[發明專利]評估和校驗三代測序的序列組裝結果的方法與裝置

在審

• 申請號: 201711114931.4
• 申請日: 2017-11-13
• 公開（公告）號: CN107895104A
• 公開（公告）日: 2018-04-10
• 發明（設計）人: 鄧天全
• 申請（專利權）人: 深圳華大基因科技服務有限公司
• 主分類號: G06F19/22
• 分類號: G06F19/22
• 代理公司: 北京紀凱知識產權代理有限公司11245
• 代理人: 關暢,張立娜

1.一種評估三代測序的序列組裝結果的方法，包括如下步驟：

(1)將同一樣本的二代測序序列與三代測序的序列組裝結果進行對比；

(2)根據步驟(1)的比對結果，從所述三代測序的序列組裝結果中挑選出在所述二代測序序列中平均覆蓋深度低的區域，然后將所選的每一個區域均在所述三代測序的序列組裝結果中進行延伸，從而獲取若干個延伸后序列；

所述平均覆蓋深度低指的是平均覆蓋深度低于“低深度定義閥值”，為如下任一：

(a1)當所述二代測序的平均覆蓋深度為30X時，所述“低深度定義閥值”為3X；

(a2)當所述二代測序的平均覆蓋深度大于30X且小于等于50X時，所述“低深度定義閥值”為4-5X；

(a3)當所述二代測序的平均覆蓋深度大于50X且小于等于70X時，所述“低深度定義閥值”為6-8X；

(a4)當所述二代測序的平均覆蓋深度大于70X時，所述“低深度定義閥值”為9-10X；

(3)將三代測序序列與步驟(2)獲得的每一個延伸后序列進行單獨比對；

(4)根據步驟(3)的比對結果，統計步驟(2)中所選的每一個區域在所述三代測序序列中的平均覆蓋深度；

(5)根據步驟(4)的統計結果，確定步驟(2)中所選的每一個區域的組裝質量的高低，進而實現對所述三代測序的序列組裝結果的評估。

2.根據權利要求1所述的方法，其特征在于：所述步驟(1)為：將同一樣本的二代測序序列與三代測序的序列組裝結果進行對比，統計所述三代測序的序列組裝結果中每個堿基在所述二代測序序列中的覆蓋深度，進而以1-5kb為窗口，計算得到所述三代測序的序列組裝結果中每個窗口區域在所述二代測序序列中的平均覆蓋深度；

所述步驟(2)為：根據步驟(1)的結果，從所述三代測序的序列組裝結果中挑選出在所述二代測序序列中平均覆蓋深度低的全部窗口區域，然后將所選的每一個窗口區域均在所述三代測序的序列組裝結果中向前后各延伸10-40kb，從而獲取若干個延伸后序列；

所述步驟(3)為：將三代測序序列與步驟(2)獲得的每一個延伸后序列進行單獨比對；

所述步驟(4)為：根據步驟(3)的比對結果，統計步驟(2)中所選的每一個窗口區域在所述三代測序序列中的平均覆蓋深度；

所述步驟(5)為：根據步驟(4)的統計結果，按照如下對步驟(2)中所選的每一個窗口區域進行組裝質量高低的標記，進而評估所述三代測序的序列組裝結果的整體組裝質量：如果步驟(2)中所選的某一個窗口區域M在所述三代測序序列中的平均覆蓋深度小于等于5X，則將所述窗口區域M標記為“組裝質量相對較低的區域”；如果步驟(2)中所選的某一個窗口區域N在所述三代測序序列中的平均覆蓋深度大于5X，則將所述窗口區域N標記為“組裝質量相對較高的區域”。

3.根據權利要求2所述的方法，其特征在于：步驟(5)中，是按照如下評估所述三代測序的序列組裝結果的整體組裝質量的：所標記的所述“組裝質量相對較高的區域”的數量與所述“組裝質量相對較低的區域”和所述“組裝質量相對較高的區域”兩者總數量的比值越大，則所述三代測序的序列組裝結果的整體組裝質量越高；

步驟(2)中所選的窗口區域中如果連續2個以上同時被標記為“組裝質量相對較低的區域”，則將它們合并記成一個“組裝質量相對較低的區域”；如果連續2個以上同時被標記為“組裝質量相對較高的區域”，則將它們合并記成一個“組裝質量相對較高的區域”。

4.根據權利要求1-3中任一所述的方法，其特征在于：步驟(1)中，所述二代測序序列為二代高通量測序所得的原始數據經過過濾處理后的序列。

5.根據權利要求1-3中任一所述的方法，其特征在于：步驟(3)中，所述三代測序序列為未糾錯序列或者自糾錯序列。

6.根據權利要求1-3中任一所述的方法，其特征在于：步驟(1)中，所述二代測序的平均數據量達到基因組大小的30X以上。

7.根據權利要求1-3中任一所述的方法，其特征在于：所述二代測序的平均數據量達到基因組大小的50X以上。