书

本发明公开了一种基于人工智能的用宏基因组测序数据进行肿瘤检测的分析系统，包括：用于过滤低质量序列的数据过滤模块、用于将序列比对至人参考基因组上的数据比对模块、用于获取样本的染色体波动变异情况的染色体波动分析模块、用于判断样本是否含有肿瘤信号的基于人工智能的肿瘤信号识别模块。本发明的分析系统具有分析时间短、准确性高的优点，可以利用常规mNGS测序数据来检测肿瘤，实现一份样本在检测病原体的情况下同时进行肿瘤检测的功能。

技术领域

本发明属于生物检测领域，具体涉及基于人工智能的用宏基因组测序数据进行肿瘤检测的分析系统及分析方法。

背景技术

不明原因发热(FUO)，俗称发热待查，一般是指发热3周以上，体温多次超过38.3℃，经过至少1周深入细致的检查仍不能明确的一组疾病。随着宏基因组测序技术的发展及推广，临床在近年常用高通量测序技术对病人样本进行测序来寻找病原体，排查感染原因。在发热待查病人中，除了感染因素以外，肿瘤往往也是一个重要原因。很多情况下，即使采用了CT、磁共振、PET等全身扫描技术，肿瘤排查也非常困难。很多患者进行了长时间的抗感染治疗，经过各种排查以后才发现是肿瘤患者，贻误了诊疗时间。

已有的研究表明肿瘤细胞通常有大量的染色体波动变异，包括一条及以上的染色体非整倍体或变异程度不等的波动，而这些特征可以作为识别肿瘤细胞的标识(图1.a)。现有的研究也通常根据这一特征，选择波动变异相关的指标或基于此的统计检验值来判断被检测样本是否来源于肿瘤样本。但这一判断方式有一些局限性：1.不同的肿瘤样本，其波动变异区域、长度和幅度各不相同，难以通过某个固定的阈值来包含所有情况；2.某些肿瘤样本并不具有明显的波动变异，而是呈现出其他较难识别的染色体异常，比如染色体末端的异常(图1.b)以及染色体波动信号呈小幅波浪形等(图1.c)。这些染色体异常不同于常见的波动，因此无法通过常规的波动变异相关方法进行检测，容易导致假阴性。3.由于检测样本的来源、所使用检测试剂和实验操作流程的区别，也会导致检测得到的波动信号模式呈现一定程度的不同，如序列GC含量变化导致的染色体波动，人们也往往难以将其与肿瘤导致的波动加以区分(图1.d)；4.在样本检出小范围波动时，难以区分是肿瘤性波动还是遗传性变异。某些肿瘤样本可能并没有明显的大片段的染色体波动异常，而只有小片段波动，但这些波动区域往往包含了某些关键的癌基因(图1.e)。对于这种情况，仅用染色体波动相关指标来判断，容易忽略这些包含关键癌基因的变异，导致假阴性；5.样本质量和实验操作会直接影响检出的波动信号。在样本质量较差或者实验操作不理想的情况下，非肿瘤样本也可能检测出一些波动异常信号，需要与真实肿瘤样本的波动变异信号加以区分(图 1.f)。

基于上述问题，我们认识到，单纯通过波动检测以及设定波动变异相关的阈值来识别肿瘤样本无法满足实际临床诊断需求。因此，我们需要建立一个基于人工智能的分析系统，用于识别肿瘤样本中各种染色体波动变异的模式，并与其他原因导致的波动变异信号进行区分，自动判断检测样本是否含有肿瘤信号。

发明内容

本发明针对宏基因组高通量测序得到的人源序列进行人基因组的染色体波动变异分析，并通过人工智能方法来自动判断样本是否含有肿瘤信号。

基于人工智能的用宏基因组测序数据进行肿瘤检测的分析系统，其特征在于，所述分析系统包括：

(1)用于过滤低质量序列的数据过滤模块；

(2)用于将序列比对至人参考基因组上的数据比对模块；

(3)用于获取样本的染色体波动信息及波动变异情况的染色体波动分析模块；

(4)用于判断样本是否含有肿瘤信号的基于人工智能的肿瘤信号识别模块。

本发明的分析系统具有分析时间短、准确性高的优点，可以利用常规mNGS 测序数据来检测肿瘤，实现一份样本在检测病原体的情况下同时进行肿瘤检测的功能。