[发明专利]一种基于二代测序数据的HLA分型方法

说明书

本发明公开了一种基于二代测序数据的HLA分型方法，本方法首先构建HLA参考序列数据库，然后进行二代测序数据分析。二代测序数据分析包括原始HLA数据质控与过滤、HLA参考序列进行序列比对、统计比对结果、重构HLA参考序列、进行二次比对和统计比对结果。二代测序数据分析后利用聚类算法与HLA序列特征判断序列杂合位置；根据杂合位置进行局部重比对，分离出单倍型序列；根据单倍型序列遍历HLA数据库，匹配出最佳HLA型别。本发明的分型方法可准确获得HLA型别结果，整体准确率在99%以上，大大提高了HLA二代测序数据的分析效率。

技术领域

本发明涉及一种基于二代测序数据的HLA分型方法，应用于HLA二代测序数据分型。

背景技术

基于二代测序数据的HLA分型由于其通量高、分型速度快等特点，日后必将逐渐替代一代测序成为HLA分型的主流测序手段。研发人员开发了多种基于二代测序技术的分型方法，比如：中国发明专利CN103221551A公开了HLA基因型别-SNP连锁数据库、其构建方法、以及HLA分型方法，是一种根据不同型别的SNP连锁关系来进行HLA分型的方法。中国发明专利申请CN109477143A公开了一种人类白细胞抗原分型方法，是一种使用已知HLA等位基因参考序列的多重序列比对(MSA)来确定一个或多个额外的HLA 等位基因参考序列的方法，最终选择出与所述个体匹配所接近的参考序列，从而完成HLA分型。

虽然现有技术存在多种基于二代测序数据的HLA分型方法，但仍存在以下几方面的问题：1.很多方案中不支持高分辨率的HLA分型。2.HLA基因多态性较高，重复序列多，比对难度大，出现错误比对的情况较多，难以保证分型结果的准确性。3、采用设定阈值方法判断是否为杂合碱基，方法不够灵活，在复杂情况下容易出错。

发明内容

针对上述现有技术，为了解决基于二代测序技术的HLA分型准确性的问题，本发明提供了一种基于二代测序数据的HLA分型方法。

为了解决所述技术问题，本发明采样的技术方案是：一种基于二代测序数据的HLA分型方法，包括以下步骤：

S01）、构建HLA参考基因序列数据库，具体为：

S11)、下载HLA型别数据库，将所有HLA型别对应的序列进行处理，标准化为长度一致的序列；

S12）、生成每一个型别序列的坐标映射向量，坐标映射向量是一条序列的每个碱基在数据库中的标准坐标位置的映射数值向量；

S13）、构建HLA参考基因序列数据库，在数据库中添加型别序列，每次增加一条型别序列，并确保该型别序列与数据库中的其他序列的差异值均大于预设阈值T1；

S02）、进行HLA二代测序数据的分析，具体为：

S21）、对原始HLA二代测序数据进行质控与过滤，去除低质量数据，所述低质量数据是指测序质量不合格和长度小于最低长度的reads；

S22）、进行序列比对，将经过步骤S21的原始HLA二代测序数据比对至构建好的HLA参考基因序列数据库，得到初次比对结果；

S23）、进行二次比对，将初次比对后的结果进行统计，计算出数据库中每个型别序列的最佳匹配次数，按照从高到低排序，将匹配次数排在前N个的型别序列重新组建成新的HLA参考基因序列数据库，缩小比对范围，重新进行二次比对；

S24）、统计参考基因序列每一个坐标上的比对结果信息；

S03）、通过聚类算法判断杂合碱基位置，对基因上同一个外显子或内含子区域的比对结果进行聚类算法分类，分离出杂合碱基位置与纯合碱基位置，纯合碱基位置为某一坐标位置处的序列比对结果为单一碱基，杂合碱基位置为某一坐标位置处的序列比对结果为两个碱基同时出现；