[发明专利]一种基于目标区域测序的单个外显子拷贝数变异预测方法

说明书

本发明涉及一种基于目标区域测序的单个外显子拷贝数变异预测方法，包括和测序数据处理和拷贝数变异预测2个步骤，其中拷贝数变异预测步骤包括统计覆盖到目标区域的测序序列总数目和碱基总数目，确定对照外显子区域，标准化每个对照样本和实验样本的待分析外显子区域覆盖度，计算对照样本中待分析外显子区域标准化后的覆盖度的平均值、标准差和变异系数，预测待分析外显子区域拷贝数变化步骤。本发明不用基于全基因组测序，直接利用外显子水平的覆盖度信息进行分析外显子水平的拷贝数变异，分析方法简单，不经过复杂的GC校正和建模。

技术领域

本发明涉及生物医学领域，具体涉及一种基于目标区域测序的单个外显子拷贝数变异预测方法。

背景技术

从2003年人类基因组计划结束起，基因组测序技术突飞猛进，基于高通量测序技术的单核苷酸多态性(SNP)检测技术，已经成熟和普及。高通量测序技术可以实现数以万计的DNA分子同时进行边合成边测序反应，极大的提高的测序通量。基因检测的测序成本下降速度甚至快于计算机领域的摩尔定律。基于测序技术的应用，生物学的研究从传统的单基因、单位点的研究进入了组学研究时代，由此产生了一系列的研究成果和和具有社会价值的临床应用。

拷贝数变异是结构变异的一种，研究已经证实拷贝数变异与人类疾病的发生相关，例如智力缺陷、自闭症、精神分裂、癌症发生等。不同于基因的单碱基变异，外显子水平的拷贝数变异(Exon Copy Number Variant)是一类不常见但非常重要的突变类型，约10％的BRCA1癌症是由外显子拷贝数变异引起的。典型的外显子拷贝数变异可能导致蛋白紊乱甚至丧失功能。过往检测拷贝数变异的方法是利用多重连接探针扩增技术(multiplexligation-dependent probe amplification，MLPA)，染色体芯片(CMA)或荧光PCR。随着测序技术的发展，利用NGS的数据分析基因拷贝数变化是越来越受到关注和有效的确定基因拷贝数的方法。

拷贝数变异分析一般基于全基因组测序，但成本较目标区域测序高，并且分辨率较低，只能得到大片段的拷贝数变异(通常大于1Mbp)，不能用于检测外显子水平的拷贝数变异(外显子拷贝数变异的序列长度在100bp左右)。

利用目标区域测序数据进行分析是一种目的性强(有明确的分析目标基因)、成本节约的方法。但目标区域测序存在各区域捕获效率不一致等问题，覆盖度均一性较全基因组差。随着技术的发展，针对外显子水平的分析工具开始出现，多数软件都利用了外显子区域的覆盖度信息，用参考基因组GC含量校正，然后根据不同算法来识别拷贝数变异。这些工具存在这分析流程复杂，需要的对照样本总量在30个以上或者需要配对的对照样本。

发明内容

本发明所要解决的技术问题在于提供一种基于目标区域测序的单个外显子拷贝数变异预测方法，不用基于全基因组测序，直接利用外显子水平的覆盖度信息进行分析外显子水平的拷贝数变异，分析方法简单，不经过复杂的GC校正和建模。

为解决上述技术问题，本发明提供的一种基于目标区域测序的单个外显子拷贝数变异预测方法，包括以下步骤：

(1)测序数据处理：

a.对样本的目标区域进行捕获建库，然后在二代测序仪中进行高通量测序，得到测序原始数据；

b.通过开源比对工具，对测序得到的序列与参考基因组进行比对，得到测序序列在参考基因组上的位置和序列比对质量；

c.根据序列在染色体上的位置，对位于相同起始位置和相同终止位置的序列只保留一条，并对序列按照染色体顺序和起始位置顺序进行排序；

(2)拷贝数变异预测：

a.统计覆盖到目标区域的测序序列总数目和碱基总数目：

以目标区域为基础，以每个区域为单位，统计每个覆盖到该区域的测序序列总数目和碱基总数目；

b.确定对照外显子区域：