[发明专利]模拟目标疾病仿真测序文库的方法及其应用

说明书

本发明公开了模拟目标疾病仿真测序文库的方法及其应用，其中，该模拟目标疾病仿真测序文库的方法能根据需要得到不同体系和胚系变异特征、杂合/纯合比例和不同患病序列纯度，有针对性地模拟出了捕获测序条件下的下机数据。并且，该方法既能模拟全基因组下机数据，也能模拟捕获测序下机数据，适用范围广。同时，该方法运行速度快，能够在较短的时间内生成所需的模拟序列，并且模拟得到的序列的仿真程度高。

技术领域

本发明涉及生物技术领域，具体地，涉及模拟目标疾病仿真测序文库的方法及其应用。

背景技术

在基因测序领域，从一代、二代到三代甚至四代，测序技术在短时间内有了飞跃的发展。随着高通量测序的普及以及相应技术的快速更新迭代，诞生了许多全新的检测方法和流程。它们大多还不够完善，性能和适用范围等也缺少准确而清晰的定位，这些都需要通过测试去确定。一般来说，测试(“benchmarking”)会检测真实的测序下机数据，在检出变异之后还需要后续相应的实验验证，这导致该方法费时费力且费钱。数据模拟的方法可以很好地避开这些缺点，既不需要真实的下机数据，也不需要后续繁琐的实验验证步骤，迅速、高效且效费比高。目前可用于变异模拟的软件有很多，但多针对全基因组，无法模拟捕获测序下机数据，并且能模拟的变异类型有限，同时，模拟的算法服从，处理速度慢。

由此，同时能用于模拟全基因组和捕获测序下机数据的方法有待进一步研究。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在于提出一种模拟目标疾病仿真测序文库的方法，既能模拟全基因组下机数据，也能模拟捕获测序下机数据，并能模拟多种变异类型以及目标疾病样本的特征，同时对测序数据进行拟合，使其仿真程度更高。

需要说明的是，本发明是基于发明人的下列工作而完成的：

基于现有的变异模拟方法，为了实现对捕获测序下机数据的模拟，首先，发明人将变异模拟限制在了捕获测序的目标区域，并且根据捕获测序的特点对变异的种类及输出等做了特别处理；其次，针对变异后的测序序列进行单独校检；此外，发明人进一步对下机数据进行深度波动拟合，更加真实地模拟出了捕获测序条件下的下机数据。

因而，根据本发明的一个方面，本发明提供了一种模拟目标疾病仿真测序文库的方法。根据本发明的实施例，该方法包括：获取碱基序列；基于胚系变异数据库，在所述碱基序列上添加胚系变异模拟生成胚系变异序列；基于目标疾病的体系变异数据库，在所述胚系变异序列的基础上迭代添加体系变异生成至少一条含有胚系和体系变异的序列；从所述胚系变异序列和所述含有胚系和体系变异的序列中选取部分变异作为纯合变异，分别以所述胚系变异序列和所述含有胚系和体系变异的序列为模板，得到胚系变异二倍体和含有胚系和体系变异的二倍体；以及将所述胚系变异二倍体和所述含有胚系和体系变异的二倍体转换为下机序列，以便得到胚系下机序列集和含有胚系和体系变异的下机序列集；以及按预定比例从所述胚系下机序列集和含有胚系和体系变异的下机序列集选项部分胚系下机序列和部分含有胚系和体系变异的下机序列，所述部分胚系下机序列和部分含有胚系和体系变异的下机序列构成所述目标疾病仿真测序文库。

根据本发明的实施例的模拟目标疾病仿真测序文库的方法，能根据需要得到不同体系和胚系变异特征、杂合/纯合比例和不同患病序列纯度，有针对性地模拟出了捕获测序条件下的下机数据。并且，该方法既能模拟全基因组下机数据，也能模拟捕获测序下机数据，适用范围广。同时，该方法运行速度快，能够在较短的时间内生成所需的模拟序列，并且模拟得到的序列的仿真程度高。