[发明专利]一种优化的重叠混合测序方法

权利要求书

1.一种优化的重叠混合测序方法，其特征在于，包括以下步骤：

步骤一、根据混合测序深度模型计算最优测序深度，对样本进行分组重叠混合测序，并根据测序代价模型选择最佳测序方案；

其中，最优测序深度是根据测序深度服从负二项分布、测序错误服从二项分布，计算得到满足假阳性错误和假阴性错误要求的最低测序深度；

分组重叠混合测序：将大规模样本分成数个小组，根据已知稀有突变的概率计算每个小组中稀有突变携带者的可能个数，然后再对每个小组进行独立的重叠混合测序；

建立合理的测序代价模型：综合考虑文库制备、测序数据两方面的成本，并根据代价模型计算重叠混合测序方案的成本，选择最优的重叠混合测序方案；

步骤二、利用上述方法开展从大量样本中筛查稀有突变携带者的高通量测序实验。

2.如权利要求1所述的优化的重叠混合测序方法，其特征在于，所述最优测序深度的计算模型如下：

假定测序深度服从如下负二项分布：

P(Nr)=NB(Nr;Dr-1,1r)]]>

其中D为平均测序深度，N_r为基因组上某个位置被测到的次数，r为负二项分布的参数且与测序平台和测序对象相关，NB表示负二项分布，

同时假定测序错误服从如下所示的二项分布：

P(E|N_r)＝Bin(E；N_r,p_error)

其中E为发生测序错误的次数，p_error为平均测序错误率，Bin表示二项分布，

设定观察阈值为T，即观察到不少于T个携带稀有突变的测序片段则认为混合样本中包含携带稀有突变的样本，否则认为混合样本全部由正常样本组成，在此基础上，构建混合池属性判断出现假阳性错误F_P和假阴性错误F_N的概率如下：

F_P=ΣNr=T∞NB(Nr;Dr-1,1r)ΣE=TNrBin(E;Nr,perror)]]>

其中D为混合测序深度，N_r为基因组上某个位置被测到的次数，E为发生测序错误的次数，p_error为平均测序错误率，r为负二项分布的参数；

F_N=ΣO=0T-1Σx=0OΣi=x∞NB(i;(1-p)Dr-1,1rBin(x;i,perror))×Σj=O-x∞NB(j;pDr-1,1r)Bin(j-O+x;j,perror)]]>

其中p为混合池中携带稀有突变的染色体比例，O为观测到的携带突变的测序片段个数，x为来自于正常个体的携带突变的测序片段个数，i和j分别代表来自于正常个体和携带突变个体的测序片段个数，D为混合测序深度，p_error为平均测序错误率；

在给定重叠混合测序所能允许的混合池判断错误率为α的前提下，设定混合测序的最佳深度D_optimal如下：

D_optimal＝min{D|F_N(D,T)≤α&F_P(D,T)≤α,T∈[1,D]}

并计算对应的观察阈值T为：

T＝min{T|F_N(D_optimal)≤α&F_P(D_optimal)≤α}。