CN106599613A - 一种判定遗传性肿瘤变异位点分级的方法 - Google Patents

一种判定遗传性肿瘤变异位点分级的方法 Download PDF

Info

Publication number
CN106599613A
CN106599613A CN201611161250.9A CN201611161250A CN106599613A CN 106599613 A CN106599613 A CN 106599613A CN 201611161250 A CN201611161250 A CN 201611161250A CN 106599613 A CN106599613 A CN 106599613A
Authority
CN
China
Prior art keywords
component
variation
data bases
data
hgmd
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.)
Granted
Application number
CN201611161250.9A
Other languages
English (en)
Other versions
CN106599613B (zh
Inventor
谢兰
孙义民
郭弘妍
周鸣
周一鸣
党红蕾
邢婉丽
程京
张俊航
邓涛
张治位
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Capitalbio Medlab Co Ltd
CapitalBio Corp
Original Assignee
Beijing Capitalbio Medlab Co Ltd
CapitalBio Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Capitalbio Medlab Co Ltd, CapitalBio Corp filed Critical Beijing Capitalbio Medlab Co Ltd
Priority to CN201611161250.9A priority Critical patent/CN106599613B/zh
Publication of CN106599613A publication Critical patent/CN106599613A/zh
Application granted granted Critical
Publication of CN106599613B publication Critical patent/CN106599613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • 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
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • 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
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Genetics & Genomics (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种判定遗传性肿瘤变异位点分级的方法。本发明保护一种用于对待测者进行遗传性肿瘤变异位点分级的试剂盒，包括如下组件：组件B、组件C、组件D、组件E、组件F、组件G和组件H；组件B为用于对待测者的基因组DNA进行文库制备和合并的试剂或试剂盒；组件C为用于进行DNA测序的设备；组件D为用于对DNA测序结果进行数据分析的数据分析系统；组件E为snpEff软件；组件F为KGGseq软件平台；组件G为HGMD数据库；组件H为Clinvar数据库。本发明的优点在于：数据库权威、可靠、全面；判断方法参考了美国医学遗传学与基因组学学会、分子病理学会和美国病理学家学会等对变异位点的解释，具有科学性和前沿性。

Description

一种判定遗传性肿瘤变异位点分级的方法
技术领域
本发明涉及一种判定遗传性肿瘤变异位点分级的方法。
背景技术
遗传性肿瘤是指由特定致病基因突变导致并具有家族聚集性的肿瘤类型，约占癌症的5-10％，对于此类肿瘤，基因检测方法是诊断、预测肿瘤发病风险的最有效途径。基因检测就是通过测序技术，确定患者是否携带遗传性肿瘤发病相关基因的突变，或对遗传性肿癌患者亲属进行检查，找出突变基因携带者，做出遗传性肿瘤的基因诊断，在他们未发病前提供癌症防治的咨询和个体化的预防措施。
随着高通量测序技术的迅速发展，不同研究机构不断开发新的基因检测方法，包括单基因、外显子组、基因组、转录组和遗传性疾病的表观遗传检测等。然而，对复杂测序数据的解读，给出合理的遗传性肿瘤发病风险分析结果，是遗传性肿瘤检测和防治的关键。这就要求对测序结果中多种复杂性的突变基因，进行突变类型、人群突变频率、致病可能性等方面综合的分析，从而保证判断结果的准确性、可靠性。
2013年，美国医学遗传学与基因组学学会(ACMG)、分子病理学会(AMP)和美国病理学家学会(CAP)，联合修订了用于解释序列变异的标准和准则，该准则建议使用特定的标准术语，用于多种情况下突变类型的解释。然而，这一标准并不能直接应用于基因检测结果的解读。因此，借助权威的数据库支持系统，建立完善的检测变异位点的分级判断方法，才能使大量变异数据具有实际的临床指导意义。
发明内容
本发明的目的是提供一种判定遗传性肿瘤变异位点分级的方法。
本发明保护一种用于对待测者进行遗传性肿瘤变异位点分级的试剂盒，包括如下组件：组件B、组件C、组件D、组件E、组件F、组件G和组件H；
所述组件B为用于对待测者的基因组DNA进行文库制备和合并的试剂或试剂盒；
所述组件C为用于进行DNA测序的设备；
所述组件D为用于对DNA测序结果进行数据分析的数据分析系统；
所述组件E为snpEff软件；
所述组件F为KGGseq软件平台；
所述组件G为HGMD数据库；
所述组件H为Clinvar数据库。
所述试剂盒还包括组件A；所述组件A为对待测者进行基因组DNA提取的物质。
所述试剂盒还包括组件I；所述组件I为记载有方法甲(方法甲具体见后续所述)或方法乙(方法乙具体见后续所述)的载体。
本发明还保护所述组件B、所述组件C、所述组件D、所述组件E、所述组件F、所述组件G和所述组件H在制备试剂盒中的应用；所述试剂盒的用途为对待测者进行遗传性肿瘤变异位点分级。
本发明还保护所述组件A、所述组件B、所述组件C、所述组件D、所述组件E、所述组件F、所述组件G和所述组件H在制备试剂盒中的应用；所述试剂盒的用途为对待测者进行遗传性肿瘤变异位点分级。
本发明还保护所述组件A、所述组件B、所述组件C、所述组件D、所述组件E、所述组件F、所述组件G、所述组件H和所述组件I在制备试剂盒中的应用；所述试剂盒的用途为对待测者进行遗传性肿瘤变异位点分级。
以上任一所述组件B具体可为Ion AmpliSeqTM Library Kit 2.0试剂。
以上任一所述组件C具体可为BioelectronSeq 4000测序仪。
以上任一所述组件D具体可为BioelectronSeq 4000测序仪配套的数据分析系统Torrent Suite(其中自带hg19参考基因组信息)。
本发明还保护一种对待测者进行遗传性肿瘤变异位点分级的方法(方法甲)，依次包括如下步骤：
(1)提取待测者的基因组DNA；
(2)对基因组DNA进行文库制备和合并，合并后的文库采用测序仪进行测序；
(3)将步骤(2)的原始数据输入测序仪配套的数据分析系统，输出变异信息(SNP变异和Small InDel变异)；
(4)将步骤(3)得到的变异信息输入snpEff软件，输出数据；
(5)将步骤(4)得到的数据输入KGGseq软件平台，输出文件；
(6)将步骤(5)得到的文件上的数据进行质控，输出文件；所述质控为过滤掉文件中突变频率MAF>5％的变异及KGGseq软件平台中认为无影响的变异；
(7)将步骤(6)得到的文件通过HGMD数据库和Clinvar数据库注释变异信息；
(8)按照以下标准进行评判：
如果变异为HGMD数据库和Clinvar数据库中均存在的变异，且变异频率MAF<5％，注释为“DM”，判断为可引发肿瘤的4级致病性结果；
如果变异为HGMD数据库或Clinvar数据库中存在的变异，且变异频率MAF<5％，注释为“DM？”，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为stopgain、frameshift或splicing，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为nonframeshift或stoploss，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为Y或“.”，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为N，判断为1级可能良性结果；
不在以上任何条件范围内的变异，均判断为0级良性结果。
所述步骤(3)中，具体以VCF文件的形式输出变异信息。
所述步骤(4)中，具体以VCF文件的形式输出数据。
所述步骤(5)中，“输出文件”具体为“输出txt格式文件”。
所述步骤(6)中，“输出文件”具体为“输出txt格式文件”。
本发明还保护一种对待测者进行遗传性肿瘤变异位点分级的方法(方法乙)，依次包括如下步骤：
(1)提取待测者的基因组DNA；
(2)采用Life公司IonAmpliSeqTM Library Kit 2.0试剂对基因组DNA进行文库制备和合并，合并后的文库采用BioelectronSeq 4000测序仪进行测序(读长约200bp)；
(3)将步骤(2)的原始数据输入BioelectronSeq 4000测序仪配套的数据分析系统Torrent Suite(其中自带hg19参考基因组信息)，以VCF文件的形式输出变异信息(SNP变异和Small InDel变异)；
(4)将步骤(3)得到的变异信息输入snpEff软件(snpEff软件的作用为：注释变异，即注释变异位点发生的区域和变异类型；变异位点发生的区域指的是变异位点发生于某两个基因之间、某基因中的非CDS区或某基因中的CDS区；变异类型指的是synonymous、nonsynonymous、stopgain、splicing、nonframeshift、frameshift或stoploss)，以VCF文件的形式输出数据；
(5)将步骤(4)得到的数据输入KGGseq软件平台(基因组版本hg19)，输出txt格式文件(KGGseq软件平台主要有如下7个数据库：1kg201204、dbSNP147、ESP6500AA、ESp6500EA、dbNSFP、HGNC、RefSeq)(KGGseq软件平台具有如下功能(详情见：http:// grass.cgs.hku.hk/limx/kggseq/doc10/UserManual.html)：共有的遗传模式、基因特征、等位基因频率、生物学功能、序列变异类型和表型-亲缘关系过滤)；
(6)将步骤(5)得到的txt格式文件上的数据进行质控，输出txt格式文件；所述质控为过滤掉文件中突变频率MAF>5％的变异及KGGseq软件平台中认为无影响的变异；
(7)将步骤(6)得到的txt格式文件通过HGMD数据库和Clinvar数据库注释变异信息；
(8)按照以下标准进行评判：
如果变异为HGMD数据库和Clinvar数据库中均存在的变异，且变异频率MAF<5％，注释为“DM”，判断为可引发肿瘤的4级致病性结果；
如果变异为HGMD数据库或Clinvar数据库中存在的变异，且变异频率MAF<5％，注释为“DM？”，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为stopgain、frameshift或splicing，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为nonframeshift或stoploss，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为Y或“.”，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为N，判断为1级可能良性结果；
不在以上任何条件范围内的变异，均判断为0级良性结果。
目前没有公认的从基因检测结果到检测位点用于遗传性肿瘤风险判断的等级划分流程，本发明旨在建立遗传性肿瘤的分级判断方法。
本发明整合HGMD和Clinvar数据库中与遗传性肿瘤位点相关信息，形成一套新的HGMD+Clinvar系统和平台，其中HGMD数据库1.5万余条信息(每条记录均有参考文献)，Clinvar数据库1.4万余条记录，数据库每季度更新一次。利用HGMD+Clinvar变异功能数据库和肿瘤风险数据库信息，本发明公开了一种用于遗传性肿瘤变异位点分级判断的方法，该方法将检测位点判定为0级良性、1级可能良性、2级不确定致病、3级可能致病和4级致病性，共五种判定结果。
本发明的关键点：(1)用不同软件对于检测出的突变位点进行注释；(2)将HGMD和Clinvar数据库整合在一起，形成一套新的系统和平台；(3)将注释后的位点与整合后的系统进行对比，制定标准化流程对于位点进行分级。
本发明的优点在于：数据库权威、可靠、全面；判断方法参考了美国医学遗传学与基因组学学会(ACMG)、分子病理学会(AMP)和美国病理学家学会(CAP)等对变异位点的解释，具有科学性和前沿性。
具体实施方式
以下的实施例便于更好地理解本发明，但并不限定本发明。下述实施例中的实验方法，如无特殊说明，均为常规方法。下述实施例中所用的试验材料，如无特殊说明，均为自常规生化试剂商店购买得到的。以下实施例中的定量试验，均设置三次重复实验，结果取平均值。SmallInDel：基因组的某个位置上所发生的小片段序列的插入或者删除，长度为50bp以下。VCF文件可以是flattext格式也可以是压缩为.gz的格式。
KGGseq软件平台网址：http://grass.cgs.hku.hk/limx/kggseq/
HGMD数据库全称为：“HumanGeneMutationDatabase”；网址：http:// www.hgmd.cf.ac.uk/ac/index.php
Clinvar数据库网址：https://www.ncbi.nlm.nih.gov/clinvar/
synonymous：同义突变。nonsynonymous：非同义突变。stopgain：插入终止子突变。splicing：剪接形式突变。nonframeshift：非移码突变。frameshift：移码突变。stoploss：终止密码子缺失突变。
missense：错义突变。intronic：内含子突变。
实施例1、通过检测待测患者的基因序列信息，评价其患遗传性肿瘤的风险性。
检测步骤如下：
1、样本采集：采集待检测患者外周血样本(EDTA抗凝)，提取基因组DNA。
2、采用Life公司IonAmpliSeqTM Library Kit 2.0试剂对基因组DNA进行文库制备和合并，合并后的文库采用BioelectronSeq 4000测序仪进行测序(读长约200bp)。
3、步骤2的原始数据输入BioelectronSeq 4000测序仪配套的数据分析系统Torrent Suite(其中自带hg19参考基因组信息)，以VCF文件的形式输出变异信息(SNP变异和Small InDel变异)。
4、将步骤3得到的变异信息输入snpEff软件(snpEff软件的作用为：注释变异，即注释变异位点发生的区域和变异类型；变异位点发生的区域指的是变异位点发生于某两个基因之间、某基因中的非CDS区或某基因中的CDS区；变异类型指的是synonymous、nonsynonymous、stopgain、splicing、nonframeshift、frameshift或stoploss)，以VCF文件的形式输出数据。
5、将步骤4得到的数据输入KGGseq软件平台(基因组版本hg19)，输出txt格式文件。KGGseq软件平台主要有如下7个数据库：1kg201204、dbSNP147、ESP6500AA、ESp6500EA、dbNSFP、HGNC、RefSeq。KGGseq软件平台具有如下功能(详情见：http://grass.cgs.hku.hk/ limx/kggseq/doc10/UserManual.html)：共有的遗传模式、基因特征、等位基因频率、生物学功能、序列变异类型和表型-亲缘关系过滤。
6、将步骤5得到的txt格式文件上的数据进行质控(质控即：过滤掉突变频率MAF>5％的变异，过滤掉KGGseq软件平台中认为无影响的变异)，输出txt格式文件。
7、将步骤6得到的txt格式文件输入HGMD数据库和Clinvar数据库。
8、按照以下标准进行评判：
如果变异为HGMD数据库和Clinvar数据库中均存在的变异，且变异频率MAF<5％，注释为“DM”，判断为可引发肿瘤的4级致病性结果(相应的英文为“pathogenic”)；
如果变异为HGMD数据库或Clinvar数据库中存在的变异，且变异频率MAF<5％，注释为“DM？”，判断为可引发肿瘤的3级可能致病性结果(相应的英文为“likelypathogenic”)；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为stopgain、frameshift或splicing，判断为可引发肿瘤的3级可能致病性结果(相应的英文为“likelypathogenic”)；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为nonframeshift或stoploss，判断为2级不确定致病结果(相应的英文为“uncertain”)；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为Y或“.”，判断为2级不确定致病结果(相应的英文为“uncertain”)；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为N，判断为1级可能良性结果(相应的英文为“likely benign”)；
其他不在条件范围内的突变，均判断为0级良性结果(相应的英文为“benign”)。
某一待测患者的检测结果见表1。表1中，突变类型、碱基变异、蛋白变化、基因型、遗传模式和变异频率MAF值均为步骤5的输出文件中的数据结果。表1中，致病性和致病等级为步骤8的结果。
表1
在受检者的FANCA基因检出杂合错义变异c.C3263T(p.S1088F)，该变异是已报道的可能致病的变异，可导致范可尼贫血症(FA)的发生，范可尼贫血症又称范可尼综合征，是一种常染色体或X染色体连锁的隐性遗传病，范可尼贫血症患者具有先天性发育异常、骨髓衰竭、高度癌症易感性等特征。

Claims (10)

1.一种用于对待测者进行遗传性肿瘤变异位点分级的试剂盒，包括如下组件：组件B、组件C、组件D、组件E、组件F、组件G和组件H；
所述组件B为用于对待测者的基因组DNA进行文库制备和合并的试剂或试剂盒；
所述组件C为用于进行DNA测序的设备；
所述组件D为用于对DNA测序结果进行数据分析的数据分析系统；
所述组件E为snpEff软件；
所述组件F为KGGseq软件平台；
所述组件G为HGMD数据库；
所述组件H为Clinvar数据库。
2.如权利要求1所述的试剂盒，其特征在于：所述试剂盒还包括组件A；所述组件A为对待测者进行基因组DNA提取的物质。
3.如权利要求1或2所述的试剂盒，其特征在于：所述试剂盒还包括组件I；所述组件I为记载有权利要求9或10所述方法的载体。
4.权利要求1中的组件B、组件C、组件D、组件E、组件F、组件G和组件H在制备试剂盒中的应用；所述试剂盒的用途为对待测者进行遗传性肿瘤变异位点分级。
5.权利要求2中的组件A、组件B、组件C、组件D、组件E、组件F、组件G和组件H在制备试剂盒中的应用；所述试剂盒的用途为对待测者进行遗传性肿瘤变异位点分级。
6.权利要求3中的组件A、组件B、组件C、组件D、组件E、组件F、组件G、组件H和组件I在制备试剂盒中的应用；所述试剂盒的用途为对待测者进行遗传性肿瘤变异位点分级。
7.如权利要求1至3中任一所述的试剂盒或如权利要求4至6中任一所述的应用，其特征在于：所述组件B为Ion AmpliSeqTMLibrary Kit 2.0试剂。
8.如权利要求1至3中任一所述的试剂盒或如权利要求4至6中任一所述的应用或如权利要求7所述的试剂盒或如权利要求7所述的应用，其特征在于：所述组件C为 BioelectronSeq 4000测序仪；所述组件D为BioelectronSeq 4000测序仪配套的数据分析系统Torrent Suite。
9.一种对待测者进行遗传性肿瘤变异位点分级的方法，依次包括如下步骤：
(1)提取待测者的基因组DNA；
(2)对基因组DNA进行文库制备和合并，合并后的文库采用测序仪进行测序；
(3)将步骤(2)的原始数据输入测序仪配套的数据分析系统，输出变异信息；
(4)将步骤(3)得到的变异信息输入snpEff软件，输出数据；
(5)将步骤(4)得到的数据输入KGGseq软件平台，输出文件；
(6)将步骤(5)得到的文件上的数据进行质控，输出文件；所述质控为过滤掉突变频率MAF>5％的变异以及KGGseq软件平台中认为无影响的变异；
(7)将步骤(6)得到的文件通过HGMD数据库和Clinvar数据库注释变异信息；
(8)按照以下标准进行评判：
如果变异为HGMD数据库和Clinvar数据库中均存在的变异，且变异频率MAF<5％，注释为“DM”，判断为可引发肿瘤的4级致病性结果；
如果变异为HGMD数据库或Clinvar数据库中存在的变异，且变异频率MAF<5％，注释为“DM？”，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为stopgain、frameshift或splicing，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为nonframeshift或stoploss，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为Y或“.”，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为N，判断为1级可能良性结果；
不在以上任何条件范围内的变异，均判断为0级良性结果。
10.一种对待测者进行遗传性肿瘤变异位点分级的方法，依次包括如下步骤：
(1)提取待测者的基因组DNA；
(2)采用Life公司Ion AmpliSeqTMLibrary Kit 2.0试剂对基因组DNA进行文库制备和合并，合并后的文库采用BioelectronSeq 4000测序仪进行测序；
(3)将步骤(2)的原始数据输入BioelectronSeq 4000测序仪配套的数据分析系统Torrent Suite，以VCF文件的形式输出变异信息；
(4)将步骤(3)得到的变异信息输入snpEff软件，以VCF文件的形式输出数据；
(5)将步骤(4)得到的数据输入KGGseq软件平台，输出txt格式文件；
(6)将步骤(5)得到的txt格式文件上的数据进行质控，输出txt格式文件；所述质控为过滤掉突变频率MAF>5％的变异，过滤掉KGGseq软件平台中认为无影响的变异；
(7)将步骤(6)得到的txt格式文件输入HGMD数据库和Clinvar数据库；
(8)按照以下标准进行评判：
如果变异为HGMD数据库和Clinvar数据库中均存在的变异，且变异频率MAF<5％，注释为“DM”，判断为可引发肿瘤的4级致病性结果；
如果变异为HGMD数据库或Clinvar数据库中存在的变异，且变异频率MAF<5％，注释为“DM？”，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为stopgain、frameshift或splicing，判断为可引发肿瘤的3级可能致病性结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且变异频率MAF<5％，且snpEff软件注释的变异类型为nonframeshift或stoploss，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为Y或“.”，判断为2级不确定致病结果；
如果变异为HGMD数据库和Clinvar数据库中均不存在的变异，且snpEff软件未有注释，且步骤5的输出文件中missense预测为N，判断为1级可能良性结果；
不在以上任何条件范围内的变异，均判断为0级良性结果。
CN201611161250.9A 2016-12-15 2016-12-15 一种判定遗传性肿瘤变异位点分级的方法 Active CN106599613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611161250.9A CN106599613B (zh) 2016-12-15 2016-12-15 一种判定遗传性肿瘤变异位点分级的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611161250.9A CN106599613B (zh) 2016-12-15 2016-12-15 一种判定遗传性肿瘤变异位点分级的方法

Publications (2)

Publication Number Publication Date
CN106599613A true CN106599613A (zh) 2017-04-26
CN106599613B CN106599613B (zh) 2019-02-05

Family

ID=58801670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611161250.9A Active CN106599613B (zh) 2016-12-15 2016-12-15 一种判定遗传性肿瘤变异位点分级的方法

Country Status (1)

Country Link
CN (1) CN106599613B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584958A (zh) * 2018-11-29 2019-04-05 江苏医联生物科技有限公司 一种基于云计算基因序列数据质控管理方法
CN109616155A (zh) * 2018-11-19 2019-04-12 江苏科技大学 一种编码区域遗传变异致病性分类的数据处理系统与方法
CN110379458A (zh) * 2019-07-15 2019-10-25 中国人民解放军陆军军医大学第一附属医院 致病性变异位点判定方法、装置、计算机设备及存储介质
CN111863132A (zh) * 2019-04-29 2020-10-30 广州欧蒙未一医学检验实验室有限公司 一种筛选致病性变异的方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105420392A (zh) * 2015-12-31 2016-03-23 博奥生物集团有限公司 一组与新生儿肌张力低下表型相关的基因新突变及检测试剂盒
WO2016164474A1 (en) * 2015-04-06 2016-10-13 The Trustees Of Columbia University In The City Of New York Predictive value of combined genetic enzymatic and lipidomic data in disease risk for lewy body disease
CN106202936A (zh) * 2016-07-13 2016-12-07 为朔医学数据科技（北京）有限公司 一种疾病风险预测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016164474A1 (en) * 2015-04-06 2016-10-13 The Trustees Of Columbia University In The City Of New York Predictive value of combined genetic enzymatic and lipidomic data in disease risk for lewy body disease
CN105420392A (zh) * 2015-12-31 2016-03-23 博奥生物集团有限公司 一组与新生儿肌张力低下表型相关的基因新突变及检测试剂盒
CN106202936A (zh) * 2016-07-13 2016-12-07 为朔医学数据科技（北京）有限公司 一种疾病风险预测方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109616155A (zh) * 2018-11-19 2019-04-12 江苏科技大学 一种编码区域遗传变异致病性分类的数据处理系统与方法
CN109616155B (zh) * 2018-11-19 2023-04-18 江苏科技大学 一种编码区域遗传变异致病性分类的数据处理系统与方法
CN109584958A (zh) * 2018-11-29 2019-04-05 江苏医联生物科技有限公司 一种基于云计算基因序列数据质控管理方法
CN111863132A (zh) * 2019-04-29 2020-10-30 广州欧蒙未一医学检验实验室有限公司 一种筛选致病性变异的方法和系统
CN110379458A (zh) * 2019-07-15 2019-10-25 中国人民解放军陆军军医大学第一附属医院 致病性变异位点判定方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN106599613B (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
US10619214B2 (en) Detecting genetic aberrations associated with cancer using genomic sequencing
DK2183693T5 (en) Diagnosis of fetal chromosomal aneuploidy using genome sequencing
Guo et al. Illumina human exome genotyping array clustering and quality control
KR102113896B1 (ko) 모체 혈장으로부터의 비침습적 산전 분자 핵형분석
Yoo et al. Noninvasive prenatal diagnosis of duchenne muscular dystrophy: comprehensive genetic diagnosis in carrier, proband, and fetus
CN106599613A (zh) 一种判定遗传性肿瘤变异位点分级的方法
KR20220011140A (ko) 종양 분획 평가를 위한 시스템 및 방법
Santani et al. Development and validation of targeted next-generation sequencing panels for detection of germline variants in inherited diseases
Nguyen et al. The CNVrd2 package: measurement of copy number at complex loci using high-throughput sequencing data
Brewer et al. The value of parental testing by next-generation sequencing includes the detection of germline mosaicism
Wei et al. Development and validation of a haplotype‐free technique for non‐invasive prenatal diagnosis of spinal muscular atrophy
EP1798651B1 (en) Gene information display method and apparatus
Peretz-Machluf et al. Genome-wide noninvasive prenatal diagnosis of de novo mutations
JP2008182993A (ja) 遺伝子検査結果判定法およびプログラムおよびその装置
RU2772912C1 (ru) Способ анализа митохондриальной ДНК для неинвазивного пренатального тестирования
AU2013203079B2 (en) Diagnosing fetal chromosomal aneuploidy using genomic sequencing
Martin et al. Carrier Screening for Single-Gene Disorders
Morgan 14 Considerations in Estimating Genotype in Nutrigenetic Studies
Loovers et al. Validation and implementation of a custom 21-gene panel next-generation sequencing assay for myeloid neoplasms
CN118629503A (zh) 染色体分析方法和装置
KR20230044439A (ko) 미토콘드리아 dna 품질 관리
AU2008278843B2 (en) Diagnosing fetal chromosomal aneuploidy using genomic sequencing
Xiong et al. Genome-Seq Data Analysis
Horner et al. Constitutional Diseases: Amplification-Based Next-Generation Sequencing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant