[发明专利]一种计算染色体结构变异及单亲二倍体信息的方法

说明书

本发明公开了一种计算染色体结构变异及单亲二倍体信息的方法，包括如下步骤：S1、随机选取一万例全外单样本的原始测序文件，并采用illumina测序配套的bed文件；S2、基于选取的一万例全外单样本筛选出具有代表性的杂合bed，根据每个杂合bed的纯合度计算UPD基线；S3、将测试样本与步骤S2计算得到的UPD基线进行对比计算生成相应的UPD结果；S4、UPD计算结果可视化。本发明能实现了快速、全面地锁定可能具有染色体缺失、重复、单亲二倍体的变异，并且通过隐马尔可夫模型预测以及数据可视化的方式全方位的展现每条染色体的变异形式，从而实现了目前最大限度的高效分析。

技术领域

本发明涉及染色体结构分析技术领域，更具体的说是涉及一种计算染色体结构变异及单亲二倍体信息的方法。

背景技术

全外显子组测序已经成为检测人类遗传病的常用手段，可覆盖近6000种遗传病。但是，检测结果的分析尚存在巨大的挑战。其中拷贝数变异是基因结构变异的重要组成部分，由基因组发生重排而导致, 一般指长度为1 kb以上的基因组大片段的拷贝数增加或者减少, 主要表现为亚显微水平的缺失（deletion）和重复（duplication）。染色体单亲二倍体异常常与家族遗传病相关，每个临床样本分析需要从不同的角度分析这三种变异，面对大量的临床样本人工分析需要耗费大量的时间和精力。

目前市面上已有的全外、CNVseq报告中，尚没有医生想要看到的，医生能秒懂的附图，实际工作中，偶尔会遇到非亲生父亲参与检查，从而有可能会出现误认为是“自发突变”的变异位点，然后其致病性的分类可能被不恰当地高估。

发明内容

本发明的目的在于提供了一种计算染色体结构变异及单亲二倍体信息的方法，通过选取具有代表性的杂合bed建立UPD基线，实现了准确的锁定可能具有染色体缺失、重复、单亲二倍体的变异。

为实现上述目的，本发明提供了如下技术方案：一种计算染色体结构变异及单亲二倍体信息的方法，包括如下步骤：

S1、随机选取一万例全外单样本的原始测序文件，并采用illumina测序配套的bed文件；

S2、基于选取的一万例全外单样本筛选出具有代表性的杂合bed，根据每个杂合bed的纯合度计算UPD基线；

S3、将测试样本与步骤S2计算得到的UPD基线进行对比计算生成相应的UPD结果。

作为本发明的进一步改进，所述步骤S2包括：

S201、对原始测序文件中每一例样本的杂合位点进行筛选，筛选条件类型包括SNP位点、Freq、Filter和SegDup；

S202、将筛选后的所有样本的结果与illumina测序配套的bed文件进行区间比对，选取具有代表性的杂合bed。

作为本发明的进一步改进，所述步骤S201中的筛选条件包括筛选SNP位点发生单碱基置换的，Freq大于等于20X且小于等于80X的，Filter质控通过的，SegDup不等于空值的杂合位点。

作为本发明的进一步改进，所述S201中采用染色体长臂和短臂分开计算的方法，通过多重比对分析选取具有代表性的杂合bed。

作为本发明的进一步改进，所述步骤S2还包括：

S203、将步骤S202中选取的具有代表性的杂合bed中连续的杂合bed区域进行合并。

作为本发明的进一步改进，所述步骤S2还包括：

S204、统计步骤S203中合并后的杂合bed区域中每个bed区域内的杂合位点数，并基于杂合位点数计算出每个bed区域的纯合度，根据每个bed区域的纯合度计算UPD基线。

作为本发明的进一步改进，所述步骤S3包括：

S301、将测试样本的杂合位点与UPD基线通过annovar软件进行比对，筛选出杂合度高的杂合位点；