一种检测cnv的精确断点及断点周围特征的方法及装置的制造方法
【技术领域】
[0001]本发明涉及CNV断点检测领域，尤其涉及一种检测CNV的精确断点及断点周围特征的方法及装置。
【背景技术】
[0002]目前，有很多方法被用来检测CNV，比如split-read的方法(AGE, Pindel,ClipCrop)，paired-end 的方法(BreakDancer，PEMer)，read-depth 的方法(ReadDepth，CNVnator，CNV-seq), sequence assembly的方法，及综合方法(DELLY:)，这些方法中很多可以达到单碱基水平的精度，并且具有很高的精确度和灵敏度。但是，受到很多因素的影响，比如mapping error，测序错误及存在microhomology的情况等，这些方法检测出来的断点与真实的精确断点还是具有几十bp的差异的。同时，很多检测CNV的方法都是针对检测全基因组的CNV来设计的，因此一般功能比较受局限，细节部分不能完善，不能同时检测断点周围特征(micro—mutat1ns，insert sequence and microhomology 等)，只會^检测部分特征，比如Breakseq软件可以检测microhomology。
【发明内容】
[0003]本发明的目的之一是克服现有技术的不足而提供了一种检测CNV的精确断点及断点周围特征的方法。
[0004]本发明采用的技术方案为:一种检测CNV的精确断点及断点周围特征的方法，包括以下步骤:
[0005]使用已知的CNV检测软件检测模糊的CNV断点；
[0006]提取模糊的CNV断点周围异常的read pairs ；
[0007]找出一端比对上而另一端被截断的read pairs，当这样的read pairs位于断点附近且有超过3个被截断超过1bp的高质量reads时，通过计算高质量reads的mapping部分及被剪切部分，即可得到两个精确的CNV断点；
[0008]根据异常的insert size的read pairs来验证两个精确的CNV断点是否是目标CNV的两个断点，若验证是，则进入下一步；
[0009]提取5’端上游及3’端下游，各2000bp的参考基因组序列，构建成4000bp的新序列，同时把5’端上游2000bp、CNV以及3’端下游2000bp这段区间内的参考基因组序列提取出来作为第二个新序列；
[0010]提取精确的CNV断点周围所有的read pairs，把read pairs比对到这两条新序列上面来重新检测变异，对于重新检测的变异，结合新序列的在染色体的物理坐标，得到断点周围特征；对于精确的CNV断点连接处的插入，用blast在这条染色体上进行搜索，并将精确的CNV断点附近的匹配结果提取出来，用于后续CNV产生及DNA修复机制的分析。
[0011]作为对上述技术方案的进一步改进，所述步骤I)中，CNV检测软件为Breakdancer、DELLY、CNVnator、CrestSV、Pindel、Breakseq 中的至少两种。使用多个 CNV检测软件，寻找出几乎一样或者离得极尽的CNV断点，即认为此断点为模糊的CNV断点，这样可以提高精确的CNV断点检测的准确率。
[0012]作为对上述技术方案的更进一步改进，所述步骤I)中，CNV检测软件为Breakdancer、DELLY 和 CNVnator0
[0013]作为对上述技术方案的进一步改进，所述断点周围特征包括微同源(microhomologies)、插入(insert1ns)和微突变(micro-mutat1ns)。
[0014]本发明的目的之二是提供了一种检测CNV的精确断点及断点周围特征的装置。
[0015]本发明采用的技术方案为:一种检测CNV的精确断点及断点周围特征的装置，包括:
[0016]模糊CNV断点检测模块，用于使用已知的CNV检测软件检测模糊的CNV断点；
[0017]异常read pairs提取模块，与所述模糊CNV断点检测模块相连，用于提取模糊的CNV断点周围异常的read pairs ；
[0018]精确CNV断点获取模块，与所述异常read pairs提取模块相连，用于找出一端比对上而另一端被截断的:read pairs，当这样的read pairs位于断点附近且有超过3个被截断超过1bp的高质量reads时，通过计算高质量reads的mapping部分及被剪切部分，即可得到两个精确的CNV断点；
[0019]精确CNV断点验证模块，与所述精确CNV断点获取模块相连，用于根据异常的insert size的read pairs来验证两个精确的CNV断点是否是目标CNV的两个断点；
[0020]新序列建立模块，与所述精确CNV断点验证模块相连，用于提取5’端上游及3’端下游，各2000bp的参考基因组序列，构建成4000bp的新序列，同时把5’端上游2000bp、CNV以及3’端下游2000bp这段区间内的参考基因组序列提取出来作为第二个新序列；
[0021]断点周围特征获取模块，与所述新序列建立模块相连，用于提取精确的CNV断点周围所有的read pairs JGread pairs比对到这两条新序列上面来重新检测变异，对于重新检测的变异，结合新序列的在染色体的物理坐标，得到断点周围特征；对于精确的CNV断点连接处的insert1ns，用blast在这条染色体上进行搜索，并将精确的CNV断点附近的匹配结果提取出来，用于后续CNV产生及DNA修复机制的分析。
[0022]作为对上述技术方案的进一步改进，所述CNV检测软件为Breakdancer、DELLY、CNVnator、CrestSV、Pindel、Breakseq中的至少两种。使用多个CNV检测软件，寻找出几乎一样或者离得极尽的CNV断点，即认为此断点为模糊的CNV断点，这样可以提高精确的CNV断点检测的准确率。
[0023]作为对上述技术方案的更进一步改进，所述CNV检测软件为Breakdancer、DELLY和 CNVnator。
[0024]作为对上述技术方案的进一步改进，所述断点周围特征包括微同源(microhomologies)、插入(insert1ns)和微突变(micro-mutat1ns)。
[0025]相对于现有技术，本发明的有益效果为:
[0026]本发明的检测CNV的精确断点及断点周围特征的方法重点考虑到比对错误，测序错误及相似序列的存在等多种因素，帮助检测CNV的精确断点及断点周围特征(microhomologies, insert1ns和micro-mutat1ns)。这些详细的信息可帮助研究者进行临床诊断及验证，帮助病人知道详细的CNV的变异信息，同时可帮助科学家研究CNV的发生机制及DNA的修复机制。
【附图说明】
[0027]图1是本发明检测CNV的精确断点及断点周围特征的方法的流程示意图；
[0028]图2是本发明实施例中使用breakdancer、delly和cnvnator软件确定模糊CNV断点的过程示意图；
[0029]图3是本发明实施例中确定精确的CNV断点的过程示意图；
[0030]图4是本发明实施例中验证样本两端CNV断点是否正常的过程示意图；
[0031]图5是本发明实施例中获取断点周围特征的过程示意图；
[0032]图6是本发明检测CNV的精确断点及断点周围特征的装置的结构示意图。
【具体实施方式】
[0033]本发明的目的是提供检测CNV的精确断点及断点周围特征的方法和装置，本发明重点考虑到比对错误，测序错误及相似序列的存在等多种因素，帮助检测CNV的精确断点及断点周围特征(microhomologies, insert1ns 和 micro-mutat1ns)。
[0034]图1是本发明检测CNV的精确断点及断点周围特征的方法的流程示意图。
[0035]如图1所示，本发明检测CNV的精确断点及断点周围特征的方法包括以下步骤:
[0036]S102、使用已知的CNV检测软件检测模糊的CNV断点；
[0037]已知的CNV检测软件均可在此使用，CNV检测软件软件可为Breakdancer、DELLY,CNVnator、CrestSV、PindeU Breakseq，但不限于以上几种；此步骤中得到断点是比较模糊的断点，一般与精确断点相差O-1OObp左右；
[0038]S104、提取模糊的CNV断点周围异常的read pairs ；
[0039]异常的read pairs指的是异常的insert size，一端比对上同时一端被截断的read pairs，一端比对到另外一条染色体上的read pairs，一端比对上同时一端比对不上的read pairs，异常正负链等；
[0040]S106、找出一端比对上而另一端被截断的read pairs，当这样的read pairs位于断点附近且有超过3个被截断超过1bp的高质量reads时，通过计算高质量reads的mapping部分及被剪切部分，即可得到两个精确的CNV断点；
[0041]S108、根据异常的insert size的read pairs来验证两个精确的CNV断点是否是目标CNV的两个断点，若验证是，则进入下一步；由于断点那里容易出现比对异常，会出现mapping error及microhomologies，还需要进行以下步骤的微调；
[0042]S110、提取5’端上游及3’端下游，各2000bp的参考基因组序列，构建成4000bp的新序列，同时把5’端上游2000bp，CNV，及3’端下游2000bp这段区间内的参考基因组序列提取出来作为第二个新序列；
[0043]S112、提取精确的CNV断点周围所有的read pairs JGread pairs比对到这两条新序列上面来重新检测变异，对于重新检测的变异，结合新序列的在染色体的物理坐标，得到断点周围特征；对于精确的CNV断点连接处的插入，用blast在这条染色体上进行搜索，并将精确的CNV断点附近的匹配结果提取出来，用于后续CNV产生及DNA修复机制的分析。
[0044]在本发明的步骤S110，通过构建两