CN119495356A 一种基于等位基因感知的剪切区间变异检测方法、系统 （烟台大学）

一种基于等位基因感知的剪切区间变异检具体涉及一种基于等位基因感知的剪切区间变同变异会表现为插入或复制变异信号与剪切信2基于有效高剪切信号区间，获取一条读段所有比对片段，根变异的碱基序列；根据变异信号得到剪切信号后，计算待检区间具有剪切信号的读段获取高剪切信号区间的比对片段和补充比对片段，计算比对若总比对片段数量不小于第一数量且不大于第二数量，及非所述步骤S1，根据比对片段一端的剪切信号获取与该比对片段另一端相邻的比对片基于比对片段的变异类型，比较有效高剪切信号区间含有大于预3若两个比对片段的方向相同，不存在交叠，且两断点间存在若两个比对片段的方向相同，存在交叠，且两断点间不存在若两个比对片段的方向相反，不存在交叠，且两断点间不存在大基于比对片段的变异类型，比较有效高剪切信号区间含有大于预若有效高剪切信号区间含有大于预设尺寸的插入和缺失变异的读段数量不小于预设如果插入变异的读段数量不小于缺失变异的读段数量，如果插入变异的读段数量小于缺失变异的读段数量，若有效高剪切信号区间不含有大于预设尺寸的插入或缺失变如果复制变异的读段数量不小于倒位变异的读段数量，如果复制变异的读段数量小于倒位变异的读段数量，则剪若插入或复制变异信号与剪切信号同时存在，则选择同一染色体若缺失变异信号与剪切信号同时存在，则选择同一染色体上4离与读段距离的距离差值的绝对值加1的长度，取参考基因组中的碱基序列作为变异的序将剪切区间的变异特征分为两类，第一类型和第二类型，其中第一按基因组坐标排序分别构建变异特征序列，根据匹配条件进行特征匹配对于第二类型，若两个变异类型相同，且断点位置的距离差值的绝对若比对结果不包含剪切区间，则剪切区间向两侧扩展后，根若新比对结果不包含剪切区间，则基于聚类集合中所有读段信息遍历剪切区间起始位置的比对块的比对信息，确定起始位置前且距离该起遍历剪切区间结束位置的比对块的比对信息，确定结束位置后且距离该结根据两个匹配块的比对信息，计算位于剪切区间的共识序列的起始位置和结束位置，剪切区间位置和剪切区间变异类型标记模块：用于测序数据与参考基因组进行比对，5基于有效高剪切信号区间，获取一条读段所有比对片段，根变异特征聚类模块：基于剪切区间位置和剪切区间变异类型，分别提变异的碱基序列；6切信号获取与该比对片段另一端相邻的比对片段，标记剪切区间位置和剪切区间变异类得到变异的碱基序列；7将第一目标剪切区间的开始位置与第N目标剪切区间的结束位置的区间，作为高剪切信号若有效高剪切信号区间含有大于预设尺寸的插入和缺失变异的读段数量不小于8若缺失变异信号与剪切信号同时存在，则选择同一染色体上距离最近的两个片参考距离与读段距离的距离差值的绝对值加1的长度，取参考基因组中的碱基序列作为变9序列。切信号获取与该比对片段另一端相邻的比对片段，标记剪切区间位置和剪切区间变异类得到变异的碱基序列；切信号获取与该比对片段另一端相邻的比对片段，标记剪切区间位置和剪切区间变异类[0018]对于大尺寸的结构变异，其读段比对信息通常会断裂为若干段，表现为剪切(OccA,OccC,OccG,OccT,OccN)，其中OccX表示比的数量。将第一目标剪切区间的开始位置与第N目标剪切区间的结束位置的区间，作为高剪切信号[0024]其中，所确定的高剪切信号区间，表示该区间含有过多clipping数据（如具有依次检测500bp检测窗口内的每个碱基位置p，如果区间[p,p+100]区间内具有clipping信号的读段占比在20%及以上，则记录第一次出现高clipping区间的位置i为clipping区间的开始位置，最后一次出现高clipping区间的位置j为clipping区间的结束若有效高剪切信号区间含有大于预设尺寸的插入和缺失变异的读段数量不小于[0041]clipping区间内相同变异有时会表现为插入或复制变异信号与剪切信号同时存参考距离小于第一阈值（如500bp且两若缺失变异信号与剪切信号同时存在，则选择同一染色体上距离最近的两个片参考距离与读段距离的距离差值的绝对值加1的长度，取参考基因组中的碱基序列作为变，代表结束位置为开始位置加参考距离与读段距离的距离差值的绝对值；DEL表示变异类型为缺失；abs(dist)+1表示参考距离与读段距离的距离差值的绝对值加1的长度，abs为取义为六元组x=(chr,startpos,endpos,svtype,SVLen,svseq)，clipping类型在染色体的名称；startpos与endpos分别为变异在染色体chr上的起始位置与终止位[0052]两条变异特征序列可分别表示为Y=y1y2…ymn。则两个变异视为匹配；绝对值不高于第九阈值（如500bp且两个变异的adjDist的次大值与最大值的比值不小于第十阈值（如0.9其中adjDist表示同一条读段的断点与其相邻下一个断点的参考聚类。聚类结果保存到文件中，信息包括读段数量，以及读段名称。该过程在公开号为得到变异的碱基序列。得到变异的碱基序列。序列。第1步：解析minimap2比对信息PAF文件，遍历每个比对块(PAF文件的一行)的上的两个比对块(由于同一条共识序列的minimap2比对信息有时会被拆分为多个比对块，前且距离该位置最近的匹配块，要求该匹配块的比对类型为匹配(CIGAR操作类型为BAM_[0067]如果minimap2比对信息未能包含剪切区间，则需要重新生成变异区间的比对信第1步：解析minimap2比对信息PAF文件，遍历每个比对块(PAF文件的一行)的前且距离该位置最近的匹配块，要求该匹配块的比对类型为匹配(CIGAR操作类型为BAM_①变异起始位置和结束位置的距离偏差均不大于第十一阈值（100bp②变异序列