[发明专利]一种针对二倍体PCR产物的Sanger测序中个体内SNP的识别方法

摘要

本发明公开了一种针对二倍体PCR产物的Sanger测序中个体内SNP的识别方法，首先单独分离出色谱图中包含的腺瞟呤A、鸟瞟呤G、胞嘧啶C和胸腺嘧啶T四种碱基的荧光数据；采用小波多尺度分析方法对分离的荧光数据分别进行滤波去噪处理；再分析四种碱基荧光数据的波形特征，检测出波形的第一峰与第二峰，选择波峰距离、高度比值和起伏度比值这三个波形特征，作为SNP位点判别的要素；选择结构为3-10-1的BP神经网络作为SNP位点检测的分类器，并采用Levenberg Marquardt算法来对BP神经网络进行训练；采用分段线性变换将输出映射为0～100的SNP评价分数，根据评价分数将SNP位点的类别定义为1～5级，并据此判定该位点的SNP置信度。本发明能够有效检测测序文件的个体内SNP位点。

主权项

一种针对二倍体PCR产物的Sanger测序中个体内SNP的识别方法，其特征在于，包括以下步骤：1）从二倍体PCR产物Sanger测序的色谱图形中分离腺瞟呤A、鸟瞟呤G、胞嘧啶C和胸腺嘧啶T四种碱基的荧光数据；2）对提取的荧光数据进行滤波去噪处理；3）分析步骤1）四种碱基荧光数据的波形特征，确定波形的周期，检测波形的第一峰与第二峰，选择波峰距离、高度比值和起伏度比值这三个波形特征，作为SNP位点判别的要素；4）选择BP神经网络作为SNP位点检测的分类器，所述BP神经网络的结构为3‑10‑1，输入层的节点数是3，中间层∕隐含层节点数是10，输出层的节点数是1，并采用Levenberg Marquardt算法来对BP神经网络进行训练；5）神经网络分类器的输出是介于0～45的一个数值，采用分段线性变换将输出映射为0～100的SNP评价分数，评价分数越高，则该位点属于SNP的可能性越大；6）根据SNP评价分数，对SNP位点进行类别分级，分为1～5级，并据此判定该位点的SNP置信度。