本發(fā)明屬于生物信息學(xué)，涉及一種微小殘留病灶的檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)和設(shè)備。

背景技術(shù)：

1、微小殘留病灶(minimal?residual?disease，mrd)是指在患者接受治療期間或之后，其體內(nèi)仍有少量腫瘤細(xì)胞或者微小病灶的臨床狀態(tài)，也叫分子殘留病變(molecularresidual?disease)或可測(cè)量殘留病灶(measurable?residual?disease)。mrd代表著腫瘤細(xì)胞的持續(xù)存在和臨床進(jìn)展可能。已有大量研究證實(shí)通過mrd監(jiān)測(cè)能夠有效地評(píng)估腫瘤患者的治療效果、警示復(fù)發(fā)或轉(zhuǎn)移風(fēng)險(xiǎn)和判斷疾病預(yù)后等，意義重大。

2、循環(huán)腫瘤dna(ctdna)是一類來源于死亡癌細(xì)胞的細(xì)胞外dna的總稱，攜帶有腫瘤細(xì)胞所特有的遺傳變異信息(如點(diǎn)突變、小片段插入或缺失、甲基化等)和片段組學(xué)特征，它們可以真實(shí)地反映腫瘤細(xì)胞的遺傳特征。近年來，在實(shí)體腫瘤中基于ctdna的mrd評(píng)估(ctdna-mrd)的臨床數(shù)據(jù)和證據(jù)越來越多，開啟了實(shí)體瘤mrd檢測(cè)的熱潮。

3、實(shí)體瘤ctdna-mrd檢測(cè)的技術(shù)主要有兩大類：1)腫瘤知情分析(tumor-informedassays)：對(duì)原發(fā)腫瘤組織進(jìn)行全外顯子組測(cè)序以鑒定患者的特異基因組變異圖譜，然后定制個(gè)性化的集合(panel)進(jìn)行ctdna檢測(cè)分析。2)腫瘤不知情分析(tumor-uninformedassays)：也可以稱為tumor-agnostic?assays或assays，即無需原發(fā)腫瘤組織，僅依賴于一組預(yù)先選定引物/探針設(shè)計(jì)的與癌癥類型相關(guān)的固定panel進(jìn)行ctdna檢測(cè)分析。

4、領(lǐng)星生物csmt算法提供了一種用于檢測(cè)多癌種mrd的方法，使用臨床全外顯子組測(cè)序技術(shù)對(duì)患者腫瘤和血液對(duì)照進(jìn)行基因檢測(cè)，獲得患者腫瘤基因譜全貌，然后構(gòu)建腫瘤特意的dna突變圖譜，據(jù)此設(shè)計(jì)和定制患者特異性的檢測(cè)panel，采用超高深度測(cè)序(≥100000×)，定期評(píng)估患者mrd水平。此種方法可達(dá)到0.02％的靈敏度，但需要患者腫瘤組織，個(gè)性化定制panel并進(jìn)行超高深度測(cè)序，整個(gè)過程較為繁復(fù)，且不能保證所有患者都可以進(jìn)行個(gè)性化定制。

5、綜上所述，開發(fā)一種采樣簡(jiǎn)單且具有普適性的mrd檢測(cè)方法具有重要意義。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足和實(shí)際需求，本發(fā)明提供一種微小殘留病灶的檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)和設(shè)備，開發(fā)設(shè)計(jì)操作簡(jiǎn)單、準(zhǔn)確性高、具備普適性同時(shí)不需要對(duì)樣本進(jìn)行超高深度測(cè)序的方法。

2、為達(dá)上述目的，本發(fā)明采用以下技術(shù)方案：

3、第一方面，本發(fā)明提供一種構(gòu)建微小殘留病灶的檢測(cè)模型的方法，所述方法包括以下步驟：

4、(1)對(duì)待測(cè)樣本的測(cè)序數(shù)據(jù)進(jìn)行預(yù)處理，得到包括待測(cè)樣本測(cè)序讀段序列質(zhì)量、比對(duì)位置、比對(duì)質(zhì)量及模板長(zhǎng)度的bam文件；

5、(2)基于步驟(1)得到的bam文件計(jì)算待測(cè)樣本特征值數(shù)據(jù)，所述待測(cè)樣本特征值數(shù)據(jù)包括拷貝數(shù)絕對(duì)偏差中位值、不同長(zhǎng)度范圍片段數(shù)目占比、片段長(zhǎng)度分布比值比、顯著性甲基化位點(diǎn)和突變位點(diǎn)；

6、所述拷貝數(shù)絕對(duì)偏差中位值的計(jì)算方法包括：

7、將待測(cè)樣本基因組常染色體區(qū)域均勻劃分為n個(gè)區(qū)域，每個(gè)區(qū)域長(zhǎng)度范圍為3kb～100kb(例如可以是4kb、5kb、6kb、7kb、8kb、9kb、15kb、20kb、30kb、40kb、50kb、60kb、70kb、80kb或90kb，具體可以根據(jù)樣本測(cè)序深度進(jìn)行調(diào)整，例如1×全基因組測(cè)序可以選擇100kb，500×全外顯子測(cè)序可以選擇30kb)，計(jì)算每個(gè)區(qū)域的拷貝數(shù)；取待測(cè)樣本所有區(qū)域拷貝數(shù)的中位值作為所述拷貝數(shù)絕對(duì)偏差中位值；

8、(3)將步驟(2)計(jì)算得到的待測(cè)樣本特征值數(shù)據(jù)，輸入判別模型中，輸出待測(cè)樣本是否發(fā)生轉(zhuǎn)移的結(jié)果。

9、本發(fā)明中，采用tumor-uninformed?assays的技術(shù)策略，通過患者血液樣本獲取ctdna多維度信息，包括拷貝數(shù)特征、片段組學(xué)特征、突變特征和甲基化特征等，并結(jié)合機(jī)器學(xué)習(xí)算法進(jìn)一步提高微小殘留病灶(mrd)檢測(cè)靈敏度和特異性，在提高mrd檢測(cè)性能的同時(shí)，大大降低樣本獲取難度，具有更高的適用性。

10、本發(fā)明的檢測(cè)方法具備普適性，無需針對(duì)患者個(gè)性化定制，可檢測(cè)多種腫瘤疾病如乳腺癌等mrd。

11、優(yōu)選地，步驟(2)所述拷貝數(shù)(cn)的計(jì)算方法包括：

12、區(qū)域i的拷貝數(shù)cni的計(jì)算公式為：其中，rdsi代表樣本區(qū)域i中的測(cè)序讀段數(shù)目，rdbi代表基線區(qū)域i中的測(cè)序讀段數(shù)目，各區(qū)域測(cè)序讀段數(shù)據(jù)基線根據(jù)健康人數(shù)據(jù)建立。

13、優(yōu)選地，拷貝數(shù)絕對(duì)偏差中位值mad的計(jì)算公式為：mad＝median{cn1,cni,cni,……,cni,……,cnn}，其中，median代表取一列數(shù)的中位值，cni代表區(qū)域i的拷貝數(shù)。

14、優(yōu)選地，步驟(3)所述判別模型包括：邏輯回歸(lr)模型、隨機(jī)森林(rf)、支持向量機(jī)(svm)或基于貝葉斯的模型中任意一種。

15、優(yōu)選地，步驟(1)所述預(yù)處理包括數(shù)據(jù)質(zhì)控、比對(duì)、排序和去重。

16、優(yōu)選地，區(qū)域i的拷貝數(shù)cni的計(jì)算公式為：其中，rdsi代表樣本區(qū)域i中的測(cè)序讀段數(shù)目，rdbi代表基線區(qū)域i中的測(cè)序讀段數(shù)目，各區(qū)域測(cè)序讀段數(shù)據(jù)基線根據(jù)健康人數(shù)據(jù)建立。

17、優(yōu)選地，拷貝數(shù)絕對(duì)偏差中位值mad的計(jì)算公式為：mad＝median{cn1,cni,cni,……,cni,……,cnn}，其中，median代表取一列數(shù)的中位值，cni代表區(qū)域i的拷貝數(shù)。

18、優(yōu)選地，步驟(2)所述不同長(zhǎng)度范圍片段數(shù)目占比的計(jì)算方法包括：

19、基于步驟(1)得到的bam文件提取dna片段的長(zhǎng)度分布{nl1,nl2,nl3,……,nli,……,nlm}，以及總片段數(shù)目t，其中，li代表第i個(gè)長(zhǎng)度范圍，共m個(gè)，nli代表落在長(zhǎng)度范圍li中的片段數(shù)目；

20、按公式(1)計(jì)算不同長(zhǎng)度范圍片段數(shù)目占比pli；

21、pli＝nli/t??公式(1)。

22、優(yōu)選地，所述長(zhǎng)度范圍li劃分包括20～150bp、90～150bp、100～150bp、160～180bp、163～169bp、180～220bp和250～320bp等。

23、優(yōu)選地，步驟(2)所述片段長(zhǎng)度分布比值比的計(jì)算方法包括：

24、使用兩個(gè)所述不同長(zhǎng)度范圍片段數(shù)目占比計(jì)算比值，例如可包括p20～150/p160～180、p100～150/p163～169和p20～150/p180～220等，其中p20～150表示長(zhǎng)度范圍為20～150的長(zhǎng)度范圍片段數(shù)目占比，p163～169表示長(zhǎng)度范圍為163～169的長(zhǎng)度范圍片段數(shù)目占比，根據(jù)公式(1)得到。

25、優(yōu)選地，所述顯著性甲基化和突變位點(diǎn)的篩選方法包括：

26、整理腫瘤樣本和正常樣本的臨床信息、甲基化位點(diǎn)甲基化水平信息和突變信息，將樣本疾病狀態(tài)作為y(0代表正常，1代表腫瘤)，臨床信息作為協(xié)變量，各甲基化位點(diǎn)和突變位點(diǎn)分別作為x，使用廣義線性回歸模型做回歸分析，分析與y有顯著性影響的x值，閾值可以選取小于等于0.05的值(例如可選擇5*10e-8作為閾值)，當(dāng)回歸分析p值小于閾值，則判定x值具有顯著性，對(duì)應(yīng)的甲基化位點(diǎn)或突變位點(diǎn)與樣本疾病狀態(tài)顯著相關(guān)。

27、優(yōu)選地，所述臨床信息包括年齡、性別、種族、tnm分期、疾病分期和治療信息等。

28、本發(fā)明具體實(shí)施例中，選擇甲基化位點(diǎn)一共25978個(gè)，突變位點(diǎn)一共8828個(gè)，閾值設(shè)置為5*10e-8，最終共篩選出6283個(gè)甲基化位點(diǎn)和3041個(gè)突變位點(diǎn)。

29、第二方面，本發(fā)明提供一種微小殘留病灶的檢測(cè)裝置，所述裝置用于執(zhí)行第一方面所述的構(gòu)建微小殘留病灶的檢測(cè)模型的方法的步驟，所述裝置包括：

30、測(cè)序數(shù)據(jù)預(yù)處理模塊，用于執(zhí)行包括：

31、對(duì)待測(cè)樣本的測(cè)序數(shù)據(jù)進(jìn)行預(yù)處理，得到包括待測(cè)樣本測(cè)序讀段序列質(zhì)量、比對(duì)位置、比對(duì)質(zhì)量及模板長(zhǎng)度的bam文件；

32、獲取待測(cè)樣本特征值數(shù)據(jù)模塊，用于執(zhí)行包括：

33、基于測(cè)序數(shù)據(jù)預(yù)處理模塊得到的bam文件計(jì)算待測(cè)樣本特征值數(shù)據(jù)，所述待測(cè)樣本特征值數(shù)據(jù)包括拷貝數(shù)絕對(duì)偏差中位值、不同長(zhǎng)度范圍片段數(shù)目占比、片段長(zhǎng)度分布比值比、顯著性甲基化位點(diǎn)和突變位點(diǎn)；

34、所述拷貝數(shù)絕對(duì)偏差中位值的計(jì)算方法包括：

35、將待測(cè)樣本基因組常染色體區(qū)域均勻劃分為n個(gè)區(qū)域，每個(gè)區(qū)域長(zhǎng)度范圍為3kb～100kb(具體可以根據(jù)樣本測(cè)序深度進(jìn)行調(diào)整，例如1×全基因組測(cè)序可以選擇100kb，500×全外顯子測(cè)序可以選擇30kb)，計(jì)算每個(gè)區(qū)域的拷貝數(shù)；取待測(cè)樣本所有區(qū)域拷貝數(shù)的中位值作為所述拷貝數(shù)絕對(duì)偏差中位值；

36、判斷模塊，用于執(zhí)行包括：

37、將所述待測(cè)樣本特征值數(shù)據(jù)，輸入判別模型中，輸出待測(cè)樣本是否發(fā)生轉(zhuǎn)移的結(jié)果。

38、優(yōu)選地，所述判別模型包括：邏輯回歸(lr)模型、隨機(jī)森林(rf)、支持向量機(jī)(svm)或基于貝葉斯的模型中任意一種。

39、優(yōu)選地，所述預(yù)處理包括數(shù)據(jù)質(zhì)控、比對(duì)、排序和去重。

40、優(yōu)選地，所述不同長(zhǎng)度范圍片段數(shù)目占比的計(jì)算方法包括：

41、基于步驟(1)得到的bam文件提取dna片段的長(zhǎng)度分布{nl1,nl2,nl3,……,nli,……,nlm}，以及總片段數(shù)目t，其中，li代表第i個(gè)長(zhǎng)度范圍，共m個(gè)，nli代表落在長(zhǎng)度范圍li中的片段數(shù)目；按公式(1)計(jì)算不同長(zhǎng)度范圍片段數(shù)目占比pli；

42、pli＝nli/t??公式(1)。

43、優(yōu)選地，所述長(zhǎng)度范圍li劃分包括20～150bp、90～150bp、100～150bp、160～180bp、163～169bp、180～220bp和250～320bp。

44、優(yōu)選地，所述片段長(zhǎng)度分布比值比的計(jì)算方法包括：

45、使用兩個(gè)所述不同長(zhǎng)度范圍片段數(shù)目占比計(jì)算比值，例如可包括p20～150/p160～180、p100～150/p163～169和p20～150/p180～220等，其中p20～150表示長(zhǎng)度范圍為20～150bp的長(zhǎng)度范圍片段數(shù)目占比，p163～169表示長(zhǎng)度范圍為163～169bp的長(zhǎng)度范圍片段數(shù)目占比，根據(jù)公式(1)得到。

46、優(yōu)選地，所述顯著性甲基化和突變位點(diǎn)的篩選方法包括：

47、整理腫瘤樣本和正常樣本的臨床信息、甲基化位點(diǎn)甲基化水平信息和突變信息，將樣本疾病狀態(tài)作為y(0代表正常，1代表腫瘤)，臨床信息作為協(xié)變量，各甲基化位點(diǎn)和突變位點(diǎn)分別作為x，使用廣義線性回歸模型做回歸分析，分析與y有顯著性影響的x值，閾值選取小于等于0.05的值，當(dāng)回歸分析p值小于閾值，則判定x值具有顯著性，對(duì)應(yīng)的甲基化位點(diǎn)或突變位點(diǎn)與樣本疾病狀態(tài)顯著相關(guān)。

48、優(yōu)選地，所述臨床信息包括年齡、性別、種族、tnm分期、疾病分期和治療信息。

49、第三方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序或指令，所述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的構(gòu)建微小殘留病灶的檢測(cè)模型的方法的步驟。

50、第四方面，本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序或指令，所述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的構(gòu)建微小殘留病灶的檢測(cè)模型的方法的步驟。

51、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

52、本發(fā)明設(shè)計(jì)了一種實(shí)施簡(jiǎn)單，適用性更高的mrd檢測(cè)方法，綜合多維度癌癥分子信號(hào)(拷貝數(shù)特征、片段組學(xué)特征、突變特征和甲基化特征)，在提高mrd檢測(cè)性能的同時(shí)，大大降低樣本獲取難度，可用于八項(xiàng)測(cè)序的高測(cè)序深度的方法，具有更高的適用性。