[发明专利]基于生物信息学富集胎儿游离DNA用于拷贝数变异的分析方法

权利要求书

1.一种基于生物信息学富集胎儿游离DNA用于拷贝数变异的分析方法，其特征在于包括如下步骤：

a.采用基于生物信息学富集胎儿游离DNA的分析方法获得胎儿DNA含量最高的insertsize片段分布范围作为分析的数据；

所述的基于生物信息学富集胎儿游离DNA的分析方法，包括如下步骤：

1)将双端reads不容错比对到参考基因组，记录比对到参考基因组上的染色体、坐标位置和reads的GC；

2)保留双端都比对到参考基因组，且insert size在1kb以内的reads；所述insertsize指一对比对到参考基因组上的reads的双末端的距离；

3)做50～500bp范围内的insert size的频率分布图，得到片段分布规律；

4)以设定bp数为step，分别挑选insert size位于设定区域内的reads；对每个样本计算每条染色体上和每个滑动窗口bin内的reads数、GC，并对每个样本的reads数，用总比对到常染色体的reads数做均一化处理；

5)对每个样本的不同insert size片段分布范围的X染色体的比对上的均一化处理后的reads占总均一化后常染色体的reads的比例计算胎儿DNA含量，选取胎儿DNA含量最高的insert size片段分布范围作为后续分析的数据；

b.挑选出来的reads按设定bin size，设定step，分别计算每个滑动窗口bin内的reads数和GC；

c.将单个样本内的所有read count和GC做点图，横轴为GC，纵轴为RC，RC即为readcount，利用LOESS回归模型，拟合出一条曲线，将每个bin内的GC带入拟合曲线得到拟合预测值P，将所有滑动窗口bin的RC取中位数M,校正因子F即为P与M的比值，每个bin的RC乘以每个bin对应的校正因子F即可得到校正后的RC，即RCcorrected；

d.将待测样本的每个bin内的RCcorrected与同批次的、同文库构建方法、同测序平台、同性别的10个以上样本的每个bin内的RCcorrected取比值的自然对数，得到每个bin的log2ratio；

e.对每条染色体上的每个bin片段化，得到每个片段及其对应的log2ratio数据；

f.得到染色体的每个片段的拷贝数CN；

对于女性待测样本，将每个片段的log2ratio取2的幂然后乘以2，即2*2^(log2ratio)，得到1-22号染色体和X染色体的每个片段的拷贝数CN；

对于男性待测样本，将每个片段的log2ratio取2的幂然后乘以2，即2*2^(log2ratio)，X和Y染色体的拷贝数计算为2^(log2ratio)，得到1-22号染色体、X和Y染色体的每个片段的拷贝数CN；

g.将每个片段的CN与2的差值的绝对值，即可得到嵌合比例MosRatio；

h.过滤掉MosRatio小于0.05的片段，保留MosRatio大于0.05、且片段长度大于1M的片段作为胎源性的拷贝数变异CNV最终结果。

2.根据权利要求1所述的拷贝数变异的分析方法，其特征在于，所述的步骤4)具体为：

以10bp为step，分别挑选50-200，50-210，50-220，50-230，50-240，50-250；60-200，60-210，60-220，60-230，60-240，60-250，…，120-200，120-210，120-220，120-230，120-240，120-250游离DNA片段长度位于这些区域内的rea ds，对每个样本计算每条染色体上和每个滑动窗口bin内的reads数、GC，并对每个样本的reads数，用总比对到常染色体的reads数做均一化处理。

3.根据权利要求1所述的拷贝数变异的分析方法，其特征在于，所述步骤b中，挑选出来的reads按100kb bin size，20kb step，分别计算每个滑动窗口bin内的reads数和GC。