CN111933214A - 用于检测rna水平体细胞基因变异的方法、计算设备 - Google Patents

Abstract

本公开涉及一种用于检测RNA水平的体细胞基因变异的方法、计算设备和计算机存储介质。该方法包括：生成关于待测组织样本的RNA对比结果数据，以用于确定候选变异；生成所述RNA对比结果数据中和待测血液样本的DNA比对结果数据中的支持所述候选变异的读长的统计信息；确定候选变异所在位置的参考基因组序列的重复序列特征，以便确定预定过滤阈值；基于所述reads的统计信息和所述预定过滤阈值，获得阳性候选变异；以及将包含所述阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。本公开能够准确并高效率地检测RNA水平体细胞基因变异。

Description

用于检测RNA水平体细胞基因变异的方法、计算设备

技术领域

本公开总体上涉及生物信息处理，并且具体地，涉及用于检测RNA水平体细胞基因变异的方法、计算设备和计算机存储介质。

背景技术

肿瘤是一种由基因变异引起的疾病。准确检测基因变异能够指导靶向药的用药，以及对免疫治疗、化疗评估、内分泌治疗疗效评估以及肿瘤分型提供指导。

传统的用于检测基因变异的方案，例如主要是基于待测样本的DNA测序数据的比对结果来检测基因突变。由于在DNA转录后会发生RNA编辑，然后RNA才能翻译为蛋白质，并非所有的基因变异都会转录，因此在基于DNA测序数据而检测到的基因变异与实际表达的基因变异存在一定的差异。另外，由于RNA相较于DNA更难以保存，且RNA中存在种类丰富的可变剪接，因此，难于准确检测RNA水平体细胞基因变异。

综上，传统的用于检测基因变异的方案中存在难以准确检测RNA水平体细胞基因变异的不足之处。

发明内容

本公开提供一种用于检测RNA水平体细胞基因变异的方法、计算设备和计算机存储介质，能够准确并高效率地检测RNA水平体细胞基因变异。

根据本公开的第一方面，提供了一种检测RNA水平体细胞基因变异的方法。该方法包括：基于关于待测对象待测组织样本的RNA测序结果与人类参考基因组的比对，生成关于待测组织样本的RNA对比结果数据，以用于基于RNA对比结果数据确定候选变异；提取RNA对比结果数据中和待测对象的待测血液样本的DNA比对结果数据中的支持候选变异的读长（reads），以便生成关于reads的统计信息，以用于过滤候选变异；确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征，以便确定预定过滤阈值；基于reads的统计信息和预定过滤阈值，过滤候选变异，以便获得阳性候选变异；以及将包含阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：存储器，被配置为存储一个或多个计算机程序；以及处理器，耦合至存储器并且被配置为执行一个或多个程序使装置执行本公开的第一方面的方法。

根据本公开的第三方面，还提供了一种非瞬态计算机可读存储介质。该非瞬态计算机可读存储介质上存储有机器可执行指令，该机器可执行指令在被执行时使机器执行本公开的第一方面的方法。

在一些实施例中，基于reads的统计信息和预定过滤阈值过滤候选变异包括：响应于确定支持候选变异的reads数量、reads的比对质量、候选变异的碱基的碱基质量，正负链比例和候选变异处于reads上的位置中的至少一项符合预定条件，过滤掉候选变异。

在一些实施例中，过滤掉候选变异包括：响应于确定候选变异处于reads上的末端位置，过滤掉候选变异。

在一些实施例中，过滤掉候选变异包括：确定候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例的差值；响应于确定差值大于或者等于预定差异阈值，过滤掉候选变异。

在一些实施例中，差值是基于卡方检验而确定的。

在一些实施例中，确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征以便确定预定过滤阈值包括：响应于确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征满足预定重复序列条件，确定第一过滤阈值为预定过滤阈值；以及响应于确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征不满足预定重复序列条件，确定第二过滤阈值为预定过滤阈值，第二过滤阈值小于第一过滤阈值。

在一些实施例中，确定体细胞变异结果数据包括：响应于确定包含阳性候选变异的测序序列比对上人类完整参考基因组，过滤掉阳性候选变异；或者响应于确定包含阳性候选变异的测序序列不属于预定RNA变异数据集，过滤掉阳性候选变异。

在一些实施例中，检测RNA水平体细胞基因变异的方法还包括：获取关于待测对象的待测组织样本的RNA测序数据、关于待测对象的待测组织样本的DNA的测序数据和关于待测血液样本的DNA的测序数据；基于关于待测组织样本的DNA的测序数据和关于待测血液样本的DNA的测序数据，生成关于待测对象的DNA水平的体细胞变异数据；对所获取的关于待测组织样本的RNA测序数据进行以下至少一项预处理，以便生成关于待测组织样本的RNA测序结果：去除待测组织样本的RNA测序数据中的测序接头；以及去除待测组织样本的RNA测序数据中的测序质量低于预定质量阈值的reads。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

图1示出了根据本公开的实施例的用于实施检测RNA水平体细胞基因变异的方法的***的示意图。

图2示出了根据本公开的实施例的用于检测RNA水平体细胞基因变异的方法的流程图。

图3示出了根据本公开的实施例的RNA水平体细胞基因变异与DNA水平体细胞基因变异的对比示意图。

图4示出了根据本公开的实施例的RNA水平体细胞基因变异与DNA水平体细胞基因变异的分布示意图。

图5示出了根据本公开的实施例的用于过滤候选变异的方法的流程图。

图6示出了根据本公开的实施例的用于确定体细胞变异结果数据的方法的流程图。

图7示出了根据本公开的实施例的用于检测RNA水平体细胞基因变异的方法的流程图。

图8示意性示出了适于用来实现本公开实施例的电子设备的框图。

在各个附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。

如前文描述，在传统的用于检测基因变异的方案中，由于在DNA转录后会发生RNA编辑，并非所有的基因变异都会转录，因此在基于DNA测序数据而检测到的基因变异与实际表达的基因变异存在一定的差异，并且RNA中存在种类丰富的可变剪接，因此难于准确检测RNA水平体细胞基因变异。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于检测RNA水平体细胞基因变异的方案。该方案包括：基于关于待测对象的待测组织样本的RNA测序结果与人类参考基因组的比对，生成关于待测组织样本的RNA对比结果数据，以用于基于RNA对比结果数据确定候选变异；提取RNA对比结果数据中和待测对象的待测血液样本的DNA比对结果数据中的支持候选变异的读长（reads），以便生成关于reads的统计信息，以用于过滤候选变异；确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征，以便确定预定过滤阈值；基于reads的统计信息和预定过滤阈值，过滤候选变异，以便获得阳性候选变异；以及将包含阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。

在上述方案中，通过统计所提取RNA对比结果数据中和对应DNA比对结果数据中的支持候选变异的reads的统计信息来过滤候选变异；以及通过确定经过滤的候选变异所在位置的参考基因组序列是否存在重复序列的情况来确定预定过滤阈值，使得本公开能够针对是否容易产生PCR及测序错误的情形来调整预定过滤阈值。另外，通过reads的统计信息和经调整的预定过滤阈值、以及与人类参考基因组和预定RNA变异数据集的比对结果，来过滤的候选变异以确定体细胞变异结果数据，使得本公开能够过滤掉由于测序数据比对过程中所产生的错误而造成的变异。综上，本公开能够更为准确并高效率地检测RNA水平体细胞基因变异。

图1示出了根据本公开的实施例的用于实施检测RNA水平体细胞基因变异的方法的***100的示意图。如图1所示，***100包括：比对单元110、计算设备130、生信服务器120、网络150。计算设备130例如包括数据获取单元132、支持变异reads的统计单元134、重复序列特征确定单元136、预定过滤阈值确定单元138、阳性候选变异确定单元140、体细胞变异结果数据获得单元142。

在一些实施例中，数据获取单元132、支持变异reads的统计单元134、重复序列特征确定单元136、预定过滤阈值确定单元138、阳性候选变异确定单元140、体细胞变异结果数据获得单元142可以配置在一个或者多个计算设备130上；而比对单元110可以独立于计算设备130之外。计算设备130可以通过有线或者无线的方式（例如网络150）与比对单元110、生信服务器120进行数据交互。

关于计算设备130，其用于基于RNA对比结果数据确定候选变异；生成RNA对比结果数据中和待测对象的待测血液样本的DNA比对结果数据中的支持候选变异的读长的统计信息，以用于过滤候选变异；基于候选变异所在位置的参考基因组序列的重复序列特征确定预定过滤阈值；基于reads的统计信息和预定过滤阈值获得阳性候选变异；以及将包含阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。在一些实施例中，计算设备130可以具有一个或多个处理单元，包括诸如GPU、FPGA和ASIC等的专用处理单元以及诸如CPU的通用处理单元。另外，在每个计算设备上也可以运行着一个或多个虚拟机。

关于数据获取单元132，其用于基于关于待测对象的待测组织样本的RNA测序结果与人类参考基因组的比对，生成关于待测组织样本的RNA对比结果数据，以用于基于RNA对比结果数据确定候选变异。数据获取单元132可以经由网络150获取来自生信服务器120或者比对单元110的关于待测组织样本的RNA的FASTQ格式测序数据、关于待测组织样本的DNA的FASTQ格式测序数据和关于待测血液样本的DNA的FASTQ格式测序数据。

关于支持变异reads的统计单元134，其用于提取RNA对比结果数据中和待测对象的待测血液样本的DNA比对结果数据中的支持候选变异的读长（reads），以便生成关于reads的统计信息，以用于过滤候选变异。

关于重复序列特征确定单元136，其用于确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征。

关于预定过滤阈值确定单元138，其用于基于所确定的重复序列特征确定预定过滤阈值。

关于阳性候选变异确定单元140，其用于基于reads的统计信息和预定过滤阈值，过滤候选变异，以便获得阳性候选变异。

关于体细胞变异结果数据确定单元142，其用于将包含阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。

以下将结合图2描述根据本公开的实施例的用于检测RNA水平体细胞基因变异的方法。图2示出了根据本公开的实施例的用于检测RNA水平体细胞基因变异的方法200的流程图。应当理解，方法200例如可以在图8所描述的电子设备800处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤202处，计算设备130基于关于待测对象的待测组织样本的RNA测序结果与人类参考基因组的比对，生成关于待测组织样本的RNA对比结果数据，以用于基于RNA对比结果数据确定候选变异。

关于待测组织样本的RNA测序结果，其例如是经由针对待测肿瘤患者的待测肿瘤组织样本进行WTS测序而得到的FASTQ格式测序数据。具体而言，计算设备130可以经由数据获取单元132获取关于待测对象的待测组织样本的RNA测序数据（例如，RNA测序FASTQ文件）、以及待测血液样本和待测组织样本的DNA测序数据（例如，DNA测序FASTQ文件）；然后基于关于待测组织样本的DNA的测序数据和关于待测血液样本的DNA的测序数据，生成关于待测对象的DNA水平的体细胞变异数据；再对所获取的关于待测组织样本的RNA测序数据进行预处理，以便生成关于待测组织样本的RNA测序结果。所进行的预处理例如包括：去除待测组织样本的RNA测序数据中的测序接头；和/或去除待测组织样本的RNA测序数据中的测序质量低于预定质量阈值的reads。然后，计算设备130将经上述预处理的RNA测序结果与人类参考基因组序列（例如人类Hg19标准样本的基因序列）进行比对，以便生成关于待测组织样本的RNA对比结果数据（例如BAM格式的比对文件），以用于基于对比结果数据，确定候选变异（例如基于BAM格式的比对文件突变位点信息，将所获得所有的变异位点作为候选变异）。

在步骤204处，计算设备130提取RNA对比结果数据中和待测对象的待测血液样本的DNA比对结果数据中的支持候选变异的读长（reads），以便生成关于reads的统计信息，以用于过滤候选变异。

生成reads的统计信息的方式例如包括：计算设备130提取关于待测组织样本的RNA对比结果数据的bam比对文件中支持候选变异的reads、关于待测血液样本的DNA对比结果数据的bam比对文件中支持候选变异的reads，然后获取关于支持候选变异的reads的统计信息。

在步骤206处，计算设备130确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征，以便确定预定过滤阈值。

关于确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征来确定预定过滤阈值的方式，其例如包括：如果计算设备130确定经过滤的候选变异所在位置的参考基因组序列的重复序列特征满足预定重复序列条件，确定第一过滤阈值为预定过滤阈值；以及如果确定经过滤的候选变异所在位置的参考基因组序列的重复序列特征不满足预定重复序列条件，确定第二过滤阈值为预定过滤阈值，第二过滤阈值小于第一过滤阈值。这是因为，如果变异位点所在区域的参考基因组序列如果存在明显的重复序列，则这种区域比较容易发生测序错误，因此，如果检测到当前变异位置存在明显的重复序列区域，需要提高预定过滤阈值的参数值。由此，可以使得经过滤的阳性结果更为准确。

在步骤208处，计算设备130基于reads的统计信息和预定过滤阈值，过滤候选变异，以便获得阳性候选变异。

关于过滤候选变异的方式例如包括：计算设备130确定支持候选变异的reads数量、reads的比对质量、候选变异的碱基的碱基质量，正负链比例和候选变异处于reads上的位置中的至少一项是否符合预定条件。如果计算设备130确定支持候选变异的reads数量、reads的比对质量、候选变异的碱基的碱基质量，正负链比例和候选变异处于reads上的位置中的至少一项符合预定条件，则过滤候选变异。

例如，计算设备130可以确定候选变异是否处于reads上的末端位置；如果计算设备130确定候选变异处于reads上的末端位置，则过滤掉候选变异。又例如，如果计算设备130确定候选变异处的reads的比对质量低于同一位点未突变reads比对质量中位值的一半，则过滤掉候选变异。再例如，如果计算设备130确定候选变异的碱基的碱基质量例如小于或者等于预定碱基质量阈值（例如而不限于是21），则过滤掉候选变异。

例如，计算设备130可以确定候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例的差值；如果计算设备130确定差值大于或者等于预定差异阈值，过滤掉候选变异。该预定差异阈值例如而不限于是基于卡方检验而确定的。以下将结合图5说明基于卡方检验而确定预定差异阈值以及过滤候选变异的方法。在此，不再赘述。

在步骤210处，计算设备130将包含阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。例如，计算设备130将包含阳性候选变异的代表性测序序列重新与人类最新的完整参考基因组和预定RNA变异数据集进行比对，以便过滤掉由于测序数据比对过程中产生的错误所造成的变异，进而可以得到可信的体细胞变异结果。该预定RNA变异数据集例如包括已知的、实际检测的体细胞基因变异信息和预测的体细胞基因变异信息。由此，可以过滤掉比对过程中产生的一些未包括在预定RNA变异数据集的变异错误。

在上述方案中，通过统计RNA对比结果数据中和对应DNA比对结果数据中的支持候选变异的reads的统计信息来过滤候选变异，并且确定经过滤的候选变异所在位置的参考基因组序列是否存在重复序列的情况来确定预定过滤阈值；以及通过reads的统计信息和经调整的预定过滤阈值、以及与人类参考基因组和预定RNA变异数据集的比对结果，来过滤的候选变异以确定体细胞变异结果数据，使得本公开能够过滤掉由于测序数据比对过程中所产生的错误而造成的变异。综上，本公开能够更为准确并高效率地检测RNA水平体细胞基因变异。

下文将结合表一和图3说明本公开的实施例的用于检测RNA水平体细胞基因变异的方法与DNA水平体细胞基因变异的方法的结果的一致性。如表一所示，4个样本共有94个位点同时存在DNA水平体细胞基因变异和本公开方法所检测的RNA水平体细胞基因变异。55个位点存在RNA水平体细胞基因变异，而不存在DNA水平体细胞基因变异。177个位点存在DNA水平体细胞基因变异，而不存在RNA水平体细胞基因变异。由表一可知，DNA水平体细胞基因变异和RNA水平体细胞基因变异存在一定的一致性。同时，也有部分的DNA水平体细胞基因变异没有体现在RNA测序数据中，并且RNA测序数据中也存在一部分特有的RNA水平体细胞基因变异。

表一

如表一所示，依据本公开方法所检测的RNA水平体细胞阳性变异位点与检测DNA水平体细胞基因变异的方法所检验的阳性变异位点同时存在的比例较高，由此表明，本公开能够准确并高效率地检测RNA水平体细胞基因变异。

图3示出了根据本公开的实施例的RNA水平体细胞基因变异与DNA水平体细胞基因变异的对比示意图。具体而言，图3示出了4例样本的同时存在DNA水平体细胞基因变异与RNA水平体细胞基因变异的94个位点的皮尔森相关系数（variant allele fraction，即VAF）相关性。图3中的纵坐标指示了同时存在的变异位点（即，94个位点，例如突变位点310、312等）发生RNA水平体细胞基因变异的突变频率；图3中的横坐标指示同时存在的变异位点（即，94个位点，例如突变位点310、312等）发生DNA水平体细胞基因变异的突变频率。如图3所示，同时存在DNA水平体细胞基因变异与RNA水平体细胞基因变异的94个位点的一致性系数Cor为0.486。

图4示出了根据本公开的实施例的RNA水平体细胞基因变异与DNA水平体细胞基因变异的分布示意图。图4的横坐标指示关于DNA水平的特有突变是否包括在RNA水平体细胞基因变异数据中的阳性结果或者非阳性结果。其中，阳性结果表明关于DNA水平的特有突变是包括在RNA水平体细胞基因变异数据中，非阳性结果表明关于DNA水平的特有突变是未包括在RNA水平体细胞基因变异数据中。图4的纵坐标指示DNA水平的特有突变在RNA数据的中的覆盖深度（coverage）。在图4中，框410指示DNA水平的特有突变包括在本公开方法所检测的RNA水平体细胞基因变异数据中（即阳性结果）的分布范围。框420指示DNA水平的特有突变未包括在本公开方法所检测的RNA水平体细胞基因变异数据中（即非阳性结果）的分布范围。标记412指示阳性结果覆盖深度的中位值；标记422指示非阳性结果覆盖深度的中位值。由图4可知，非阳性结果分布范围所对应的覆盖深度较低，这表明：DNA水平的特有突变未包括在本公开方法所检测的RNA水平体细胞基因变异数据中是因为突变所在的区域本身转录很低或者没有转录。

图5示出了根据本公开的实施例的用于过滤候选变异的方法500的流程图。应当理解，方法500例如可以在图8所描述的电子设备800处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法500还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤502处，计算设备130确定候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例的差值。

在步骤504处，计算设备130确定差值是否大于或者等于预定差异阈值。

在步骤506处，如果计算设备130确定差值大于或者等于预定差异阈值，过滤掉候选变异。在一些实施例中，上述差值例如是基于卡方检验而确定的。

具体而言，计算设备130可以基于卡方检验来计算候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例之间的差值（即卡方值）。例如，计算设备130可以采用2*2列联表的卡方检验方式（或称配对记数资料或者配对四格表资料的卡方检验）来分别统计突变的正链reads数、未突变的正链reads数、突变的负链reads数和未突变的负链reads数。例如，以下结合表二说明2*2列联表的卡方检验的统计方式。

表二

以下结合公式（1）说明上述卡方值的计算方法，以及结合公式（2）说明自由度的计算方法。

Y=n(ad-bc) ²/(a+b)(c+d)(a+c)(b+d) (1)

V=(M-1)(N-1) (2)

在上述公式（1）和（2）中，Y代表卡方值。V代表自由度。M代表2*2列联表的行数。N 代表2*2列联表的列数。自由度V例如为1。a、b、c、d分别代表四格表资料四个格子所对应统计项目的频数。n代表a、b、c和d四个格子所对应统计项目的频数之和。预定置信度例如为95%。本公开通过基于卡方检验来计算候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例之间的差值是否小于或者等于预定置信度，来过滤候选变异。

在步骤508处，如果计算设备130确定差值小于预定差异阈值，保留候选变异。

通过采用上述手段，本公开能够提高阳性结果的准确率。

图6示出了根据本公开的实施例的用于获得体细胞变异结果数据的方法600的流程图。应当理解，方法600例如可以在图8所描述的电子设备800处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法600还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤602处，计算设备130确定包含阳性候选变异的测序序列是否比对上人类完整参考基因组。

如果计算设备130确定包含阳性候选变异的测序序列比对上人类完整参考基因组，在步骤606处，过滤掉阳性候选变异。

在步骤604处，计算设备130确定包含阳性候选变异的测序序列是否不属于预定RNA变异数据集。

如果计算设备130包含阳性候选变异的测序序列不属于预定RNA变异数据集，在步骤606处，过滤掉阳性候选变异。预定RNA变异数据集例如包括已知的实际检测的体细胞基因变异信息和预测的体细胞基因变异信息。

在步骤608处，计算设备130基于留下的阳性候选变异，获得体细胞变异结果数据。

在上述方案中，通过将包含阳性候选变异的代表性测序序列与人类完整参考基因组和预定RNA变异数据集重新进行比对，可以过滤掉比对过程中产生的一些错误，进而提高RNA水平体细胞变异结果数据的可靠性。

图7示出了根据本公开的实施例的用于检测RNA水平的体细胞基因变异的方法700的流程图。应当理解，方法700例如可以在图8所描述的电子设备800处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法700还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤702处，针对待测对象的待测组织样本和匹配的待测血液样本进行测序，以便分别获得关于待测组织样本的RNA测序结果、关于待测组织样本的DNA测序结果和关于待测血液样本的DNA测序结果。例如，可以获取4位肿瘤患者的肿瘤组织样本及配对血液样本，分别针对肿瘤组织样本和血液样本进行DNA的全外显子测序(Whole Exome Sequencing,WES)，以及针对肿瘤组织样本进行全转录组测序（Whole Transcriptome Sequencing ，WTS），以便分别得到关于待测组织样本的RNA的FASTQ格式测序数据、关于待测组织样本的DNA的FASTQ格式测序数据和关于待测血液样本的DNA的FASTQ格式测序数据。在上述手段中，获得关于待测血液样本的DNA测序结果的目的是可以用来区分哪些变异是体细胞基因变异，哪些变异是遗传细胞基因变异。

在步骤704处，准备用于测序覆盖基因组的区域文件，即探针文件，并且获得探针文件所覆盖的编码序列（coding sequence，CDS）区域的文件。应当理解，在进行探针设计过程中，需综合考虑探针的Tm、探针长度、GC含量和探针的二级结构、复杂度、探针方向和探针数量等，以便挺高探针捕获效率和均一性。

在步骤706处，计算设备130基于关于待测组织样本的DNA的测序结果和关于待测血液样本的DNA的测序结果，得到关于待测对象的DNA水平的体细胞变异数据。通过上述处理，计算设备130找到哪些位点存在DNA水平的体细胞变异数据，以便用于检测或者验证所检测的RNA水平的体细胞基因变异数据的准确性。

在步骤708处，计算设备130针对关于待测组织样本的RNA测序结果进行预处理。例如，使用AdapterRemoval软件对关于待测对象的RNA水平测序数据进行预处理。所进行的预处理例如包括：去除测序接头，以及过滤掉低质量reads。例如针对步骤702处所获得的待测组织样本的RNA的FASTQ格式测序数据进行去除测序接头、过滤掉低质量reads等预处理。

在步骤710处，计算设备130基于关于待测组织样本的RNA测序结果与人类参考基因组的比对，生成关于待测组织样本的RNA对比结果数据，以用于基于对比结果数据确定候选变异。例如计算设备130将待测组织样本的RNA测序结果比对到Hg19参考基因组上，以便得到BAM格式的比对结果文件；然后计算设备130针对BAM格式的比对结果文件进行分析，将所获得所有的变异位点作为候选变异。

在步骤712处，计算设备130提取RNA对比结果数据和对应待测血液样本的DNA比对结果数据中的支持候选变异的读长（reads），以便生成关于reads的统计信息，以用于过滤候选变异。例如，计算设备130提取变异所在范围内肿瘤组织样本的RNA bam格式的比对结果及血液样本DNA bam格式的比对结果中的变异所在reads，以便生成关于reads的统计信息，然后比较待测对象的变异所在reads的统计信息和参考基因组对应位点未发生突变的reads的统计信息，如果比较结果指示二者存在显著差异，则过滤掉该候选变异，如果比较结果指示二者不存在显著差异，则保留该候选变异。由此，本公开可以排除因测序错误和测序artifact而导致的突变噪音。

在步骤714处，如果计算设备130确认支持候选变异的reads数量、reads的比对质量、候选变异的碱基的碱基质量，正负链比例和候选变异的处于reads上的位置中的至少一项是否符合预定条件，过滤掉候选变异。

例如，如果计算设备130确定所支持候选变异的reads数量、reads的比对质量、变异候选变异的碱基的碱基质量，正负链比例和候选变异的处于reads上的位置明显低于对应的预定阈值，则过滤掉该明显低于预定阈值的变异位点。例如，如果计算设备130确定候选变异处于reads上的末端位置，则过滤掉候选变异。或者，如果计算设备130确定候选变异处的reads的比对质量低于同一位点未突变reads比对质量中位值的一半，则过滤掉候选变异。如果计算设备130确定候选变异的碱基的碱基质量例如小于或者等于21，则过滤掉候选变异。再例如，计算设备130可以确定候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例的差值；如果计算设备130确定差值大于或者等于预定差异阈值，则过滤掉候选变异。该差值例如而不限于是基于卡方检验而确定的。本公开通过基于卡方检验来计算候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例之间的差值是否小于或者等于预定置信度，来过滤候选变异，能够提高阳性结果的准确率。

在步骤716处，计算设备130确定经过滤的候选变异所在位置的参考基因组序列的重复序列特征，以便确定预定过滤阈值。

例如，计算设备130分析变异所在位置的参考基因组的序列特征，判断突变所在序列是否容易产生聚合酶链式反应（PCR）及测序错误，以此进行进一步的过滤。

在步骤718处，计算设备130将包含阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便获得体细胞变异结果数据。

通过采用上述手段，本公开能够更为准确并高效率地检测RNA水平体细胞基因变异。

图8示意性示出了适于用来实现本公开实施例的电子设备800的框图。设备800可以是用于实现执行图2、图5至图7所示的方法200、500至700的设备。如图8所示，设备800包括中央处理单元（CPU）801，其可以根据存储在只读存储器（ROM）802中的计算机程序指令或者从存储单元808加载到随机访问存储器（RAM）803中的计算机程序指令，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。CPU 801、ROM802以及RAM803通过总线804彼此相连。输入/输出（I/O）接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808，处理单元801执行上文所描述的各个方法和处理，例如执行方法200、500至700。例如，在一些实施例中，方法200、500至700可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由CPU801执行时，可以执行上文描述的方法200、500至700的一个或多个操作。备选地，在其他实施例中，CPU 801可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行方法200、500至700的一个或多个动作。

需要进一步说明的是，本公开可以是方法、装置、***和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、设备（***）、和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

以上仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种用于检测RNA水平的体细胞基因变异的方法，包括：

基于关于待测对象的待测组织样本的RNA测序结果与人类参考基因组的比对，生成关于待测组织样本的RNA对比结果数据，以用于基于所述RNA对比结果数据确定候选变异；

提取所述RNA对比结果数据中和所述待测对象的待测血液样本的DNA比对结果数据中的支持所述候选变异的读长（reads），以便生成关于所述reads的统计信息，以用于过滤所述候选变异；

确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征，以便确定预定过滤阈值；

基于所述reads的统计信息和所述预定过滤阈值，过滤所述候选变异，以便获得阳性候选变异；以及

将包含所述阳性候选变异的测序序列与人类参考基因组和预定RNA变异数据集进行比对，以便确定体细胞变异结果数据。

2.根据权利要求1所述的方法，其中基于所述reads的统计信息和所述预定过滤阈值过滤所述候选变异包括：

响应于确定支持所述候选变异的reads数量、所述reads的比对质量、所述候选变异的碱基的碱基质量，正负链比例和所述候选变异处于reads上的位置中的至少一项符合预定条件，过滤掉所述候选变异。

3.根据权利要求2所述的方法，其中过滤掉所述候选变异包括：

响应于确定所述候选变异处于reads上的末端位置，过滤掉所述候选变异。

4.根据权利要求2所述的方法，其中过滤掉所述候选变异包括：

确定所述候选变异所在位点的reads的正负链比例与对应位点未发生突变的reads的正负链比例的差值；

响应于确定所述差值大于或者等于预定差异阈值，过滤掉所述候选变异。

5.根据权利要求4所述的方法，其中所述差值是基于卡方检验而确定的。

6. 根据权利要求1所述的方法，其中确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征以便确定预定过滤阈值包括：

响应于确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征满足预定重复序列条件，确定第一过滤阈值为预定过滤阈值；以及

响应于确定经过滤而留下的候选变异所在位置的参考基因组序列的重复序列特征不满足所述预定重复序列条件，确定第二过滤阈值为预定过滤阈值，所述第二过滤阈值小于所述第一过滤阈值。

7. 根据权利要求1所述的方法，其中确定体细胞变异结果数据包括：

响应于确定包含所述阳性候选变异的测序序列比对上人类完整参考基因组，过滤掉所述阳性候选变异；或者

响应于确定包含所述阳性候选变异的测序序列不属于所述预定RNA变异数据集，过滤掉所述阳性候选变异。

8.根据权利要求1所述的方法，还包括：

获取关于所述待测对象的待测组织样本的RNA测序数据、关于所述待测对象的待测组织样本的DNA的测序数据和关于待测血液样本的DNA的测序数据；

基于关于待测组织样本的DNA的测序数据和关于待测血液样本的DNA的测序数据，生成关于所述待测对象的DNA水平的体细胞变异数据；

对所获取的关于待测组织样本的RNA测序数据进行以下至少一项预处理，以便生成关于所述待测组织样本的RNA测序结果：

去除待测组织样本的RNA测序数据中的测序接头；以及

去除待测组织样本的RNA测序数据中的测序质量低于预定质量阈值的reads。

9.一种计算设备，包括：

至少一个处理单元；

至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行根据权利要求1至8任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至8中任一项所述的方法。

Images