[发明专利]基于芯片数据的拷贝数变异检测方法及检测装置

说明书

本申请涉及一种基于芯片数据的拷贝数变异检测方法及检测装置。所述方法通过将待检测样本在基因组上各窗口的荧光信号强度数据的待检测序列与预先建立的参考库中参考样本在基因组上相应窗口的荧光信号强度数据的参考序列进行比对，以得到各窗口荧光信号强度的比对数据序列，并检测各窗口之间的显著性差异，基于各窗口之间的显著性差异确定待检测样本中的目标窗口以及对应的待确定区域，进而根据待确定区域、各窗口荧光信号强度的比对数据序列以及预先设置的变异阈值，从而可以有效地识别待检测样本中的异常区域，基于异常区域对应的目标窗口可以直观的确定异常区域的边界，且无需人工干预，从而实现了高分辨率拷贝数变异的检测。

技术领域

本申请涉及基因数据分析技术领域，特别是涉及一种基于芯片数据的拷贝数变异检测方法、检测装置、计算机设备和存储介质。

背景技术

拷贝数变异(Copy Number Variation,简称CNV)是由基因组发生重排而导致的，一般指长度为1KB以上的基因组片段的拷贝数增加或减少，主要表现为亚显微水平的缺失和重复。近年来，已开发出多种技术用于人类基因组中CNV的检测。

目前CNV的检测方法主要包括基于高通量测序的CNV检测以及基于芯片的CNV检测。而在基于芯片的CNV检测中，高密度SNP(Single Nucleotide Polymorphism,单核苷酸多态性位点)芯片是一种常用的CNV检测方法。按其技术原理可将SNP芯片分为：特异位点杂交(ASH)、特异位点引物延伸(ASPE)、单碱基延伸(SBCE)、特异位点切割(ASC)和特异位点连接(ASL)5种。而目前使用SNP芯片进行CNV检测的常用算法有PennCNV、cnvPartition等，其中PennCNV是从SNP芯片中提取等位基因的荧光信号强度，然后整合SNP位置和SNP等位基因频率的信息，通过隐马尔可夫模型(HMM)算法进行CNV识别；cnvPartition则主要通过logRratio(LR)和B allele frequency(BAF)这两个指标进行CNV识别并给出置信度。

但是上述SNP芯片的各种CNV检测方法还主要以Windows软件半自动分析为主，需要借助第三方数据转化软件将芯片下机数据转换为固定格式才可以进行数据分析，不仅操作麻烦，且都存在嵌合检出敏感度低以及CNV识别假阳性过高的问题，也无法准确给出CNV起始及结束位置，需要人工进行复核、检查，才能确定CNV边界。由此可见，传统技术中尚无对拷贝数变异进行有效检测的方案。

发明内容

基于此，有必要针对上述传统技术中对拷贝数变异检测所存在的问题，提供一种能够有效检测拷贝数变异的基于芯片数据的拷贝数变异检测方法、检测装置、计算机设备和存储介质。

一种基于芯片数据的拷贝数变异检测方法，所述方法包括：

根据待检测样本的基因测序数据，获取所述待检测样本在基因组上各窗口的荧光信号强度数据的待检测序列；

基于所述基因组上各窗口将所述荧光信号强度数据的待检测序列与预先建立的参考库中参考样本在基因组上相应窗口的荧光信号强度数据的参考序列进行比对，得到各窗口荧光信号强度的比对数据序列；

根据各窗口荧光信号强度的比对数据序列，检测各窗口之间的显著性差异，基于各窗口之间的显著性差异确定待检测样本中的目标窗口以及对应的待确定区域，所述目标窗口为所述待检测样本中待确定区域的起始位置对应的窗口和结束位置对应的窗口；

根据所述待确定区域、各窗口荧光信号强度的比对数据序列以及预先设置的变异阈值，确定所述待检测样本中的异常区域。