[發(fā)明專利]三代測(cè)序數(shù)據(jù)糾錯(cuò)的方法、裝置和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710170899.5
• 申請(qǐng)日: 2017-03-21
• 公開(kāi)（公告）號(hào): CN108629156B
• 公開(kāi)（公告）日: 2020-08-28
• 發(fā)明（設(shè)計(jì)）人: 徐煜;李治鑫;林哲;高強(qiáng);霍守江;肖黎
• 申請(qǐng)（專利權(quán)）人: 深圳華大基因科技服務(wù)有限公司
• 主分類號(hào): G16B30/10
• 分類號(hào): G16B30/10;G16B30/20;G16B40/00
• 代理公司: 深圳鼎合誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 44281
• 代理人: 孫銀行;彭家恩

1.一種三代測(cè)序數(shù)據(jù)糾錯(cuò)的方法，其特征在于，包括：

利用二代測(cè)序數(shù)據(jù)和/或三代測(cè)序數(shù)據(jù)，組裝出一個(gè)初步的參考基因組；

將所述二代測(cè)序數(shù)據(jù)和所述三代測(cè)序數(shù)據(jù)比對(duì)到所述參考基因組上；

對(duì)于所述三代測(cè)序數(shù)據(jù)比對(duì)結(jié)果中每個(gè)比對(duì)片段上的每個(gè)堿基位置，推斷并賦予該堿基位置一個(gè)最大可能性的堿基型和質(zhì)量值；

對(duì)于所述三代測(cè)序數(shù)據(jù)的讀長(zhǎng)中有多個(gè)比對(duì)片段和/或未比對(duì)上的片段，根據(jù)所述最大可能性的堿基型和質(zhì)量值，將所述多個(gè)比對(duì)片段和/或未比對(duì)上的片段整合為一條讀長(zhǎng)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述推斷并賦予該堿基位置一個(gè)最大可能性的堿基型和質(zhì)量值，通過(guò)最大后驗(yàn)?zāi)Ｐ汀⒆畲笏迫荒Ｐ突螂[馬爾可夫模型實(shí)現(xiàn)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述最大后驗(yàn)?zāi)Ｐ桶ǎ?/p>

對(duì)于每個(gè)堿基位置，在給定該堿基位置的基因組拷貝數(shù)、同一基因組位置上其它二代和三代比對(duì)片段的基因型以及二代和三代測(cè)序錯(cuò)誤的先驗(yàn)概率的條件下，計(jì)算該堿基位置上各種可能的堿基型出現(xiàn)的后驗(yàn)概率；

將該堿基位置的堿基型推斷為擁有最大后驗(yàn)概率的堿基型；將該堿基位置的質(zhì)量值賦值為各種可能的堿基型的后驗(yàn)概率中的最大值除以第二大值然后取常用對(duì)數(shù)并乘以-10所得的結(jié)果。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，對(duì)于堿基位置L，假定其基因組拷貝數(shù)為n，在該位置上二代測(cè)序的基因型為R＝(r₁，r₂，r₃，…，r_k)，三代測(cè)序的基因型為S＝(s₁，s₂，s₃，…，s_l)，某三代測(cè)序讀長(zhǎng)的測(cè)序結(jié)果為obs，obs∈S；該位置所有可能的等位基因型為所有可能的基因型為則所述三代測(cè)序讀長(zhǎng)在該位置的堿基型為：

其中S'＝S-obs。

5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，對(duì)于所述三代測(cè)序數(shù)據(jù)的讀長(zhǎng)中有多個(gè)比對(duì)片段和/或未比對(duì)上的片段，所述最大可能性的堿基型和質(zhì)量值，通過(guò)如下步驟確定：

對(duì)于未比對(duì)上的片段，其每個(gè)堿基位置的堿基型賦值為該位置觀察的堿基型，質(zhì)量值賦值為其測(cè)序的質(zhì)量值；

對(duì)于同一堿基位置被多個(gè)比對(duì)片段覆蓋，該位置的堿基型賦值為擁有最高質(zhì)量值的堿基型，其質(zhì)量值賦值為各堿基型質(zhì)量值中的最大值減去次大值。

6.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，在所述組裝出一個(gè)初步的參考基因組之后且在所述將所述二代測(cè)序數(shù)據(jù)和所述三代測(cè)序數(shù)據(jù)比對(duì)到所述參考基因組上之前，還包括：處理所述參考基因組的組裝結(jié)果，使其片段長(zhǎng)度和基因組復(fù)雜度適于所述二代測(cè)序數(shù)據(jù)和所述三代測(cè)序數(shù)據(jù)比對(duì)。

7.一種三代測(cè)序數(shù)據(jù)糾錯(cuò)的裝置，其特征在于，包括：

組裝裝置，用于利用二代測(cè)序數(shù)據(jù)和/或三代測(cè)序數(shù)據(jù)，組裝出一個(gè)初步的參考基因組；

比對(duì)裝置，用于將所述二代測(cè)序數(shù)據(jù)和所述三代測(cè)序數(shù)據(jù)比對(duì)到所述參考基因組上；

推斷裝置，用于對(duì)于所述三代測(cè)序數(shù)據(jù)比對(duì)結(jié)果中每個(gè)比對(duì)片段上的每個(gè)堿基位置，推斷并賦予該堿基位置一個(gè)最大可能性的堿基型和質(zhì)量值；

整合裝置，用于對(duì)于所述三代測(cè)序數(shù)據(jù)的讀長(zhǎng)中有多個(gè)比對(duì)片段和/或未比對(duì)上的片段，根據(jù)所述最大可能性的堿基型和質(zhì)量值，將所述多個(gè)比對(duì)片段和/或未比對(duì)上的片段整合為一條讀長(zhǎng)。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述推斷并賦予該堿基位置一個(gè)最大可能性的堿基型和質(zhì)量值，通過(guò)最大后驗(yàn)?zāi)Ｐ汀⒆畲笏迫荒Ｐ突螂[馬爾可夫模型實(shí)現(xiàn)。