[发明专利]一种MHC补全数据库、其构建方法和应用

权利要求书

1.一种MHC补全数据库的构建方法，包括：

(1)从人类基因组DNA样品中分离出MHC区域的片段，对分离的MHC片段进行测序，将测序结果与人类基因标准序列比对，采用变异检测软件对比对结果进行检测校正，获得DNA样品的变异基因型数据；

(2)按以下条件对步骤(1)获得的DNA样品变异基因型数据进行筛选，

a.在群体中测序深度≥x的位点，x≥6，

b.在群体中数据的缺失率<0.05的位点，

c.等位基因碱基型出现次数大于一次的位点，

获取满足以上三个条件的位点，然后过滤掉以下条件的位点，

d.在群体中连锁不平衡值LD＝0的位点，

e.在群体中哈温平衡指标log(HWE)≥600的位点，

剩下的位点组成genotype数据集；

(3)采用分型软件对步骤(2)获得的genotype数据集进行分析，得到每个DNA样品的HLA分型的型别数据集；

(4)统计每个HLA分型的SNP，将统计的各个分型的SNP与IMGT数据库中相应分型的SNP相比较，如果两者不同，则把统计的SNP翻译成氨基酸，从而得到每个分型对应的氨基酸改变信息数据集；

(5)根据步骤(4)统计的每个HLA分型的SNP，比较各个HLA分型的SNP数据集，获得数量最少的，且能够区分各个HLA分型的SNP区分数据集，对SNP区分数据集进行phasing分析，获得每个分型的HLA单体型数据集；

(6)将所述genotype数据集、所述HLA分型的型别数据集、所述氨基酸改变信息数据集和所述HLA单体型数据集合成为一个数据库，即MHC补全数据库。

2.根据权利要求1所述的构建方法，其特征在于：所述DNA样品包括采集自至少205个个体的样品。

3.根据权利要求1所述的构建方法，其特征在于：所述DNA样品包括采集自至少1066个个体的样品。

4.根据权利要求1所述的构建方法，其特征在于：所述步骤(1)中的变异检测软件为GATK、SAMTOOLS或SOAPSNP。

5.根据权利要求1所述的构建方法，其特征在于：所述步骤(3)中的分型软件为SOAPHLA分型软件。

6.根据权利要求1所述的构建方法，其特征在于：所述步骤(6)中采用PLINK的merge命令把所述genotype数据集、所述HLA分型的型别数据集、所述氨基酸改变信息数据集和所述HLA单体型数据集合成为一个数据库。

7.根据权利要求1-6任一项所述的构建方法，其特征在于：所述人类基因标准序列为hg18。

8.一种MHC补全数据库，其特征在于：包括合成在一起的genotype数据集、HLA分型的型别数据集、氨基酸改变信息数据集和HLA单体型数据集；

所述genotype数据集包含所有MHC区域的单核苷酸多态性位点和插入删除多态性位点的信息；

所述HLA分型的型别数据集包含所有MHC区域的个体型别信息；

所述氨基酸改变信息数据集包含所有MHC区域的各个型别所对应的氨基酸的改变信息；

所述HLA单体型数据集包含所有MHC区域的HLA单体型的信息。

9.根据权利要求8所述的MHC补全数据库，其特征在于：所述MHC补全数据库采用权利要求1-6任一项所述的构建方法构建。

10.采用权利要求8或9所述的MHC补全数据库计算建库所需的有效DNA样品数量的方法，包括：

(a)设定数据库中的全部数据集的数量为Ta；

(b)从数据库的所有样品中随机抽取N个样品，N个样品包含的数据量为Na，N个样品对数据库全部数据集Ta的覆盖率Cov＝Na/Ta，其中N≥1；

(c)逐步增加随机抽取样品的数量，即逐步增大N值，直至N个样品的覆盖率Cov大于或等于预设值，此时样品数量N即所述建库所需的有效DNA样品数量。

11.根据权利要求10所述的方法，其特征在于：所述预设值大于等于0.95。