基于长读长测序数据的插入缺失变异检测方法研究.pdfVIP

目录

第1章绪论1

1.1研究背景1

1.2研究目的和意义2

1.3国内外研究现状2

1.4主要研究内容和组织结构5

第2章长读长测序技术7

2.1引言7

2.2长读长测序技术的原理7

2.3长读长测序技术的应用9

2.4本章小结10

第3章在区域内对读数段分类11

3.1引言11

3.2双序列比对12

3.3计算读数段间相似程度16

3.3.1确定可疑区域16

3.3.2读数段比对17

3.4区域内读数段分类20

3.5本章小结26

第4章从区域中检测插入/缺失变异27

4.1引言27

4.2多序列比对28

4.2.1多序列比对算法的发展28

4.2.2偏序多序列比对算法29

4.3构建共识序列31

4.3.1读数段平滑31

4.3.2对读数段集合进行偏序比对32

4.4基于测序深度的过滤34

4.5本章小结35

第5章实验结果与分析36

5.1引言36

5.2在区域内对读数段分类37

5.2.1确定可疑区域37

5.2.2区域内读数段分类38

5.3插入/缺失变异检测方法40

5.3.1实验评价指标41

5.3.2实验结果与分析42

5.4本章小结51

总结与展望52

参考文献53

摘要

摘要

插入/缺失变异是基因组变异中较为常见的变异类型，无论是在小变异（长度

50bp），还是结构变异（长度≥50bp）中都有其存在。作为基因组变异的重要遗

传变异类型，插入/缺失变异在致病性表现上，也显示出重要的作用。尽管近几年

出现的基于长读长测序数据的变异检测方法检测出了更丰富的基因组变异，但由

于人类基因组的二倍体结构和复杂区域的存在，一些复杂类型的杂合插入/缺失变

异的检测仍具有一定难度，插入/缺失变异检测的效果仍有改进的空间。

为了更精确的检测人类二倍体基因组测序数据的插入/缺失变异，本文提出了

一种基于长读长测序数据的插入/缺失变异检测方法。该方法主要分为在区域内对

读数段分类和从区域中检测插入/缺失变异两个步骤。本文的研究内容主要分为以

下三个方面：

(1)在区域内对读数段分类的方法

首先，收集二进制格式的序列比对文件中的可疑基因组区域。然后，提取可

疑基因组区域内的插入/缺失变异特征，使用基于双序列比对的读数段比对算法，

计算不同读数段上的变异特征序列间的相似程度。最后，根据变异特征序列相似

程度和二倍体特性，将可疑基因组区域内的读数段尽可能的分为两组。

(2)从区域中检测插入/缺失变异的方法

插入/缺失变异检测方法将测序数据在可疑基因组区域内分为至多两个读数段

集合后，使用偏序多序列比对算法构建读数段集合的共识序列，并在偏序比对前

加入读数段平滑步骤提高算法性能效率，在偏序比对后加入基于测序深度的过滤

步骤进一步精确变异断点。

(3)基于长读长测序数据的插入/缺失变异检测方法的实验

本文在人类2号染色体的模拟长读长测序数据集和真实长读长测序数据集上，

对插入/缺失基因组变异检测方法进行了性能测试。通过与其他五种基于长读长测

序数据的基因组变异检测方法比较，实验结果证明本方法对一些较复杂的杂合插

入/缺失变异具有较好的变异检测效果，并且具有较好的综合性能。

关键词变异检测；双序列比对；偏序比对；分类；长读长测序技术

I

Abstract

Abstract

Insertion/deletionvariationisarelativelyco