[发明专利]单核苷酸多态位点分型算法

摘要

本发明属于生物信息学领域，具体涉及用于从原始测序数据中对单核苷酸多态位点(Single nucleotide polymorphisms,SNP)进行精确分型的算法。该算法基于统计学和群体遗传学原理，可对样本的指定SNP位点进行分型，且对该分型结果进行相应的质量评估。本发明的标准质量分数能精确的评价分型的准确率，且非常容易在实际工作中使用。可进一步作为实际法医学工作中标准化的质量统计量。

主权项

1.一种单核苷酸多态位点分型算法，其特征在于，所述算法是对样本的指定SNP位点进行精确分型的算法，其中，通过构建二项分布统计学模型，对SNP位点的等位基因在人群中的分布进行模拟，从而精确的推测出个体的基因分型；所述的算法包括步骤：(1)建立模型：给定一个SNP位点，分别提取每个样本的两个等位基因的有效乘数EBD:对于一个群体，第i个个体的参考等位基因(reference allele)与交互等位基因(alternative allele)的EBD分别为ri和ai；对三种可能的基因型RR、RA、AA，假设它们在测序中分别有一个固定的突变等位基因出现率，分别为p(RR)、p(RA)和p(AA)；理想情况下p(RR)接近0，p(RA)接近0.5，p(AA)接近1；假设等位基因频率服从哈迪‑温伯格平衡，同时有固定的交互等位基因频率(alternative allele frequency)fre，因此：f(RR)＝(1‑fre)2f(RA)＝2fre(1‑fre)f(AA)＝fre2实际样本由于其基因型未知,认为它是由三种等位基因叠加而成，因此SNP模型具有如下概率模型：(2)最大似然估计：引入隐变量：w(RR)i、w(RA)i、w(AA)i表述所述个体的三种基因型概率；使用Expectation‑Maximization(EM)算法进行最大似然估计，其E步骤和M步骤分别是：E步骤：M步骤：(3)样本基因型确定：对于第i个样本，取w(RR)i、w(RA)i、w(AA)i中最大的基因型作为该样本的基因型。