一种Ion Torrent测序数据中多聚碱基的长度判定方法

摘要

本发明属于分子生物信息检测与分析领域，具体涉及一种Ion Torrent测序数据中多聚碱基的长度判定方法。本发明包括：(1)Ion Torrent实验数据的获取与多聚碱基信息提取；(2)基因组基本信息的获取及多聚碱基基本信息的提取；(3)多聚碱基长度已知的电压值贝叶斯先验概率计算；(4)判定基因组基本信息和电压值贝叶斯先验概率的多聚碱基长度并对权值参数优化；(5)多聚碱基长度判定。本发明通过所发明的方法可以高精度地依据Ion Torrent测序得到的检测电压值对该电压值对应的多聚碱基的长度进行判定，以生成更加准确的Ion Torrent测序结果，从而为后续更高层次的应用分析提供数据保障。

主权项

一种Ion Torrent测序数据中多聚碱基的长度判定方法，其特征在于，包括如下步骤：(1)Ion Torrent实验数据的获取与多聚碱基信息提取：获取Ion Torrent实验检测得到的电压值，当电压值大于1.5伏时，则电压值对应检测的是一个多聚碱基，再根据实验检测周期，即确定多聚碱基对应的碱基种类A，C，G，T；得到实验测得的所有多聚碱基的检测电压值和碱基种类信息；(2)基因组基本信息的获取及多聚碱基基本信息的提取：基因组基本信息是指分析过程中国际公开发布的被测碱基序列所对应物种的DNA基因组碱基序列信息；从序列信息可提取得到多聚碱基的碱基种类及其长度信息；(3)多聚碱基长度已知的电压值贝叶斯先验概率计算：对长度已知的多聚碱基进行Ion Torrent测序并获取检测电压值，并计算多聚碱基长度已知的电压值贝叶斯先验概率相同长度的多聚碱基的检测电压值遵从高斯分布，用高斯分布的形式来计算多聚碱基长度已知的电压值贝叶斯先验概率；高斯分布的均值和方差通过长度已知的多聚碱基的检测电压值统计计算得到；(4)判定基因组基本信息和电压值贝叶斯先验概率的多聚碱基长度并对权值参数优化：对Ion Torrent实验测得的电压值对应的多聚碱基长度进行判定：$\begin{array}{c}L=\underset{l}{\arg \max }(W*\left(\log (P\left(V\right|i,j,l)*P\left(l\right)/\underset{i,j,l}{\Sigma }(P\left(V\right|i,j,l)*P(i,j,l)\right))\\ +(1-W)*\mathrm{Pen}\left(l\right|\mathrm{Seq}\_\mathrm{ref})),i=\mathrm{1,2,3,4};j=\mathrm{1,2,3,4,5}...;l=\mathrm{2,3,4,5,6}...\end{array}$I为多聚碱基的碱基种类，j为多聚碱基在检测序列读数的位置，V为实验检测电压值，L为聚碱基的长度，l为多聚碱基长度，P(V|i,j,l)为多聚碱基的碱基种类为i，多聚碱基在检测序列读数的位置为j，多聚碱基长度为l，检测电压值为V的贝叶斯先验概率；P(l)为所有多聚碱基中，长度为l的多聚碱基的发生概率；P(i,j,l)为所有多聚碱基中碱基种类为i，在检测序列读数的位置为j，长度为l的多聚碱基的发生概率；P(l)和P(i,j,l)通过Ion Torrent实验检测数据统计计算得到；log()为对数函数；Pen(l|Seq_ref)函数为多聚碱基长度为l时致使其所在测序序列与基因组基本信息Seq_ref出现不一致的罚分；W为权值，用于平衡基因组基本信息和电压值贝叶斯先验概率在多聚碱基长度判定中的作用；利用已知长度的多聚碱基的检测信息对该判定公式的权值参数W进行优化计算，以获取最终的多聚碱基长度判定公式；(5)多聚碱基长度判定基于得到的多聚碱基长度，即可针对Ion Torrent实验获取的多聚碱基检测电压值对其长度进行判定。