專利名稱：檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及 系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物技術(shù)領(lǐng)域，尤其涉及一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法 及系統(tǒng)。
背景技術(shù)：
隨著人類基因組計(jì)劃和國際單體型圖計(jì)劃的勝利完成，生物學(xué)家通過遺傳連鎖或 關(guān)聯(lián)分析已經(jīng)定位了大量與人類疾病相關(guān)的基因組候選區(qū)域，然而識別這些區(qū)域中的致病 基因或突變需要對這些區(qū)域進(jìn)行重新測序。如果采用現(xiàn)有的全基因組重測序分析技術(shù)，其成本較高；而且對于針對候選區(qū)域 等部分的研究、或者對于個(gè)體醫(yī)療給出有針對性的指導(dǎo)來說，全基因組重測序分析的結(jié)果 包含大量冗余信息，不利于高效率地得出較為準(zhǔn)確的研究成果。為了提高獲得有效信息的效率，將現(xiàn)有基因分析技術(shù)集中在高價(jià)值的基因研 究區(qū)域?qū)τ诳茖W(xué)研究和醫(yī)療指導(dǎo)具有重大意義。而且，傳統(tǒng)的基于PCR(聚合酶鏈?zhǔn)椒?應(yīng)，Polymerase Chain Reaction)來對候選區(qū)域進(jìn)行測序的方法，費(fèi)時(shí)費(fèi)力，已經(jīng)無法 滿足研究者的要求；同時(shí)基于基因芯片的SNP(單核苷酸多態(tài)性，Single Nucleotide Polymorphism)分型技術(shù)也無法找出基因組上的稀有變異。隨著新一代高通量測序技術(shù)(如Solexa測序技術(shù))的出現(xiàn)以及測序成本的降低， 使得高通量，低成本測序成為可能。研究者迫切需要一種可以對基因組上任意感興趣的區(qū) 域進(jìn)行測序從而可以識別該區(qū)域上各種突變的技術(shù)。由于基因編碼區(qū)的突變是導(dǎo)致疾病的主要原因，因此將一個(gè)人基因組的所有編碼 區(qū)(即外顯子區(qū)域)提取出來進(jìn)行測序就可以很好的了解該個(gè)體的基因組突變信息，進(jìn)而 評估該個(gè)體的患病風(fēng)險(xiǎn)。因此，在當(dāng)前對全基因組進(jìn)行測序的成本還是很高的情況下，對所 有的人類外顯子進(jìn)行測序是解碼個(gè)人基因組和實(shí)現(xiàn)個(gè)體化醫(yī)療的重要手段。因此，基于外顯子區(qū)域或目標(biāo)區(qū)域捕獲(Target Region Capture)的高通量測序 方法應(yīng)運(yùn)而生。該技術(shù)的基本原理是使用一套寡核苷酸探針來捕獲基因組上的目標(biāo)序列， 然后使用通用引物對這些捕獲到的序列進(jìn)行PCR擴(kuò)增，最后對這些擴(kuò)增產(chǎn)物進(jìn)行高通量測 序，從而識別DNA樣品中的堿基序列。綜上所述，提供一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)，解決現(xiàn)有基 因組外顯子檢測手段不完善、數(shù)據(jù)龐雜、準(zhǔn)確度不高以及分析速度慢等缺陷，成為本領(lǐng)域亟 待解決的技術(shù)問題。

發(fā)明內(nèi)容
本發(fā)明要解決的一個(gè)技術(shù)問題是提供一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方 法及系統(tǒng)，通過對實(shí)驗(yàn)樣品進(jìn)行深度、覆蓋度分析、捕獲效率分析、性別檢驗(yàn)、SNP位點(diǎn)雜合 度一致性等檢驗(yàn)，解決了基因組外顯子區(qū)域生物信息學(xué)分析方法和工具不完善的問題，大 大提高了對基因組外顯子數(shù)據(jù)分析的準(zhǔn)確性和可靠性。
4
本發(fā)明的一個(gè)方面提供了一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法，該方法包 括獲取外顯子測序結(jié)果步驟對人類基因組DNA樣品進(jìn)行測序和純化處理，得到外顯子區(qū) 域測序結(jié)果；將外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對得到精確的比對結(jié)果；去冗 余與排序步驟對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息和排序處理；統(tǒng)計(jì)分析步驟I 對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及用X，Y染色體的目標(biāo)區(qū)域的測序深度，對 樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否被污染；探測SNP位點(diǎn)步驟從排序處理后的結(jié)果中找 到SNP位點(diǎn)；SNP位點(diǎn)過濾步驟以質(zhì)量值為指標(biāo)對探測得到的SNP位點(diǎn)進(jìn)行篩選；統(tǒng)計(jì)分 析步驟II 對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支 持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷樣品是否被污染；SNP注釋步驟用過濾后 的SNP位點(diǎn)與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較，并結(jié)合ccds、refseq、ensembl數(shù)據(jù)庫中至 少一個(gè)中的數(shù)據(jù)對比對吻合的SNP位點(diǎn)進(jìn)行注釋與分類。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的一個(gè)實(shí)施例中，在獲取 外顯子測序結(jié)果步驟中，通過將測序結(jié)果中含有的、由測序過程引入的linker序列和 adapter序列去除以實(shí)現(xiàn)純化處理；以及利用Soap工具將外顯子區(qū)域測序結(jié)果與參考基因 序列進(jìn)行比對，得到精確的比對結(jié)果。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的一個(gè)實(shí)施例中，在去冗余 與排序步驟中，將比對結(jié)果去除重復(fù)信息后按照染色體和坐標(biāo)排序，排序處理后的結(jié)果作 為探測SNP位點(diǎn)步驟待處理的對象。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的一個(gè)實(shí)施例中，在統(tǒng)計(jì)分 析步驟I中，采用工具soap, coverage對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，并繪制 具體分布圖，用以反映樣品目標(biāo)區(qū)域被覆蓋的均一性、大于預(yù)定值的堿基所占比例；以及用 X，Y染色體的目標(biāo)區(qū)域的測序深度，根據(jù)支持向量機(jī)的分析原理對樣本的性別進(jìn)行檢驗(yàn)； 判斷樣品是否被污染；如果樣品在實(shí)驗(yàn)階段被污染，則給出具體的污染信息。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的一個(gè)實(shí)施例中，在統(tǒng)計(jì)分 析步驟II中，如果SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度分析顯示全 局的SNP雜合率呈現(xiàn)集中趨勢，則判斷樣品被污染。本發(fā)明的另一個(gè)方面提供了一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)，該裝置 包括外顯子測序結(jié)果獲取模塊，用于對人類基因組DNA樣品進(jìn)行測序和純化處理，得到外 顯子區(qū)域測序結(jié)果；將外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對得到精確的比對結(jié) 果；去冗余與排序模塊，用于對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息和排序處理；統(tǒng) 計(jì)分析模塊，用于對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及用X，Y染色體的目標(biāo)區(qū) 域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否被污染；對過濾后的SNP位點(diǎn)的覆蓋 度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分 析，判斷樣品是否被污染；SNP位點(diǎn)探測模塊，用于從排序處理后的結(jié)果中找到SNP位點(diǎn)； SNP位點(diǎn)過濾模塊，用于以質(zhì)量值為指標(biāo)對探測得到的SNP位點(diǎn)進(jìn)行篩選；SNP注釋模塊，用 于將過濾后的SNP位點(diǎn)與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較，并結(jié)合ccds、refseq、ensembl 數(shù)據(jù)庫中至少一個(gè)中的數(shù)據(jù)對比對吻合的SNP位點(diǎn)進(jìn)行注釋與分類。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的一個(gè)實(shí)施例中，外顯子測 序結(jié)果獲取模塊進(jìn)一步包括純化處理子模塊，用于將測序結(jié)果中含有的、由測序過程引入
5的linker序列和adapter序列去除；比對子模塊，用于利用Soap工具將外顯子區(qū)域測序結(jié) 果與參考基因序列進(jìn)行比對，得到精確的比對結(jié)果。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的一個(gè)實(shí)施例中，去冗余與 排序模塊進(jìn)一步包括去冗余子模塊，用于對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息處 理；排序子模塊，用于將去除重復(fù)信息后的比對結(jié)果按照染色體和坐標(biāo)進(jìn)行排序，排序處理 后的結(jié)果作為SNP位點(diǎn)探測模塊待處理的對象。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的一個(gè)實(shí)施例中，統(tǒng)計(jì)分析 模塊進(jìn)一步包括第一統(tǒng)計(jì)分析子模塊，用于對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以 及用x，Y染色體的目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否被污染；第 二統(tǒng)計(jì)分析子模塊，用于對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu) 等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷樣品是否被污染。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的一個(gè)實(shí)施例中，第一統(tǒng)計(jì) 分析子模塊采用工具soap, coverage對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，并繪制具 體分布圖，用以反映樣品目標(biāo)區(qū)域被覆蓋的均一性、大于預(yù)定值的堿基所占比例；以及用 X，Y染色體的目標(biāo)區(qū)域的測序深度，根據(jù)支持向量機(jī)的分析原理對樣本的性別進(jìn)行檢驗(yàn)； 判斷樣品是否被污染；如果樣品在實(shí)驗(yàn)階段被污染，則給出具體的污染信息；第二統(tǒng)計(jì)分 析子模塊對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持 深度和次優(yōu)等位基因支持深度進(jìn)行分析；如果SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等 位基因支持深度分析顯示全局的SNP雜合率呈現(xiàn)集中趨勢，則判斷樣品被污染。本發(fā)明提供了一種關(guān)于檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)，通過對 基因組特定區(qū)域測序進(jìn)行比對、SNP位點(diǎn)注釋與分類等操作，高效、快速地獲取高準(zhǔn)確度的 SNP注釋結(jié)果，為解碼個(gè)人基因組和實(shí)現(xiàn)個(gè)體化醫(yī)療提供保障，解決了基因組外顯子區(qū)域生 物信息學(xué)分析方法和工具不完善的問題。


圖1示出本發(fā)明實(shí)施例提供的一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的流 程圖；圖2示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的另一個(gè)實(shí)施例 的流程圖；圖3示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的另一個(gè)實(shí)施例 的流程圖；圖4示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的一個(gè)具體實(shí)施 方式的流程圖；圖5示出圖4所示的具體實(shí)施方式
采用soap, coverage對目標(biāo)區(qū)域進(jìn)行深度和覆 蓋度統(tǒng)計(jì)后繪制的目標(biāo)區(qū)域深度分布直方圖；圖6示出圖4所示的具體實(shí)施方式
采用soap, coverage對目標(biāo)區(qū)域進(jìn)行深度和覆 蓋度統(tǒng)計(jì)后繪制的目標(biāo)區(qū)域深度積累分布圖；圖7示出圖4所示的具體實(shí)施方式
采用soap, coverage對目標(biāo)區(qū)域進(jìn)行深度和覆 蓋度統(tǒng)計(jì)后繪制的測序深度飽和度曲線6
圖8示出圖4所示的具體實(shí)施方式
對每個(gè)SNP位點(diǎn)的最優(yōu)allele支持深度和次 優(yōu)allele支持深度進(jìn)行分析后繪制的SNP位點(diǎn)雜合度散點(diǎn)圖；圖9示出本發(fā)明實(shí)施例提供的一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的結(jié) 構(gòu)示意圖；圖10示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的另一個(gè)實(shí)施例 的結(jié)構(gòu)示意圖；圖11示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的另一個(gè)實(shí)施例 的結(jié)構(gòu)示意圖；圖12示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的另一個(gè)實(shí)施例 的結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面參照附圖用本發(fā)明的示例性實(shí)施例對本發(fā)明進(jìn)行更全面的描述及說明。圖1示出本發(fā)明實(shí)施例提供的一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的流 程圖。如圖1所示，檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法100包括步驟102，獲取外顯 子測序結(jié)果步驟對人類基因組DNA樣品進(jìn)行測序和純化處理，得到外顯子區(qū)域測序結(jié)果； 將外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對得到精確的比對結(jié)果。本發(fā)明實(shí)施例中， 測序方法可以采用高通量測序技術(shù)，例如采用Illumina GA Solexa測序技術(shù)；Solexa是一 種基于邊合成邊測序技術(shù)(SBS，Sequencing-By-Synthesis)的新型測序方法，通過利用單 分子陣列實(shí)現(xiàn)在小型芯片(Flow Cell)上進(jìn)行橋式PCR反應(yīng)。新的可逆阻斷技術(shù)可實(shí)現(xiàn)每 次只合成一個(gè)堿基，不需要標(biāo)記熒光基團(tuán)，再利用相應(yīng)的激光激發(fā)熒光基團(tuán)捕獲激發(fā)光，從 而讀取堿基信息。本發(fā)明的一個(gè)實(shí)施例中，可以采用本申請人(深圳華大基因科技有限公司)自主 研發(fā)的soap工具(該軟件可以免費(fèi)獲得，下載網(wǎng)址是http://soap, genomics, org. cn/)將 純化處理后的外顯子區(qū)域測序結(jié)果比對到參考基因組(參考基因組可以來自標(biāo)準(zhǔn)化組織 公開發(fā)布的基因組信息)上，得到精確的比對結(jié)果；其中對soap工具所涉及的具體方法可 以參見文獻(xiàn)SOAP short oligonucleotide alignment program ；Ruiqiang Li, Yingrui Li, Karsten Kristiansen and Jun Wang ；Bioinformatics ；200824(5) :713_714 ;doi 10.1093。步驟104，去冗余與排序步驟對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息和排 序處理。本發(fā)明提供的一個(gè)實(shí)施例中，通過將比對結(jié)果去除重復(fù)信息后按照“染色體和坐 標(biāo)”排序，排序處理后的結(jié)果作為探測SNP位點(diǎn)步驟待處理的對象。步驟106，統(tǒng)計(jì)分析步驟I 對全局的目標(biāo)區(qū)域(target region)進(jìn)行深度和覆蓋 度統(tǒng)計(jì)，以及用X，Y染色體的目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否 被污染，從而排除潛在的樣品污染。本發(fā)明中目標(biāo)區(qū)域可以是預(yù)先設(shè)定或已知的一系列參 考坐標(biāo)，來標(biāo)示所關(guān)注的區(qū)域。本發(fā)明的一個(gè)實(shí)施例中，可以采用本申請人自主研發(fā)的工具 soap, coverage (Soap, coverage是一個(gè)完備的統(tǒng)計(jì)工具，該軟件可以免費(fèi)獲得，下載網(wǎng)址是 http://soap, genomics, org. cn/)對target區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)。在分析報(bào)告中可以具體給出Pure或Polluted的定性分析結(jié)論。步驟108，探測SNP位點(diǎn)步驟從排序處理后的結(jié)果中找到SNP位點(diǎn)。單核苷酸多 態(tài)性(SNP)是指在基因組上單個(gè)核苷酸的變異，形成的遺傳標(biāo)記數(shù)量很多，多態(tài)性豐富。這 種發(fā)生在基因組序列上的變異，會影響遺傳疾病的發(fā)生，生物體對于各種病原體，化學(xué)品， 藥物以及疫苗等的反應(yīng)。人體許多表型差異、對疾病的易感性等等都可能與SNP有關(guān)。因 此，SNP被普遍認(rèn)為是實(shí)現(xiàn)個(gè)體化醫(yī)療的關(guān)鍵，對于SNP的分析檢測具有重大價(jià)值。本發(fā) 明的一個(gè)實(shí)施例中，可以采用本申請人自主開發(fā)的SNP探測工具SoapSNP(該軟件可以免 費(fèi)獲得，下載網(wǎng)址是http://soap. genomics, org. cn/)找到我們所關(guān)心的SNP位點(diǎn)，其中 有關(guān) SoapSNP 工具的原理可以參見文獻(xiàn)SNP detection for massively parallel whole genome resequencing ；Ruiqiang Li, Yingrui Li, Xiaodong Fang, Huanming Yang, Jian Wang, Karsten Kristiansen and Junn Wang Genome Res. ；2009. 19 :1124_1132。步驟110，SNP位點(diǎn)過濾步驟以質(zhì)量值為指標(biāo)對探測得到的SNP位點(diǎn)進(jìn)行篩選。 本發(fā)明的一個(gè)實(shí)施例中，可以預(yù)先規(guī)定質(zhì)量值的閾值為20(閾值20代表錯(cuò)誤率是0. 01，低 于這個(gè)值可視為“不可信”)，以此閾值作為篩選SNP位點(diǎn)的指標(biāo)；本領(lǐng)域技術(shù)人員根據(jù)本發(fā) 明的教導(dǎo)可以清楚的知曉，根據(jù)具體的樣品進(jìn)行SNP位點(diǎn)篩選的標(biāo)準(zhǔn)是可以不同的，本領(lǐng) 域技術(shù)人員可以根據(jù)實(shí)際情況選取合適的閾值，前述所舉例說明的閾值并不用來限制本發(fā) 明的。步驟112，統(tǒng)計(jì)分析步驟II 對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè) SNP位點(diǎn)的最優(yōu)等位基因(allele)支持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷樣品 是否被污染。其中最優(yōu)等位基因“支持深度”，即有多少條基因序列在當(dāng)前坐標(biāo)的基因型與 最優(yōu)基因型一致；如果SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度分析顯 示全局的SNP雜合率呈現(xiàn)集中趨勢，例如散點(diǎn)呈現(xiàn)出線性關(guān)系，相關(guān)系數(shù)r的平方趨近于1 時(shí)，斜率是否偏離0. 5(0. 5是正常值)；據(jù)此判斷樣品被污染。步驟114，SNP注釋步驟用過濾后的SNP位點(diǎn)與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較， 并結(jié)合ccds (Consensus CDS的簡稱)、refseq、ensembl數(shù)據(jù)庫中至少一個(gè)中的數(shù)據(jù)對比 對吻合的SNP位點(diǎn)進(jìn)行注釋與分類。其中，dbSNP數(shù)據(jù)庫(單核苷酸多態(tài)性數(shù)據(jù)庫，Single Nucleotide Polymorphism Database)是美國國家生物技術(shù)信息中心(NCBI，National Center for Biotechnology Information)與國家人類基因組研究所(NHGRI，National Human Genome Research Institute)合作主辦，向公眾免費(fèi)提供在不同的物種內(nèi)的遺傳變 異的權(quán)威基因檔案。通過把當(dāng)前樣本中出現(xiàn)的SNP位點(diǎn)與數(shù)據(jù)庫中已知的SNP位點(diǎn)信息進(jìn) 行比較，確定基因突變的SNP位點(diǎn)，從而尋找可能受到影響的基因，并對其進(jìn)行標(biāo)注分類。本發(fā)明一個(gè)實(shí)施例提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法，對基因組特定 區(qū)域測序進(jìn)行SNP分析，而且本發(fā)明檢測SNP結(jié)果準(zhǔn)確度高，速度快，成本低，全過程均可以 實(shí)現(xiàn)自動(dòng)化，即以原始測序數(shù)據(jù)為數(shù)據(jù)源，自動(dòng)生成高質(zhì)量SNP位點(diǎn)，并對SNP位點(diǎn)進(jìn)行注 釋與分類。圖2示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的另一個(gè)實(shí)施例 的流程圖。如圖2所示，檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法200包括步驟202、203、 204-214，其中步驟204-214可以分別執(zhí)行與圖1所示的步驟104-114相同或相似的技術(shù)內(nèi)
8容，為簡潔起見，這里不再贅述其技術(shù)內(nèi)容。如圖2所示，步驟202，對人類基因組DNA樣品進(jìn)行測序，通過將測序結(jié)果中含有 的、由測序過程引入的linker序列和adapter序列去除以實(shí)現(xiàn)對外顯子區(qū)域測序結(jié)果的純 化處理。步驟203，利用Soap工具將外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對，得到 精確的比對結(jié)果。圖3示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的另一個(gè)實(shí)施例 的流程圖。如圖3所示，檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法300包括步驟302、304、 306-310、312、314，其中步驟302、304、308、310、312和314可以分別執(zhí)行與圖1所示的步驟 102、104、108、110、112和114相同或相似的技術(shù)內(nèi)容，為簡潔起見，這里不再贅述其技術(shù)內(nèi)容。如圖3所示，在步驟304后，執(zhí)行步驟306，采用工具soap, coverage對全局的目標(biāo) 區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，并繪制具體分布圖，用以反映樣品目標(biāo)區(qū)域被覆蓋的均一性、 大于預(yù)定值的堿基所占比例。例如，根據(jù)對目標(biāo)區(qū)域的深度和覆蓋度統(tǒng)計(jì)可以繪制目標(biāo)區(qū) 域深度分布直方圖，通過判斷該直方圖與泊松分布(Poisson distribution)的吻合程度來 反映樣品被測目標(biāo)區(qū)域被覆蓋的均一性；繪制目標(biāo)區(qū)域深度累積分布圖，反映某一深度值 的堿基占總長度的比率；此外，還可以繪制測序深度飽和度曲線圖，用來反映測序深度與目 標(biāo)區(qū)域覆蓋度的相關(guān)性。步驟307，用X，Y染色體的目標(biāo)區(qū)域的測序深度，根據(jù)SVM(支持向量機(jī)，Support Vector Machine，一種廣泛使用的數(shù)理統(tǒng)計(jì)學(xué)習(xí)方法)的分析原理對樣本的性別進(jìn)行檢驗(yàn)； 判斷樣品是否被污染；如果是，執(zhí)行步驟309 ；否則執(zhí)行步驟310。即通過用XY染色體深度 進(jìn)行性別檢驗(yàn)，以排除潛在的樣品被污染的情形。步驟309，如果樣品在實(shí)驗(yàn)階段被污染，則給出具體的污染信息；實(shí)驗(yàn)失敗，可以 終止檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的流程。步驟312，判斷樣品是否被污染；如果是，執(zhí)行步驟309 ；否則執(zhí)行步驟314。圖4示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的一個(gè)具體實(shí)施 方式的流程圖。本發(fā)明中，檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法的各步流程都可以整合到軟 # ECP (Exome Capture processor)中，本軟件的運(yùn)行環(huán)境為Unix/Linux操作系統(tǒng)，通過 Unix/Linux命令行運(yùn)行。具體操作步驟如下在Linux操作系統(tǒng)計(jì)算機(jī)終端中輸入以下命令ECP-lsample. list-o outdir-r hgl8. fa~t capture_regions/-i hs. fa. index-p-fref. fa. stat-x-q 20-SECP命令行參數(shù)包括-r參考序列路徑；-1樣品列表路徑(列表格式見下文)-0輸出文件夾路徑-t目標(biāo)區(qū)域文件夾路徑-i參考序列soap建庫文件路徑
-f參考序列Stat文件路徑-χ是否生成SNP文件-ρ 是否為 pair-end-S生成CNS文件-e外顯子區(qū)域文件加路徑-a ^^^ adapter-L 是否去 linker-h 幫助-ν當(dāng)前版本待分析數(shù)據(jù)包括(1)、測序數(shù)據(jù)PE_1. fq PE_2. fq(外顯子區(qū)域測序結(jié)果)(2)、參考序列hgl8. fa (物種參考序列)(3)、外顯子坐標(biāo)信息=Exome. target (外顯子在基因組中絕對坐標(biāo))(4)、樣品初始信息 sample, list 1)樣品名FC61K8AAAXX(該處使用的本樣品需經(jīng)本發(fā)明的發(fā)明人羅銳邦許可，本 領(lǐng)域技術(shù)人員應(yīng)該知曉，此處僅僅是選取一種樣品作為檢測對象，本發(fā)明具體方案的實(shí)現(xiàn) 不依賴于該特定的樣品，該處所使用的樣品不對本發(fā)明構(gòu)成任何限制)；2) lane 號100509_I82_FC61K8AAAXX_L2_HUMlrbXAADCAAPEI-63)性別Male4)測序數(shù)據(jù)(該樣品對應(yīng)的測序數(shù)據(jù)，僅作舉例說明，不對本發(fā)明技術(shù)方案的實(shí) 現(xiàn)構(gòu)成任何限制)100509_I82_FC61K8AAAXX_L2_HUMlrbXAADCAAPEI-6_l. fq100509_I82_FC61K8AAAXX_L2_HUMlrbXAADCAAPEI-6_2. fq5)插入片段大小100-200bp表一示出針對樣品(FC61K8AAAXX)進(jìn)行檢測的結(jié)果，涉及數(shù)據(jù)產(chǎn)量&捕獲效率的
分析結(jié)果等。
) 如圖4所示，在該具體實(shí)施方式
中選擇一名男性的基因組序列(樣品名 FC61K8AAAXX)，經(jīng)過測序得到外顯子區(qū)域測序結(jié)果(reads file( * .fq))，經(jīng)過去除 linker和adapter的純化處理，得到高通量測序結(jié)果(solexa reads)；隨后利用Soap工具 將該處理后的該高通量測序結(jié)果與參考基因組序列(* . fa)進(jìn)行比對，對結(jié)果中的重復(fù)信 息進(jìn)行去冗余和排序處理，從而得到具有唯一性的reads ；接下來進(jìn)行統(tǒng)計(jì)分析與質(zhì)量控 制檢測，具體來說，涉及采用soap, coverage對target區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，給出具 體分布圖。圖5示出圖4所示的具體實(shí)施方式
采用soap, coverage對目標(biāo)區(qū)域進(jìn)行深度和 覆蓋度統(tǒng)計(jì)后繪制的目標(biāo)區(qū)域深度分布直方圖。如圖5所示，通過判斷該直方圖與泊松分 布(Poisson distribution)的吻合程度來反映樣品被測目標(biāo)區(qū)域被覆蓋的均一性；具體 來說，主要涉及樣品目標(biāo)區(qū)域是否被測到，測到的區(qū)域分布是否均一。圖6示出圖4所示的具體實(shí)施方式
采用soap, coverage對目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)后繪制的目標(biāo)區(qū)域深度積累分布圖。如圖6所示，繪制目標(biāo)區(qū)域深度累積分布圖，反映某一深度值的堿基占總 長度的比率；具體來說，主要涉及至少有多少百分比的堿基深度在多少層以上。圖7示出圖 4所示的具體實(shí)施方式
采用soap, coverage對目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)后繪制的測 序深度飽和度曲線圖。如圖7所示，測序深度飽和度曲線圖，用來反映測序深度與目標(biāo)區(qū)域 覆蓋度的相關(guān)性，如多少層深度就能基本覆蓋全部區(qū)域，避免深度不夠?qū)е赂采w度的減少， 也避免深度太大造成數(shù)據(jù)冗余。以及針對前述排序處理后的結(jié)果，用SNP探測工具soapSNP找到我們所關(guān)心的SNP
位點(diǎn)，如表二所示。 表二 SNP位點(diǎn)探測結(jié)果的節(jié)選根據(jù)所探測的SNP位點(diǎn)，以質(zhì)量值為指標(biāo)進(jìn)行篩選過濾，并對外顯子區(qū)域的SNP位 點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并且以每個(gè)SNP位點(diǎn)的最優(yōu)allele支持深度和次優(yōu)allele支持深 度進(jìn)行分析。圖8示出圖4所示的具體實(shí)施方式
對每個(gè)SNP位點(diǎn)的最優(yōu)allele支持深度 和次優(yōu)allele支持深度進(jìn)行分析后繪制的SNP位點(diǎn)雜合度散點(diǎn)圖。如圖8所示，通過顯 示全局的SNP的雜合率是否有一定的集中趨勢來判斷樣品是否被污染，例如，若雜合位點(diǎn) 深度散點(diǎn)圖有高度集中的趨勢，即相關(guān)系數(shù)趨近1，且斜率偏離0. 5則說明有污染的可能。 最后可以將篩選過濾后獲得SNP位點(diǎn)結(jié)果，與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較，結(jié)合ccds、refseq和ensembl等數(shù)據(jù)庫中至少-類。
卜數(shù)據(jù)庫中的數(shù)據(jù)對其進(jìn)行注釋(如表三所示)與分 表三SNP位點(diǎn)注釋結(jié)果的節(jié)選本發(fā)明具體實(shí)施方式
提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法已整合成軟 件ECP，其檢測全過程都能夠通過自動(dòng)化的方式實(shí)現(xiàn)，對計(jì)算機(jī)I/O資源，內(nèi)存資源有很好 控制。以管道技術(shù)代替以往以文件作為信息交換的方式，以二進(jìn)制內(nèi)存壓縮和二進(jìn)制文件 臨時(shí)存儲作為大內(nèi)存數(shù)據(jù)的解決方案，在理論上可以使本系統(tǒng)適應(yīng)任何能夠運(yùn)行SOAP的 硬件環(huán)境。圖9示出本發(fā)明實(shí)施例提供的一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的結(jié) 構(gòu)示意圖。如圖9所示，一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)900包括外顯子測序結(jié) 果獲取模塊902、去冗余與排序模塊904、統(tǒng)計(jì)分析模塊906、SNP位點(diǎn)探測模塊908、SNP位 點(diǎn)過濾模塊910和SNP注釋模塊912。其中，外顯子測序結(jié)果獲取模塊902，用于對人類基因組DNA樣品進(jìn)行測序和純 化處理，得到外顯子區(qū)域測序結(jié)果；將外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對得到 精確的比對結(jié)果。本發(fā)明實(shí)施例中，測序方法可以采用高通量測序技術(shù)，例如Illumina GA Solexa測序技術(shù)；本發(fā)明的一個(gè)實(shí)施例中，可以采用本申請人(深圳華大基因科技 有限公司)自主研發(fā)的soap工具將純化處理后的外顯子區(qū)域測序結(jié)果比對到參考基因 組(參考基因組可以來自標(biāo)準(zhǔn)化組織公開發(fā)布的基因組信息)上，得到精確的比對結(jié) 果；其中對soap工具所涉及的具體方法可以參見文獻(xiàn)S0AP :short oligonucleotide alignment program ；Ruiqiang Li, Yingrui Li, Karsten Kristiansen and Jun Wang; Bioinformatics ；200824(5) :713_714；doi :10·1093。去冗余與排序模塊904，用于對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息和排序 處理。本發(fā)明提供的一個(gè)實(shí)施例中，通過將比對結(jié)果去除重復(fù)信息后按照“染色體和坐標(biāo)” 排序，排序處理后的結(jié)果作為探測SNP位點(diǎn)步驟待處理的對象。統(tǒng)計(jì)分析模塊906，用于對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及用Χ，Υ染 色體的目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否被污染；對過濾后的 SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因 支持深度進(jìn)行分析，判斷樣品是否被污染。本發(fā)明中目標(biāo)區(qū)域可以是預(yù)先設(shè)定或已知的一 系列參考坐標(biāo)，來標(biāo)示所關(guān)注的區(qū)域。本發(fā)明的一個(gè)實(shí)施例中，可以采用本申請人自主研發(fā)的工具soap, coverage對target區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)。其中，最優(yōu)等位基因“支持 深度”，即有多少條基因序列在當(dāng)前坐標(biāo)的基因型與最優(yōu)基因型一致；如果SNP位點(diǎn)的最優(yōu) 等位基因支持深度和次優(yōu)等位基因支持深度分析顯示全局的SNP雜合率呈現(xiàn)集中趨勢，則 判斷樣品被污染。SNP位點(diǎn)探測模塊908，用于從排序處理后的結(jié)果中找到SNP位點(diǎn)。本發(fā)明的一個(gè) 實(shí)施例中，可以采用本申請人自主開發(fā)的SNP探測工具soapSNP找到我們所關(guān)心的SNP位 點(diǎn)，其中有關(guān)SoapSNP工具的原理可以參見文獻(xiàn)SNP detection for massively parallel whole genome resequencing ；Ruiqiang Li,Yingrui Li,Xiaodong Fang,Huanming Yang, Jian Wang, Karsten Kristiansen and Junn Wang Genome Res. ；2009. 19 :1124_1132。SNP位點(diǎn)過濾模塊910，用于以質(zhì)量值為指標(biāo)對探測得到的SNP位點(diǎn)進(jìn)行篩選。本 發(fā)明的一個(gè)實(shí)施例中，可以預(yù)先規(guī)定質(zhì)量值的閾值為20，以此閾值作為篩選SNP位點(diǎn)的指 標(biāo)；本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的教導(dǎo)可以清楚的知曉，根據(jù)具體的樣品進(jìn)行SNP位點(diǎn)篩 選的標(biāo)準(zhǔn)是可以不同的，本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際情況選取合適的閾值，前述所舉例 說明的閾值并不用來限制本發(fā)明的。SNP注釋模塊912，用于將過濾后的SNP位點(diǎn)與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較， 并結(jié)合ccds、refseq、ensembl數(shù)據(jù)庫中至少一個(gè)中的數(shù)據(jù)對比對吻合的SNP位點(diǎn)進(jìn)行注釋 與分類。通過把當(dāng)前樣本中出現(xiàn)的SNP位點(diǎn)與數(shù)據(jù)庫中已知的SNP位點(diǎn)信息進(jìn)行比較，確 定基因突變的SNP位點(diǎn)，從而尋找可能受到影響的基因，并對其進(jìn)行標(biāo)注分類。本發(fā)明一個(gè)實(shí)施例提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)，對基因組特定 區(qū)域測序進(jìn)行SNP分析，而且本發(fā)明檢測SNP結(jié)果準(zhǔn)確度高，速度快，成本低，全過程均可以 實(shí)現(xiàn)自動(dòng)化，即以原始測序數(shù)據(jù)為數(shù)據(jù)源，自動(dòng)生成高質(zhì)量SNP位點(diǎn)，并對SNP位點(diǎn)進(jìn)行注 釋與分類。圖10示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的另一個(gè)實(shí)施例 的結(jié)構(gòu)示意圖。如圖10所示，一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)1000包括外顯子測序 結(jié)果獲取模塊1002、去冗余與排序模塊1004、統(tǒng)計(jì)分析模塊1006、SNP位點(diǎn)探測模塊1008、 SNP位點(diǎn)過濾模塊1010和SNP注釋模塊1012，其中去冗余與排序模塊1004、統(tǒng)計(jì)分析模塊 1006、SNP位點(diǎn)探測模塊1008、SNP位點(diǎn)過濾模塊1010和SNP注釋模塊1012可以是與圖9 所示去冗余與排序模塊904、統(tǒng)計(jì)分析模塊906、SNP位點(diǎn)探測模塊908、SNP位點(diǎn)過濾模塊 910和SNP注釋模塊912相同或相似的功能模塊。為簡潔起見，這里不再贅述。如圖10所示，外顯子測序結(jié)果獲取模塊1002進(jìn)一步包括純化處理子模塊10021 和比對子模塊10022;其中純化處理子模塊10021，用于通過將測序結(jié)果中含有的、由測序過程引入的 linker ·歹禾口 adgipter ·歹[I。比對子模塊10022，用于利用Soap工具將外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn) 行比對，得到精確的比對結(jié)果。圖11示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的另一個(gè)實(shí)施例 的結(jié)構(gòu)示意圖。如圖11所示，一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)1100包括外顯子測序
15結(jié)果獲取模塊1102、去冗余與排序模塊1104、統(tǒng)計(jì)分析模塊1106、SNP位點(diǎn)探測模塊1108、 SNP位點(diǎn)過濾模塊1110和SNP注釋模塊1112，其中外顯子測序結(jié)果獲取模塊1102、統(tǒng)計(jì)分 析模塊1106、SNP位點(diǎn)探測模塊1108、SNP位點(diǎn)過濾模塊1110和SNP注釋模塊1112可以是 與圖9所示外顯子測序結(jié)果獲取模塊902、統(tǒng)計(jì)分析模塊906、SNP位點(diǎn)探測模塊908、SNP 位點(diǎn)過濾模塊910和SNP注釋模塊912相同或相似的功能模塊。為簡潔起見，這里不再贅 述。如圖11所示，去冗余與排序模塊1104進(jìn)一步包括去冗余子模塊11041和排序子 模塊11042，其中去冗余子模塊11041，用于對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息處理。排序子模塊11042，用于將去除重復(fù)信息后的比對結(jié)果按照染色體和坐標(biāo)進(jìn)行排 序，排序處理后的結(jié)果作為SNP位點(diǎn)探測模塊待處理的對象。圖12示出本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)的另一個(gè)實(shí)施例 的結(jié)構(gòu)示意圖。如圖12所示，一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)1200包括外顯子測序 結(jié)果獲取模塊1202、去冗余與排序模塊1204、統(tǒng)計(jì)分析模塊1206、SNP位點(diǎn)探測模塊1208、 SNP位點(diǎn)過濾模塊1010和SNP注釋模塊1012，其中外顯子測序結(jié)果獲取模塊1202、去冗余 與排序模塊1204、SNP位點(diǎn)探測模塊1208、SNP位點(diǎn)過濾模塊1010和SNP注釋模塊1012可 以是與圖9所示外顯子測序結(jié)果獲取模塊902、去冗余與排序模塊904、SNP位點(diǎn)探測模塊 908、SNP位點(diǎn)過濾模塊910和SNP注釋模塊912相同或相似的功能模塊。為簡潔起見，這 里不再贅述。如圖12所示，統(tǒng)計(jì)分析模塊1206進(jìn)一步包括第一統(tǒng)計(jì)分析子模塊12061和第二 統(tǒng)計(jì)分析子模塊12062，其中第一統(tǒng)計(jì)分析子模塊12061，用于對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及 用x，Y染色體的目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否被污染。本發(fā) 明提供的一個(gè)實(shí)施例中，第一統(tǒng)計(jì)分析子模塊采用工具soap, coverage對全局的目標(biāo)區(qū)域 進(jìn)行深度和覆蓋度統(tǒng)計(jì)，并繪制具體分布圖，用以反映樣品目標(biāo)區(qū)域被覆蓋的均一性、大于 預(yù)定值的堿基所占比例；以及用X，Y染色體的目標(biāo)區(qū)域的測序深度，根據(jù)支持向量機(jī)的分 析原理對樣本的性別進(jìn)行檢驗(yàn)；判斷樣品是否被污染；如果樣品在實(shí)驗(yàn)階段被污染，則給 出具體的污染信息。第二統(tǒng)計(jì)分析子模塊12062，用于對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每 個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷樣品是否被 污染。本發(fā)明提供的一個(gè)實(shí)施例中，第二統(tǒng)計(jì)分析子模塊對過濾后的SNP位點(diǎn)的覆蓋度進(jìn) 行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析； 如果SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度分析顯示全局的SNP雜合 率呈現(xiàn)集中趨勢，則判斷樣品被污染。本發(fā)明提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)，對實(shí)驗(yàn)樣品進(jìn)行詳盡統(tǒng)計(jì) 分析與質(zhì)量控制，涉及深度、覆蓋度分析、捕獲效率分析、性別檢驗(yàn)、SNP位點(diǎn)雜合度一致性 等檢驗(yàn)。通過前述分析流程大大提高了了對基因組外顯子數(shù)據(jù)分析的準(zhǔn)確性和可靠性，同 時(shí)還能夠?qū)ο鄳?yīng)錯(cuò)誤信息進(jìn)行適當(dāng)修正。
參考前述本發(fā)明示例性的描述，本領(lǐng)域技術(shù)人員可以清楚的知曉本發(fā)明提供的檢 測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)所具有的前述優(yōu)點(diǎn)；具體如下1、本發(fā)明一個(gè)實(shí)施例提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)，對基 因組特定區(qū)域測序進(jìn)行SNP分析，而且本發(fā)明檢測SNP結(jié)果準(zhǔn)確度高，速度快，成本低，全過 程均可以實(shí)現(xiàn)自動(dòng)化，即以原始測序數(shù)據(jù)為數(shù)據(jù)源，自動(dòng)生成高質(zhì)量SNP位點(diǎn)，并對SNP位 點(diǎn)進(jìn)行注釋與分類。2、本發(fā)明一個(gè)實(shí)施例提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)，已整 合成軟件ECP，其檢測全過程都能夠通過自動(dòng)化的方式實(shí)現(xiàn)，對計(jì)算機(jī)I/O資源，內(nèi)存資源 有很好控制。以管道技術(shù)代替以往以文件作為信息交換的方式，以二進(jìn)制內(nèi)存壓縮和二 進(jìn)制文件臨時(shí)存儲作為大內(nèi)存數(shù)據(jù)的解決方案，在理論上可以使本系統(tǒng)適應(yīng)任何能夠運(yùn)行 SOAP的硬件環(huán)境。3、本發(fā)明一個(gè)實(shí)施例提供的檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)，對實(shí) 驗(yàn)樣品進(jìn)行詳盡統(tǒng)計(jì)分析，涉及深度、覆蓋度分析、捕獲效率分析、性別檢驗(yàn)、SNP位點(diǎn)雜合 度一致性等檢驗(yàn)。通過前述分析流程大大提高了 了對基因組外顯子數(shù)據(jù)分析的準(zhǔn)確性和可 靠性，同時(shí)還能夠?qū)ο鄳?yīng)錯(cuò)誤信息進(jìn)行適當(dāng)修正。本發(fā)明的描述是為了示例和描述起見而給出的，而并不是無遺漏的或者將本發(fā)明 限于所公開的形式。很多修改和變化對于本領(lǐng)域的普通技術(shù)人員而言是顯然的。本發(fā)明中 描述的功能模塊以及功能模塊的劃分方式僅為說明本發(fā)明的思想，本領(lǐng)域技術(shù)人員根據(jù)本 發(fā)明的教導(dǎo)以及實(shí)際應(yīng)用的需要可以自由改變功能模塊的劃分方式及其模塊構(gòu)造以實(shí)現(xiàn) 相同的功能；選擇和描述實(shí)施例是為了更好說明本發(fā)明的原理和實(shí)際應(yīng)用，并且使本領(lǐng)域 的普通技術(shù)人員能夠理解本發(fā)明從而設(shè)計(jì)適于特定用途的帶有各種修改的各種實(shí)施例。
權(quán)利要求
一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法，其特征在于，所述方法包括獲取外顯子測序結(jié)果步驟對人類基因組DNA樣品進(jìn)行測序和純化處理，得到外顯子區(qū)域測序結(jié)果；將所述外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對得到精確的比對結(jié)果；去冗余與排序步驟對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息和排序處理；統(tǒng)計(jì)分析步驟I對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及用X，Y染色體的目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷所述樣品是否被污染；探測SNP位點(diǎn)步驟從排序處理后的結(jié)果中找到SNP位點(diǎn)；SNP位點(diǎn)過濾步驟以質(zhì)量值為指標(biāo)對探測得到的所述SNP位點(diǎn)進(jìn)行篩選；統(tǒng)計(jì)分析步驟II對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷所述樣品是否被污染；SNP注釋步驟用所述過濾后的SNP位點(diǎn)與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較，并結(jié)合ccds、refseq和ensembl數(shù)據(jù)庫中至少一個(gè)中的數(shù)據(jù)對比對吻合的SNP位點(diǎn)進(jìn)行注釋與分類。
2.如權(quán)利要求1所述的方法，其特征在于，在所述獲取外顯子測序結(jié)果步驟中，通過將 測序結(jié)果中含有的、由測序過程引入的linker序列和adapter序列去除以實(shí)現(xiàn)所述純化處 理；以及利用Soap工具將所述外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對，得到精確的比 對結(jié)果。
3.如權(quán)利要求1所述的方法，其特征在于，在所述去冗余與排序步驟中，將所述比對結(jié) 果去除重復(fù)信息后按照染色體和坐標(biāo)排序，排序處理后的結(jié)果作為所述探測SNP位點(diǎn)步驟 待處理的對象。
4.如權(quán)利要求1所述的方法，其特征在于，在所述統(tǒng)計(jì)分析步驟I中，采用工具soap, coverage對所述全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，并繪制具體分布圖，用以反映所 述樣品目標(biāo)區(qū)域被覆蓋的均一性、大于預(yù)定值的堿基所占比例；以及用X，Y染色體的目標(biāo)區(qū)域的測序深度，根據(jù)支持向量機(jī)的分析原理對樣本的性別 進(jìn)行檢驗(yàn)；判斷所述樣品是否被污染；如果所述樣品在實(shí)驗(yàn)階段被污染，則給出具體的污染信息。
5.如權(quán)利要求1所述的方法，其特征在于，在所述統(tǒng)計(jì)分析步驟II中，如果SNP位點(diǎn)的 最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度分析顯示全局的SNP雜合率呈現(xiàn)集中趨 勢，則判斷所述樣品被污染。
6.一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的系統(tǒng)，其特征在于，所述系統(tǒng)包括外顯子測序結(jié)果獲取模塊，用于對人類基因組DNA樣品進(jìn)行測序和純化處理，得到外 顯子區(qū)域測序結(jié)果；將所述外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比對得到精確的比對 結(jié)果；去冗余與排序模塊，用于對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息和排序處理； 統(tǒng)計(jì)分析模塊，用于對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及用X，Y染色體的 目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷所述樣品是否被污染；對過濾后的SNP 位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn)的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷所述樣品是否被污染；SNP位點(diǎn)探測模塊，用于從排序處理后的結(jié)果中找到SNP位點(diǎn)；SNP位點(diǎn)過濾模塊，用于以質(zhì)量值為指標(biāo)對探測得到的所述SNP位點(diǎn)進(jìn)行篩選；SNP注釋模塊，用于將所述過濾后的SNP位點(diǎn)與dbSNP數(shù)據(jù)庫中的信息進(jìn)行比較，并結(jié) 合CCdS、refSeq和ensembl數(shù)據(jù)庫中至少一個(gè)中的數(shù)據(jù)對比對吻合的SNP位點(diǎn)進(jìn)行注釋與 分類。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述外顯子測序結(jié)果獲取模塊進(jìn)一步包括純化處理子模塊，用于將測序結(jié)果中含有的、由測序過程引入的linker序列和adapter序列去除；比對子模塊，用于利用Soap工具將所述外顯子區(qū)域測序結(jié)果與參考基因序列進(jìn)行比 對，得到精確的比對結(jié)果。
8.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述去冗余與排序模塊進(jìn)一步包括去冗余子模塊，用于對比對后獲得的比對結(jié)果進(jìn)行去除重復(fù)信息處理；排序子模塊，用于將去除重復(fù)信息后的比對結(jié)果按照染色體和坐標(biāo)進(jìn)行排序，排序處 理后的結(jié)果作為SNP位點(diǎn)探測模塊待處理的對象。
9.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述統(tǒng)計(jì)分析模塊進(jìn)一步包括第一統(tǒng)計(jì)分析子模塊，用于對全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，以及用X，Y染 色體的目標(biāo)區(qū)域的測序深度，對樣本的性別進(jìn)行檢驗(yàn)；判斷所述樣品是否被污染；第二統(tǒng)計(jì)分析子模塊，用于對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn) 的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析，判斷所述樣品是否被污染。
10.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述第一統(tǒng)計(jì)分析子模塊采用工具soap, coverage對所述全局的目標(biāo)區(qū)域進(jìn)行深度和覆蓋度統(tǒng)計(jì)，并繪制具體分布圖，用以反映所 述樣品目標(biāo)區(qū)域被覆蓋的均一性、大于預(yù)定值的堿基所占比例；以及用X，Y染色體的目標(biāo) 區(qū)域的測序深度，根據(jù)支持向量機(jī)的分析原理對樣本的性別進(jìn)行檢驗(yàn)；判斷所述樣品是否 被污染；如果所述樣品在實(shí)驗(yàn)階段被污染，則給出具體的污染信息；所述第二統(tǒng)計(jì)分析子模塊對過濾后的SNP位點(diǎn)的覆蓋度進(jìn)行統(tǒng)計(jì)，并以每個(gè)SNP位點(diǎn) 的最優(yōu)等位基因支持深度和次優(yōu)等位基因支持深度進(jìn)行分析；如果SNP位點(diǎn)的最優(yōu)等位基 因支持深度和次優(yōu)等位基因支持深度分析顯示全局的SNP雜合率呈現(xiàn)集中趨勢，則判斷所 述樣品被污染。
全文摘要
本發(fā)明公開了一種檢測基因組目標(biāo)區(qū)域多態(tài)性位點(diǎn)的方法及系統(tǒng)，該方法包括獲取外顯子測序結(jié)果步驟，去冗余與排序步驟，統(tǒng)計(jì)分析步驟I，探測SNP位點(diǎn)步驟，SNP位點(diǎn)過濾步驟，統(tǒng)計(jì)分析步驟II和SNP注釋步驟。本發(fā)明通過對基因組特定區(qū)域測序進(jìn)行SNP分析，而且本發(fā)明檢測SNP結(jié)果準(zhǔn)確度高，速度快，成本低，全過程均可以實(shí)現(xiàn)自動(dòng)化，即以原始測序數(shù)據(jù)為數(shù)據(jù)源，自動(dòng)生成高質(zhì)量SNP位點(diǎn)，并對SNP位點(diǎn)進(jìn)行注釋與分類。
文檔編號C12Q1/68GK101914628SQ20101027046
公開日2010年12月15日 申請日期2010年9月2日 優(yōu)先權(quán)日2010年9月2日
發(fā)明者余昶, 張帆, 李英睿, 羅銳邦 申請人:深圳華大基因科技有限公司