目标区域测序中质控位点选取方法及装置制造方法及图纸

本发明专利技术公开了一种目标区域测序中质控位点选取方法及装置，所述方法包括：选取目标区域；在数据库中提取各单核苷酸多态性位点对于所有个体的基因型，得到第一位点数据，根据该数据计算检出率以及次等位基因频率；在实验样本中，对预测所得的目标区域内的各单核苷酸多态性位点进行筛选后，合并每个实验个体目标区域内的单核苷酸多态性位点，得到第二位点数据，根据该数据计算检出率以及次等位基因频率；选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点。这样选取的一组单核苷酸多态性位点作为质控位点是较有代表性的，且该种质控位点选取方法简单易操作。

【技术实现步骤摘要】

本专利技术涉及基因工程
，特别是涉及一种目标区域测序中质控位点选取方 法及装置。
技术介绍
单核苷酸多态性(Single Nucleotide Polymorphisms,简称SNP)位点，是指在基 因组上单个核苷酸的变异形成的遗传标记，其数量很多，多态性丰富。单核苷酸多态性，主 要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。它是人类可遗传的 变异中最常见的一种，占所有已知多态性的90%以上。SNP在人类基因组中广泛存在，平均 每500 1000个碱基对中就有I个，估计其总数可达300万个甚至更多。对目标区域应用第二代测序技术进行测序后，通过一定的算法或者软件运算可以 得到目标区域中潜在的SNP位点，所得到的这些SNP位点在实际应用中为了保证其准确性 以及评估目标区域测序好坏，通常会挑选一部分进行质控验证，如何从数以千计的SNP位 点中挑选较有代表性的一组SNP位点作为质控位点进行生物学实验验证是现在面临的一 个难题。
技术实现思路
本专利技术主要解决的技术问题是提供一种目标区域测序中质控位点选取方法及装 置，能够从数以千计的SNP位点中挑选较有代表性的一组SNP作为质控位点进行生物学实 验验证。为解决上述技术问题，本专利技术采用的一个技术方案是提供一种目标区域测序中 质控位点选取方法，包括以下步骤在测序得到的核酸序列中选取目标区域；对目标区域 中的各单核苷酸多态性位点，在数据库中提取各单核苷酸多态性位点对于所有个体的基因 型，得到第一位点数据，计算第一位点数据中的各单核苷酸多态性位点的检出率以及次等 位基因频率；在实验样本中，对预测所得的目标区域内的各单核苷酸多态性位点进行筛选 后，合并每个实验个体目标区域内的单核苷酸多态性位点，得到第二位点数据，计算第二位 点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率；选取在数据库及实验样 本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值 的一组单核苷酸多态性位点作为质控位点。其中，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频 率的步骤之前，包括采用单核苷酸多态性位点预测软件预测实验样本中目标区域内的单 核苷酸多态性位点。其中，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频 率的步骤之前，包括对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛 选，所述对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选的条件参数 包括位点被测序数据覆盖的层数、位点附近区域的拷贝数和单核苷酸多态性位点预测软件的得分。其中，在对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选的 步骤包括排除未出现在数据库中的单核苷酸多态性位点。其中，在选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据 库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点的步骤 之前，包括对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实验样本 中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本中得到的次等位基因 频率分别进行排序。其中，在对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实 验样本中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本中得到的次等 位基因频率分别进行排序之后，包括根据排序结果选取在数据库以及实验样本中的次等 位基因频率最接近O. 5且在数据库以及实验样本中的检出率大于O. 97的一组单核苷酸多 态性位点作为质控位点。其中，在选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据 库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点的步骤 之后，包括分别计算所选取的质控位点在数据库个体间以及实验样本个体间的一致性，分 别得到数据库个体间以及实验样本个体间的一致度，所述一致度为拥有不同位点个数样本 对在总样本对中的比例。其中，在分别计算所挑选的质控位点在数据库个体间以及实验样本个体间的一致 性的步骤之后,包括根据拥有不同位点个数样本对在总样本对中的比例确定第三阈值来 作为判断不同个体间所应有的位点差异数。为解决上述技术问题，本专利技术采用的另一个技术方案是提供一种目标区域测序 中质控位点选取装置，所述装置包括选取模块，用于在测序得到的核酸序列中选取目标区 域；第一提取模块，用于对目标区域中的各单核苷酸多态性位点，在数据库中提取各单核苷 酸多态性位点对于所有个体的基因型，得到第一位点数据；第二提取模块，用于在实验样本 中，对预测所得的目标区域内的各单核苷酸多态性位点进行筛选后，合并每个实验个体目 标区域内的单核苷酸多态性位点，得到第二位点数据；第一计算模块，用于计算第一位点数 据中的各单核苷酸多态性位点的检出率以及次等位基因频率以及计算第二位点数据中的 各单核苷酸多态性位点的检出率以及次等位基因频率；取值模块，用于选取在数据库及实 验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二 阈值的一组单核苷酸多态性位点作为质控位点。其中，预测模块，用于采用单核苷酸多态性位点预测软件预测实验样本中目标区 域内的单核苷酸多态性位点，并将预测结果发给筛选模块。其中，筛选模块，用于对预测所得的实验样本中目标区域内的单核苷酸多态性位 点进行筛选，排除未出现在数据库中的单核苷酸多态性位点，并将筛选结果发给所述第二 提取模块，所述筛选模块对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行 筛选的条件参数包括位点被测序数据覆盖的层数、位点附近区域的拷贝数和单核苷酸多态 性位点预测软件的得分。其中，排序模块，用于对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实验样本中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本 中得到的次等位基因频率分别进行排序，并将排序结果发给取值模块。其中，所述取值模块根据排序结果选取在数据库及实验样本中的次等位基因频率 最接近O. 5且在数据库及实验样本中的检出率大于O. 97的一组单核苷酸多态性位点作为 质控位点。其中，第二计算模块，用于分别计算所选取的质控位点在数据库个体间以及实验 样本个体间的一致性，分别得到数据库个体间以及实验样本个体间的一致度，所述一致度 为拥有不同位点个数样本对在总样本对中的比例。其中，确定模块，用于根据所述拥有不同位点个数样本对在总样本对中的比例确 定第三阈值来作为判断不同个体间所应有的位点差异数。本专利技术的有益效果是区别于现有技术难以挑选到具有代表性的质控位点的缺 陷，本专利技术先对目标区域中的各SNP位点，在数据库中提取各SNP位点对于所有个体的基因 型，得到第一位点数据，计算第一位点数据中的各SNP位点的检出率(call rate)以及次等 位基因频率(maf);同时在实验样本中，对预测所得的目标区域内的各单核苷酸多态性位 点进行筛选后，合并每个实验个体目标区域内的单核苷酸多态性位点，得到第二位点数据， 计算第二位点数据中的各SNP位点的检出率以及次等位基因频率；然后选取在数据库及实 验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二 阈值的一组单核苷酸多态性位点本文档来自技高网...

【技术保护点】
一种目标区域测序中质控位点选取方法，其特征在于，包括以下步骤：在测序得到的核酸序列中选取目标区域；对目标区域中的各单核苷酸多态性位点，在数据库中提取各单核苷酸多态性位点对于所有个体的基因型，得到第一位点数据，计算第一位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率；在实验样本中，对预测所得的目标区域内的各单核苷酸多态性位点进行筛选后，合并每个实验个体目标区域内的单核苷酸多态性位点，得到第二位点数据，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率；选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点。

【技术特征摘要】
1.一种目标区域测序中质控位点选取方法，其特征在于，包括以下步骤 在测序得到的核酸序列中选取目标区域； 对目标区域中的各单核苷酸多态性位点，在数据库中提取各单核苷酸多态性位点对于所有个体的基因型，得到第一位点数据，计算第一位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率；在实验样本中，对预测所得的目标区域内的各单核苷酸多态性位点进行筛选后，合并每个实验个体目标区域内的单核苷酸多态性位点，得到第二位点数据，计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率； 选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点。2.根据权利要求1所述的目标区域测序中质控位点选取方法，其特征在于 计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率的步骤之前，包括采用单核苷酸多态性位点预测软件预测实验样本中目标区域内的单核苷酸多态性位点。3.根据权利要求1所述的目标区域测序中质控位点选取方法，其特征在于 计算第二位点数据中的各单核苷酸多态性位点的检出率以及次等位基因频率的步骤之前，包括对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选，所述对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选的条件参数包括位点被测序数据覆盖的层数、位点附近区域的拷贝数和单核苷酸多态性位点预测软件的得分。4.根据权利要求3所述的目标区域测序中质控位点选取方法，其特征在于 在对预测所得的实验样本中目标区域内的单核苷酸多态性位点进行筛选的步骤包括排除未出现在数据库中的单核苷酸多态性位点。5.根据权利要求1 4任一项所述的目标区域测序中质控位点选取方法，其特征在于 在选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点的步骤之前，包括对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实验样本中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本中得到的次等位基因频率分别进行排序。6.根据权利要求5所述的目标区域测序中质控位点选取方法，其特征在于 在对目标区域内的各单核苷酸多态性位点在数据库中得到的检出率、在实验样本中得到的检出率、在数据库中得到的次等位基因频率以及在实验样本中得到的次等位基因频率分别进行排序之后，包括根据排序结果选取在数据库以及实验样本中的次等位基因频率最接近O. 5且在数据库以及实验样本中的检出率大于O. 97的一组单核苷酸多态性位点作为质控位点。7.根据权利要求1所述的目标区域测序中质控位点选取方法，其特征在于 在选取在数据库及实验样本中的次等位基因频率最接近第一阈值且在数据库及实验样本中的检出率大于第二阈值的一组单核苷酸多态性位点作为质控位点的步骤之后，包括分别计算所选取的质控位点在数据库个体间以及实验样本个体间的一致性，分别得到数据库个体间以及实验样本个体间的一致度，所述一致度为...

【专利技术属性】
技术研发人员：蒋涛，李英睿，汪建，王俊，杨焕明，
申请(专利权)人：深圳华大基因科技有限公司，深圳华大基因研究院，
类型：发明
国别省市：