[发明专利]一种对多物种进行多核苷酸变异鉴定和注释的方法

说明书

本发明公开了一种对多物种进行多核苷酸变异鉴定和注释的方法，根据已经定向好的数据集VCF，获得所有双点MNV为数据集TwoPointMNV；将数据集TwoPointMNV中所有鉴定到的双点MNV拆成单点为数据集SNV，并根据数据集SNV从数据集VCF中获取单点的行信息作为数据集SNVInfoVCF；鉴定7位点至2位点MNV，获得鉴定后的MNV并进行基于基因注释、基于非编码区注释和基于调控区注释。本发明支持大于双点的MNV的鉴定，不仅增加鉴定到的MNV的数量，而且也过滤掉原先被错误鉴定的MNV，有效对MNV进行注释。

技术领域

本发明属于生物技术领域，具体的说就是一种对多物种进行多核苷酸变异鉴定和注释的方法

背景技术

近年来，很多国家先后投入大量资金启动精准医疗计划，人类已逐渐走进精准医疗时代。因此，解析不同个体遗传差异，是精准医疗实行的一个重要前提。随着技术发展，获得遗传信息的时间和成本大幅度降低，人类疾病研究中鉴定到了大量的多核苷酸变异(multi-nucleotide variants，MNVs)。MNV指个体中同一个单倍型上同时存在两个或两个以上的核苷酸变异，会导致蛋白质序列的改变，相较于单核苷酸变异(同一个单倍型上单点的核苷酸变异)可能具有更高的致害性。目前，MNV的鉴定还仅仅只涉及到双点MNV的鉴定，而且传统的遗传变异注释工具(数据库和软件)通常无法对大于双点的MNV进行注释。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提供一种对多物种进行多核苷酸变异鉴定和注释的方法，不仅可以获得大于双点的MNV(至多可以鉴定到7个位点MNV)，同时也对这些MNV进行功能的注释，方便科研工作者根据科研需求对鉴定和注释后的MNV数据进行筛选、探讨和研究。

本发明为了达到上述发明目的，采用如下技术方案：

一种对多物种进行多核苷酸变异鉴定和注释的方法，包括以下步骤：

步骤1、根据已经定向好的数据集VCF，获得所有双点MNV为数据集TwoPointMNV；

步骤2、将数据集TwoPointMNV中所有鉴定到的双点MNV拆成单点作为数据集SNV，并根据数据集SNV从数据集VCF中获取单点的行信息作为数据集SNVInfoVCF；

步骤3、将数据集SNV复制6份，分别记作第六副本数据集SNV7～第一副本数据集SNV2；

步骤4、鉴定7位点至2位点MNV，获得鉴定后的MNV。

如上所述的步骤4包括以下步骤：

步骤4.1、初始定义副本数据集序号n为6，初始定义位点组合序号m为n+1，初始定义组合合计次数号k为n+1；

步骤4.2、选用第n副本数据集SNV(n+1)，以10bp宽度的窗口扫描第n副本数据集SNV(n+1)、枚举所有可能的m位点组合为数据集SNV(n+1)Sub；

步骤4.3、提取数据集SNV(n+1)Sub中第一个m位点组合；

步骤4.4、将该m位点组合拆成单点再从数据集SNVInfoVCF中获取单点的行信息并进行统计：分别统计m位点组合中合计为m～2的次数；

步骤4.5、对统计结果进行判断：如果m位点组合合计为k的次数等于0，那么该m位点组合不是MNV，从数据集SNV(n+1)Sub中删除该m位点组合，提取数据集SNV(n+1)Sub中下一个m位点组合并回到步骤4.4；如果m位点组合合计为k的次数大于0，那么该m位点组合为MNV，保留该m位点组合并追加MNV距离、检测到该MNV的单倍型数量和频率三个信息作为鉴定后的MNV；

步骤4.6、k自减1；

步骤4.7、如果m位点组合合计为k的次数大于0，提取数据集SNV(n+1)Sub中下一个m位点组合并回到步骤4.4；