The invention discloses a complete MHC database construction method and application thereof. The application of MHC completion database includes the synthesis of the type genotype data together with the data set, HLA type set, amino acid change information data set and the HLA haplotype data sets; the construction process of the database for the first time by using LD and HWE variation results filtering, improve data accuracy; the method is simple and easy to operate. Get a minimum number of SNP between data sets, then analysis the MHC haplotype in phasing, compared with the SNP data set of phasing, construction of the method can save time and reduce CPU and memory usage, the haplotype information and get more accurate. MHC completion database of the application, including a variety of MHC data sets to complete the site area, effective, laid the foundation for further study of MHC region.
【技术实现步骤摘要】
本申请涉及基因数据库领域,特别是涉及一种MHC补全数据库,该数据库的构建方法和所构建的数据库的应用。
技术介绍
主要组织相容性复合体(Majorhistocompatibilitycomplex,简称MHC)是脊椎动物的高度多态性基因群。它早期源于解释器官移植中受体排斥供体组织细胞的现象。在进化过程中,MHC在物种之间和种群的个体之间都产生了明显差异。物种之间的差异主要是基因结构的不同,其遗传基础是等位基因的点突变,即核苷酸发生替换。产生MHC多态性的原因主要是环境中病原压力。许多研究已经证实了MHC与复杂疾病尤其是自免疫疾病密切相关,而且也探明了一些与这些疾病相关的MHC的型别,单倍型或MHC分子中的特定位点。但是由于MHC区域序列的高度多态性和强的连锁不平衡性,致使很多真正的致病位点仍没有很好地被鉴定出来。目前的疾病研究大多是基于genotyping芯片的全基因组关联分析(Genome-wideassociationstudy,简称GWAS)研究,没有对MHC区域进行全覆盖测序,所以容易漏掉一些关键的致病位点,这就需要我们对这些区域的位点进行补全。但是,MHC区域片段的高度重复性,容易造成比对结果的假阳性bais,影响MHC数据库的准确性。
技术实现思路
本申请的目的是提供一种高度准确的MHC补全数据库的构建方法,其构建的MHC补全数据库,以及该数据库的应用。为了实现上述目的,本申请采用了
【技术保护点】
一种MHC补全数据库的构建方法,包括:(1)从人类基因组DNA样品中分离出MHC区域的片段,对分离的MHC片段进行测序,将测序结果与人类基因标准序列比对,采用变异检测软件对比对结果进行检测校正,获得DNA样品的变异基因型数据;(2)按以下条件对步骤(1)获得的DNA样品变异基因型数据进行筛选,a.在群体中测序深度≥x的位点,x≥6,b.在群体中数据的缺失率<0.05的位点,c.等位基因碱基型出现次数大于一次的位点,获取满足以上三个条件的位点,然后过滤掉以下条件的位点,d.在群体中连锁不平衡值LD=0的位点,e.在群体中哈温平衡指标log(HWE)≥600的位点,剩下的位点组成genotype数据集;(3)采用分型软件对步骤(2)获得的genotype数据集进行分析,得到每个DNA样品的HLA分型的型别数据集;(4)统计每个HLA分型的SNP,将统计的各个分型的SNP与IMGT数据库中相应分型的SNP相比较,如果两者不同,则把统计的SNP翻译成氨基酸,从而得到每个分型对应的氨基酸改变信息数据集;(5)根据步骤(4)统计的每个HLA分型的SNP,比较各个HLA分型的SNP数据集,获得 ...
【技术特征摘要】
1.一种MHC补全数据库的构建方法,包括:
(1)从人类基因组DNA样品中分离出MHC区域的片段,对分离的MHC
片段进行测序,将测序结果与人类基因标准序列比对,采用变异检测软件对比
对结果进行检测校正,获得DNA样品的变异基因型数据;
(2)按以下条件对步骤(1)获得的DNA样品变异基因型数据进行筛选,
a.在群体中测序深度≥x的位点,x≥6,
b.在群体中数据的缺失率<0.05的位点,
c.等位基因碱基型出现次数大于一次的位点,
获取满足以上三个条件的位点,然后过滤掉以下条件的位点,
d.在群体中连锁不平衡值LD=0的位点,
e.在群体中哈温平衡指标log(HWE)≥600的位点,
剩下的位点组成genotype数据集;
(3)采用分型软件对步骤(2)获得的genotype数据集进行分析,得到每
个DNA样品的HLA分型的型别数据集;
(4)统计每个HLA分型的SNP,将统计的各个分型的SNP与IMGT数据
库中相应分型的SNP相比较,如果两者不同,则把统计的SNP翻译成氨基酸,
从而得到每个分型对应的氨基酸改变信息数据集;
(5)根据步骤(4)统计的每个HLA分型的SNP,比较各个HLA分型的
SNP数据集,获得数量最少的,且能够区分各个HLA分型的SNP区分数据集,
对SNP区分数据集进行phasing分析,获得每个分型的HLA单体型数据集;
(6)将所述genotype数据集、所述HLA分型的型别数据集、所述氨基酸
改变信息数据集和所述HLA单体型数据集合成为一个数据库,即MHC补全数
据库。
2.根据权利要求1所述的构建方法,其特征在于:所述DNA样品包括采集
自至少205个个体的样品,优选的采集自至少1066个个体的样品。
3.根据权利要求1所述的构建方法,其特征在于:所述步骤(1)中的变异
检测软件为GATK、SAMT...
【专利技术属性】
技术研发人员:刘小敏,曹红志,刘晓,张涛,
申请(专利权)人:深圳华大基因股份有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。