基于癌癥基因測序數(shù)據(jù)的統(tǒng)計(jì)方法研究.pdf

1、近年來，隨著新一代基因測序技術(shù)飛速的發(fā)展，好幾款使用大規(guī)模平行循環(huán)芯片測序技術(shù)的測序儀在市面上出現(xiàn)并得到了廣泛的應(yīng)用?，F(xiàn)在，在小型實(shí)驗(yàn)室里也能夠獨(dú)立完成以前只有大型測序中心才能夠開展的項(xiàng)目。新一代基因測序技術(shù)己廣泛應(yīng)用于生物學(xué)研究，并取得了顯著的科技成果。相比于傳統(tǒng)的基因測序技術(shù)，新一代基因測序技術(shù)極大地降低了測序成本，并且在效率上得到了顯著地提高。但是，新一代基因測序技術(shù)在測序長度以及測序準(zhǔn)確率上仍有一定的劣勢。
　　 我們將

2、比以往更容易地獲得大量的基因組測序數(shù)據(jù)，但如何基于這些巨量的基因組測序數(shù)據(jù)進(jìn)行高效快速的統(tǒng)計(jì)分析，并得到準(zhǔn)確的統(tǒng)計(jì)推斷及有效的統(tǒng)計(jì)檢驗(yàn)，對統(tǒng)計(jì)方法研究來說仍是一個(gè)極大的挑戰(zhàn)。本文基于肺癌樣本的外顯子測序數(shù)據(jù)研究基因體細(xì)胞突變和癌癥的關(guān)系，進(jìn)行了如下工作：基于基因測序數(shù)據(jù)推斷研究對象或個(gè)體的基因型；估計(jì)基因組各個(gè)位點(diǎn)的變異率或雜合丟失率；對基因組各個(gè)位點(diǎn)是否為體細(xì)胞突變進(jìn)行相關(guān)檢驗(yàn)；尋找突變后可能直接影響癌癥病發(fā)的驅(qū)動基因以及探尋驅(qū)動基因

3、間的交互作用。
　　 基于基因測序數(shù)據(jù)的基因型推斷主要有兩個(gè)難點(diǎn)：測序錯誤與樣本混合。但是現(xiàn)有生物軟件的的推斷方法一般是基于二項(xiàng)分布的貝葉斯判別分析，往往并沒有考慮樣本混合這一因素，其可能的后果是低估了變異率以及漏判了真正的變異位點(diǎn)。我們的方法引入了包括每個(gè)位點(diǎn)的變異率、測序錯誤率以及每個(gè)腫瘤樣本的混合率在內(nèi)的若干參數(shù)，并分別基于染色體位點(diǎn)維度和腫瘤樣本維度建立基于二項(xiàng)分布的似然模型，最后用EM方法得到各個(gè)參數(shù)的極大似然估計(jì)，并

4、且用后驗(yàn)概率作為基因型的判斷依據(jù)。模擬結(jié)果顯示，我們的方法比傳統(tǒng)貝葉斯方法有著更高的準(zhǔn)確率，且EM算法相比于其他方法有著更短的運(yùn)行時(shí)間。模擬結(jié)果同時(shí)也證實(shí)了引入樣本混合率參數(shù)的必要性與合理性。真實(shí)數(shù)據(jù)的結(jié)果顯示，在考慮樣本混合率的條件下，我們的方法不僅找到了已有軟件發(fā)現(xiàn)豹大多數(shù)突變位點(diǎn)，還找到了更多可能突變的新位點(diǎn)。
　　 在基因型推斷的同時(shí)，我們的模型也可以得到每個(gè)位點(diǎn)變異率的估計(jì)。我們通過變異率參數(shù)的似然比檢驗(yàn)來判別某位點(diǎn)是

5、否為體細(xì)胞測序變異(SomaticSNVs)。模擬結(jié)果展示了影響檢驗(yàn)功效的各個(gè)因素，并且證實(shí)了該檢驗(yàn)的合理性以及我們基于極大似然估計(jì)的循環(huán)迭代算法的有效性。真實(shí)數(shù)據(jù)的結(jié)果顯示，我們找到了一些可能為體細(xì)胞突變的新SNV。類似地，當(dāng)我們在似然中引入了雜合丟失率(LOH)后，我們也可以得到某位點(diǎn)雜合丟失率的估計(jì)并做相應(yīng)的統(tǒng)計(jì)檢驗(yàn)。但是引入LOH在真實(shí)數(shù)據(jù)中的有效性仍值得進(jìn)一步地探討與研究。
　　 為了尋找可能直接導(dǎo)致癌癥的驅(qū)動基因，我

6、們分別按照影響蛋白質(zhì)功能及堿基對體細(xì)胞突變進(jìn)行了分類，并統(tǒng)計(jì)了每個(gè)腫瘤樣本在各個(gè)基因上的各個(gè)不同類型的突變個(gè)數(shù)并得到了相應(yīng)的計(jì)數(shù)數(shù)據(jù)。我們同時(shí)考慮到了變異類型、基因長度以及不同樣本的背景變異率，建立了基于泊松分布的似然模型，并引入了原假設(shè)下x2混合分布的偏移系數(shù)，構(gòu)造了一個(gè)邊界條件下的多元似然比檢驗(yàn)的方法。模擬結(jié)果顯示，相比于現(xiàn)有的基于伯努利分布的方法，我們的方法有著更高的功效。真實(shí)數(shù)據(jù)的結(jié)果顯示，我們能找到更多的驅(qū)動基因，并且在生物學(xué)

7、上可解釋。類似地，我們的驅(qū)動基因檢驗(yàn)方法也可以靈活地應(yīng)用于生物通路(pathway)或基因集合的檢驗(yàn)。
　　 基因間的交互作用研究是近年來有挑戰(zhàn)性的熱點(diǎn)問題。我們用基于驅(qū)動基因檢驗(yàn)所估計(jì)的參數(shù)進(jìn)行蒙特卡洛模擬，進(jìn)而得到了基因兩兩之間交互作用的檢驗(yàn)。但是,3階以上的基因交互效應(yīng)檢驗(yàn)是相對困難的，我們可以嘗試應(yīng)用多元降維法。模擬結(jié)果顯示，我們的方法較簡單置換檢驗(yàn)方法更加有效地排除了基因長度的的混淆因素，并且真實(shí)數(shù)據(jù)分析的結(jié)果表明交互