【技术实现步骤摘要】
检测胎儿染色体非整倍体异常的方法、装置及存储介质
[0001]本申请涉及胎儿染色体非整倍体异常检测
,特别是涉及一种检测胎儿染色体非整倍体异常的方法、装置及存储介质。
技术介绍
[0002]胎儿染色体非整倍体异常,即胎儿染色体为非整倍体,正常胎儿的染色体为23对(46条),即染色体呈整倍体,如果出现了染色体缺失或染色体增多,形成非整倍体,则说明胎儿染色体存在异常,即胎儿染色体非整倍体异常。
[0003]目前,临床上比较常见的胎儿染色体非整倍体异常为唐氏综合征、爱德华氏综合征和Patau综合征。
[0004]唐氏综合征(21
‑
三体综合征,Down syndrome)是21号染色体的三体现象造成的遗传疾病,常见症状有发育迟缓、特殊的面部特征以及轻度到中度的智能障碍。目前唐氏综合症并无有效的治疗方法,仅能透过生活照料及教育来改善患者的生活品质。除唐氏综合征之外,临床上比较常见的胎儿染色体非整倍体异常还包括爱德华氏综合征(18
‑
三体综合症,Edwards syndrome)和Patau综合征(13
‑
三体综合征,Patau syndrome)等,均会导致患儿发生严重发育异常。
[0005]唐氏综合征的分子生物学机制是生殖细胞在生成时21号染色体不分离,导致受精卵中含有3个21号染色体的拷贝,进而导致一系列分子与发育生物学过程的异常。由于以唐氏综合征为代表的染色体非整倍体综合征尚无有效治疗手段且尚未发现与其发病相关的特定行为或环境因素,因此 ...
【技术保护点】
【技术特征摘要】
1.一种检测胎儿染色体非整倍体异常的方法,其特征在于:包括根据待测样本孕妇血液游离DNA中的胎儿DNA浓度、Z值、嵌合度,计算获得待测样本的新的Z值,根据所述新的Z值判断待测样本的胎儿染色体是否发生非整倍体异常;所述嵌合度为胎儿异常细胞占所有胎儿细胞的比率。2.根据权利要求1所述的方法,其特征在于:根据待测样本孕妇血液游离DNA中的胎儿DNA浓度、Z值、嵌合度,计算获得待测样本的新的Z值,包括将胎儿DNA浓度、Z值和嵌合度输入胎儿染色体非整倍体异常检测模型,获得待测样本对应的模型输出值,由模型输出值印射获得待测样本的新的Z值;所述胎儿染色体非整倍体异常检测模型是采用若干个已知胎儿染色体情况的样本作为训练样本,所述训练样本包括胎儿染色体非整倍体异常的阳性样本和阴性样本,以胎儿DNA浓度、Z值和嵌合度为输入,进行机器学习模型训练,获得一个综合胎儿DNA浓度、Z值和嵌合度三个变量表征胎儿染色体情况的模型输出值,由此获得的模型;优选地,由模型输出值印射获得待测样本的新的Z值,包括根据待测样本的模型输出值、阳性阈值、阴性阈值、所有阴性样本的模型输出值的中位数,计算获得待测样本的新的Z值;所述阳性阈值为阳性样本对应的模型输出值的阈值,所述阴性阈值是阴性样本对应的模型输出值的阈值;优选地,所有阴性样本的模型输出值的中位数,是把所有阴性训练样本再次输入胎儿染色体非整倍体异常检测模型中,获得的所有阴性样本的模型输出值的中位数;优选地,由模型输出值印射获得待测样本的新的Z值,包括以下印射方式,当待测样本的模型输出值大于阳性阈值时,Z
new
=LD
‑
cut
p
+3;当待测样本的模型输出值小于阳性阈值、且大于阴性阈值时,当待测样本的模型输出值小于阴性阈值时,以上公式中,Z
new
为新的Z值,LD为待测样本的模型输出值,cut
p
为阳性阈值,cut
n
为阴性阈值,Med为所有阴性样本的模型输出值的中位数;优选地,根据新的Z值判断待测样本的胎儿染色体是否发生非整倍体异常,包括,新的Z值大于3判断为阳性,即胎儿染色体非整倍体异常;新的Z值小于1.96判断为阴性,即胎儿染色体正常;优选地,所述机器学习模型为线性判别分析模型;优选地,所述胎儿异常细胞为含有胎儿染色体非整倍体异常的细胞;优选地,孕妇血液游离DNA中的胎儿DNA浓度、Z值,通过孕妇血液游离DNA的高通量测序数据计算获得。3.根据权利要求1或2所述的方法,其特征在于:所述嵌合度由公式一计算获得;公式一
公式一中,Mosaic
k
为第k条染色体的嵌合度,fra
k
为第k条染色体的相对胎儿浓度,FF为胎儿DNA浓度;fra
k
采用公式二计算获得;公式二公式二中,fra
k
为第k条染色体的相对胎儿浓度,为第k条染色体矫正后的深度的平均值,为所有常染色体校正后的深度的平均值;公式一和公式二中,k的取值为1至22;Mosaic
k
为0,说明胎儿的第k条染色体正常;Mosaic
k
为1,说明胎儿的第k条染色体完全为三体;Mosaic
k
介于0
‑
1之间,说明胎儿的第k条染色体存在嵌合;优选地,每条染色体矫正后的深度的平均值、所有常染色体校正后的深度的平均值,通过孕妇血液游离DNA的高通量测序数据计算获得。4.一种胎儿染色体非整倍体异常检测模型的构建方法,其特征在于:包括采用若干个已知胎儿染色体情况的样本作为训练样本,所述训练样本包括胎儿染色体非整倍体异常的阳性样本和阴性样本,以胎儿DNA浓度、Z值和嵌合度为输入,进行机器学习模型训练,获得一个综合胎儿DNA浓度、Z值和嵌合度三个变量表征胎儿染色体情况的模型输出值,由此训练获得的模型,即胎儿染色体非整倍体异常检测模型。5.根据权利要求4所述的构建方法,其特征在于:所述胎儿DNA浓度和Z值,根据孕妇血液游离DNA的高通量测序数据计算获得;所述嵌合度为胎儿异常细胞占所有胎儿细胞的比率;优选地,所述胎儿异常细胞为含有胎儿染色体非整倍体异常的细胞;优选地,所述嵌合度由公式一计算获得;公式一公式一中,Mosaic
k
为第k条染色体的嵌合度,fra
k
为第k条染色体的相对胎儿浓度,FF为胎儿DNA浓度;fra
k
采用公式二计算获得;公式二公式二中,fra
k
为第k条染色体的相对胎儿浓度,为第k条染色体矫正后的深度的平均值,为所有常染色体校正后的深度的平均值;公式一和公式二中,k的取值为1至22;Mosaic
k
为0,说明胎儿的第k条染色体正常;Mosaic
k
为1,说明胎儿的第k条染色体完全为三体;Mosaic
k
介于0
‑
1之间,说明胎儿的第...
【专利技术属性】
技术研发人员:杨杰淳,彭继光,彭智宇,孙隽,向嘉乐,刘晶娟,李婧柔,
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:
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。