[发明专利]基于双重测序数据检测低频突变的方法、装置及存储介质

权利要求书

1.基于双重测序数据检测低频突变的方法，其特征在于，包括以下步骤：

(1)对测序原始数据进行清洗处理，得到清洗后的数据；

(2)将清洗后的数据比对到参考基因组上，并根据比对结果分别建立正义链和反义链的read family，降低read family所包含的读段数目的阈值为1，并利用读段互补的特性筛选read family，构建有效read families；

(3)对构建的有效read families采用贝叶斯算法精确计算每个位置上每种碱基为真实碱基的概率，选取概率最大的碱基作为一致性碱基，并生成单链一致性序列SSCS，再根据此概率重新计算该碱基对应的质量；

(4)将步骤(3)生成的SSCS进一步形成双链一致性序列DCS；

(5)将所述DCS与参考基因组再次比对，根据比对结果，识别读段上的低频突变以及测序错误。

2.根据权利要求1所述基于双重测序数据检测低频突变的方法，其特征在于：步骤(2)所述有效read families包括以下三种：1)读段数目大于等于2的read family；2)只含有1条读段的read family，且该读段能与读段数目大于等于2的read families生成的SSCS序列互补；3)均只含有一条读段，但所含读段之间互补的两组read families。

3.根据权利要求1或2所述基于双重测序数据检测低频突变的方法，其特征在于：所述生成的单链一致性序列SSCS包括：(Ⅰ)如果read family的测序读段数目大于等于2，则保留该组read family，并采用贝叶斯算法精确计算每个位置上每种碱基是真实碱基的概率，选取概率最大的碱基作为一致性碱基并生成单链一致性序列SSCS，再根据此概率重新计算该碱基对应的质量；

(Ⅱ)如果read family的测序读段数目等于1，且所述读段能与其他读段数目大于等于2的read families生成的SSCS序列互补，则保留该组read family，并用贝叶斯算法确定该条读段上每个位置的一致性碱基并生成单链一致性序列SSCS，再根据概率重新计算碱基质量；

(Ⅲ)如果两组read family都只含有一条读段，但读段序列之间互补，则保留该组readfamily，并用贝叶斯算法确定该条读段上每个位置的一致性碱基并生成单链一致性序列SSCS，再根据概率重新计算碱基质量。

4.根据权利要求3所述基于双重测序数据检测低频突变的方法，其特征在于：所述生成DCS包括：

对于(Ⅰ)中生成的正义链SSCS与反义链SSCS进行比较分析，如果相同位置上的碱基相匹配，则该位置上的碱基不变，并计算正义链和反义链上该位置的平均碱基质量作为该碱基的质量；如果相同位置上的碱基不匹配，则将该位置上的碱基用‘N’表示，并分配一个低的碱基质量，最终形成双链一致性序列DCS，但如果DCS中‘N’出现的比例大于50％，则去除该条DCS；如果生成SSCS没有互补的链，但是由于其read family中含有两条或两条以上的读段，则该条SSCS也被继续保留；

对于(Ⅱ)中生成DCS的方法如下：如果正义链SSCS与反义链SSCS序列相同位置上的碱基相匹配，则该位置上的碱基不变，并计算正义链和反义链上该位置的平均碱基质量作为该碱基的质量；如果相同位置上的碱基不匹配，则将该位置上的碱基用‘N’表示，并分配一个低的碱基质量，最终形成双链一致性序列DCS，但如果DCS中‘N’出现的比例大于50％，则去除该条DCS；

对于(Ⅲ)中将两组read family的SSCS序列进行比较分析，如果正义链SSCS与反义链SSCS序列相同位置上的碱基相匹配，则该位置上的碱基不变，并计算正义链和反义链上该位置的平均碱基质量作为该碱基的质量；如果相同位置上的碱基不匹配，则将该位置上的碱基用‘N’表示，并分配一个低的碱基质量，最终形成双链一致性序列DCS，但如果DCS中‘N’出现的比例大于50％，则去除该条DCS。