一种基于血浆DNA片段分析评估患癌风险的方法和装置制造方法及图纸

本申请公开了一种基于血浆DNA片段分析评估患癌风险的方法和装置。本申请方法从bam文件中提取offtarget DNA片段，计算其区间内bin的短片段数与长片段数比值，由此计算Z‑score，以染色体臂为单位计算每臂Z‑score之和，作为微观片段特征；对offtarget DNA片段区间bam文件进行下采样，从中提取DNA片段长度分布特征，作为宏观片段特征；根据微观和宏观片段特征，采用血浆DNA片段模式辅助评估患癌风险模型预测待测对象患癌风险。本申请方法综合利用血浆DNA片段微观和宏观片段特征进行患癌风险评估；能有效解决低深度WGS和WES的ctDNA含量低的问题，避免测序数据浪费。

【技术实现步骤摘要】
一种基于血浆DNA片段分析评估患癌风险的方法和装置
本申请涉及患癌风险评估
，特别是涉及一种基于血浆DNA片段分析评估患癌风险的方法和装置。
技术介绍
早期发现是减少癌患者死亡的关键。当患者出现可疑的肿块或症状时，医生做的第一件事可能是进行组织活检-收集细胞进行仔细检查。然而，这个过程多半是侵入性的、危险的、疼痛的。于是，研究人员开始寻找替代或补充的方案。因此，液体活检(liquidbiopsy)应运而生。其中基于cfDNA(circulatingfreeDNA)的液体活检技术被越来越多的应用于肿瘤的早期筛查、治疗监测、预后评估等多个方面。一般认为cfDNA起源于坏死或凋亡的细胞，坏死的细胞被巨噬细胞等吞噬，然后释放经过消化的DNA到血液中形成循环游离DNA。在实体瘤中，肿瘤组织快速生长，因养分供应不足等原因导致细胞死亡，释放DNA到患者的外周血中，这些源于肿瘤细胞的cfDNA被称为ctDNA，它们可以作为是否患癌的标志。肝癌是一类高发性恶性肿瘤，在国家癌症中心2019发布的全国癌症统计数据中，肝癌的发病率位居第四，死亡率则位于第本文档来自技高网...

【技术保护点】
1.一种基于血浆DNA片段分析评估患癌风险的方法，其特征在于：包括以下步骤，/n微观片段特征计算步骤，包括(a1)获取待测对象的血浆DNA测序使用芯片的捕获区间信息，及其测序下机数据经过低质量reads过滤和与参考基因组比对后的bam文件，将其视为低深度WGS数据，分析其片段特征，以此评估患癌风险；(a2)从所述bam文件中提取芯片的off target DNA片段；(a3)对所述off target DNA片段根据质量进行筛选，保留mapping质量值大于或等于20的片段；(a4)使用samtools以leftmost coordinates方式对off targetDNA片段的bam文件排...

【技术特征摘要】
1.一种基于血浆DNA片段分析评估患癌风险的方法，其特征在于：包括以下步骤，
微观片段特征计算步骤，包括(a1)获取待测对象的血浆DNA测序使用芯片的捕获区间信息，及其测序下机数据经过低质量reads过滤和与参考基因组比对后的bam文件，将其视为低深度WGS数据，分析其片段特征，以此评估患癌风险；(a2)从所述bam文件中提取芯片的offtargetDNA片段；(a3)对所述offtargetDNA片段根据质量进行筛选，保留mapping质量值大于或等于20的片段；(a4)使用samtools以leftmostcoordinates方式对offtargetDNA片段的bam文件排序然后建立索引；(a5)使用窗口大小为5Mb的bin，统计bam文件中每个bin含有的长片段和短片段的数量，所述短片段的长度为100-150bp，所述长片段的长度为151-220bp，计算每个bin中短片段数量与长片段数量的比值ratio，根据ratio计算Z-score；(a6)每条染色体分为长臂p和短臂q，以染色体臂为单位计算每条染色体臂的Z-score，获得22对常染色体39个臂的Z-score值；
宏观片段分布特征计算步骤，包括(b1)对所述微观片段特征计算步骤根据质量进行筛选获得的offtargetDNA片段区域内的reads数进行统计，如果reads数满足下采样要求，则对其进行下采样获得用于后续分析的bam文件；(b2)从步骤(b1)获得的bam文件中提取DNA片段长度分布特征，作为宏观片段分布特征；
患癌风险评估步骤，包括根据所述微观片段特征计算步骤获得的39个臂的Z-score值，以及所述宏观片段分布特征计算步骤获得的DNA片段长度分布特征，应用血浆DNA片段模式辅助评估患癌风险模型来预测待测对象的患癌风险；
所述血浆DNA片段模式辅助评估患癌风险模型由健康人和癌症病人的血浆DNA的微观片段特征和宏观片段分布特征经过机器学习pipeline进行训练，并通过交叉验证学习超参数，同时学习模型参数获得；所述微观片段特征为所述微观片段特征计算步骤获得的39个臂的Z-score值；所述宏观片段分布特征为所述宏观片段分布特征计算步骤获得的DNA片段长度分布特征，并且，在进行所述宏观片段分布特征计算步骤时，仅仅采用所述reads数满足下采样要求的健康人样本和癌症病人样本。


2.根据权利要求1所述的方法，其特征在于：所述微观片段特征计算步骤中，根据ratio计算Z-score具体包括，使用局部加权线性回归算法LOWESS对每条染色体多个bin的ratio列表进行校正，得到ratio2列表；然后根据ratio2列表计算其均值以及标准差，根据公式一计算获得Z-score；
公式一
公式一中，x为ratio2，为指定染色体臂的ratio2的均值，δ为指定染色体臂的ratio2的标准差；
优选的，所述39个臂的Z-score值具体包括1p、1q、2p、2q、3p、3q、4p、4q、5p、5q、6p、6q、7p、7q、8p、8q、9p、9q、10p、10q、11p、11q、12p、12q、13q、14q、15q、16p、16q、17p、17q、18p、18q、19p、19q、20p、20q、21q和22q的Z-score值。


3.根据权利要求1所述的方法，其特征在于：所述宏观片段分布特征计算步骤和所述血浆DNA片段模式辅助评估患癌风险模型中，下采样要求为reads数大于3000000；并且，统一将reads数下采样到3000000条，获得下采样后的bam文件用于后续分析；
优选的，提取长度在[95bp，420bp]区间的DNA片段进行片段长度分布特征分析，并将其作为宏观片段分布特征。


4.根据权利要求1-3任一项所述的方法，其特征在于：所述机器学习pipeline包括MaxMin归一化、PCA降维和多层感知机mlp模型训练。


5.一种基于血浆DNA片段分析评估患癌风险的装置，其特征在于：包括微观片段特征计算模块、宏观片段分布特征计算模块、模型训练模块和患癌风险评估模块；
所述微观片段特征计算模块，包括用于(a1)获取待测对象的血浆DNA测序使用芯片的捕获区间信息，及其测序下机数据经过低质量read...

【专利技术属性】
技术研发人员：管彦芳，李敏，王科，刘涛，易玉婷，戴平平，易鑫，杨玲，
申请(专利权)人：北京吉因加医学检验实验室有限公司，
类型：发明
国别省市：北京;11