[发明专利]基因组性染色体非同源区域的鉴定方法和装置

说明书

本申请提供了一种基因组性染色体非同源区域的鉴定方法和装置。该鉴定方法包括获取XY型或ZW型个体以及XX型或ZZ型个体的二代测序数据，各个体的测序深度为第一测序深度；获取通过三代测序数据组装得到的XY型或ZW型个体的组装基因组；分别计算XY型或ZW型个体以及XX型或ZZ型个体的二代测序数据与组装基因组的比对结果中每个contig或scaffold测序深度，分别记为第二测序深度和第三测序深度；第二测序深度为第一测序深度的1/2~2/3，且第三测序深度小于第一测序深度的1/10的contig或scaffold是性染色体非同源区域。利用两种性别个体的reads深度共同鉴定的非同源区域更准确。

技术领域

本申请涉及基因组组装领域，具体而言，涉及一种基因组性染色体非同源区域的鉴定方法和装置。

背景技术

每一个物种的参考基因组序列（reference genome）的产生都要先通过测序的方法，获得基因组的测序读段（reads），然后再进行从头拼接或组装（英文名称为de novogenome assembly），最后还原测序物种的各条染色体的序列，即ATGC四种碱基的排列顺序。

由于目前的高通量测序技术虽然通量较高，但读段较短，无法直接测序获取一整条染色体的序列。其中，一代测序（Sanger测序）一般可测1kb左右的序列；二代测序（next-generation sequencing），一般可测50~500bp；三代测序虽然可测100kb甚至更长的序列，但现在三代测序技术的测序错误率相对较高。

目前基因组测序数据的从头组装过程简单描述为：测序读段（reads）----重叠群（contig）----支架（scaffold）----染色体（chromosome）。具体地，基因组测序产生reads，然后基于reads之间的重叠的区域，对reads进行组装产生长片段的重叠群（contigs），再确定contig的方向和顺序，进一步组装产生更长的片段支架（scaffolds），最后再组装连接scaffold得到完整的染色体序列。

其中，contig是由多个reads通过重叠的区域进行组装而形成的长片段。由于测序读段较短、基因组序列通常含有较多重复序列、而且还有测序错误等原因，除了简单的基因组序列外，大部分物种的基因组序列组装需要先组装成多个contigs。

进一步地，方向和顺序已经确定的多条contig序列连接形成的更长的片段，称为scaffold。scaffold的获得一般主要通过双端测序（如paired-end sequencing或mate-pair sequencing）或者bionano光学图谱技术来确定contig的顺序和方向，以及contig之间的间隔距离。

基因组从头组装过程中，应用二代测序数据结合三代测序数据能够将基因组初步组装到contig水平，通过Hi-C技术（High-through Chromosome conformation capture,高通量测序与染色体构型捕获相结合的技术）能够基于染色体内部互作关系将基因组挂载至近染色体水平，目前已发表的大部分基因组均能够达到近染色体水平，而性染色体非同源区域在组装过程中往往不能进行有效区分。

性染色体分为XY基因型和ZW基因型，所有哺乳类动物、多数雌雄异株植物、昆虫、某些鱼类及两栖类动物的性别决定方式为XY基因型。ZW基因型普遍存在于鳞翅目昆虫、两栖类、爬行类和鸟类之中。XY基因型中，XX基因型为雌性，XY基因型为雄性。ZW基因型中，ZW基因型为雌性，ZZ基因型为雄性。

由于X、Y染色体之间，Z、W染色体之间存在大段同源区段，使得在基因组组装到染色体水平中，性染色体XY基因型的Y染色体，ZW基因型的W染色体，只能组装出部分片段，在进行hic挂载时，对于XY基因型或者ZW基因型的个体，性染色体只能挂载出单条X染色体或Z染色体，相应的Y或者W染色体因存在大量的同源区域，目前的组装技术并不能有效的进行挂载，非同源区域会存在于未挂载的contig片段中，目前已发表的基因组未能将存在于contig片段中性染色体的非同源区域鉴定出来。