[发明专利]用于拷贝数变异检测的方法和系统

权利要求书

1.一种用于确定拷贝数变异的方法，包括：

通过计算机设备接受样本覆盖度数据集，所述样本覆盖度数据集包括获自对受试者的核酸样本的测序的多个基因组序列，和样本测序质量控制度量；

通过计算机设备根据相似性将测序质量控制度量的集分组为多维树数据结构，其中每个测序质量控制度量的集与各个参考覆盖度数据集相关联，所述参考覆盖度数据集包括多个基因组区域和读段深度；

使用所述多维树数据结构选择所述参考覆盖度数据集的参考面板，其中所选择的参考覆盖度数据集具有与样本测序质量控制度量相似的测序质量控制度量；

通过计算机设备对所述样本覆盖度数据集和所述参考面板进行归一化；

通过计算机设备将归一化的参考面板拟合到所述多个基因组区域中的每一个基因组区域处的混合模型以生成所述多个基因组区域中的每一个基因组区域处的预期覆盖度分布；

通过使用计算机设备来比较归一化的样本覆盖度数据集与来自所述混合模型的多个基因组区域中的每一个基因组区域处的预期覆盖度分布，根据隐马尔可夫模型来识别一个或多个拷贝数变异；以及

通过计算机设备输出所述一个或多个拷贝数变异。

2.根据权利要求1所述的方法，其中使用所述多维树数据结构选择所述参考覆盖度数据集的参考面板包括：

定义所述样本测序质量控制度量与所述测序质量控制度量之间的距离度量；以及

基于所述距离度量选择所述参考覆盖度数据集的参考面板。

3.根据权利要求1所述的方法，其中分组所述多个参考覆盖度数据集包括使用聚类算法、分类算法或它们的组合。

4.根据权利要求1所述的方法，其中所述分组所述测序质量控制度量的集包括使用k-最近邻算法，并且其中所述方法还包括：

对所述测序质量控制度量的集进行缩放以生成经缩放的测序质量控制度量的集；

对所述样本测序质量控制度量的集进行缩放以生成经缩放的样本测序质量控制度量的集；

其中根据相似性将所述测序质量控制度量的集分组为多维树数据结构包括基于所述经缩放的测序质量控制度量的集来生成k-d树；

将所述经缩放的样本测序质量控制度量的集添加到所述k-d树；以及

其中使用所述多维树数据结构选择所述参考覆盖度数据集的参考面板包括，识别预定数量的与所述经缩放的样本测序质量控制度量的集最近邻的经缩放的测序质量控制度量的集。

5.根据权利要求1所述的方法，还包括将所述样本覆盖度数据集的多个基因组区域划分成一个或多个调用窗口。

6.根据权利要求5所述的方法，其中对所述样本覆盖度数据集进行归一化包括：

确定调用窗口w的原始覆盖度；

以所述调用窗口w的GC分数为条件，确定跨所述一个或多个调用窗口的所述样本覆盖度数据集的中值覆盖度；以及

将所述原始覆盖度除以所述中值覆盖度，从而得到所述归一化的样本覆盖度数据集。

7.根据权利要求6所述的方法，其中以所述调用窗口w的GC分数为条件，确定跨所述一个或多个调用窗口的所述样本覆盖度数据集的中值覆盖度包括：

通过GC分数对所述一个或多个调用窗口进行装仓，从而得到多个仓；

确定所述多个仓中的每个仓的中值覆盖度；以及

使用在最接近所述调用窗口w的两个仓的所述中值覆盖度之间的线性插值来确定每个不同的可能GC分数的归一化因子。

8.根据权利要求5所述的方法，还包括过滤所述样本覆盖度数据集。

9.根据权利要求8所述的方法，其中过滤所述样本覆盖度数据集包括：

基于多个基因组区域中的基因组区域的可作图性得分来过滤一个或多个调用窗口；以及

基于多拷贝重复基因组区域中的调用窗口的出现来过滤所述一个或多个调用窗口。