CN105844116B - 测序数据的处理方法和处理装置 - Google Patents
测序数据的处理方法和处理装置 Download PDFInfo
- Publication number
- CN105844116B CN105844116B CN201610161767.1A CN201610161767A CN105844116B CN 105844116 B CN105844116 B CN 105844116B CN 201610161767 A CN201610161767 A CN 201610161767A CN 105844116 B CN105844116 B CN 105844116B
- Authority
- CN
- China
- Prior art keywords
- nrss
- chromosomes
- specific regions
- chromosome
- values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012163 sequencing technique Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 210000000349 chromosome Anatomy 0.000 claims abstract description 250
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 208000036878 aneuploidy Diseases 0.000 claims abstract description 34
- 231100001075 aneuploidy Toxicity 0.000 claims abstract description 33
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 29
- 230000008774 maternal effect Effects 0.000 claims abstract description 19
- 239000002773 nucleotide Substances 0.000 claims abstract description 17
- 125000003729 nucleotide group Chemical group 0.000 claims abstract description 17
- 210000005259 peripheral blood Anatomy 0.000 claims abstract description 16
- 239000011886 peripheral blood Substances 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 48
- 230000003252 repetitive effect Effects 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 238000004043 dyeing Methods 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 210000002593 Y chromosome Anatomy 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 239000007787 solid Substances 0.000 claims description 7
- 210000001766 X chromosome Anatomy 0.000 claims description 6
- 239000000975 dye Substances 0.000 claims description 6
- 238000002864 sequence alignment Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 37
- 230000002759 chromosomal effect Effects 0.000 description 21
- 108020004414 DNA Proteins 0.000 description 16
- 238000009826 distribution Methods 0.000 description 13
- 210000002381 plasma Anatomy 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 9
- 208000031404 Chromosome Aberrations Diseases 0.000 description 8
- 206010067477 Cytogenetic abnormality Diseases 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 230000001605 fetal effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 108020004707 nucleic acids Proteins 0.000 description 7
- 150000007523 nucleic acids Chemical class 0.000 description 7
- 102000039446 nucleic acids Human genes 0.000 description 7
- 208000037280 Trisomy Diseases 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003426 interchromosomal effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000001712 DNA sequencing Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 3
- 201000009928 Patau syndrome Diseases 0.000 description 3
- 208000020584 Polyploidy Diseases 0.000 description 3
- 206010044686 Trisomy 13 Diseases 0.000 description 3
- 208000006284 Trisomy 13 Syndrome Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 210000004252 chorionic villi Anatomy 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 229960001484 edetic acid Drugs 0.000 description 2
- 210000003754 fetus Anatomy 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000003793 prenatal diagnosis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 210000003765 sex chromosome Anatomy 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 206010000234 Abortion spontaneous Diseases 0.000 description 1
- 108700028369 Alleles Proteins 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 206010008805 Chromosomal abnormalities Diseases 0.000 description 1
- 208000037088 Chromosome Breakage Diseases 0.000 description 1
- 208000011359 Chromosome disease Diseases 0.000 description 1
- 102000012410 DNA Ligases Human genes 0.000 description 1
- 108010061982 DNA Ligases Proteins 0.000 description 1
- 238000007400 DNA extraction Methods 0.000 description 1
- 201000006360 Edwards syndrome Diseases 0.000 description 1
- 108700039887 Essential Genes Proteins 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010068052 Mosaicism Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 108091081062 Repeated sequence (DNA) Proteins 0.000 description 1
- 101100495925 Schizosaccharomyces pombe (strain 972 / ATCC 24843) chr3 gene Proteins 0.000 description 1
- 238000003457 Shi epoxidation reaction Methods 0.000 description 1
- 208000026487 Triploidy Diseases 0.000 description 1
- 208000007159 Trisomy 18 Syndrome Diseases 0.000 description 1
- 238000001801 Z-test Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000002669 amniocentesis Methods 0.000 description 1
- 210000004381 amniotic fluid Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007622 bioinformatic analysis Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 208000024971 chromosomal disease Diseases 0.000 description 1
- 230000005886 chromosome breakage Effects 0.000 description 1
- 210000001726 chromosome structure Anatomy 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000000703 high-speed centrifugation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 210000000982 limb bud Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 1
- 208000015994 miscarriage Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 208000030454 monosomy Diseases 0.000 description 1
- 239000002777 nucleoside Substances 0.000 description 1
- 125000003835 nucleoside group Chemical group 0.000 description 1
- 201000003738 orofaciodigital syndrome VIII Diseases 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 208000000995 spontaneous abortion Diseases 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 206010053884 trisomy 18 Diseases 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种测序数据的处理方法和处理装置。该处理方法包括：通过高通量测序获取来源于母体外周血样本的核苷酸序列信息；将参考基因组划分成多个特异性区域，每个特异性区域内NRSc值相等；将来源于母体外周血样本的所有染色体的核苷酸序列信息分配至参考基因组的多个特异性区域，统计样本在每个特异性区域内的NRSs值；利用GC含量修正样本每个特异性区域内的NRSs值，记为NRSs'值；基于NRSs'值分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，记为第一均值和第二均值；将第一均值与第二均值进行差异性检验，根据差异检验结果确定染色体是否存在非整倍性。该处理方法提高对测序数据处理的准确性。
Description
技术领域
本发明涉及测序数据处理领域，具体而言，涉及一种测序数据的处理方法和处理装置。
背景技术
染色体异常可能是数目上的或结构上的。数量异常，包括三体性(多一个染色体)、单体性(丢一个染色体)和多倍性(整个多一套染色体)。结构异常包括由染色体断裂等引起的结构性重排，如易位、翻转、缺失和***。
染色体数量异常，如非整倍性和多倍性，与多种疾病包括出生缺陷及癌症有关。我国每年新生儿近2000万，其中约4％～6％存在出生缺陷，其中胎儿染色体异常是临床最常见的出生缺陷类型之一，据统计约160例新生儿中就有1例是染色体异常患者。染色体三体综合征是染色体疾病中发病率最高的一类，当细胞内某染色体的数目不是正常的两条而是三条，也即染色体总数目为47条时就会导致三体综合征。最常见的染色体三体综合征有：21三体综合征(T21)、18三体综合征(T18)和13三体综合征(T13)。为减少出生缺陷婴儿的比例，对染色体非整倍性的快速、准确的检测是必要的。
超声波扫描技术或生物化学标记物筛查的无创方法，已用于进行染色体异常的风险判断，但该方法准确率较低，仅为60-80％，且受孕龄等生理因素的影响。而常规的产前诊断方法则需通过侵入性方法如羊膜穿刺或绒毛膜绒毛取样，因此存在流产风险，且检测周期较长。1997年，在母体血浆中发现了循环的无细胞胎儿DNA(Lancet.1997Aug 16；350(9076):485-7.Presence of fetal DNA in maternal plasma and serum.Lo YM1,Corbetta N,Chamberlain PF,Rai V,Sargent IL,Redman CW,Wainscoat JS.)。1999年，发现怀有21号染色体三体胎儿的妇女血浆中循环胎儿DNA的浓度明显高于怀有整倍体胎儿妇女血浆中循环胎儿DNA的浓度(Lo，Y.M.D.et al.，Clin Chem 45：1747-1751(1999)；Zhong，X.Y.et al.，Prenat Diagn 20：795-798(2000))。上述发现为无创产前诊断提供了新的可能性。在此基础上，产前无创领域取得了诸多进展，如通过甲基化敏感酶富集胎儿DNA以降低母体背景干扰(PCT/US2004/033175 2004.10.08)；通过PCR比对特异基因片段的Ct值以筛查21号三体(CN200610003103.9，2006.02.10)；通过基于RNA-SNP的等位基因扩增检测推断胎儿染色体非整倍性(CN200680007354.2，2006.03.17)。然而对胎儿DNA的富集耗时耗力，且扩增技术要求序列的特异性或基因的杂合性，使其难以成为一种通用的技术。
2008年，Rossa W.K.Chiu等人提出测序手段可获得外周血中核酸分子的大量信息(Rossa W.K.Chiu，et al.Noninvasive prenatal diagnosis of fetal chromosomalaneuploidy by massively parallel genomic sequencing of DNA inmaternalplasma.PNAS，2008，105：20458-20463)，并发现，在临床意义染色体上有异常的样本中，其临床意义染色体有异常的核酸分子的量与背景染色体的核酸分子的量的比值参数，与由正常样本所建得的一个或多个正常对照值的参数存在差异。由此，基于高通量测序的方法可用来检测染色体异常，并消除了对特异序列扩增的依赖。但现有的基因组测序检测方法需要将待测样本与多个样本或标准正常样本进行比对分析，耗时长，对样本需求量大(如，申请号为CN200880108377.1的中国专利申请)，且对各批次样本实验条件的一致性有严格要求，制约了其便捷化与高通量的应用。
因此，仍需要对现有的处理测序数据的方法进行改进，以提高数据处理的准确性。
发明内容
本发明的主要目的在于提供一种测序数据的处理方法和处理装置，以提高对测序数据处理的准确性。
为了实现上述目的，根据本发明的一个方面，提供了一种测序数据的处理方法，该处理方法包括：通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；将参考基因组划分成多个特异性区域，每个特异性区域内非重复序列的数目NRSc相等；将来源于母体外周血样本的所有染色体的核苷酸序列信息分配至参考基因组的多个特异性区域，统计样本在每个特异性区域内的NRSs值；利用GC含量修正样本在每个特异性区域内的NRSs值，记为NRSs'值；基于NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，分别对应记为第一均值和第二均值；将第一均值与第二均值进行差异性检验，根据差异检验结果确定染色体是否存在非整倍性。
进一步地，利用GC含量修正样本在每个特异性区域内的NRSs值的步骤包括：利用修正公式NRSs'＝NRSs×α修正样本在每个特异性区域内的NRSs值，其中，为所有特异性区域NRSs值的中位数值，NRSs”为利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合后获得的拟合值。
进一步地，在利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合之前，处理方法还包括从样本的所有特异性区域中去除NRSs值异常的特异性区域的步骤，优选采用线性拟合或者局部多项式回归拟合的方法去除NRSs值异常的特异性区域。
进一步地，NRSc值为10000～50000中的任意整数。
进一步地，目标染色体选自以下任意一条或几条的组合：13号染色体、18号染色体、21号染色体、X染色体以及Y染色体；对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、4号染色体、5号染色体、6号染色体、7号染色体、8号染色体、9号染色体、10号染色体、11号染色体以及12号染色体；优选地，对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、6号染色体、7号染色体、11号染色体、12号染色体以及16号染色体。
为了实现上述目的，根据本发明的另一个方面，提供了一种测序数据的处理装置，该处理装置包括：测序模块，用于通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；特异性区域划分模块，用于根据NRSc值相等的原则将参考基因组划分成多个特异性区域；分配模块，用于根据与参考基因组进行序列比对的原则，将来源于母体外周血样本的所有染色体的核苷酸序列信息分配至参考基因组的多个特异性区域；第一统计模块，用于统计样本在每个特异性区域内的NRSs值；修正模块，用于利用GC含量修正样本在每个特异性区域内的NRSs值，记为NRSs'值；第二统计模块，用于基于NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，记为第一均值和第二均值；检验模块，用于将第一均值与第二均值进行差异性检验；确定模块，用于根据差异检验结果确定染色体是否存在非整倍性。
进一步地，修正模块包括：第一计算单元，用于计算所有特异性区域NRSs值的中位数值拟合单元，用于利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线；获取单元，用于根据拟合曲线获取每个特异性区域的拟合值NRSs”；第二计算单元，用于根据公式计算修正系数α；修正单元，用于根据修正公式NRSs'＝NRSs×α修正样本在每个特异性区域内的NRSs值。
进一步地，拟合单元在执行利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线的步骤之前，拟合单元还包括过滤子单元，过滤子单元用于执行从样本的所有特异性区域中去除NRSs值异常的特异性区域的步骤，优选过滤子单元为线性拟合子单元或者局部多项式回归拟合子单元。
进一步地，NRSc值为10000～50000中的任意整数。
进一步地，目标染色体选自以下任意一条或几条的组合：13号染色体、18号染色体、21号染色体、X染色体以及Y染色体；对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、4号染色体、5号染色体、6号染色体、7号染色体、8号染色体、9号染色体、10号染色体、11号染色体以及12号染色体；优选地，对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、6号染色体、7号染色体、11号染色体、12号染色体以及16号染色体。
应用本发明的技术方案，通过以测序数据为基础，通过以相等条数的非重复序列为原则来划分特异性区域，避免了各个特异性区域内非重复性序列数目不均一而导致的数据波动，进而优化了染色体间核酸数据参数的相关性，利用与生物样本中临床相关染色体的参数与其他非临床相关染色体区的参数比对，从而确定待测样本中染色体非整倍性是否存在。该方法实现了单样本检测，可以不需要标准的正常样本，消除了对实验条件的依赖性，加快了分析速度，是种简易、快速、准确的检测手段，其常染色体检测的准确率在99％以上，假阳性率小于1％。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了根据本发明的一种优选的实施例1中的S001样品(阴性样本)测序序列中非重复序列在基因组上各特异性区域内的分布示意图；以及
图2示出了图1中S001样品测序序列中过滤异常值后的非重复序列在基因组上各特异性区域内的分布示意图；
图3示出了图2中S001样品测序序列中过滤异常值后的非重复序列在基因组上各特异性区域内的样条曲线拟合图；
图4a和图4b分别示出了实施例1中S001样品的各条常染色体的修正前和修正后的特异性区域内的非重复序列的数目；其中，图4a显示修正前，图4b显示修正后；
图5a和图5b分别示出了另一种优选的实施例中S002样品的各条常染色体的修正前和修正后的特异性区域内的非重复序列的数目；其中，图5a显示修正前，图5b显示修正后；
图6a和图6b分别示出了又一优选的实施例中S007样品的各条常染色体的修正前和修正后的特异性区域内的非重复序列的数目；其中，图6a显示修正前，图6b显示修正后；
图7a和图7b分别示出了再一种优选的实施例中S006样品的各条常染色体的修正前和修正后的特异性区域内的非重复序列的数目；其中，图7a显示修正前，图7b显示修正后；
图8a、图8b和图8c分别示出了本申请的实施例2中384例在线数据样本中第13号染色体、第18号染色体和第21号染色体的Z值分布图，其中，图8a显示第13号染色体，图8b显示第18号染色体，图8c显示第13号染色体。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
术语解释：
测序数据：指待测样本经过高通量测序获得的核苷酸序列信息。
kmer：将序列以逐个移动碱基的方式进行连续切割，得到的序列长度为k的核苷酸序列，比如以下这条序列：ATCGTTGCTTAATGACGTCAGTCGAAT，如果是13-mer分析的话，k-mer为ATCGTTGCTTAAT、TCGTTGCTTAATG、CGTTGCTTAATGA、GTTGCTTAATGAC……。
非重复性序列(non-repeated sequence，简称NRS)；通过将待测样本测序获得的序列与正常人类基因组进行比对，获得的全基因组水平上的唯一的kmer即为非重复性序列。本申请中，按照等条数的非重复序列来划分特异性区域时，划分的条数是按照参考基因组序列来进行划分的，因而，划分得到的每个特异性区域中非重复序列的条数记为NRSc，而待测样本的测序序列实际在上述各特异性区域内的非重复序列的条数记为NRSs。
特异性区域(specified region，简称SR)，根据本发明中所描述的特异性区域的划分方法所得到的基因组各条染色体上的特定区域。
染色体：既可以指整个染色体，也可以指染色体的一部分。处理一条染色体片段的数学推导和处理所有染色体片段的数学推导是一致的，本领域的技术人员知悉相应的改变方法。对照染色体是健康个体中的染色体或推定正常的染色体，包括统计学推定正常，这里的染色体是单个染色体或染色体组(大于等于2条染色体，或者说是非13，18，21，X,Y的染色体或其任意组合)。
“非整倍性”和“多倍性”是细胞具有的染色体数与通常的单倍体数n或双倍体数2n不同的情况。非整倍体细胞可为具有三倍体的细胞，即具有一个染色体的三个拷贝数的细胞；或为单倍体，即具有一个染色体的单拷贝的细胞。染色体非整倍性，改变了对应染色体的表达量，可以通过新一代测序平台(NGS)结合生物信息学分析方法，根据测序比对结果统计各条染色体的表达量可以判定待测样本是否存在该染色体的非整倍性变异。
样本为细胞、组织或体液，可选自：母体全血(外周血)、血浆、血清、尿液、唾液、生殖道冲洗液；胎儿细胞或胎儿细胞残留物、胚胎植入前的活检材料；羊水、绒膜绒毛样品等。样品可来自任何动物，优选哺乳动物，更优选人。
对DNA测序文库进行测序可以是双端短序列测序、单端长序列测序或单端短序列测序。其中双端短序列是指紧接着5’端链接引物的小于50bp的序列和紧接着3’端链接引物的小于50bp的序列。优选地，双端短序列是指紧接着5’端链接引物的不大于36bp的序列和紧接着3’端链接引物的不大于36bp的序列。
单端短序列是指紧接着5’端链接引物的小于50bp的序列或紧接着3’端链接引物的小于50bp的序列。优选地，单端短序列是指紧接着5’端链接引物的不大于36bp的序列或紧接着3’端链接引物的不大于36bp的序列。单端长序列是指紧接着5’端链接引物的大于99bp的序列或紧接着3’端链接引物的大于99bp的序列。双端测序是指分别测试位于序列两端的序列。单端测序是指对位于序列一端的序列进行测序。
由于现有的染色体非整倍性的检测方法在准确性和便利性方面仍存在欠缺，为了改善这一状况，在本申请一种典型的实施方式中，提供了一种测序数据的处理方法，该处理方法包括：通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；将参考基因组划分成多个特异性区域，每个特异性区域内非重复序列的数目(记为NRSc)相等；将来源于母体外周血样本的所有染色体的核苷酸序列信息分配至参考基因组的多个特异性区域，统计样本在每个特异性区域内的NRSs值；利用GC含量修正样本在每个特异性区域内的NRSs值，记为NRSs'值；基于NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，分别对应记为第一均值和第二均值；将第一均值与第二均值进行差异性检验，根据差异检验结果确定染色体是否存在非整倍性。
本申请的上述处理方法，通过以测序数据为基础，通过以相等条数的非重复序列为原则来划分特异性区域，避免了各个特异性区域内非重复性序列数目不均一而导致的数据波动，进而优化了染色体间核酸数据参数的相关性，利用与生物样本中临床相关染色体的参数与其他非临床相关染色体区的参数比对，从而确定待测样本中染色体非整倍性是否存在。该方法实现了单样本检测，可以不需要标准的正常样本，消除了对实验条件的依赖性，加快了分析速度，是种简易、快速、准确的检测手段，其常染色体检测的准确率在99％以上，假阳性率小于1％。
具体地，上述差异性检验的方法可以为现有的各种差异性检验，比如，Z检验(Z-test)，u检验或t检验等。本申请优选Z检验。
上述处理方法中，利用GC含量修正样本在每个特异性区域内的NRSs值的步骤可以采用现有的GC校正方法也能提高检测的准确性。为了使检测准确性更高，在本申请一种优选的实施例中，上述修正方法包括：利用修正公式NRSs'＝NRSs×α修正样本在每个特异性区域内的NRSs值，其中，为所有特异性区域NRSs值的中位数值，NRSs”为利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合后获得的拟合值。修正后的NRSs'更服从正态分布，因而使得后续差异性检验结果更准确。
拟合是根据已知离散的点(GC含量与NRSs值为X、Y轴的坐标){f1,f2,…,fn}，通过调整拟合函数中若干待定系数f(λ1,λ2,…,λn)，使得该函数与已知点集的差别(最小二乘意义)最小。已知点(xi,Yi)；x1＜x2＜…＜xn,i∈Z是一系列观测值，符合某关系式构建拟合函数使得：Yi＝μ(xi)最小。如果拟合函数是非线性函数，则称之为非线性拟合，也叫作样条拟合。相应的，如果拟合函数为多项式，则可以称之为多项式样条拟合。本发明优选多项式样条拟合，样条曲线是光滑的三次曲线。
三次样条曲线给定n个数据点，共有n-1个区间，每个区间的方程是：fi＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3，需确定4(n-1)个未知系数，通过连续性、节点处一阶导数相等、二阶导数相等，可得到4n-6个方程，再人为添加2个边界条件。通过R软件***的函数smooth.spline完成样条拟合(http://www.stat.wisc.edu～xie/smooth_splinetutorial.html)。
在利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合之前，上述处理方法还包括从样本的所有特异性区域中去除NRSs值异常的特异性区域的步骤，可以采用GC线性拟合的方法或者通过人工筛选的方式去除异常值，比如删除GC值为0、非重复序列数目为0或者非重复序列数目显著过多的窗口。在本申请中，优选采用局部多项式回归拟合的方法去除NRSs值异常的特异性区域，该方法有利于排出部分非特异性区域因染色体结构特异性而导致的内部非重复序列的数目过高或过低的异常特异性区域。此外，也可以采用线性拟合拟合方法。拟合方法为统计学或生物信息学领域常用的去除异常值的方法，具体方法在此不再赘述。
上述处理方法中，划分特异性区域时是按照NRSc值相等的原则来进行划分的，具体NRSc值可以根据待测样本的基因组大小、序列复杂度等方式来进行确定。优选NRSc值为10000～50000中的任意整数。
上述处理方法中，目标染色体和对照染色体可以根据待测样本的组织、细胞来源不同、或者物种的不同或者实际检测需求的不同进行合理选择。当待测样本为人类时，优选目标染色体选自以下任意一条或几条的组合：13号染色体、18号染色体、21号染色体、X染色体以及Y染色体；对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、4号染色体、5号染色体、6号染色体、7号染色体、8号染色体、9号染色体、10号染色体、11号染色体以及12号染色体；更优选地，对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、6号染色体、7号染色体、11号染色体、12号染色体以及16号染色体。
在本申请另一种典型的实施方式中，还提供了一种测序数据的处理装置，该处理装置包括：测序模块，用于通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；特异性区域划分模块，用于根据NRSc值相等的原则将参考基因组划分成多个特异性区域；分配模块，用于根据与参考基因组进行序列比对的原则，将来源于母体外周血样本的所有染色体的核苷酸序列信息分配至参考基因组的多个特异性区域；第一统计模块，用于统计样本在每个特异性区域内的NRSs值；修正模块，用于利用GC含量修正样本在每个特异性区域内的NRSs值，记为NRSs'值；第二统计模块，用于基于NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，记为第一均值和第二均值；检验模块，用于将第一均值与第二均值进行差异性检验；确定模块，用于根据差异检验结果确定染色体是否存在非整倍性。
上述检测装置通过以测序模块获取的测序数据为基础，运用改进的特异性区域划分模块以相等条数的非重复序列为原则来划分特异性区域，优化了染色体间核酸数据参数的相关性，然后通过依次执行分配模块、第一统计模块、修正模块、第二统计模块、检验模块，利用与生物样本中临床相关染色体的参数与其他非临床相关染色体区的参数比对，确定模块最终通过检验模块的差异性检验结果确定待测样本中染色体非整倍性是否存在。该装置实现了单样本测序数据的检测，且不需要标准的正常样本，消除了对实验条件的依赖性，使分析速度加快、总体改进了对染色体异常的评估。是一种简易、快速、准确的染色体非整倍性检测装置，其常染色体检测的准确率在99％以上，假阳性率小于1％。
具体地，上述检验模块可以为现有的各种差异性检验模块，比如，Z检验(Z-test)模块，u检验模块或者t检验模块等。本申请优选Z检验模块。
上述修正模块采用现有的GC修正模块也能提高检测的准确性。在本申请一种优选的实施例中，上述修正模块包括：第一计算单元，用于计算所有特异性区域NRSs值的中位数值拟合单元，用于利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线；获取单元，用于根据拟合曲线获取每个特异性区域的拟合值NRSs”；第二计算单元，用于根据公式计算修正系数α；修正单元，用于根据修正公式NRSs'＝NRSs×α修正样本在每个特异性区域内的NRSs值。
上述优选的实施例中，通过利用多项式样条拟合的拟合单元具有拟合准确度高的优点，以便于更准确地获取拟合值，相应地，通过第二计算单元计算得到的修正系数也更准确，进而能够通过修正单元更准确地获得待测样本在每个特异性区域内的NRSs值，即得到准确度更高的NRSs'值。
上述处理装置中，拟合单元在执行利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线的步骤之前，拟合单元还包括过滤子单元，过滤子单元用于执行从样本的所有特异性区域中去除NRSs值异常的特异性区域的步骤，这样能够进一步提高拟合单元在进行多项式样条拟合过程中拟合准确度。优选过滤子单元采用常规的线性拟合子单元或者局部多项式回归拟合子单元进行异常值过滤即可。
优选地，上述处理装置中NRSc值为10000～50000中的任意整数。
上述处理装置中，目标染色体和对照染色体可以根据待测样本的组织、细胞来源不同、者物种的不同或者实际检测需求的不同进行合理选择。当待测样本为人类时，优选目标染色体选自以下任意一条或几条的组合：13号染色体、18号染色体、21号染色体、X染色体以及Y染色体；对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、4号染色体、5号染色体、6号染色体、7号染色体、8号染色体、9号染色体、10号染色体、11号染色体以及12号染色体；更优选地，对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、6号染色体、7号染色体、11号染色体、12号染色体以及16号染色体。
本申请的上述方法及其装置可与其它已知方法、装置或组合物联用，优选能改善染色体异常检测技术的方法、装置或组合物。例如，母体生化指标的数学模型分析。
本申请所提供的上述方法，其具有高通量、低成本、简便、准确度与灵敏度高的优势。现有的方法需要将待测样本与多个样本或标准正常样本进行比对分析，耗时长，且对样本需求量大。本申请实现了单样本检测，可以不依赖于标准的正常样本，避免了对实验条件的依赖性，加快了分析速度且提高了检测准确率。
本申请提供的上述方案是将DNA测序手段与生物信息分析的方法相结合，通过Z值检验等差异性检验方法来判断染色体是否存在异常。如Z值在4.5之外，可确定为存在染色体非整倍性。染色体异常优选是21号染色体三体，13号染色体三体，18号染色体，X染色体和Y染色体的异常。
本申请方法尤其适用于检测染色体数量异常，优选染色体非整倍性数量异常，更优选常染色体非整倍性异常。
下面将结合具体的实施例来进一步说明本申请的有益效果。
实施例1对待测样本测序数据的处理方法
(一)对待测样本孕妇外周血中游离DNA片段进行高通量测序
(1)采集孕妇全血，经过预处理得到血浆；
在获准同意通知书后，通过静脉穿刺从怀孕22周妇女(即后续表2中的样品S001)取血采血量5-10ml，加入到乙二胺四乙酸(EDTA)管中，血液样品经高速离心后得到除去了血细胞的血浆样品，每个样品血浆量约为700ul。
(2)提取血浆DNA；
使用Magen公司生产的DNA抽提试剂盒HiPure Circulating DNA Kits来提取血浆中的DNA(产品号为D3180-02)。
(3)将从血浆抽提得到的DNA制备成可供新一代高通量测序平台测序的文库
血浆DNA使用T4DNA聚合酶、T4PNK和Klenow酶进行末端修复和加A处理，使用T4DNA连接酶和测序接头进行加接头处理。最后使用加有标签的文库引物进行PCR，并使用磁珠进行纯化筛选，最终得到上机用的测序文库。
(4)对制备好的文库进行DNA测序
测序文库在Illumina的cBot仪器上扩增，DNA单端测序文库制成DNA簇，得到海量测序读长为36bp的序列。
(二)确定血浆中的DNA片段的序列信息
1.对正常人类参考基因组进行特异性区域划分与统计
(1)筛选非重复性序列
将人类参考基因组(hg19GRCh37http://www.ncbi.nlm.nih.gov/projects/genome/assembly/grc/)，切分成长度为35bp，偏移量为1bp的海量kmer集合；从中筛选得到全基因组上唯一的kmer，即非重复性序列，并记录对应的位置坐标信息。
(2)特异性区域划分
从1号染色体的第一条非重复性序列开始记录起始位置，直至累积至20000条时记录其终止位置，将此定义为1号染色体上的第一个特异性区域，每个特异性区域之间不存在重叠。
针对1号染色体直至Y染色体均重复上边的处理步骤，获得所有染色体特异性区域的位置信息和GC含量(对正常人类参考基因组进行特异性区域划分只需进行一次，后续每个待测样品按照参考基因组划分的特异性区域进行处理即可)。
(3)特异性区域统计
统计各条染色体上的特异性区域数量及区域内所有非重复性序列的GC含量分布情况。
2.样品DNA序列比对
通过生物信息序列比对软件BWA(Burrows-Wheeler Aligner)，将测序所得的DNA序列与正常人类参考基因组(hg19,GRCh37)进行不容错比对(完全匹配，不允许有碱基错配)，确定所有测序DNA序列在基因组上的详细位置信息，包括染色体来源、染色体上的坐标以及在基因组特异性区域分布情况等(表2中S001样品测序序列中非重复序列在基因组上各特异性区域内的分布情况见图1)。
(三)确定待测染色体的表达量
1、过滤异常值
将待测样本的基因组特异性区域的GC含量以及该区域内非重复性序列的数目(NRSs)通过loess函数进行局部多项式回归拟合(线性拟合亦可)，将NRSs数在拟合值正负3倍标准差之外(p<0.005)的定义为异常值，将异常值过滤之后的分布如图2所示。
2、加权修正
按照GC含量将待测样本的基因组的所有特异性区域进行分类后，进行样条曲线拟合得到每个GC含量对应的NRSs的拟合值，记为NRSs”，其对应的分布情况如图3所示。
其中，具体拟合步骤为：以NRSs的中位数值为基线，将NRS的拟合值NRSs”与基线值相比得到修正系数α，计算公式如下；
NRSs'＝NRSs×α(2)
上述公式是针对待测样本基因组上的每个特异性区域进行计算的，其中，指的是基因组上所有特异性区域上NRS数的中位数值，NRSs”为拟合值，NRSs'是修正后的非重复序列数。
从以下图4a与图4b、图5a与图5b、图6a与图6b以及图7a与图7b的修正前和修正后可以看出，未经修正的数据波动比较大，直接进行染色体之间的差异性比较容易导致假阴性或假阳性的检测结果。而修正后各染色体的特异性区域内的非重复序列数目分布情况趋于平稳，数据差异性更显著，更容易判断异常值，表明本申请的方法能消除GC结构差异，并避免GC偏好性问题。可用于染色体非整倍性异常的检测，减少假阴性结果的出现，如下图7a和图7b的chr21对应的NRS数同其它常染色体比较明显高出，对应的检测结果是该样品21号染色体存在非整倍性异常的风险极高。
(四)Z值检验判断染色体表达量是否存在显著性差异
以NRSs经GC修正后的NRSs'，将目标检测染色体(chr21、chr18、chr13、X或Y)的所有特异性区域的NRSs'的均值，与对照染色体组合(chr1、chr2……chr12)的所有NRSs'的均值进行差异性比较，得到检测值Z(Z-score)，根据Z值判断目前目标染色体是否存在非整倍性变异。当Z-score≥4.5或Z-score≤-4.5，即检测结果为三体变异高风险，或单体变异高风险；当-4.5＜Z-score＜4.5，即检测结果为非整倍性变异低风险。
或通过管家基因的分布情况，筛选出对照染色体组合，包括chr1、chr2、chr3、chr6、chr7、chr11、chr12、chr16。
实施例2有效性评价
(一)利用在线数据样本进行评价
实施例1中所示的处理方法中的步骤可以模块或单元的形式通过计算装置来实现。为了评价实施例1的方法的有效性，以下用能够执行上述步骤的模块或单元形成的处理装置来进行测试。该处理装置包括：
测序模块，用于通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；
可选地，上述模块包括Illumina的cBot仪器、Illumina的Genome Analyzer、HiSeq2000/2500、Hiseq3000/4000、NextseqCN500等配套型号测序仪或者LifeTechnologies公司的SOLiD等配套测序仪中执行测序功能的模块。
特异性区域划分模块，调用特异性区域划分模块程序，根据NRSc值相等的原则将参考基因组划分成多个特异性区域；可以按照10000～50000(优选20000)中任一整数条的非重复序列为单位进行划分，以克服按长度如20Kb或50Kb划分的特异性区域内存在非重复序列数目差异较大而数据均一性差的缺陷。分配模块，运行分配模块，将测序模块输出的结果与参考基因组进行序列比对，将来源于母体外周血样本的所有染色体的核苷酸序列信息分配至特异性区域划分模块产生的特异性区域内；
可选地，能够执行序列比对原则的模块如BWA模块、BOWTIE模块或者NOVOALIGN模块用来进行待测样本测序数据的分配，
第一统计模块，用于统计样本在每个特异性区域内的NRSs值；可选地的统计模块有SAMTOOLS模块；
修正模块，用于利用GC含量修正样本在每个特异性区域内的NRSs值，记为NRSs'值；
优选地，修正模块包括：第一计算单元，用于计算所有特异性区域NRSs值的中位数值拟合单元，用于利用样本的每个特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线；获取单元，用于根据拟合曲线获取每个特异性区域的拟合值NRSs”；第二计算单元，用于根据公式计算修正系数α；修正单元，用于根据修正公式NRSs'＝NRSs×α修正样本在每个特异性区域内的NRSs值。
第二统计模块，用于基于NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，记为第一均值和第二均值；
检验模块，用于将第一均值与第二均值进行差异性检验；可选地，采用Z检验模块来进行差异性分析；
确定模块，用于根据差异检验结果确定染色体是否存在非整倍性；
优选地，当目标染色体为常染色体，而-4.5≤Z值≤4.5时，用于确定目标染色体不存在非整倍性，否则，确定存在非整倍性。
以源自不同实验室、不同NGS平台的数据(从NCBI的SRA数据库http://www.ncbi.nlm.nih.gov/sra/中下载的其他机构上传的无创产前基因检测项目临床研究孕妇外周血的高通量测序数据，其中包含384例样品数据)为样本来进一步说明本申请处理装置的有效性及通用性。
其中，针对该384例样品中的第21号、18号和13号染色体的检测结果如下表1所示：
表1. 384例NCBI在线数据阳性样本检出结果。
附：上表1中，“chr”表示染色体；“gc”表示GC含量；“ZV”表示Z Value，Z值；“TEST”表示通过该方法得到的染色体非整倍性异常检测结果。
从上述表1中及图8a、图8b和图8c可知，检出1例T13阳性样品SRR358477，其余样品的13号染色体的Z值均稳定分布在(-4.5，4.5)区间内；检出5例T18阳性样品SRR357943、SRR357972、SRR358089、SRR358257、SRR358325，其余样品18号染色体的Z值均稳定分布在(-4.5,4.5)区间内；检出7例T21阳性样品SRR357843、SRR358020、SRR358126、SRR358144、SRR358322、SRR358352、SRR358353，其余样品21号染色体的Z值均稳定分布在(-4.5,4.5)区间内。
(二)血液样品进行评价
以68例样品(由***临检中心和北京人民医院提供)的检测结果为例来评价上述处理方法，评价结果见表2，表2中仅显示前30个样本的结果，并用核型结果进行验证。
表2.血液样品检测结果
注：代表的是目标检测染色体未经修正前，所有特异性区域中NRS的平均值。代表的是经过特异性区域GC含量加权修正后，该染色体上所有特异性区域NRS的平均值。ZVchri(i＝13,18,21)代表的是该染色体通过与对照染色体进行显著性差异分析得到的Z值。TEST代表的是通过该方法得到的染色体非整倍性异常检测结果，N(Negative)表示检测结果为阴性，未检出明显异常。T13/T18/T21表示检测结果显示目标检测染色体存在非整倍性异常。核型(Karyotype)代表的是临床核型分析结果，即金标准结果(46,XN代表的是核型正常样品的染色体数目以及性染色体情况，47,XN,+21代表的是该样品核型分析显示有47条染色体，比正常核型多出一条21号染色体，即唐氏综合征)。
表2数据表明，根据显著性差异检验结果：S0002和S0013两个样品ZVchr13均大于等于4.5，判定13号染色体非整倍性异常存在高风险；S0007和S0012两个样品ZVchr18均大于等于4.5，判定18号染色体非整倍性异常存在高风险，S0003、S0006和S0011这三个样品ZVchr21都大于等于4.5，判定21号染色体非整倍性异常存在高风险。针对21号、18号和13号染色体，本申请的检测结果均与染色体核型分析结果一致，本方法检测结果判定为低风险的样品，即ZV值在-4.5到4.5之间的样品，其核型分析结果也均为正常。表明本方法在用于染色体非整倍性异常的检测时检测准确性较高。
实施例3稳定性与数据量研究
(一)样品稳定性
利用上述方法，对s002、s006、s007、s008这四个样品(对应的核型结果分别为T13阳性、T21阳性、T18阳性和正常)分别重复测8次，统计染色体相对表达量(记为CR)及Z检验值(记为ZV)研究数据波动情况，以评价该检测方法的稳定性，评价结果见表3。
表3.s002、s006、s007、s008重复性检测数据总表
上表3中，Mean代表平均值，SD代表标准差，CV代表离散系数。从表3可知，该4个样品重复检测8次对应的CR值的CV(离散值)均小于0.01，且ZV的波动(SD值)也均在±1.1之内，数据波动较小，表明本方法的稳定性较好。
(二)数据量研究
在测序数据量在0.25M(raw reads)至15M范围，研究基因组特异性区域上NRS数目的波动情况。针对s002、s006、s007、s008这四个样品的测序数据(对应的核型结果分别为T13阳性、T21阳性、T18阳性和正常)，随机截取2M至15M的数据量，以此进行基因组比对及统计ZV与CV(该样品在基因组所有特异性区域内非重复序列数的离散系数值。统计结果见表4。
表4.不同测序数据量对应的CV值(离散系数)和ZV值(Z值)
从上表4可知，本方法适宜广谱数据量的染色体检测，尤其在数据量为1M及1M以上时，数据的稳定性与Z检验的结果都较好。
从以上的描述中，可以看出，本发明上述的实施例实现了如下技术效果：通过以测序数据为基础，通过以相等条数的非重复序列为原则来划分特异性区域，避免了各个特异性区域内非重复性序列数目不均一而导致的数据波动，进而优化了染色体间核酸数据参数的相关性，利用与生物样本中临床相关染色体的参数与其他非临床相关染色体区的参数比对，从而确定待测样本中染色体非整倍性是否存在。该方法实现了单样本检测，且不需要标准的正常样本，消除了对实验条件的依赖性，使分析速度加快、总体改进了对染色体异常的评估。提供了一种简易、快速、准确的染色体非整倍性检测手段，其常染色体检测的准确率在99％以上，假阳性率小于1％。本方法相对多样本方法降低了假阴性检出率；相对现有的单样本方法，对测序数据量的要求更小。
显然，本领域的技术人员应该明白，上述的本申请的一些模块、元件或一些步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种测序数据的处理方法，其特征在于，所述处理方法包括：
通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；
将参考基因组划分成多个特异性区域，每个所述特异性区域内非重复序列的数目NRSc值相等；
将所述来源于母体外周血样本的所有染色体的核苷酸序列信息分配至所述参考基因组的多个所述特异性区域，统计所述样本在每个所述特异性区域内的NRSs值；
利用GC含量修正所述样本在每个所述特异性区域内的NRSs值，记为NRSs'值；
基于所述NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，分别对应记为第一均值和第二均值；
将所述第一均值与第二均值进行差异性检验，根据差异检验结果确定染色体是否存在非整倍性。
2.根据权利要求1所述的处理方法，其特征在于，利用GC含量修正所述样本在每个所述特异性区域内的NRSs值的步骤包括：
利用修正公式NRSs'＝NRSs×α修正所述样本在每个所述特异性区域内的NRSs值，其中，所述 为所有特异性区域NRSs值的中位数值，NRSs”为利用所述样本的每个所述特异性区域的GC含量与NRSs值进行多项式样条拟合后获得的拟合值。
3.根据权利要求2的处理方法，其特征在于，在利用所述样本的每个所述特异性区域的GC含量与NRSs值进行多项式样条拟合之前，所述处理方法还包括从所述样本的所有特异性区域中去除NRSs值异常的特异性区域的步骤。
4.根据权利要求3的处理方法，其特征在于，采用线性拟合或者局部多项式回归拟合的方法去除NRSs值异常的特异性区域。
5.根据权利要求1的处理方法，其特征在于，所述NRSc值为10000～50000中的任意整数。
6.根据权利要求1至5中任一项所述的处理方法，其特征在于，
所述目标染色体选自以下任意一条或几条的组合：13号染色体、18号染色体、21号染色体、X染色体以及Y染色体；
所述对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、4号染色体、5号染色体、6号染色体、7号染色体、8号染色体、9号染色体、10号染色体、11号染色体、12号染色体以及16号染色体。
7.一种测序数据的处理装置，其特征在于，所述处理装置包括：
测序模块，用于通过高通量测序获取来源于母体外周血样本的所有染色体的核苷酸序列信息；
特异性区域划分模块，用于根据NRSc值相等的原则将参考基因组划分成多个特异性区域；
分配模块，用于根据与所述参考基因组进行序列比对的原则，将所述来源于母体外周血样本的所有染色体的核苷酸序列信息分配至所述参考基因组的多个所述特异性区域；
第一统计模块，用于统计所述样本在每个所述特异性区域内的NRSs值；
修正模块，用于利用GC含量修正所述样本在每个所述特异性区域内的NRSs值，记为NRSs'值；
第二统计模块，用于基于所述NRSs'值，分别统计目标染色体和对照染色体上所有特异性区域的NRSs'值的均值，分别对应记为第一均值和第二均值；
检验模块，用于将所述第一均值与第二均值进行差异性检验；
确定模块，用于根据差异检验结果确定染色体是否存在非整倍性。
8.根据权利要求7所述的处理装置，其特征在于，所述修正模块包括：
第一计算单元，用于计算所有特异性区域NRSs值的中位数值
拟合单元，用于利用所述样本的每个所述特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线；
获取单元，用于根据所述拟合曲线获取每个所述特异性区域的拟合值NRSs”；
第二计算单元，用于根据公式计算修正系数α；
修正单元，用于根据修正公式NRSs'＝NRSs×α修正所述样本在每个所述特异性区域内的NRSs值。
9.根据权利要求8的处理装置，其特征在于，所述拟合单元在执行利用所述样本的每个所述特异性区域的GC含量与NRSs值进行多项式样条拟合，得到拟合曲线的步骤之前，还包括过滤子单元，所述过滤子单元用于执行从所述样本的所有特异性区域中去除NRSs值异常的特异性区域的步骤。
10.根据权利要求9的处理装置，其特征在于，所述过滤子单元为线性拟合子单元或者局部多项式回归拟合子单元。
11.根据权利要求7的处理装置，其特征在于，所述NRSc值为10000～50000中的任意整数。
12.根据权利要求7至11中任一项所述的处理装置，其特征在于，
所述目标染色体选自以下任意一条或几条的组合：13号染色体、18号染色体、21号染色体、X染色体以及Y染色体；
所述对照染色体选自以下任意一条或几条的组合：1号染色体、2号染色体、3号染色体、4号染色体、5号染色体、6号染色体、7号染色体、8号染色体、9号染色体、10号染色体、11号染色体、12号染色体以及16号染色体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610161767.1A CN105844116B (zh) | 2016-03-18 | 2016-03-18 | 测序数据的处理方法和处理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610161767.1A CN105844116B (zh) | 2016-03-18 | 2016-03-18 | 测序数据的处理方法和处理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105844116A CN105844116A (zh) | 2016-08-10 |
| CN105844116B true CN105844116B (zh) | 2018-02-27 |
Family
ID=56587781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610161767.1A Active CN105844116B (zh) | 2016-03-18 | 2016-03-18 | 测序数据的处理方法和处理装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105844116B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106367512A (zh) * | 2016-09-22 | 2017-02-01 | 上海序康医疗科技有限公司 | 一种鉴定样本中肿瘤负荷的方法和*** |
| CN107133495B (zh) * | 2017-05-04 | 2018-07-13 | 北京医院 | 一种非整倍性生物信息的分析方法和分析*** |
| CN117766020A (zh) * | 2018-05-07 | 2024-03-26 | 深圳市真迈生物科技有限公司 | 检测染色体非整倍性的方法、装置及*** |
| CN109299738B (zh) * | 2018-09-19 | 2021-10-26 | 语联网（武汉）信息技术有限公司 | 稿件基因的选取方法、装置与电子设备 |
| CN109402247B (zh) * | 2018-11-06 | 2020-04-07 | 苏州首度基因科技有限责任公司 | 一种基于dna变异计数的胎儿染色体检测*** |
| CN109658981B (zh) * | 2018-12-10 | 2022-10-04 | 海南大学 | 一种单细胞测序的数据分类方法 |
| CN113053460A (zh) * | 2019-12-27 | 2021-06-29 | 分子健康有限责任公司 | 用于基因组和基因分析的***和方法 |
| CN111226281B (zh) * | 2019-12-31 | 2023-03-21 | 深圳华大医学检验实验室 | 确定染色体非整倍性、构建分类模型的方法和装置 |
| CN113517025B (zh) * | 2020-04-10 | 2022-03-18 | 西咸新区予果微码生物科技有限公司 | 一种病原体在线监测***及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1179470A (zh) * | 1996-09-24 | 1998-04-22 | 赫彻斯特股份公司 | 用于基因治疗的含杂交启动子的核酸构建体 |
| WO2014182574A1 (en) * | 2013-05-04 | 2014-11-13 | The Board Of Trustees Of The Leland Stanford Junior University | Enrichment of dna sequencing libraries from samples containing small amounts of target dna |
| CN105177161A (zh) * | 2015-10-19 | 2015-12-23 | 北京嘉宝仁和医疗科技有限公司 | Y染色体azf区微缺失检测试剂盒 |
-
2016
- 2016-03-18 CN CN201610161767.1A patent/CN105844116B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1179470A (zh) * | 1996-09-24 | 1998-04-22 | 赫彻斯特股份公司 | 用于基因治疗的含杂交启动子的核酸构建体 |
| WO2014182574A1 (en) * | 2013-05-04 | 2014-11-13 | The Board Of Trustees Of The Leland Stanford Junior University | Enrichment of dna sequencing libraries from samples containing small amounts of target dna |
| CN105177161A (zh) * | 2015-10-19 | 2015-12-23 | 北京嘉宝仁和医疗科技有限公司 | Y染色体azf区微缺失检测试剂盒 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105844116A (zh) | 2016-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105844116B (zh) | 测序数据的处理方法和处理装置 | |
| US20220010371A1 (en) | Rapid aneuploidy detection | |
| EP3325664B1 (en) | Analysis of fragmentation patterns of cell-free dna | |
| Robertson et al. | Longitudinal dynamics of clonal hematopoiesis identifies gene-specific fitness effects | |
| Chen et al. | Noninvasive prenatal diagnosis of fetal trisomy 18 and trisomy 13 by maternal plasma DNA sequencing | |
| EP2772549B1 (en) | Method for detecting genetic variation | |
| CN105143466B (zh) | 通过大规模平行rna测序分析母亲血浆转录组 | |
| CN104169929B (zh) | 用于确定胎儿是否存在性染色体数目异常的***和装置 | |
| Konwar et al. | Considerations when processing and interpreting genomics data of the placenta | |
| CN105825076B (zh) | 消除常染色体内和染色体间gc偏好的方法及检测*** | |
| TR201816062T4 (tr) | Polimorfizm sayımlarını kullanarak genom fraksiyonlarının çözülmesi. | |
| KR101614471B1 (ko) | 유전체 서열분석을 이용한 태아 염색체 이수성의 진단 방법 및 장치 | |
| CN107949845A (zh) | 能够在多个平台上区分胎儿性别和胎儿性染色体异常的新方法 | |
| CN109767810A (zh) | 高通量测序数据分析方法及装置 | |
| JP6929778B2 (ja) | 着床前遺伝子スクリーニングにおける一塩基多型を用いた品質管理方法 | |
| Nepomnyashchaya et al. | Non-invasive prenatal diagnostics of aneuploidy using next-generation DNA sequencing technologies, and clinical considerations | |
| CN105555970A (zh) | 同时进行单体型分析和染色体非整倍性检测的方法和*** | |
| KR101739535B1 (ko) | 태아의 염색체이수성을 검출하는 방법 | |
| CN104951671A (zh) | 基于单样本外周血检测胎儿染色体非整倍性的装置 | |
| CN109461473B (zh) | 胎儿游离dna浓度获取方法和装置 | |
| CN105765076B (zh) | 一种染色体非整倍性检测方法及装置 | |
| CN107239676B (zh) | 一种针对胚胎染色体的序列数据处理装置 | |
| Jørgensen et al. | nanoNIPT: Short-fragment nanopore sequencing of cell-free DNA for non-invasive prenatal testing of fetal aneuploidies and sex chromosome aberrations | |
| WO2023102786A1 (zh) | 基因标志物在预测孕妇早产风险中的应用 | |
| EP3907739A1 (en) | Method for determining fetal fraction in maternal sample |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Biliang Inventor after: Cao Liang Inventor after: Ye Yidong Inventor before: Zhang Biliang Inventor before: Cao Liang |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20171211 Address after: 510663 building C3, No. 182, innovation building, No. 182, Avenue of science, Guangdong Development Zone, Guangzhou Development Zone Applicant after: GUANGZHOU RIBOBIO Co.,Ltd. Applicant after: GUANGZHOU RUIKANG MEDICAL LABORATORY Co.,Ltd. Address before: 510663 building C3, No. 182, innovation building, No. 182, Avenue of science, Guangdong Development Zone, Guangzhou Development Zone Applicant before: GUANGZHOU RIBOBIO Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and device for processing sequencing data Effective date of registration: 20211223 Granted publication date: 20180227 Pledgee: Bank of China Limited Guangzhou Development Zone Branch Pledgor: GUANGZHOU RIBOBIO Co.,Ltd. Registration number: Y2021980016275 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20221209 Granted publication date: 20180227 Pledgee: Bank of China Limited Guangzhou Development Zone Branch Pledgor: GUANGZHOU RIBOBIO Co.,Ltd. Registration number: Y2021980016275 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230116 Address after: 13/F, Building C3, Innovation Building, No. 182, Science Avenue, Development Zone, Guangzhou, Guangdong, 510663 Patentee after: GUANGZHOU RIBOBIO Co.,Ltd. Address before: 13/F, Building C3, Innovation Building, No. 182, Science Avenue, Development Zone, Guangzhou, Guangdong, 510663 Patentee before: GUANGZHOU RIBOBIO Co.,Ltd. Patentee before: GUANGZHOU RUIKANG MEDICAL LABORATORY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Processing methods and devices for sequencing data Effective date of registration: 20230615 Granted publication date: 20180227 Pledgee: CITIC Bank Co.,Ltd. Guangzhou Branch Pledgor: GUANGZHOU RIBOBIO Co.,Ltd. Registration number: Y2023980044095 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |