[发明专利]一种基于低深度WGS评估HRD score的方法

权利要求书

1.一种非诊断目的的基于低深度WGS评估HRD score的方法，其特征在于，包括如下步骤，

处理待测样本的低深度WGS下机数据；以及以下三个步骤：

步骤一：建立基因组杂合性缺失LOH的计算方法，获得HRD-LOH score；

步骤二：建立端粒等位基因不平衡TAI的计算方法，获得HRD-TAI score；和，

步骤三：建立大片段迁移LST的计算方法，获得HRD-LST score；

所述HRD score＝HRD-LOH score+HRD-TAI score+HRD-LST score；

所述处理待测样本的低深度WGS下机数据具体包括：

S1-1：将所述下机数据与全基因组的参考基因组比对，得到第一比对文件；

S1-2：去除所述第一比对文件中重复的reads，得到第二比对文件；

S1-3：将全基因组按照排列顺序划分成100Kbp大小的windows；

S1-4：以所述第二比对文件中的reads为基本单元，统计落在每个所述window内的reads数，作为该window的reads count，记为RC_i，i为全基因组中按照排列顺序划分成的window的次序，i为1,2,3....；

S1-5：统计每个window的GC碱基含量，将GC含量相同的相邻的windows合并为一组，第j组记为W_j，第j组含有的window的个数记为M_j，第j组含有的第k个window记为W_kj，j、k分别为1,2,3....；

S1-6：计算W_j的中位值RC，记为RC_j，与该待测样本整体的平均RC，记为RC_p，通过以下公式对RC_i进行矫正：

NRCi＝RCi×RCp/RCj

i＝M₁+M₂+M₃...+M_(j-1)+k；

S1-7：按照步骤S1-4、S1-5和S1-6处理N个健康样本的低深度WGS下机数据，计算每个window在N个健康样本中的中位值RC，记为RC_y，作为该window的RC，构建baseline；N≥30，y为1,2,3...；

S1-8：取每个window的待测样本的NRC_i除以对应baseline中的RC_y，得到DR；

S1-9：基于循环二元分割算法对DR进行分段，记为DR片段，同一个DR片段中的DR值比较接近，相邻两个DR片段的平均DR值相差显著，且每个DR片段中至少包含10个windows；

S1-10：统计每个DR片段中DR的中位值，作为该DR片段的DR值，记为DR_q，计算该DR片段的拷贝数，记为C_q，计算公式为：

Cq＝interger(DRq×2)；

所述建立基因组杂合性缺失LOH的计算方法具体包括：

S2-1：使用千人基因组计划数据，选择杂合概率较高的SNP位点；

S2-2：统计所述SNP位点上的每个位点等位碱基在待测样本上的频率，如果存在多个等位碱基，取频率最高的两个；如果仅有一个等位碱基，第二等位碱基给定默认频率为0；

S2-3：统计每个window中所述SNP位点第二等位碱基频率的平均数作为该window的AF，生成新的AF数列；如果AF大于0，则将AF调整成0.5；

S2-4：将步骤S2-3中所述AF相同且相邻的window相连，得到较大的AF片段；

S2-5：选取C_q大于等于1，且AF等于0的AF片段，如果该片段长度大于15Mb，且小于其所在整个染色体的长度，则记为一个LOH事件；

S2-6：记录待测样本中的LOH事件，记为HRD-LOH score；

所述建立大片段迁移LST的计算方法具体包括：

S4-1：步骤S1-9中获得的DR片段中，去除DR片段小于3Mb的片段；

S4-2：以单一的染色体为分析目标，依次将DR片段与染色体进行比对处理，将该染色体上相邻的C_q相同的DR片段合并为一个大片段，记为DR_d，依次分析处理所有的染色体；

S4-3：对DR_d进行统计，如果形成DR_d的两个相邻的DR片段的长度都大于10Mb，且中间间隔小于3Mb，则记为一个LST事件；

S4-4：记录待测样本中的LST事件，记为HRD-LST score；

所述建立端粒等位基因不平衡TAI的计算方法具体包括：

S3-1：使用千人基因组计划数据，选择杂合概率较高的SNP位点；

S3-2：统计所述第二比对文件所述SNP位点上每个位点等位碱基的变异频率，得到变异频率最高的两个频率，第一等位碱基频率AF1和第二等位碱基频率AF2，根据以下公式计算每个位点的AFR值；如果某位点没有变异则AFR值为0，去除该位点；

S3-3：计算每个所述window的平均AFR，作为该window的AFR，记为AFR_p，如果某window的AFR值均为0，则该window的AFR_p为0；

S3-4：将AFR_p小于0.5的临近window进行合并，将AFR_p大于0.5的临近window进行合并，分别生成AFR片段；

S3-5：如果某个AFR片段包含端粒，长度大于11Mb，且AFR_p小于0.5，则记为一个TAI事件；

S3-6：记录待测样本中的TAI事件，记为HRD-TAI score。