[发明专利]一种基因组变异检测方法及检测系统

说明书

本发明提出了一种基因组变异检测方法和检测系统，将样本的基因组划分成连续非重叠窗口，将每个窗口参考序列分别和测序序列进行序列比对，并进行Reads深度信息的标准化处理，根据所述序列比对结果以及深度信息，确定所述基因组的潜在变异区域；应用De‑Bruijn图和哈希表，将测序序列与参考序列进行匹配，得到最佳单倍体；根据中间比对结果与最终比对结果之间的映射关系，获得每个测序序列与参考序列的校正对齐结果；根据每个测序序列与所述参考序列的校正对齐结果，确定断点；对断点进行筛选，确定拷贝数变异区域，利用深度信息计算拷贝数变异区域内的拷贝数变异比例，得到准确的拷贝数变异检测结果。

技术领域

本发明涉及生物信息学领域，更具体地涉及基因组变异检测方法及检测系统。

背景技术

基因研究近年来已经看到快速的进展。已经测序包括一些个体人类的特定有机体的完整基因组，并且其作为参考变得可用，即用作研究相同物种的成员的参考的基因序列。在基因研究、基因测试、个体化医药和多个其它应用中，通常有用的是获取基因材料的样本、确定该样本的序列、以及关于一个或多个现有参考分析该样本以鉴定序列变异或获取关于样本的其它有用信息。

基因测试的现有方法通常为定位或映射长、邻接样本序列到参考中的位置。然而，一些用于获得样本序列的技术产生包括具有预定空间关系的多个较短序列的多核苷酸序列，在一些情况下包括具有可变距离的空间关系的多个较短序列的多核苷酸序列。在后者的情况下，在这些较短序列中碱基的相对基因组位置仅是近似已知，并且通常是以具有可变但受限数量的间隔或重叠(称为缺口距离)的短邻接读出(read)的形式。

CNV是基因组结构变异的一种形式。CNV的狭义定义通常是指染色体中DNA片段的拷贝数变化。这种形式的基因组结构变异的类型和原因可以包括：缺失(末端缺失、间质缺失)；易位(相互易位、罗伯逊易位)；反转；环状染色体；双着丝粒染色体；CNV的更广泛的定义还包括例如结构变异，例如染色体非整倍性和部分非整倍性。

目前可用的检测拷贝数变异的方法主要包括高分辨率染色体核型分析、FISH(荧光原位杂交)、阵列CGH(阵列比较基因组杂交)、MLPA(多重连接依赖性探针扩增)、PCR(聚合酶链反应)等，其中FISH检测被认为是遗传诊断的黄金标准，其可以有效地用于检测大多数已知的染色体缺失或重复。然而，这些方法通常具有低效率，特别是当用于全基因组扫描时，这可能消耗大量资源或可能无法检测精确的CNV。因此，迫切需要一种检测基因组变异的新方法，以检测的精度。

发明内容

本发明为了解决上述技术问题，提出了一种检测拷贝数变异的方法及其系统，该基因组变异检测方法包括如下步骤：

步骤1，将样本的基因组划分成长度相等的连续非重叠窗口，将每个窗口内的测序序列分别和参考序列进行序列比对；

步骤2，进行reads深度信息的标准化处理；

步骤3，根据所述序列比对结果以及深度信息，确定所述基因组的潜在变异区域；

步骤4，对潜在变异区域的标准化后的测序序列应用De-Bruijn图和哈希表，使用隐马氏匹配算法依次将各测序序列的与参考序列进行匹配，得到N个最佳单倍体；

步骤5，分别将潜在变异区域内的测序序列与N个最佳单倍体进行比对后得到中间比对结果，N个最佳单倍体与参考序列片段进行比对后的最终比对结果；

步骤6，根据中间比对结果与最终比对结果之间的映射关系，获得每个测序序列与参考序列片段的校正对齐结果；

步骤7，根据每个测序序列与所述参考序列的校正对齐结果，确定断点；

步骤8，对断点进行筛选，确定拷贝数变异区域，利用深度信息计算拷贝数变异区域内的拷贝数变异比例，并拷贝数变异比例与阈值进行比较，得到准确的拷贝数变异检测结果。