[发明专利]一种滤除DNase高通量测序数据中DNA碱基倾向性偏差的方法

摘要

本发明属于分子生物信息检测与分析领域，具体涉及一种有效提高DNase高通量测序数据的检测信息准确性的滤除DNase高通量测序数据中DNA碱基倾向性偏差的方法。本发明包括(1)DNase‑Seq实验数据酶切位点区域DNA碱基获取；(2)DNase‑Seq实验数据DNA碱基倾向性获取；(3)DNA碱基倾向性去除。通过所发明的方法可以精确地滤除DNase高通量测序数据中含有的DNA碱基倾向性偏差，以生成更加准确的DNase‑Seq测序结果，从而为后续更高层次的应用分析提供数据保障。

主权项

一种滤除DNase高通量测序数据中DNA碱基倾向性偏差的方法，其特征在于，包括如下步骤：(1)DNase‑Seq实验数据酶切位点区域DNA碱基获取依据DNase‑Seq实验数据在基因组中的位置，提取每一个实验数据对应酶切位点附近区域的DNA碱基；本发明选用酶切位点附近6个位点的碱基，即以酶切位点为中心，左右各取3个碱基；(2)DNase‑Seq实验数据DNA碱基倾向性获取本发明选用酶切位点附近6个位点的碱基，每个碱基有A、C、G、T等4种取值，则6个位点碱基共有4096种碱基组合；通过统计整个DNase‑Seq实验数据酶切位点处这4096种碱基组合出现的频次，即可获得DNase‑Seq实验数据的DNA碱基倾向性；(3)DNA碱基倾向性去除设有m个蛋白结合位点，每个结合位点包含n个碱基，则：第i个结合位点的DNase检测信号为：[Si1,Si2,…,Sin]；其值和为：考虑DNase的DNA碱基倾向性，则第i个结合位点第j列的DNase检测信号为：Sij＝[(1‑w)Pij+wBij]Ri；其中，Pij为第i个结合位点第j列处与DNA结合蛋白的蛋白结构相对应的DNase的固有切割概率，Bij为第i个结合位点第j列处与该处DNA碱基倾向性相对应的DNase的切割概率；Pij是稳定的，可用于DNA蛋白结合位点识别，而Bij是不稳定的，应予以滤除；具体滤除方法如下：Pij=[SijRi-wBij]/(1-w)]]>其中，Sij,Ri可从实验数据中直接得到；Bij则根据前一步骤获取的DNase‑Seq实验数据的DNA碱基倾向性得到；w为权值，取值范围为[0,1]之间，需要进一步确定；对于m个蛋白结合位点，当权值w取不同值时，会得到不同的[Pi1,Pi2,…,Pin]，1≤i≤m；设则当m个[Pi1,Pi2,…,Pin]与[P1,P2,...,Pn]之间的m个相关性值的中位值最大时，此时的w值为最优值。