[发明专利]一种肿瘤靶向基因测序数据解析方法

权利要求书

1.一种肿瘤靶向基因测序数据解析方法，其特征在于，包括以下步骤：

步骤一：获取含有突变信息的读段序列，即高通量的测序数据；

步骤二：测序数据的质量控制，通过fastqc软件对步骤一获取的所有测序数据进行质量分析，获得测序数据质量控制报告，并过滤掉被报告为低质量的数据；

步骤三：统计不同扩增区域的扩增效率，删除扩增异常的数据；

步骤四：删除测序数据读段序列中的引物序列，即获得读段序列中真正的目标区域DNA序列；

步骤五：将步骤四中得到的所有序列数据比对到靶向区域上，获得比对结果数据；

步骤六：应用突变识别工具从比对结果数据中检测所有突变；

步骤七：统计扩增区域内所有覆盖碱基的测序深度，根据突变位点的测序深度筛选可靠性高的突变；

步骤八：结合已注释在癌症相关数据库中的突变筛选差异显著的突变；

步骤九：结合病例的临床资料信息，对各种突变进行统计分析，识别与性状显著相关的胚系突变(germline mutations)及体细胞突变(somatic mutations)；

步骤十：以图表的形式生成数据分析报告。

2.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，所述的测序数据来自包括IlluminaMiseq/Hiseq在内的高通量测序平台的靶向扩增文库，靶向区域可定制，即在首次分析时提供所有靶位点基因组定位信息。

3.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，步骤二中所述的低质量数据是指单碱基平均测序质量得分低于20的测序数据。

4.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，步骤三中扩增区域异常数据获取及删除过程如下：

(1)将测序得到的读段数据比对到靶向参考基因组上；

(2)判断读段的两端序列所对应的扩增子引物序列是否来自同一个引物对，即允许前引物和后引物与测序片段的5’和3’端各有2个错配，去除不符合条件的读段序列；

(3)统计覆盖到每对扩增子对应的靶向扩增区域的读段序列，并应用扩增数来衡量和比较它们的扩增效率；

(4)当扩增数小于所有扩增子对应的扩增数均值的1/3时，则判断该扩增子所对应的扩增区域存在异常，并将其扩增出来的所有读段序列在分析中删除。

5.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，所述步骤五中的比对过程需要根据首次提供的靶向区域基因组位置信息，提取这些靶向区域在基因组中的核酸序列信息，并生成索引。

6.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，步骤七中对于所有突变位点，只将在该位点测序深度超过100×的病例纳入统计分析。

7.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，步骤八中差异显著的突变的筛选是基于目前已知的癌症相关数据库中存储的数据来进行的。

8.根据权利要求1所述的一种肿瘤靶向基因测序数据解析方法，其特征在于，步骤九中的临床资料信息的关联分析，具体应用R统计软件中的卡方检验函数对患者的临床资料，包括年龄、性别、癌症TNM分期、肿瘤体积、肿块大小、是否有淋巴结侵袭、Ki67恶性程度、组织亚型，进行关联分析，找出与特定基因突变发生相关的风险因素，即是否具有某一临床特征的病人倾向于发生哪些特异的突变。

9.如权利要求1-8中任意一项所述方法，其特征在于，所述参考序列是来源于UCSC公共数据库的参考肿瘤基因或人类参考基因组序列。