[发明专利]一种MHC补全数据库、其构建方法和应用

摘要

本申请公开了一种MHC补全数据库及其构建方法和应用。本申请的MHC补全数据库包括合成在一起的genotype数据集、HLA分型的型别数据集、氨基酸改变信息数据集和HLA单体型数据集；该数据库的构建过程中首次采用LD和HWE进行变异结果的过滤，提高了数据准确性；采用简单易操作的方法获得一个数量最少的SNP区分数据集，然后在phasing分析得到MHC单体型信息，相比于用整个SNP数据集进行phasing，本申请的构建方法更节约时间、减少CPU和内存使用，并且得到的单体型信息更准确。本申请的MHC补全数据库，包含了MHC区域的多种数据集，能够有效的补全位点，为MHC区域的深入研究奠定了基础。

主权项

一种MHC补全数据库的构建方法，包括：(1)从人类基因组DNA样品中分离出MHC区域的片段，对分离的MHC片段进行测序，将测序结果与人类基因标准序列比对，采用变异检测软件对比对结果进行检测校正，获得DNA样品的变异基因型数据；(2)按以下条件对步骤(1)获得的DNA样品变异基因型数据进行筛选，a.在群体中测序深度≥x的位点，x≥6，b.在群体中数据的缺失率<0.05的位点，c.等位基因碱基型出现次数大于一次的位点，获取满足以上三个条件的位点，然后过滤掉以下条件的位点，d.在群体中连锁不平衡值LD＝0的位点，e.在群体中哈温平衡指标log(HWE)≥600的位点，剩下的位点组成genotype数据集；(3)采用分型软件对步骤(2)获得的genotype数据集进行分析，得到每个DNA样品的HLA分型的型别数据集；(4)统计每个HLA分型的SNP，将统计的各个分型的SNP与IMGT数据库中相应分型的SNP相比较，如果两者不同，则把统计的SNP翻译成氨基酸，从而得到每个分型对应的氨基酸改变信息数据集；(5)根据步骤(4)统计的每个HLA分型的SNP，比较各个HLA分型的SNP数据集，获得数量最少的，且能够区分各个HLA分型的SNP区分数据集，对SNP区分数据集进行phasing分析，获得每个分型的HLA单体型数据集；(6)将所述genotype数据集、所述HLA分型的型别数据集、所述氨基酸改变信息数据集和所述HLA单体型数据集合成为一个数据库，即MHC补全数据库。