[发明专利]一种非整倍性生物信息的分析方法和分析系统

摘要

本发明公开了一种非整倍性生物信息的分析方法和分析系统。其中，1)构建参考数据库异；2)计算UR ratio；3)构建参考数据库统计学参数；4)Z值计算；5)按照上述减少母体自身染色体存在微缺失或微重复造成的胎儿染色体非整倍体假阳性的方法减少母体自身染色体存在微缺失或微重复造成的胎儿染色体非整倍体假阳性；6)按照上述胎儿DNA浓度预测模型的构建方法构建的胎儿DNA浓度预测模型预测胎儿DNA浓度；7)计算胎儿每条染色体的DNA数量占总体DNA的百分比：8)常染色体非整倍体的判断：9)性染色体异常判断。应用本发明的技术方案，极大地提高了分析的准确性。

主权项

1.一种胎儿DNA浓度预测模型的构建方法，其特征在于，包括以下步骤：1)选取一定数量核型分析无染色体异常且孕周大于等于12周的怀有正常男胎的孕妇样品、一定数量的健康男性和女性样本，对这些样本的血浆游离DNA样本进行基因测序，测序数据按照测序GC偏好性的校正方法消除染色体内和染色体间测序GC偏好性，对unique reads数进行GC校正，然后计算这些样本的Y染色体的UR ratio，得到怀有正常男胎的孕妇样品的Y染色体的UR ratio R样品、女性样本的Y染色体的UR ratio Rfemale、男性样本的Y染色体的UR ratio Rmale；所述测序GC偏好性的校正方法包括以下步骤：1)利用高通量测序平台对待测样品进行测序；2)将测序得到的碱基序列去除接头及低质量的碱基序列后与参考数据库的对照样本的参考基因组序列进行比对，统计每条染色体上的唯一比对到参考基因组的序列条数，即Unique Read的条数，并计算每条染色体上Unique Read的总量占总的Unique Reads的百分比，即UR ratio；3)测序GC偏好性校正：数据预处理，然后同时采用三套不同的校正策略进行GC矫正；其中，数据预处理包括：将整条染色体划分为100kb片段大小的窗，重叠区域为50kb，计算每个窗内各测序序列的GC含量，同时计算窗内的unique reads数，忽略带有测序不确定的碱基N、unique reads为0或者异常高的那些窗，然后，对窗内的unique reads数进行归一化，即除以参考数据库的对照样本的对应窗内的unique reads数；所述三套不同的校正策略包括：一、采用局部多项式加权回归方法进行GC校正：数据预处理后，利用窗内的unique reads数与窗内的GC含量作局部多项式加权回归，再利用窗内归一化的unique reads数除以局部多项式加权回归得到的估计值算出每个窗的unique reads的数值，进而实现对每条染色体上的Unique reads的GC校正；二、采用滚动中值方法进行GC校正：数据预处理后，对所有染色体内所有窗的GC含量进行排序，以0.1％GC值差异对所有窗进行分组，统计每个GC值组内的所有窗的Unique reads数，计算其中位数作为该GC组测序序列的GC权重，再利用窗内归一化的unique reads数除以该GC组的GC权重，从而得到GC校正后的unique reads数；三、利用线性回归方法进行GC校正：数据预处理后，利用最小二乘法估算出每条染色体的归一化unique reads数和GC与1/GC的回归方程，得到unique reads的估计值，利用窗内归一化的unique reads数除以其对应窗的估计值，从而实现对每条染色体的Unique reads数的GC校正；2)根据如下公式计算胎儿浓度：男胎胎儿DNA浓度＝(R样品‑Rfemale)/(Rmale‑Rfemale)，然后，计算所述怀有正常男胎的孕妇样品的测序序列的片段长度，并统计片段长度的分布情况，通过计算不同片段长度的百分比得到统计学参数片段长度百分比，将胎儿浓度与片段长度百分比做线性回归，构建线性回归模型，然后通过所述线性回归模型根据怀有女胎的孕妇样品的片段长度百分比预测女胎胎儿的DNA浓度。