[发明专利]一种基于Bionano平台检测长串联重复序列的方法

摘要

本发明提供一种基于Bionano平台检测长串联重复序列的方法。本发明的方法通过构建朴素贝叶斯分类器机器学习模型，对Bionano数据进行过滤，去除插入、缺失位点的假阳性错误，并基于比对算法实现长串联重复单元计数，减少运行时间、计算资源的消耗。所述方法还可以结合聚类分析算法和每条reads上的重复单元数目，确定样本基因型为纯合、杂合或者嵌合体。

主权项

1.一种基于Bionano平台检测长串联重复序列的方法，包括如下步骤：(1)提取样本DNA，采用内切酶对DNA进行酶切、标记、修复、染色，用Bionano Saphyr系统定量处理；(2)构建基于内切酶酶切位点的Bionano参考基因组；(3)对原始数据进行信噪比过滤；(4)将过滤后的数据比对到步骤(2)的参考基因组；(5)对比对后的数据进行质量评估，如果质量不合格，则终止分析，如果质量合格，则进行步骤(6)；(6)构建朴素贝叶斯分类器机器学习模型，利用朴素贝叶斯分类器对样本中指定区域的reads假阳性位点进行过滤；(7)矩阵构建，根据reads在参考基因组上的比对情况结合reads上刻痕的距离信息，构建距离矩阵M，所述刻痕为酶切位点；对缺失位点以0填充，超过10％的reads在相同位置发生插入的位点按照真实插入位点处理，矩阵增加一列数据；(8)聚类分析，采用欧氏距离计算步骤(7)中构建矩阵的各reads之间的距离，采用平均距离计算组间距离，进行层次聚类分析；(9)重复单元计数，根据候选reads中刻痕的位置信息，识别重复单元；(10)确定样本基因型，根据步骤(8)聚类分析中reads的距离关系以及每条reads上的重复单元数目判断样本基因型。