[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

说明书

本发明请求保护一种基于双重测序数据检测低频突变的方法、装置及存储介质，本发明通过降低read family所包含的读段数目的阈值为1以及充分利用读段互补的特性来筛选read family，保留读段数目大于等于2的read family，或者保留只含有1条读段的read family，且该读段能与读段数目大于等于2的read family生成的SSCS序列互补，或者保留均只含有一条读段，但所含读段之间互补的两个read families。对3类read family采用贝叶斯定理确定每个位置上的一致性碱基及其质量分数，然后根据一致性碱基生成单链一致性序列SSCS，两条互补SSCS进一步形成DCS。最后，将DCS与参考基因组再次比对，识别读段上的低频突变以及测序错误。本发明能有效抑制高通量测序数据错误，提高低频突变检测的准确率。

技术领域

本发明涉及生物信息学领域，特别涉及一种基于双重测序数据检测低频突变的方法和装置。

背景技术

在肿瘤活检和循环无细胞核酸等DNA样本中，突变可能以极低的频率(小于0.01％)存在于所测体细胞DNA分子中。检测这些极低频率的体细胞突变在肿瘤早期诊断、监测和预后、法医鉴定、产前诊断等方面具有广阔的应用前景。新一代测序(Next-generation sequencing,NGS)技术的发展改变了生物和医学科学领域的研究规模和深度。由于NGS具有大规模、高通量、低成本等特点，它不仅能实现大型基因组的分析，而且能有效地识别体细胞变异。然而，NGS的高错误率(错误率约为10^-3-10^-2)掩盖了频率低于测序错误率的真实突变，使低频突变的检测仍然是具有如下挑战。第一，低频体细胞突变的检测需要深度测序。但是，增加测序深度进而增加了测序成本。第二，在测序模板量充足和测序深度足够的情况下，由于NGS工作流程中积累的伪影，使极低频率的突变仍然难以检测。这些伪影可能来源于样品制备过程中的DNA碱基损伤、富集和文库扩增过程中DNA聚合酶的错误碱基掺入以及最终测序读数的错误。为了提高低频变异的识别能力，科学家提出了一系列NGS纠错方法。基于分子标签(Unique molecule identifier,UMI)的双重测序能有效抑制高通量测序错误，是一种能够检测和量化极低频突变的方法。当文库制备时，该方法在原始DNA模板的两端加上一段特有的标签序列，文库经PCR扩增和NGS测序后，进行测序数据分析。测序数据分析时，由正义链和负义链中相同的标签序列识别同一DNA模板扩展出的多个读段(reads)分别组合聚集在一起，形成正义链和反义链的单链一致性序列(single-strandconsensus sequence,SSCS)；将生成的正义链SSCS与互补的反义链SSCS进行比较，进一步生成双链一致性序列(duplex consensus sequence，DCS)，将DCS与参考基因组再次进行比较，进行突变或者测序错误的识别。由于基于UMI的双重测序方法利用正义链和反义链的配对原则进行进一步纠错，大幅提高了NGS测序错误的抑制效果。然而，由于仅保留含有读段大于等于3的read families用于生成SSCS，因此造成SSCS生成DCS的效率低，导致测序数据利用率低，而且与传统NGS相比，该方法需要更高的测序深度。

发明内容