[发明专利]确定样本染色体结构变异信号强度以及插入片段长度分布特征的方法及应用

说明书

本发明提出了确定样本染色体结构变异信号强度以及插入片段长度分布特征的方法及应用。具体地，涉及一种确定样本来源的方法。该方法包括：(1)将样本染色体的测序读段数据与参考基因组进行比对，确定样本染色体的测序读段数据的低质量比对率和高质量比对率；(2)基于高质量比对率所对应的读段，确定样本染色体的结构变异的比例、线粒体DNA的含量、预定长度插入片段的比例；(3)基于预定肿瘤预测模型，以及步骤(2)所获得的染色体的结构变异的比例、线粒体DNA的含量、预定长度插入片段的比例，确定样本来源的概率；(4)基于样本来源的概率，确定样本来源。

技术领域

本发明涉及生物信息领域，具体地，本发明涉及确定样本染色体结构变异信号强度以及统计样本插入片段长度分布的方法及应用，更具体地，本发明涉及确定样本染色体结构变异信号强度和插入片段的分布，线粒体的拷贝数的方法以及确定样本来源的方法。

背景技术

据报道，大约有10％的癌症表现出大量的染色体结构变异，染色体破碎(Chromothripsis)。染色体发生的结构变异主要有4种：

1.缺失染色体中某一片段的缺失例如，猫叫综合征是人的第5号染色体部分缺失引起的遗传病，因为患病儿童哭声轻，音调高，很像猫叫而得名。猫叫综合征患者的两眼距离较远，耳位低下，生长发育迟缓，而且存在严重的智力障碍；果蝇的缺刻翅的形成也是由于一段染色体缺失造成的。

2.重复染色体增加了某一片段果蝇的棒眼现象就是X染色体上的部分重复引起的。

3.倒位染色体某一片段的位置颠倒了180度，造成染色体内的重新排列如女性习惯性流产(第9号染色体长臂倒置)。

4.易位染色体的某一片段移接到另一条非同源染色体上或同一条染色体上的不同区域如人慢性粒白血病(第22号染色体的一部分易位到第14号染色体上造成)，夜来香也经常发生这样的变异。部分肿瘤样本是由于染色体结果变异引起的，同时也有近10％的样本存在大量的结构变量(即存在Chromothripsis)。因此通过测试样本中的染色体变异信号强度，可以区分肿瘤的来源。

同时，最近多项研究表明，基于低深度全基因组测序的cfDNA(circulating cell-free DNA，cfDNA)的片段化特征可以一定程度上反映它的细胞来源和它入血的分子机理。通常健康个体的cfDNA片段大小分布通常主要集中在167bp，这主要反映了白细胞核小体的位置分布。而癌症患者的cfDNA片段分布特征谱则与之不同，主要体现在其cfDNA整体片段大小分布比正常人的cfDNA短。通过筛选小片段cfDNA(如小于150bp)可以有效富集晚期肿瘤患者cfDNA中肿瘤来源的ctDNA(circulating tumor DNA,ctDNA)，而不用获知这些DNA片段的基因突变信息。因此，基于低深度全基因组测序的cfDNA片段化特征分析方法可以通过片段筛选来富集ctDNA，提高突变检出限，可以作为目标区域高深度测序方法的补充，被应用于科学研究和癌症筛查、用药指导、复发监控等临床场景。

发明内容

本申请是基于发明人对以下事实和问题的发现和认识作出的：

发明人发现，染色体结构变异即使在肿瘤样本中发生的概率是很低的，除此之外，其他的肿瘤样本和正常人样本并不存在差异。因此，单一地检测染色体结构变异的信号强度来预测样本的来源，其敏感性上往往不太理想。而本申请发明人创造性地将染色体结构变异信号强度与插入片段长度分布特征进行拟合，通过优化拟合流程和参数，大大提高了确定样品来源的准确性，为后续的基于样本数据的科学研究，如药物筛选或临床应用，如癌症筛查、用药指导、复发监控奠定了基础。