[发明专利]基因组结构变异注释方法

说明书

本公开涉及对基因组结构变异进行注释和预测融合蛋白形成的方法。本公开还提供了用于对基因组结构变异进行注释和预测融合蛋白形成的系统、设备和计算机可读介质。

技术领域

本发明属于生物信息学领域，并具体涉及使用对基因组中的结构变异(SV)进行注释的方法和系统。

技术背景

结构变异(Structural Variants，SV)是人类基因组中最主要的变异形式。结构变异包含了缺失(Deletion)、扩增(Duplication)、插入(Insertion)、倒位(Transversion)、易位(Translocation)以及更为复杂形式的变异。在胚系突变当中，结构变异多态性是一些常见疾病的相关因素。在体系突变当中，通常以更为复杂形式出现的结构变异与癌症的发展具有一定相关性。

结构变异作为一种复杂的变异形式除了上述缺失、扩增、插入、倒位、易位等多样的变异类型外，它可能发生在基因内，也可能发生在基因间，它可能在同一个染色体上的跨度几十bp到几十兆bp，也可能是染色体间的易位。丰富的变异形式使得注释和解读结构变异十分困难。目前，针对结构变异的解读大多停留在基因或其结构的注释上，对于它的突变类型(mutation type)，推测影响，是否推测形成融合蛋白，融合蛋白的结构组成，功能影响的预测，HGVS以及致病性评级等临床关注的信息均无法合理有效的注释和预测。这大大制约了结构变异在精准医疗领域的应用。

综上，目前本领域缺乏可以有效注释解读结构变异特别是人类基因组结构变异的方法和系统。

发明内容

以下列出了本公开中使用的部分术语及其定义。

NGS：高通量测序(High-Throughput Sequencing)又名下一代测序(NextGeneration Sequencing，NGS)，是相对于传统的桑格测序(Sanger Sequencing) 而言的。

FASTQ格式文件：是一种保存生物序列(通常为核酸序列)及其测序质量得分信息的文本格式。

SAM格式文件：SAM(Sequence Alignment/Map format)文件是一种序列比对格式标准，由Sanger制定，是以TAB为分割符的文本格式。

BAM格式文件：SAM格式文件的二进制文件。

BED格式文件：BED(Browser Extensible Data)文件是定义track特征信息比如注释的格式，是以TAB为分割符的文本格式。

VCF格式文件：VCF(Variant Call Format)文件是一种保存基因序列变异的文本格式。

HGVS：人类基因组变异协会(Human Genome Variation Society)制定的序列变异的描述规范。

SV：结构变异(Structural Variation)。

本方法提供一种完整的对人类基因组结构变异注释和结构及功能预测的方法和系统。本方法除了对基因名称和结构的注释外，还可以进一步包括突变类型 (mutationtype)、推测影响(putative impact)的注释，预测是否形成融合蛋白，融合蛋白的结构组成，功能影响预测，HGVS注释以及致病性评级等临床关注的信息，来帮助相关专业人员评估结构变异的影响。

在一方面，本公开提供了一种对基因组结构变异(SV)进行注释的方法，所述方法包括：

a.提供SV信息，所述信息包括SV的类型、方向(orientation)和两个断点坐标，其中所述SV类型包括缺失、重复、倒位和易位；