CN107358056A - 一种自动在线全面分析基因组序列的方法 - Google Patents

Abstract

本发明涉及一种自动在线全面分析基因组序列的方法，包括以下步骤：第一步：上传样本数据；第二步：分析样本数据；第三步：查询单个样本分析结果；第四步：多样本组合分析；第五步：查询组合分析结果。本发明提供的自动在线全面分析基因组序列的方法，提出了一种创新的基因序列数据管理方式，既能够同时存储多个人类个体的基因序列数据，又能够将基因序列数据与对应个体的基本信息实现对应，提出了一种更加准确、更加快速、更加全面的基因组序列分析方法，实现更加完整的基因信息注释；提出了一种新颖的个性化分析结果在线可视化展示形式，适用于普通人和医生或生物医学相关的科研人员，可以很好地满足实际应用的需要。

Description

一种自动在线全面分析基因组序列的方法

技术领域

本发明属于基因组序列分析技术领域，具体涉及一种自动在线全面分析基因组序列的方法。

背景技术

基因组测序与分析技术在重大疾病的基础研究和临床应用领域具有广泛应用。例如，研究人员可以利用不同来源的肿瘤组织或样本去进行肿瘤发生及转移的机制研究、筛查肿瘤早期诊断或复发的标志物，或者结合临床数据，评估不同治疗方案下的早期治疗好坏、探索不同病人预后好坏的机制。

肿瘤等疾病一直是现代医学无法攻克的壁垒，中国目前新发肿瘤病理300-400万/年，平均每分钟有6人被诊断为癌症，发病率281.91/10万，并呈逐年上升趋势。中国平均肿瘤治疗费用在30万，患癌症5年内生存率仅30.9％，而美国为66％，医疗水平提升空间巨大。常见肿瘤治疗方式有手术、放疗、化疗等，但临床治疗效果有限，很多患者都只能“陪疗”，既影响预后，又极大的浪费了医疗资源。随着二代基因测序技术(NGS)的技术成熟、成本降低，肿瘤精准治疗应运而生，其本质是通过基因组、蛋白质组等组学技术和医学前沿技术，对于大样本人群与特定疾病类型进行生物标记物的分析与鉴定、验证与应用，从而精确寻找到疾病的原因和治疗的靶点，并对一种疾病不同状态和过程进行精确分类，最终实现对于疾病和特定患者进行个性化精准治疗的目的，提高疾病诊治与预防的效益。

现有技术中，一般是利用一定数量的标准用例基因作为标准基因序列，将用户个人的基因序列与标准基因序列通过进行比对，对相似度结果进行分析，最终得出用户的亚健康可能性分析结论和健康指导与建议。例如，中国专利CN105975811A《一种智能比对的基因序列分析装置》中的技术方案。

现有技术存在的缺陷有：1)在实现基因序列分析时，采用数据管理方式是每个用户为一个人类个体，分析的基因序列也是用户本人的基因序列，每个用户只能访问自己的基因库，不能访问其他用户的用户个人基因序列和标准用例的基因库，无法将用户个人的病历信息与基因序列信息相联系，不利于用户个人健康报告的完整呈现；2)用户仅限于上传个人基因序列信息，用户群体为个人，如果用户身份是医生或者生物医学相关的研究人员，则无法实现从统计学意义上探究和查看对应基因序列分布的意义，也就是说，这种模式只适用于普通人群查看个人的基因序列分析报告，并不适用于医生及生物医学相关的科研人员做研究分析使用，不利于将基因序列分析的结果向更进一步的科研成果转化；3)现有技术方案中往往没有对相关基因的完整注释信息，只有简单的相似度值比较，即使目前市场上的多数产品，如illumina的variants studio和GeneDock的分析平台，对问题基因同样缺乏完整注释信息，不能满足医生和临床科研人员的需求。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技术缺陷的自动在线全面分析基因组序列的方法。

为了实现上述发明目的，本发明提供的技术方案如下：

一种自动在线全面分析基因组序列的方法，包括以下步骤：

第一步：上传样本数据；

第二步：分析样本数据；

第三步：查询单个样本分析结果；

第四步：多样本组合分析；

第五步：查询组合分析结果。

进一步地，所述第一步包括：

用户注册完成账号并登录后，在样本管理分析模块中上传样本数据，分为两步：

步骤1)建立新的病人账号，并填写其基本信息，包括姓名、性别、出生年月、家族遗传病史；

步骤2)上传样本数据，每次上传时，要选择该样本对应的病人，如果找不到该病人，则须返回步骤1)创建新的病人，再填写采集基因样本时病人的健康信息，最后，上传样本数据。

进一步地，所述第二步包括：

选择一个或多个已经上传的样本数据，开始进行分析；

当选择一个样本进行分析时，会直接对该样本进行分析；

当选择多个样本进行分析时，此时会将多个样本按一定顺序排成队列，一个一个分析，也就是说，排成队列来实现单个样本分析，每个样本的分析结果仍在单个分析结果模块中查询。

进一步地，分析样本数据时采用的基因序列分析算法为Gnennexus分析方法，Gnennexus分析方法包括以下几个步骤：

第1步：将输入的基因序列与已知的标准基因序列进行比对，找出变异的基因位点；

第2步：通过Gnennexus方法进行筛选变异基因位点；

第3步：与已有数据库进行比对，添加基因注释；

第4步：将筛选结果进行展示，展示形式为表格和统计图，合并成分析报告。

一种全面自动分析基因序列的系统，包括病人管理模块、样本管理分析模块、单个分析结果模块和组合分析报告模块，其中：

病人管理模块用于管理基因序列对应的个体的基本资料和信息；

样本管理分析模块用于管理基因序列数据的上传、分析；

单个分析结果模块支持单个基因序列数据分析结果的查看，以及多个单基因序列分析结果的自由组合；

组合分析报告模块用于查看多个单基因序列分析结果自由组合起来后分析的结果。

本发明提供的自动在线全面分析基因组序列的方法，提出了一种创新的基因序列数据管理方式，既能够同时存储多个人类个体(以下称个体)的基因序列数据，又能够将基因序列数据与对应个体的基本信息(包括病历信息)实现对应，提出了一种更加准确、更加快速、更加全面的基因组序列分析方法，实现更加完整的基因信息注释；提出了一种新颖的基因序列分析结果统计学分析实现架构；提出了一种新颖的个性化分析结果在线可视化展示形式，适用于想了解自己基因序列分析结果的普通人，也适用于身份为医生或生物医学相关的科研人员，克服了现有技术不能满足以临床研究或科学研究为目的的医生及科研人员等用户的需求的缺陷，可以很好地满足实际应用的需要。

附图说明

图1为本发明的自动在线全面分析基因组序列的方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种自动在线全面分析基因组序列的方法，是通过全面自动分析基因序列的系统来实现的，全面自动分析基因序列的系统对具体应用进行权限分类，根据不同的权限类型，该系统采用不同的在线结果展示内容。

全面自动分析基因序列的系统主要包括五大模块：

(1)病人管理模块：用于管理基因序列对应的个体的基本资料和信息，如，姓名、性别、年龄等；

(2)样本管理分析模块：用于管理基因序列数据的上传、分析；

(3)单个分析结果模块：支持单个基因序列数据分析结果的查看，以及多个单基因序列分析结果的自由组合；

(4)组合分析报告模块：用于查看多个单基因序列分析结果自由组合起来后分析的结果；

(5)标签管理模块：为了便于用户管理基因序列数据而设置的标签功能。

用户权限分为以下两种：临床版、科研版。临床版用户权限主要面向临床医生，针对临床意义对基因序列进行分析。

参考图1所示，本发明的自动在线全面分析基因组序列的方法包括以下步骤(基因序列数据，下文中简称“样本”或“样本数据”，样本数据均为已经测序完成的数据文件；样本对应的个体，下文中称为“病人”)：

第一步：上传样本数据

用户注册完成账号并登录后，在样本管理分析模块中上传样本数据，分为两步，达到样本与病人之间一一对应的目的：

步骤1)在病人管理模块中建立新的病人账号，并填写其基本信息，包括姓名、性别、出生年月、家族遗传病史；

步骤2)在样本管理分析模块中上传样本数据，每次上传时，要选择该样本对应的病人，如果找不到该病人，则须返回步骤1)创建新的病人，再填写采集基因样本时病人的健康信息，最后，上传样本数据。

第二步：分析样本数据；

分析样本数据在样本管理分析模块中进行，分为两步进行：

选择一个或多个已经上传的样本数据，开始进行分析；

当选择一个样本进行分析时，会对该样本进行分析，结果可在单个分析结果模块中查询；

当选择多个样本进行分析时，此时会将多个样本按一定顺序排成队列，一个一个分析，也就是说，排成队列来实现单个样本分析，每个样本的分析结果仍在单个分析结果模块中查询。

第三步：查询单个样本分析结果

单个样本分析结果查询在单个分析结果模块中查看，可查看的结果分为三大类，如下：

(1)bam file和mapping rate(序列映射度)

bam file为样本数据经过映射之后，存储样本基因序列在染色体DNA上位置的文件，序列映射度指已映射基因序列占样本所有序列的百分比，是基因序列分析的质量控制指标之一。

(2)vcf file和coverage rate(测序覆盖度)

vcf file为存储所有变异基因位点信息的文件，测序覆盖度是指测序获得的序列占整个基因组的比例，也是基因序列分析的质量控制指标之一。

(3)txt file和可视化在线查看

txt file是存储有害变异基因位点信息的文件。本系统变异基因位点信息以表格的形式存储和展示。表格可以根据不同需要在线筛选，同时，表格中的数据由以下图表进行多维度展示：各样本突变个数统计图、突变基因出现次数图、临床意义图、突变在每个染色体上的分布图(基因突变位点)。如果表格中的数据由于筛选而改变，则对应的图随之变化，达到在线全方位查看分析结果的目的。最终，生成一份完整的个性化的单个样本分析结果展示报告。

第四步：多样本组合分析

多样本组合分析是在单个样本分析结果的基础上进行的，因此，在进行多样本组合分析时，需在单个分析结果模块中先选中已经分析好的单个样本分析结果，进行组合分析，分析结果在组合分析报告模块中查看。

第五步：查询组合分析结果

组合分析结果在组合分析报告模块中可以查看，分析结果仍以表格的形式查看，表格同样可以进行实时筛选，表中数据仍以各种统计图的形式展示，并随筛选变化而变化。最终，同样会生成一份完整的个性化的多样本分析结果展示报告。

组合分析功能可以将单个样本的数据分析结果自由组合进行统计学分析，得到更多的信息，如发病率年龄分步、性别分布、年份分布等等，更加有助于医生或科研人员进行临床研究和科学研究。

以上为临床版用户分析基因序列数据的流程，科研版用户分析流程相同，区别在于科研版用户可查看的分析结果包含了更多信息，如注释外联信息、覆盖率和覆盖深度散点图、突变circos展示图、突变基因位点分布情况图、突变总览图、重叠性分析模块图、GO和pathway功能富集性分析图。

本发明中，分析样本数据时采用的基因序列分析算法为Gnennexus分析方法，Gnennexus分析方法包括以下几个步骤

第1步：将输入的基因序列与已知的标准基因序列进行比对，找出变异的基因位点；

第2步：通过Gnennexus方法进行筛选变异基因位点；

第3步：与已有数据库进行比对，添加基因注释；

第4步：将筛选结果进行展示，展示形式为表格和统计图，合并成分析报告。

本发明的优势在于：

1.数据管理方式的创新；

在基因序列数据与对应病人的基本信息之间建立对应关系，丰富了基因序列数据的背景和内容，为用户进一步探索这些数据的价值提供了平台；另外，用户可以不仅仅分析自己的基因序列数据，扩展了用户范围和系统用途。

2.基因序列分析算法采用Gnennexus分析方法，功能强大

可以同时检索定位单核苷酸突变，多核苷酸突变，插入和缺失，复合突变以及没有大小限制的结构突变；

包含许多与其他基因突变分析算法不同的特征，包括线性特性深度，本地局部重构特性，内置重复数据消除能力，检测聚合酶链反应(PCR)假象，接受DNA和RNA-Seq序列两方面的配对分析，检测突变频移与体细胞和杂合缺失(LOH)突变，检测结构突变注释的丢失；

3.高效的交互式个性化分析形式

先对每一个数据样本进行分析，并将分析结果进行存储；对分析完成的单个数据样本分析结果，根据自己的需求，可以进行自由组合，进一步进行分析某一突变或特征在群体中的统计学分布；当同一样本的分析结果需要被放在多个群体(多种不同样本数据的组合)中进行统计分析的时候，可以多次利用，不必重新再分析一遍该数据样本，而是直接调用前面已经分析完成的结果，进行进一步分析，省时而又高效；

4.在线交互式展示可视化分析结果

对于分析结果(包括单个样本的分析结果和多个样本组合的分析结果)的展示，除了能够像市场上其他产品一样以图的形式展示分析结果之外，还创新使用了交互式查看分析结果的方式，可以实时筛选和统计图联动展示；

分析结果以两部分内容呈现，第一部分是表格，第二部分是对表格中数据的统计结果图；分析结果的表格内容可以在线进行交互式筛选，比如，通过筛选性别只查看某基因突变在男性中的分布情况，同时统计图中的数值能够根据表格筛选的结果联动，从而帮助用户全方位、多维度的挖掘数据内部的信息价值。多种情况一次分析完成，提高了效率，节省了时间。

本发明设计了一种新的基因序列数据管理方式，不再像传统的数据管理方式一样只是单纯的管理基因序列数据，而是将基因序列数据与其人类个体的基本信息和病历信息进行了连接与对应，丰富了基因序列数据的采样背景和数据信息量，便利了医生和科研人员进行进一步的临床研究和分析。

本发明能够容纳和管理更多个体的基因序列数据，而不仅仅限于用户本人得数据。

经过实际数据验证，Gnennexus分析方法具有以下优势：

同时检测SNP突变和长达120bp的插入缺失突变；

可以检测多种核苷酸突变，以及复杂的突变(缺失和插入的组合)；

在运行中对插入和缺失突变进行局部重新调整以获得更准确的等位基因频率；

消除重复的突变计数；

运算的时间性能是线性的，深度测序不需要降采样；

内存要求与存储突变的数据结构所占区域的大小呈线性关系，与测序深度无关；

能够进行基于PCR扩增的突变检测来检测扩增偏置，去除假阳性结果；

能够进行配对分析，检测体细胞突变以及LOH突变；

可以对RNA-Seq和Ion Torrent进行修改；

可在插入和缺失突变周围进行局部调整，增加检测InDel的领密度；

可检测融合基因(如肺癌中的EML4-ALK)，而无需单独用别的算法；

有效处理深达百万层的测序，可检测含量低于0.5％的血浆中致癌基因突变；

有效的筛选流程，有效过滤99％以上与癌症无关突变，极大提高效率和准确性；

本发明采用交互式个性化分析和可视化在线结果展示，通过对所有数据样本的一次分析，就可以根据用户需求进行各种个性化组合分析，并且可以重复利用分析结果，极大地节省了分析时间，提高了分析效率。结果展示时，对每一次的单个分析或组合分析结果都可以进行在线筛选，用极短的时间就可以多维度地查看，无需进行再次分析，再次减少了重复分析的工作，节约了用户时间。另外，交互式的样本组合分析形式和在线交互式的结果可视化展示形式充分满足了用户个性化、多样化分析和查看结果的需求，多角度充分挖掘样本数据所包含的信息，方便快速，简洁有效。

本发明的方法中，质控指标实时查看，对品质较差的样本分析时就进行提示，而不必等所有分析都完成以后才可查看，可以极大地满足关注质控指标的用户的需求，节省他们的分析时间，提高分析效率。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种自动在线全面分析基因组序列的方法，其特征在于，包括以下步骤：

第一步：上传样本数据；

第二步：分析样本数据；

第三步：查询单个样本分析结果；

第四步：多样本组合分析；

第五步：查询组合分析结果。

2.根据权利要求1所述的自动分析基因组的方法，其特征在于，所述第一步包括：

用户注册完成账号并登录后，在样本管理分析模块中上传样本数据，分为两步：

步骤1)建立新的病人账号，并填写其基本信息，包括姓名、性别、出生年月、家族遗传病史；

步骤2)上传样本数据，每次上传时，要选择该样本对应的病人，如果找不到该病人，则须返回步骤1)创建新的病人，再填写采集基因样本时病人的健康信息，最后，上传样本数据。

3.根据权利要求1-2所述的自动在线全面分析基因组序列的方法，其特征在于，所述第二步包括：

选择一个或多个已经上传的样本数据，开始进行分析；

当选择一个样本进行分析时，会直接对该样本进行分析；

当选择多个样本进行分析时，此时会将多个样本按一定顺序排成队列，一个一个分析，也就是说，排成队列来实现单个样本分析，每个样本的分析结果仍在单个分析结果模块中查询。

4.根据权利要求1-3所述的自动在线全面分析基因组序列的方法，其特征在于，分析样本数据时采用的基因序列分析算法为Gnennexus分析方法，Gnennexus分析方法包括以下几个步骤：

第1步：将输入的基因序列与已知的标准基因序列进行比对，找出变异的基因位点；

第2步：通过Gnennexus方法进行筛选变异基因位点；

第3步：与已有数据库进行比对，添加基因注释；

第4步：将筛选结果进行展示，展示形式为表格和统计图，合并成分析报告。

5.一种全面自动分析基因序列的系统，其特征在于，包括病人管理模块、样本管理分析模块、单个分析结果模块和组合分析报告模块，其中：

病人管理模块用于管理基因序列对应的个体的基本资料和信息；

样本管理分析模块用于管理基因序列数据的上传、分析。

单个分析结果模块支持单个基因序列数据分析结果的查看，以及多个单基因序列分析结果的自由组合。

组合分析报告模块用于查看多个单基因序列分析结果自由组合起来后分析的结果。