基于高通量测序技术的新生儿遗传病早筛方法及装置制造方法及图纸

本发明专利技术提出基于高通量测序技术的新生儿遗传病早筛方法及装置，方法为获取新生儿的

【技术实现步骤摘要】
基于高通量测序技术的新生儿遗传病早筛方法及装置


[0001]本专利技术涉及医疗数据处理
，尤其涉及一种基于高通量测序技术的新生儿遗传病早筛方法及装置
。

技术介绍

[0002]基因组学技术，被广泛应用于生命科学领域
。
技术已经促进了对生物体内基因表达的深入理解，从而为药物开发
、
疾病治疗和农业生产等方面提供了有力的支持
。
基因组学技术则主要研究生物体内基因的结构
、
功能和表达等方面
。
这些技术包括
DNA
测序
、RNA
测序
、
基因芯片等，可以帮助研究人员解析基因组结构
、
寻找新的基因
、
确定基因表达模式等；现有的及基因组学技术已然运用于新生儿遗传病早筛方法当中
。
[0003]目前比较先进的基因组学技术进行新生儿遗传病早筛方法之一是新生儿全外显子测序（
WES
）
。
新生儿
WES
技术可以对新生儿
DNA
中所有外显子区域进行高通量测序，以检测新生儿患有的遗传病或携带的致病基因
。
这项技术可以覆盖大部分人类基因组，包括那些已知的遗传病致病基因和未知的基因变异
。
通过
WES
技术，医生可以在出生后的早期阶段快速
、
准确地诊断遗传病，提供更好的治疗机会
。
然而，新生儿
WES
技术也存在一些弊端
。
首先，
WES
技术虽然可以检测到大多数的致病基因，但并不能涵盖整个基因组，也无法检测某些类型的基因突变，例如非编码区变异或大片段缺失等
。
此外，新生儿
WES
技术的成本较高，需要较长的数据分析时间和严格的质量控制标准，因此在某些地区或医疗机构中可能无法广泛使用
。

技术实现思路

[0004]为了解决上述问题，本专利技术提出一种基于高通量测序技术的新生儿遗传病早筛方法及装置，通过利用机器学习算法和基因组学大数据的优势，快速而准确地对
WES
数据中的突变进行分类和筛选，提高新生儿遗传病早筛的准确性和效率
。
[0005]本专利技术通过以下技术方案实现的：本专利技术提出的基于高通量测序技术的新生儿遗传病早筛方法，包括：获取新生儿的
DNA
样本和临床信息，并将所述
DNA
样本和临床信息导入至全外显子测序程序中以输出第一
WES
测序数据；对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据；对所述第二
WES
测序数据载入正
/
负离子链数据，以通过所述正
/
负离子链数对所述第二
WES
测序数据中的各项子数据进行细项分割，经数据打包后生成第三
WES
测序数据；利用基因组学大数据和机器学习算法，从所述第三
WES
测序数据中提取基因特征，其中所述基因特征包括但不限于突变类型
、
位置
、
功能影响
、
频率和遗传模式；将所述第三
WES
测序数据及其对应的基因特征输入至预设的突变筛选神经网络模型中，以通过所述突变筛选神经网络模型输出突变分类表，所述突变分类表包括疾病突变
子表；输出所述突变分类表
。
[0006]进一步的，所述获取新生儿的
DNA
样本和临床信息，并将所述
DNA
样本和临床信息导入至全外显子测序程序中以输出第一
WES
测序数据的步骤，包括：获取新生儿的临床信息，并获取进行提取和纯化后的新生儿的
DNA
样本，所述临床信息包括家族史
、
孕期检查结果
、
出生情况；利用高通量测序平台，对新生儿
DNA
样本进行全外显子测序，得到结合临床信息后的
DNA
样本；通过将结合临床信息后的所述
DNA
样本与参考基因组比对，并利用
SNP/Indel
检测进行突变检测和注释，生成第一
WES
测序数据
。
[0007]进一步的，所述对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据的步骤中，对所述第一
WES
测序数据进行质量控制的方法包括：去除低质量的碱基和读长：对所述第一
WES
测序数据中每个测序
read
进行碱基质量进行评估，以去除质量较差的碱基和读长；去除接头序列和污染序列：测序过程中存在外源性
DNA
污染或者
PCR
扩增产生的接头序列，因此将其从第一
WES
测序数据中去除；过滤重复序列：在样本库构建过程中，判断
PCR
扩增影响并将第一
WES
测序数据中重复序列进行过滤
。
[0008]进一步的，所述对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据的步骤中，对所述第一
WES
测序数据进行比对的方法包括：选用
BWA
比对工具对第一
WES
测序数据与参考基因组进行基因组版本
、
样本大小
、
测序深度的比对，生成比对结果；将所述比对结果以
SAM/BAM
格式存储，其中包含了每个位点的碱基信息和映射质量的信息
。
[0009]进一步的，所述对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据的步骤中，对所述第一
WES
测序数据进行变异检测的方法包括：
SNV/INDEL
检测：利用检测算法对所述比对结果进行变异检测，生成变异信息，所述检测算法包括
GATK、VarScan、SAMtools
；注释变异信息：对所述变异信息进行注释和筛选
。
所述变异信息包括基因名称
、
变异类型<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于高通量测序技术的新生儿遗传病早筛方法，其特征在于，包括：获取新生儿的
DNA
样本和临床信息，并将所述
DNA
样本和临床信息导入至全外显子测序程序中以输出第一
WES
测序数据；对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据；对所述第二
WES
测序数据载入正
/
负离子链数据，以通过所述正
/
负离子链数对所述第二
WES
测序数据中的各项子数据进行细项分割，经数据打包后生成第三
WES
测序数据；利用基因组学大数据和机器学习算法，从所述第三
WES
测序数据中提取基因特征，其中所述基因特征包括但不限于突变类型
、
位置
、
功能影响
、
频率和遗传模式；将所述第三
WES
测序数据及其对应的基因特征输入至预设的突变筛选神经网络模型中，以通过所述突变筛选神经网络模型输出突变分类表，所述突变分类表包括疾病突变子表；输出所述突变分类表
。2.
根据权利要求1所述的基于高通量测序技术的新生儿遗传病早筛方法，其特征在于，所述获取新生儿的
DNA
样本和临床信息，并将所述
DNA
样本和临床信息导入至全外显子测序程序中以输出第一
WES
测序数据的步骤，包括：获取新生儿的临床信息，并获取进行提取和纯化后的新生儿的
DNA
样本，所述临床信息包括家族史
、
孕期检查结果
、
出生情况；利用高通量测序平台，对新生儿
DNA
样本进行全外显子测序，得到结合临床信息后的
DNA
样本；通过将结合临床信息后的所述
DNA
样本与参考基因组比对，并利用
SNP/Indel
检测进行突变检测和注释，生成第一
WES
测序数据
。3.
根据权利要求2所述的基于高通量测序技术的新生儿遗传病早筛方法，其特征在于，所述对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据的步骤中，对所述第一
WES
测序数据进行质量控制的方法包括：去除低质量的碱基和读长：对所述第一
WES
测序数据中每个测序
read
进行碱基质量进行评估，以去除质量较差的碱基和读长；去除接头序列和污染序列：测序过程中存在外源性
DNA
污染或者
PCR
扩增产生的接头序列，因此将其从第一
WES
测序数据中去除；过滤重复序列：在样本库构建过程中，判断
PCR
扩增影响并将第一
WES
测序数据中重复序列进行过滤
。4.
根据权利要求3所述的基于高通量测序技术的新生儿遗传病早筛方法，其特征在于，所述对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/
缺失变异的第二
WES
测序数据的步骤中，对所述第一
WES
测序数据进行比对的方法包括：选用
BWA
比对工具对第一
WES
测序数据与参考基因组进行基因组版本
、
样本大小
、
测序深度的比对，生成比对结果；将所述比对结果以
SAM/BAM
格式存储，其中包含了每个位点的碱基信息和映射质量的
信息
。5.
根据权利要求4所述的基于高通量测序技术的新生儿遗传病早筛方法及装置，其特征在于，所述对所述第一
WES
测序数据进行质量控制
、
比对和变异检测的处理，筛选出具有单核苷酸多态性和小片段插入
/

【专利技术属性】
技术研发人员：吴莉萍，姜盼盼，罗宏敏，杨江涛，
申请(专利权)人：深圳爱湾医学检验实验室，
类型：发明
国别省市：