[发明专利]通过低深度全基因组测序技术预测髓母细胞瘤分型的计算机可读存储介质和装置及其应用

说明书

本发明公开了诊断领域中通过低深度全基因组测序技术预测髓母细胞瘤分型的计算机可读存储介质和装置及其应用。本发明所要解决的技术问题是如何基于DNA全基因组低深度测序数据对髓母细胞瘤进行分子分型。本发明的预测髓母细胞瘤患者分子亚型的计算机可读存储介质存储有计算机程序，该计算机程序使计算机执行如下步骤：基于已知分子亚型髓母细胞瘤样本测序数据的高频CNV检测结果、年龄和性别特征中的48个特征信息使用机器学习算法构建髓母细胞瘤分子分型模型，基于待测髓母细胞瘤患者低深度全基因组测序数据分析获得的48个特征信息使用构建的模型预测获得分子分型。本发明对于检测样本要求较低，预测准确性高。

技术领域

本发明涉及诊断领域中的通过低深度全基因组测序技术预测髓母细胞瘤分型的计算机可读存储介质和装置及其应用。

背景技术

髓母细胞瘤是儿童最常见的脑肿瘤，死亡率高。2010年，在波士顿召开的共识会议上，科学界就其分子亚型（WNT、SHH、Group 3和Group 4）达成了共识。研究表明，不同的分子亚型表现出不同的基因型特征和预后。目前，通过NanoString技术检测肿瘤样本的转录组数据，并利用该转录组RNA表达数据对髓母细胞瘤进行分子分型的方法已被广泛接受。但肿瘤样本在长时间的存储过程中，RNA降解会增加分析的失败率，并且NanoString技术通量较低，检测费用昂贵。

发明内容

本发明所要解决的技术问题是如何基于DNA全基因组低深度测序数据对髓母细胞瘤进行分子分型。

为了解决上述技术问题，本发明首先提供了预测髓母细胞瘤患者分子亚型的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使计算机执行如下步骤：

A1）获得已知分子亚型髓母细胞瘤样本的测序数据、年龄特征和性别特征；

A2）对所述已知分子亚型髓母细胞瘤样本的测序数据进行CNV检测获得已知分子亚型髓母细胞瘤样本的CNV结果，对所述已知分子亚型髓母细胞瘤样本的CNV结果进行高频CNV检测获得已知分子亚型髓母细胞瘤样本的arm-level SCNA和focal SCNA结果；

A3）基于48个特征，使用机器学习算法构建髓母细胞瘤分子分型模型；所述48个特征包括从所述arm-level SCNA和focal SCNA结果中获取的36个染色体臂水平拷贝数变异特征和10个基因水平拷贝数变异特征，以及年龄特征和性别特征；所述36个染色体臂包括：1p，1q，2p，2q，3p，3q，4p，4q，5p，5q，6p，6q，7p，7q，8p，8q，9p，9q，10p，10q，11p，11q，13q，14q，16p，16q，17p，17q，18p，18q，19p，19q，20q，21p，21q和22q；所述p代表染色体短臂，所述q代表染色体长臂；所述10个基因包括：MYCN，GLI2，MYC，PVT1，OTX2，SCAPER，WWOX，SIRPB1，PTCH1和SMYD4；

A4）获取待测髓母细胞瘤患者的测序数据；将所述测序数据比对到参考基因组获得比对结果文件；

A5）对所述比对结果文件进行CNV检测获得待测髓母细胞瘤患者CNV结果；将所述待测髓母细胞瘤患者的CNV结果和所述已知分子亚型髓母细胞瘤样本的CNV结果进行合并获得合并CNV结果；检测所述合并CNV结果,获得高频CNV结果；基于所述高频CNV结果提取待测髓母细胞瘤患者的arm-level SCNA和focal SCNA结果；

A6）基于所述待测髓母细胞瘤患者的arm-level SCNA和focal SCNA结果以及年龄和性别信息提取待测髓母细胞瘤患者的所述48个特征，基于所述待测髓母细胞瘤患者的所述48个特征使用所述髓母细胞瘤分子分型模型预测待测髓母细胞瘤患者分子亚型分型。