[发明专利]一种肿瘤靶向基因测序数据解析方法

说明书

技术领域

本发明涉及基因组学高通量测序数据分析领域，具体包括对靶向基因文库测序数据进行质量控制、扩增子效率评估和过滤、基因组比对、突变识别及注释，进而结合已记录突变及病例资料完成统计分析，为肿瘤患者提供一整套非定制肿瘤基因突变检测分析解决方案，为肿瘤个体化医疗提供技术支持。

背景技术

肿瘤在本质上是基因病。各种环境的和遗传的致癌因素以协同的方式引起DNA损害，从而激活原癌基因和(或)灭活肿瘤抑制基因，加之凋亡调节基因和(或)DNA修复基因的改变，继而引起表达水平的异常，使靶细胞逐步向癌细胞发生转化。被转化的细胞先呈现多克隆性的增生，经过一个漫长的多阶段的演进过程，其中一个克隆相对无限制的扩增，通过累积附加突变，选择性地形成具有不同特点的亚克隆(异质化)，从而获得浸润和转移的能力(恶性转化)，形成恶性肿瘤。

肿瘤基因检测是提取人体细胞内的遗传物质，通过测序检测人体内的肿瘤基因或易感基因，用于肿瘤的预防、诊断、预后预测、靶向用药、术后监控等。

靶向测序是对特定长度的PCR产物或者捕获的片段进行测序，分析序列中的变异。靶向测序能够根据不同需求，对目标区域进行高覆盖度的测序，还可以检测到低频突变。随着测序成本的减少以及人类功能基因组学研究的深入，靶向测序已经从研究机构走向临床，用于遗传筛查、疾病风险评估、肿瘤诊治以及精准用药等多个领域。

靶向测序数据分析的问题：第一，尚无靶向测序数据工具能结合已知突变数据库或病例资料进行统计分析，不能给出与疾病显著相关的突变分析结果。第二，一般分析软件只满足固定panel文库测序数据的分析，如illumina公司的TrueSeqAmplicon，无法满足不同需求的用户的靶向文库分析。第三，现有方法中，没有评估扩增子的扩增效率并对引物序列进行修剪的操作，如果不做处理两者均会导致后续的突变分析得到的SNV结果具有较高的假阳性，从而影响分析结论。

发明内容

针对现有分析方法存在的缺陷，本发明为自主设计的靶向基因测序数据分析提供了一整套解决方案。

本发明目的是通过下述技术方案实现的：

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。

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。

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。

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。

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。