[发明专利]目标区域测序中质控位点选取方法及装置

说明书

技术领域

本发明涉及基因工程技术领域，特别是涉及一种目标区域测序中质控位点选取方法及装置。

背景技术

单核苷酸多态性(Single Nucleotide Polymorphisms，简称SNP)位点，是指在基因组上单个核苷酸的变异形成的遗传标记，其数量很多，多态性丰富。单核苷酸多态性，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。它是人类可遗传的变异中最常见的一种，占所有已知多态性的90％以上。SNP在人类基因组中广泛存在，平均每500～1000个碱基对中就有1个，估计其总数可达300万个甚至更多。

对目标区域应用第二代测序技术进行测序后，通过一定的算法或者软件运算可以得到目标区域中潜在的SNP位点，所得到的这些SNP位点在实际应用中为了保证其准确性以及评估目标区域测序好坏，通常会挑选一部分进行质控验证，如何从数以千计的SNP位点中挑选较有代表性的一组SNP位点作为质控位点进行生物学实验验证是现在面临的一个难题。

发明内容

本发明主要解决的技术问题是提供一种目标区域测序中质控位点选取方法及装置，能够从数以千计的SNP位点中挑选较有代表性的一组SNP作为质控位点进行生物学实验验证。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种目标区域测序中质控位点选取方法，包括以下步骤：在测序得到的核酸序列中选取目标区域；对目标区域中的各单核苷酸多态性位点，在数据库中提取各单核苷酸多态性位点对于所有个体的基因型，得到第一位点数据，计算第一位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率；在实验样本中，对预测所得的目标区域内的各单核苷酸多态性位点进行筛选后，合并每个实验个体目标区域内的单核苷酸多态性位点，得到第二位点数据，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率；选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点。

其中，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率的步骤之前，包括：采用单核苷酸多态性位点预测软件预测实验样本中目标区域内的单核苷酸多态性位点。

其中，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率的步骤之前，包括：对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选，所述对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选的条件参数包括位点被测序数据覆盖的层数、位点附近区域的拷贝数和单核苷酸多态性位点预测软件的得分。

其中，在对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选的步骤包括：排除未出现在数据库中的单核苷酸多态性位点。

其中，在选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点的步骤之前，包括：对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实验样本中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本中得到的次等位基因频率分别进行排序。

其中，在对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实验样本中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本中得到的次等位基因频率分别进行排序之后，包括：根据排序结果选取在数据库以及实验样本中的次等位基因频率最接近0.5且在数据库以及实验样本中的检出率大于0.97的一组单核苷酸多态性位点作为质控位点。

其中，在选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点的步骤之后，包括：分别计算所选取的质控位点在数据库个体间以及实验样本个体间的一致性，分别得到数据库个体间以及实验样本个体间的一致度，所述一致度为拥有不同位点个数样本对在总样本对中的比例。

其中，在分别计算所挑选的质控位点在数据库个体间以及实验样本个体间的一致性的步骤之后，包括：根据拥有不同位点个数样本对在总样本对中的比例确定第三阈值来作为判断不同个体间所应有的位点差异数。