[發明專利]一種測序數據GC偏向性校正的方法及其裝置

有效

• 申請號: 202010436420.X
• 申請日: 2020-05-21
• 公開（公告）號: CN111627498B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 林浩翔;況霓;黃毅;易鑫;楊玲;吳玲清
• 申請（專利權）人: 北京吉因加醫學檢驗實驗室有限公司;深圳吉因加醫學檢驗實驗室
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B30/10;G16B40/00
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 廖慧敏

1.一種測序數據GC偏向性校正的方法，其特征在于，包括如下步驟：獲取基因組的測序數據比對數據可供計算分析區間R；

從可供計算分析區間R獲取最高頻率片段長度數F；

通過對可供計算分析區間R進行不重復的抽樣，抽樣數N小于或等于可供計算分析區間R的總長度；計算每一個抽出的位置P對應的如下A)-B）的參數:

A)位置P到位置P+F之間的序列中的G堿基和C堿基的個數之和Gp；

B)位置P上比對片段數Fp，所述比對片段的起始位置為位置P；

匯總每一個位置上述的數值，對每一個Gp值進行分層統計，得到每一個Gp值對應的所有位置的總數Ngc，每一個Gp值對應的所有位置上比對片段數Fp的總數Fgc，分別計算所有Fgc和Ngc的總和，得到SumFgc和sumNgc；計算放大系數z = sumNgc/sumFgc，最終計算每一個Gp值對應的GC片段比例Rgc=Fgc*z/Ngc；

對Rgc進行校正處理得到R’gc；

將測序深度除以R’gc進行測序深度計算修正；

Rgc進行校正處理步驟中，若Gp/F小于或等于最低限度或高于或等于最高限度，則所述Gp值對應的Rgc設置成為1；

所述最低限度為0.15；

所述最高限度為0.85；

若Gp/F位于最低限度和最高限度之間，則對Rgc進行數據平滑處理。

2.根據權利要求1項所述的測序數據GC偏向性校正的方法，其特征在于：獲取最高頻率片段長度數F的方法為：對基因組測序數據的比對數據進行小于或等于總片段數的抽樣，統計片段長度并記數，找到最高頻數對應的片段長度數F。

3.根據權利要求1-2任一項所述的測序數據GC偏向性校正的方法，其特征在于：在獲取基因組的測序數據比對數據可供計算分析區間R步驟中，包括排除基因組組裝缺失區間、基因組多變區域和/或發生拷貝數變化的區域的步驟。

4.一種測序數據GC偏向性校正的裝置，其特征在于，包括：

獲取基因組的測序數據比對數據可供計算分析區間R單元，用于獲取基因組可供計算分析區間R；

獲取最高頻率片段長度數F單元，用于從基因組測序數據的比對數據中獲取最高頻率片段長度數F；

GC片段比例Rgc計算單元，通過對可供計算分析區間R進行不重復的抽樣，抽樣數N小于或等于可供計算分析區間R的總長度；計算每一個抽出的位置P對應的如下A)-B）的參數:

A)位置P到位置P+F之間的序列中的G堿基和C堿基的個數之和Gp；

B)位置P上比對片段數Fp，所述比對片段的起始位置為位置P；

匯總每一個位置上述的數值，對每一個Gp值進行分層統計，得到每一個Gp值對應的所有位置的總數Ngc，每一個Gp值對應的所有位置上比對片段數Fp的總數Fgc，分別計算所有Fgc和Ngc的總和，得到SumFgc和sumNgc；計算放大系數z = sumNgc/sumFgc，最終計算每一個Gp值對應的GC片段比例Rgc=Fgc*z/Ngc；

測序深度計算修正單元，將測序深度除以Rgc進行測序深度計算修正；

Rgc校正處理單元，用于對Rgc進行校正處理得到R’gc；相應的測序深度計算修正單元為測序深度除以R’gc；

在Rgc校正處理單元中包括：

第一Rgc校正處理單元，用于在Gp/F小于或等于最低限度或高于或等于最高限度時，將所述Gp值對應的Rgc設置成為1；

第二Rgc校正處理單元，用于在Gp/F位于最低限度和最高限度之間時，將Rgc進行數據平滑處理；

所述最低限度為0.15；所述最高限度為0.85。

5.根據權利要求4所述的測序數據GC偏向性校正的裝置，其特征在于，

在獲取最高頻率片段長度數F單元中包括：

抽樣單元，用于對基因組測序數據的比對數據進行小于或等于總片段數的抽樣；

統計單元，用于統計所述抽樣單元中抽取的片段長度并記數，找到最高頻數對應的片段長度數F。

6.根據權利要求4-5任一項所述的測序數據GC偏向性校正的裝置，其特征在于，在獲取基因組的測序數據比對數據可供計算分析區間R單元中，包括排除基因組組裝缺失區間單元、排除基因組多變區域單元和/或排除發生拷貝數變化的區域單元。