基于序列拼接的基因組插入變異集成檢測(cè).pdf

1、隨著高通量測(cè)序技術(shù)的快速發(fā)展，出現(xiàn)了很多應(yīng)用高通量測(cè)序數(shù)據(jù)的結(jié)構(gòu)變異檢測(cè)方法。由于高通量測(cè)序本身的局限性，例如片段較短、測(cè)序誤差偏大等因素，常規(guī)的檢測(cè)方法存在較大的局限性，檢測(cè)精度和敏感度不夠。針對(duì)這個(gè)問(wèn)題，本文主要針對(duì)插入變異，提出了一種基于序列拼接的基因組插入變異集成檢測(cè)方法，取名為ISALins。本文的主要內(nèi)容如下:
　　(1)設(shè)計(jì)基因組插入變異檢測(cè)流程，分析了檢測(cè)流程用到的實(shí)驗(yàn)數(shù)據(jù)。鑒于千人基因組發(fā)布的插入變異數(shù)量太少，本

2、文通過(guò)編程實(shí)現(xiàn)生成實(shí)驗(yàn)要用到的插入變異標(biāo)準(zhǔn)集。為了全面驗(yàn)證實(shí)驗(yàn)的檢測(cè)效果，根據(jù)實(shí)驗(yàn)需求準(zhǔn)備了NA12878個(gè)體真實(shí)測(cè)序數(shù)據(jù)和變異基準(zhǔn)數(shù)據(jù)，仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)為本課題奠定了數(shù)據(jù)基礎(chǔ)。
　　(2)分析了插入變異的片段特征，提出了一個(gè)聚簇支持插入變異片段的聚簇算法，保證了后續(xù)序列拼接和變異檢測(cè)的有效性。同時(shí)提出一種解決基于De Brujin圖序列拼接算法中重復(fù)序列的有效策略。
　　(3)提出了一種基于序列拼接的插入變異集成檢測(cè)策略

3、，在仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)上分別進(jìn)行了實(shí)驗(yàn)。該策略的實(shí)施分為四個(gè)階段:第一階段，為了在保證檢測(cè)敏感度的情況下，提高長(zhǎng)插入變異的檢測(cè)精度，通過(guò)融合多個(gè)工具的檢測(cè)結(jié)果得到一個(gè)初始插入變異可疑斷點(diǎn)集合；第二階段，通過(guò)在每個(gè)可疑斷點(diǎn)附近聚簇OEA片段，并進(jìn)行軟切片段(soft-clipped read)分析來(lái)得到高質(zhì)量軟切片段；第三階段，利用基于De Brujin圖的方法來(lái)進(jìn)行局部拼接，通過(guò)使動(dòng)態(tài)k-mer和k-mer頻率分析策略來(lái)消除基因組重復(fù)序