[發明專利]系譜中染色體區段的來源推斷的裝置和方法

有效

• 申請號: 201410370365.3
• 申請日: 2014-07-30
• 公開（公告）號: CN104134018B
• 公開（公告）日: 2017-09-26
• 發明（設計）人: 閆軍;張彥麗;侯凌燕;吳俊
• 申請（專利權）人: 北京諾禾致源科技股份有限公司
• 主分類號: G06F19/18
• 分類號: G06F19/18
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 吳貴明,張永明

技術領域

本發明涉及生物技術領域，具體而言，涉及一種系譜中染色體區段的來源推斷的裝置和方法。

背景技術

隨著二代測序技術的發展，全基因組水平上IBS(Identity by state)和IBD(Identity by decent)檢測已廣泛應用于系譜內樣品遺傳關系分析領域。目前基于全基因組變異檢測的IBS和IBD檢測方法已經比較成熟，例如廣泛使用的Plink、Beagle fastIBD、GERMLINE等和最新發表的Beagle refinedIBD、IBDseq、HapFABIA等。但是這些方法主要應用于對人類等高等哺乳動物的研究中，例如根據系譜關系和IBD數據研究不同種族人類的親緣關系，從而推斷人類進化歷史；或根據IBD數據反推系譜結構，然后進行系譜重建。

不同于人類等高等哺乳動物群體，對于植物學研究來說，在遺傳育種領域，自交為育種的常規手段，由此產生了許多自交產生的系譜群體；另外，由于某些原因導致大量樣品數據信息缺失或完整系譜結構信息無法獲知，從而影響了系譜的連貫和完整性。因此，目前為止，對以上所述復雜系譜在DNA分子水平上進行遺傳關系的重建尚無有效的方法可用。

發明內容

本發明旨在提供一種系譜中染色體區段的來源推斷的裝置和方法，以突破現有技術無法對(包括回交、自交、大量樣品數據信息缺失、完整系譜結構信息無法獲知等)復雜系譜在全基因組水平進行染色體區段來源進行推斷的瓶頸，使得上述各種復雜系譜在全基因組水平上進行染色體區段來源推斷成為可能。

為了實現上述目的，根據本發明的一個方面，提供了一種系譜中染色體區段的來源推斷的方法，該方法包括以下步驟：對系譜內所有樣品兩兩進行染色體比對，得到所有樣品中兩兩相比所得的相同染色體區段信息；根據所有樣品中兩兩相比所得的相同染色體區段信息，對全基因組進行遺傳區塊劃分，得到多個不同類型的遺傳區段；根據每個遺傳區段的類型的不同，對系譜內的所有樣品進行遺傳區段組劃分，得到多組遺傳區段樣品組；根據系譜中每三個樣品之間的已知的局部遺傳關系，對每組遺傳區段樣品組中的每個樣品的各遺傳區段的遺傳起源進行回溯分析，得到每組遺傳區段樣品組中的每個樣品的各遺傳區段的所有可能的遺傳路徑，并將每條遺傳路徑依次所經歷的樣品中的最后一個樣品記為終點樣品；根據所有可能的遺傳路徑中每條遺傳路徑的終點樣品及各終點樣品在系譜內樣品的排列順序，將在排列順序中位置最靠前的樣品推斷為每組遺傳區段樣品組中的每個樣品的各遺傳區段的祖先樣品，從而完成系譜中所有樣品的染色體區段的來源推斷。

進一步地，回溯分析步驟通過采用遞歸的方式遍歷已知的每三個樣品之間的局部遺傳關系所形成的二叉樹，得到每組遺傳區段樣品組中的每個樣品的各遺傳區段的所有可能的遺傳路徑。

進一步地，回溯分析步驟中每一次遞歸計算的內容如下：(a)如果系譜中某一待分析樣品的某一遺傳區段的類型與其某一親本的遺傳區段的類型不相同或待分析樣品為系譜中的祖先樣品，則待分析樣品的遺傳區段的類型為該樣品本身；(b)如果系譜中某一待分析樣品的某一遺傳區段的類型與其某一親本的遺傳區段的類型相同，則在遺傳區段上，將待分析樣品與親本劃分為同一遺傳區段組；并將親本作為新的待分析樣品，繼續進行步驟(a)或(b)，直到所分析的樣品的兩個親本與其本身都不相同，則停止分析。

進一步地，系譜內所有樣品的排列順序為：當系譜具有完整的系譜結構信息時，系譜內所有樣品的排序為按照系譜結構中從最長輩樣品到最晚輩樣品之間的排列順序；當系譜不具有完整的系譜結構信息時，系譜內所有樣品的排序為按照經驗進行的樣品排序或按照回溯分析確定的排序或自己設定的排列順序。

進一步地，在對系譜內所有樣品兩兩進行染色體比對，得到所有樣品中兩兩相比所得的相同染色體區段信息的步驟中，采用IBDseq算法對系譜內所有樣品兩兩進行染色體比對。