[发明专利]血样Motif特征提取方法及癌症早筛模型构建方法

说明书

本发明提供一种血样Motif特征提取方法及癌症早筛模型构建方法，该方法不仅可以获取多种Motif特征，增加了Motif特征的多样性，还可以提高后续基于Motif特征构建的癌症早筛模型的筛查准确性，增加筛查结果的可靠性，进而可以保证癌症的诊断和治疗的及时性。

技术领域

本发明涉及癌症早筛技术领域，尤其涉及一种血样Motif特征提取方法及癌症早筛模型构建方法。

背景技术

液体活检就是通过分析血液中的癌症组分，来实现癌症的早期筛查、分子分型、预后、用药指导以及复发监测等临床应用。液体活检作为精准医疗新技术，因其可定性定量检测肿瘤直接相关的肿瘤细胞和脱氧核糖核酸（DeoxyriboNucleic Acid，DNA），并具有非入侵性、取样便捷、实时监测等特点，在肿瘤诊疗中发挥越来越重要的作用。

目前，研究液体活检、癌症早筛的常规方法为通过对致癌基因或者抑癌基因的突变检测来识别肿瘤释放的游离DNA（cell-free DNA，cfDNA）。cfDNA是释放到血浆中的降解DNA片段，存在于人体的各种体液中，随组织损伤、癌症和炎症反应等发生浓度变化。

Motif特征是一段特定模式的DNA序列，可以与调控蛋白（比如转录因子）结合，从而可以在短暂时间内锚定功能蛋白。因此，现有技术中通常从cfDNA中提取Motif特征，并基于Motif特征构建癌症早筛模型，以实现癌症早筛的顺利进行。

但是，由于现有技术中提取的Motif特征较为单一，这将影响基于Motif特征构建的癌症早筛模型的筛查准确性，降低筛查结果的可靠性。

发明内容

本发明提供一种血样Motif特征提取方法及癌症早筛模型构建方法，用以解决现有技术中存在的缺陷。

本发明提供一种血样Motif特征提取方法，包括：

获取对血样进行cfDNA提取并测序得到的双端测序序列，并基于所述双端测序序列以及参考基因组，确定待提取序列；

提取所述待提取序列的K-mer的序列特征，并统计所有所述序列特征中各类别的所述序列特征的比例，基于所述比例以及所有所述序列特征中所述序列特征的类别数量，确定所述待提取序列的K-mer的整体特征。

根据本发明提供的一种血样Motif特征提取方法，所述基于所述双端测序序列以及参考基因组，确定待提取序列，包括：

确定所述双端测序序列的重叠区域，基于所述重叠区域，对所述双端测序序列进行合并，得到所述双端测序序列的合并结果；

将所述合并结果与所述参考基因组进行比对，得到第一比对结果，并基于所述第一比对结果，得到所述待提取序列。

根据本发明提供的一种血样Motif特征提取方法，所述基于所述第一比对结果，得到所述待提取序列，包括：

基于所述第一比对结果，对所述合并结果进行indel区域重新比对，得到第二比对结果；

基于所述第一比对结果以及所述第二比对结果，对所述合并结果依次进行过滤筛选以及GC含量矫正，得到所述待提取序列。

根据本发明提供的一种血样Motif特征提取方法，所述基于所述双端测序序列以及参考基因组，确定待提取序列，之前包括：

基于测序质量信息以及碱基识别结果，对所述双端测序进行过滤筛选，得到备选双端测序序列；

去除所述备选双端测序序列中的引物序列以及引物识别失败的读段，得到所述双端测序序列。

根据本发明提供的一种血样Motif特征提取方法，所述基于所述比例以及所有所述序列特征中所述序列特征的类别数量，确定所述待提取序列的K-mer的整体特征，包括：