[发明专利]一种全基因组测序的数据质量评估方法及其应用

说明书

本发明涉及一种全基因组测序的数据质量评估方法及其应用，所述数据质量评估方法包括：获得待测样本的全基因组测序结果，将所述全基因组测序结果比对到人类参考基因组，对比对结果数据进行预处理后计算相应的观察值；进行观察值趋势拟合后，通过纵向波动指标和横向波动指标进行质量评估；所述纵向波动指标为基于观察值的变异系数反应观察值在趋势拟合线上下波动幅度的标准；所述横向波动指标为基于小片段信号占目标区域的比例反应观察值碎片化分布情况的标准。本发明通过纵向波动指标和横向波动指标进行质量评估，可以更快速、准确地评价测序结果的数据质量，筛选过滤数据质量偏差的样品，提高检测结果的准确度。

技术领域

本发明涉及生物信息学技术领域，尤其涉及一种全基因组测序的数据质量评估方法及其应用。

背景技术

长期以来，DNA测序技术一直是分子生物学相关研究中最常用的技术手段之一，极大程度上推进了分子生物学的飞速发展。目前，高通量测序技术(High-throughputsequencing)由于其可以一次对几十万到几百万条DNA分子进行序列测定成为目前主流的测序技术。目前主流的高通量测序平台包括有Roche 454焦磷酸测序和Illumina Solexa合成测序等。

高通量测序技术(High-throughput sequencing)又称为下一代测序(Nextgeneration sequencing，NGS)技术，是一项划时代的测序技术，因为其极高的测序通量极大地扩展了基因组学的广度。目前，NGS技术由于提供了产生大量序列数据的手段。已经扩展到研究应用之外，广泛应用于遗传病的筛查和诊断，可以为医疗决策提供宝贵的信息。

在临床实验室环境中实施NGS技术是复杂的，测序使用的样本，方法等都对于测序结果有一定影响，所以需要临床、科学和信息学专业的重要基础设施和专业知识才能得到更准确的测序结果。目前，基因检测特别是产前诊断实验室缺乏将质量管理的技术方面应用于质量控制的统一指导，这对于保证检测结果的分析有效性和准确性至关重要。所以急需一种高效、快速处理的下一代测序质量评估指标来处理大量的NGS测序数据。

目前现有的质控方法对测序数据质量评估方面不完善，Q30或GC达标的样品，可能数据波动较大，导致分析结果假阳性严重。其次，当前方面对测序质量评估结果无法量化，不能直观比较不同样品数据波动的大小，导致无法通过设置阈值进行样品过滤。

发明内容

为了解决现有技术存在的问题，本发明提供一种全基因组测序的数据质量评估方法及其应用。本发明通过观察值趋势拟合后的纵向波动指标和横向波动指标进行质量评估实现对测序质量快速、准确地评价，显著提高了测序准确性。

第一方面，本发明提供一种全基因组测序的数据质量评估方法，包括：

获得待测样本的全基因组测序结果，将所述全基因组测序结果比对到人类参考基因组，对比对结果数据进行预处理后计算相应的观察值；

进行观察值趋势拟合后，通过纵向波动指标和横向波动指标进行质量评估；

所述纵向波动指标为基于观察值的变异系数反应观察值在趋势拟合线上下波动幅度的标准；

所述横向波动指标为基于小片段信号占目标区域的比例反应观察值碎片化分布情况的标准。

进一步地，所述纵向波动指标具体为：

对于总窗口数为N的全基因组测序结果中任一窗口的残差x，纵向波动指标VI计算方法如下：

和/或，

所述横向波动指标具体为：

对于整体趋势拟合后，异常区域占全部检测区域的比例R_global，细节趋势拟合后，异常区域占全部检测区域的比例R_detail，横向波动指标HI的计算方法如下：