[发明专利]一种识别和消除核酸变异检测中假阳性的方法和装置

说明书

本申请公开了一种识别和消除核酸变异检测中假阳性的方法和装置。本申请的方法包括，读取待测样品的变异检测软件结果文件；读取去除PCR重复后测序read的比对文件，获得每一个变异位点覆盖的read pair比对结果；判断变异位点是否位于DNA分子read pair overlap区域，对每个突变覆盖的read pair进行分析和统计；对每一个支持突变的分子和read进行统计，标注出可以用于突变过滤的特征；基于以上特征值对变异位点进行过滤。本申请的方法，根据核酸变异假阳性位点和真阳性位点的分布特征，对核酸变异检测结果进行过滤，不仅能够有效的去除假阳性位点，而且提高了核酸变异检测结果的准确性。

技术领域

本申请涉及核酸变异检测领域，特别是涉及一种识别和消除核酸变异检测中假阳性的方法和装置。

背景技术

核酸变异或称基因突变，是指基因在结构上发生碱基对组成或排列顺序的改变，包括单核苷酸位点变异（缩写SNV）、插入缺失变异（缩写INDEL）、移码突变等。核酸变异是自然界普遍存在的现象，对人类基因组而言，核酸变异通常会引起生理性或病理性改变；因此，核酸变异检测及相关研究是人类基因组研究的重点。

目前，核酸变异检测主要是通过高通量测序，将测序结果与参考基因组进行比对，从而获得核酸变异信息。但是，受现有的测序文库建库技术和测序技术的影响，测序过程中会引入的大量的测序错误；同时，序列比对软件也可能产生比对错误；从而导致变异检测软件检测出大量的假阳性变异位点，不仅增加了后期人工筛选假阳性位点的工作量，而且可能导致最终检测报告里的假阳性位点过高，影响准确性。

发明内容

本申请的目的是提供一种新的识别和消除核酸变异检测中假阳性的方法和装置。

为了实现上述目的，本申请采用了以下技术方案：

本申请的一方面公开了一种识别和消除核酸变异检测中假阳性的方法，包括以下步骤，

变异信息读取步骤，包括读取变异检测软件生成的待测样品的结果文件，结果文件包括变异位置信息、参考基因组上该变异位置的碱基类型、待测样品中该变异位置的变异碱基类型；

基因片段过滤步骤，包括读取待测样品的下机序列比对到人类参考基因上生成的去重后比对文件，筛选获得每一个变异位点覆盖的read pair比对结果，然后过滤去除与参考基因组比对错配超过2个的read pair，过滤去除突变碱基质量值均小于25的read pair，过滤去除在突变位置碱基不一致的read pair；

变异位点判断步骤，包括判断变异位点是否位于DNA分子read pair overlap区域，统计变异位点位于DNA分子overlap区域的read pair数、位于非overlap区域的readpair数、位于非overlap区域的single map read数；

变异位点信息统计步骤，包括统计支持变异的拷贝数大于或等于2的分子数、拷贝数小于2的分子数、多比对的read数、突变位于末端的read数、UMI去重后的个数、read平均比对质量值和DNA分子的平均插入片段长度；

变异位点过滤步骤，包括基于变异位点判断步骤和变异位点信息统计步骤的特征值对变异位点进行过滤，去除假阳性位点。

优选的，本申请的一种实现方式中，变异位点过滤步骤具体包括，筛选符合以下条件的阳性位点，

1）2个支持突变DNA分子位于read pair overlap，且单端支持与overlap支持的分子数比值小于5；

2）支持突变的read中，多比对read比例小于等于20%，且数目不超过4条；

3）支持突变的read中，末端突变read比例不超过50%；

4）UMI建库的测序数据，去重后，UMI标签数量大于等于2；