[发明专利]一种拷贝数变异检测方法和系统

说明书

技术领域

本发明涉及生物信息学技术领域，尤其涉及一种拷贝数变异(Copy Number Variation，CNV)检测方法和系统。

背景技术

CNV是基因组结构变异的一种，狭义的CNV通常指染色体上DNA片段的拷贝数发生了变化。基因组结构变异的类型及原因包括：1.缺失(末端缺失、中间缺失)；2.易位(相互易位、罗伯逊易位)；3.倒位；4.环状染色体；5.双着丝粒染色体；6.插入等。广义的CNV也包括例如染色体非整倍性和部分非整倍性的结构变异。

目前拷贝数变异的检测方法，主要有高分辨率染色体核型分析、FISH(荧光原位杂交)、Array CGH(比较基因组杂交)、MLPA(多重连接探针扩增技术)和PCR(Polymerase Chain Reaction，多聚酶链式反应)的方法等，其中遗传学诊断以FISH检测为金标准，可以有效地检测出大部分已知染色体缺失或重复。但这些方法普遍存在效率较低，尤其在全基因组水平全面扫描的情况下，资源消耗较大或无法检测未知CNV等缺点。

因此，开发一种新的拷贝数变异检测方法，对已知的位点进行鉴定，并对未知的位点进行发现性探索，已经迫在眉睫。

发明内容

本发明要解决的一个技术问题是提供一种拷贝数变异检测方法和系统，能够精确检测包括微缺失/微重复的拷贝数变异。

根据本发明的一个方面，提供一种拷贝数变异检测方法，其特征在于，包括：获取受试样品中至少一部分核酸分子的读序信息；根据读序信息确定唯一比对至(基因组)参考序列的序列标签；将基因组参考序列划分窗口,统计落入各个窗口的序列标签数目；对各个窗口的序列标签数目进行GC校正并根据以对照样本集修正的期望序列标签数目进行修正获得调整后的序列标签数目；以窗口的起点或终点作为分界点，计算两侧由调整后的序列标签数目组成数值群体的差异显著性值，选取显著性值较小的分界点为候选的CNV断点；对于每个CNV断点至在先CNV断点和在后CNV断点的两段序列，计算两段序列包含的窗口的调整后的序列标签数目组成的两个数值群体的差异显著性值，每次剔除最不显著的候选CNV断点并更新被剔除的候选CNV断点左右两个候选CNV断点的差异显著性值，循环迭代，直至所有候选CNV断点的差异显著性值都小于终止阈值，从而确定CNV断点。

可选地，还包括对受试样本中的至少一部分核酸分子进行测序以获得读序信息的步骤。

可选地，每个窗口具有相同的参考序列标签数目(reference unique reads)，或者，每个窗口具有相同的长度。

可选地，终止阈值根据由正常样本组成对照样本集获得。

可选地，对各个窗口的序列标签数目进行GC校正包括以下的步骤：将窗口按GC含量分组，基于组内序列标签的平均数与所有窗口的序列标签平均数获得修正系数，对该窗口序列标签数进行修正获得GC校正的序列标签数。

可选地，对照样本集修正的期望序列标签数目由以下方法获得：计算对照集中每个窗口经过GC校正的序列标签数与标签总数的比值；基于该比值，获得所有对照样本对应窗口比值的平均数；基于上述平均数和待测样本的序列标签总数，计算待测样本各个窗口序列标签数的期望值。

可选地，在确定CNV断点后还包括:对根据CNV断点之间的片段进行置信选择的步骤；所述置信选择包括以下步骤：根据调整后的序列标签数目的分布规律，利用对照集确定调整后的序列标签数目正常的置信区间；当片段内调整后的序列标签数目的均值处于置信区间之外时，认为该CNV断点之间的片段确实存在异常。

可选地，序列标签数目符合正态分布，所述置信区间为95％置信区间。

可选地，在选择候选的CNV断点时进行单条染色体环化或者全基因组水平环化处理。

可选地，还包括：所述受试样品是来自人类样本的样品，所述受试样品包括是羊膜腔穿刺获得的羊水、绒毛活检得到的绒毛、经腹脐静脉穿刺得到的脐带血、自然流产的胎儿组织或人体的外周血；和/或所述受试样品的基因组DNA分子采用盐析法、柱层析法、磁珠法、或SDS法的DNA提取方法获得；和/或对所述受试样品的基因组DNA分子采用酶切、雾化、超声、或者HydroShear法随机打断得到DNA片段；和/或对所述受试样品的基因组DNA分子片段进行单向测序或双向测序获得所述DNA片段读序信息。

可选地，该方法还包括：在每个受试样品的DNA片段上加上不同的标签序列以区别不同的受试样品。