CN107391965A - 一种基于高通量测序技术的肺癌体细胞突变检测分析方法 - Google Patents
一种基于高通量测序技术的肺癌体细胞突变检测分析方法 Download PDFInfo
- Publication number
- CN107391965A CN107391965A CN201710698777.3A CN201710698777A CN107391965A CN 107391965 A CN107391965 A CN 107391965A CN 201710698777 A CN201710698777 A CN 201710698777A CN 107391965 A CN107391965 A CN 107391965A
- Authority
- CN
- China
- Prior art keywords
- variation
- sequence
- lung cancer
- high throughput
- determination method
- 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.)
- Pending
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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
Abstract
本发明公开的一种基于高通量测序技术的肺癌体细胞突变检测分析方法,包括如下步骤:(1)质量控制步骤;(2)序列对比步骤;(3)变异检测步骤;(4)变异注释步骤;(5)结果报告步骤。本发明与现有技术相比,具有如下优点:(1)检测结果的可靠性。(2)检测内容的多样化。(3)检测方法的灵活性。(4)数据结果的可视化。
Description
技术领域
本发明涉及生物检测技术领域,特别涉及一种基于高通量测序技术的肺癌体细胞突变检测分析方法。本发明主要分析具有正常组织和肿瘤组织配对的外显子测序样本数据。
背景技术
我国是一个肺癌的高发国家,目前肺癌特别是非小细胞肺癌已证实与多种基因突变、融合和基因扩增有关,但是目前的主流分析程序中只能针对其中的单核酸突变、基因融合或者扩增中的一种进行分析,且现有的分析方法中仍然存在一定的假阳性和假阴性的问题,这势必为后期临床为肺癌患者的靶向治疗用药造成困扰,影响患者的治疗效果。因此本方法拟通过更加严格、更加全面的分析方法实现对肺癌组织的各种类型的体细胞突变进行检测,以期为肺癌患者的靶向治疗用药提供更加准确的指导。
现有分析方法存在以下几点问题:
(1)检测结果的可靠性:由于不同方法的过滤和统计方法的不同,现有的分析方法仍然存在一定的假阳性和假阴性问题。
(2)检测指标单一:现有的分析方法中大多只能检测单核苷酸突变(SNP),插入缺失(Indel),还有一些只能检测基因融合(Gene Fusion)或者拷贝数变异(CNV)。
(3)报告结果单一:现有分析方法中,结果中只有一些简单的图表报告,还有很多数据信息没有有效的呈现。且现有的图表在可视化、形象化角度来说还可以进一步提升。
发明内容
本发明所要解决的技术问题在于针对上述现有技术所存在的不足而提供一种基于高通量测序技术的肺癌体细胞突变检测分析方法。
本发明所要解决的技术问题可以通过以下技术方案来实现:
一种基于高通量测序技术的肺癌体细胞突变检测分析方法,包括如下步骤:
(1)质量控制步骤;
(2)序列对比步骤;
(3)变异检测步骤;
(4)变异注释步骤;
(5)结果报告步骤。
在本发明的一个优选实施例中,所述质量控制步骤(1)具体是:
(1.1)利用FastQC查看测序质量结果,查看序列测序得分值分布、GC分布和重复率;统计所有序列的总Total Reads,Total bases、Q20、Q30、GC含量、N字符的数量及相关比例;
(1.2)去除序列中含有的接头序列;
(1.3)对序列首尾的index或者测序质量比较差的reads进行trimming;
(1.4)利用滑动窗口,根据得分值对低质量的Reads进行过滤,如去除N或者低得分值的序列。
在本发明的一个优选实施例中,所述序列对比步骤具体是:
(2.1)通过bwtsw算法对参考基因组构建比对索引;
(2.2)通过BWA-MEM算法将目标序列比对到基因组;
(2.3)利用picard里面的MarkDuplicates去除由于PCR引入的重复序列,并利用samtools提取唯一比对上参考基因组的序列;利用GATK-RealignerTargetCreator来确定在INDEL附近需要进行重比对的区域,利用IndelRealigner在确定的区域内进行重新比对;
(2.4)对(2.3)步骤产生的比对文件的碱基质量进行重新矫正。
在本发明的一个优选实施例中,所述变异检测步骤具体是:
(3.1)本发明步骤通过采用启发式算法的varscan-somatic程序对样本进行单核苷酸突变检测。
(3.2)本发明步骤通过基于de Bruijn graph方法的Scaple程序,对序列区域进行微组装以更加高效的检测目标区域的插入缺失变异。
(3.3)本发明步骤通过Varscan的copynumber、copyCaller程序根据目标区域的测序深度差异,对样本进行拷贝数变异检测;
(3.4)本发明步骤通过factera程序根据不一致的reads clusters对样本进行基因融合检测。
在本发明的一个优选实施例中,所述变异注释步骤具体是:
(4.1)该发明步骤主要进行位置注释,确定变异位点在基因组中的相应位置,并且分析变异位点是否会造成氨基酸改变,编码蛋白的改变。
(4.2)发明步骤主要通过和目前通用的变异数据库进行比较,如和dbSNP、esp6500、exac03等数据库的变异位点进行比较,据此获得相关群体变异频率和变异位点号。
(4.3)该发明步骤主要通过和相关疾病数据库如clinvar,dbnsfp进行比对获得相关变异位点的致病可能性。
在本发明的一个优选实施例中,所述结果报告分析步骤具体是:
(5.1)对测序数据比对结果进行统计,并输出图表;
(5.2)对肺癌突变热点基因的覆盖度进行统计分析,并输出图表;
(5.3)对所检测的变异位点进行统计分析,并输出图表。
由于采用了如上的技术方案,本发明与现有技术相比,具有如下优点:
(1)检测结果的可靠性:首先本方法就对照样本和检测样本的测序数据进行了严格的质控,分析过程中对两者的测序深度进行过滤,并对不同的检测类型进行不同条件的过滤和统计检验,使得分析结果更加准确可靠。
(2)检测内容的多样化:本方法除检测常规的单核苷酸突变(SNP),插入缺失(Indel)外还可以检测基因融合(Gene Fusion)、拷贝数变异(CNV)。
(3)检测方法的灵活性:本方法既可以实现一键式分析,只需要输入数据路径便可以实现全部分析,也可以根据需要进行模块化选择分析,使得分析更具个性化。用户可以根据需要增加或者删减需要分析的基因,也可以按照默认的进行分析,使得分析具有很强的灵活性。
(4)数据结果的可视化:本软件分析结果中除了提供有效的数据表格文件外,还生成了形象直观的信息图,使得更多的数据信息得以展示,也使得结果一目了然。
附图说明
图1本发明分析流程示意图。
图2本发明目标基因测序深度覆盖示例图。
图3本发明目标区域测序深度分布示例图。
图4本发明SNV位点查看示例图。
图5本发明CNV分布结果示例图。
具体实施方式
为了实现本发明目的,本发明包括五大主要步骤,(1)数据质控;(2)序列比对;(3)变异检测;(4)变异注释;(5)统计报告。如图1所示,具体步骤和方法如下:
(1)数据质控步骤
(1.1)首先通过FastQC初步查看测序数据的:碱基质量、GC含量、序列长度分布、序列重复水平等;然后利用perl语言快速、高效的计算测序数据的一系列质量指标,包括总总碱基数目,reads数目,序列长度,Q20、Q30、GC含量、N数量及其相关百分比。
(1.2)本步骤采用AdapterRemoval去除序列两端含有的接头序列,此步骤能有效的提高有效数据,减少后续比对误差。
(1.3)本步骤引入C语言编译程序Seqtk,对序列首尾测序质量比较差的序列进行剪切,相对于传统的剪切程序更加快速、高效。
(1.4)本步骤利用sickle,根据滑动窗口序列测序平均得分值对低于20的序列进行过滤,本步骤可以有效的去除含有连续多个N或者连续测序得分值低的序列。本步骤对测序长度没有局限性,将会根据测序序列的长度智能选取窗口大小,使得实际分析时候更加方便、准确。
(2)序列比对步骤
(2.1)构建索引:在进行比对之前利用samtools和bwtsw算法对参考基因组构建比对索引。
(2.2)序列比对:本步骤通过BWA-MEM算法将目标序列比对到人类基因组,获得sam格式比对结果文件,进行后续分析。
(2.3)优化比对:由于sam格式比较大,会占用较大存储空间和降低后续程序运行速度,因此本步骤利用picard程序将sam格式文件转换为较小的bam文件,然后进行重新排序、构建索引用于进行后续分析。为了进一步的去除PCR引入的重复序列,本步骤利用picard里面的MarkDuplicates对重复序列进行了标记和删除,并利用samtools提取唯一比对上参考基因组的序列,经过以上步骤的分析处理,将获得高质量的比对结果。由于在插入缺失(indel)序列附近出现碱基错配的概率很大,这些错配的碱基很容易被误判为SNP。为了减少由于indel而导致的假阳性SNP,本发明步骤采用GATK的Realigner-TargetCreator程序在INDEL附近寻找需要进行重新比对的区域,利用IndelRealigner在上述确定的区域内重新比对序列。
(2.4)质量矫正:在测序过程中,reads末端碱基的错误率较起始部位更高。另外,在分析过程中一般保留reads碱基质量值在Q20以上的碱基,这些碱基的错误率为1%,会对后续的变异检测结果的可靠性造成一定的影响。再者,一般测序结果中TG的得分值往往要高于AC,消除这种偏差能更好的提高结果的可靠性与正确性。因此本发明步骤利用GATK的BaseRecalibrator程序,结合千人基因组标准INDELs和变异位点数据库dbSNP和,对(2.3)步骤产生的比对文件的碱基质量进行了重新矫正。
(3)变异检测步骤
(3.1)本发明步骤通过采用启发式算法的varscan-somatic程序对样本进行单核苷酸突变检测。为了降低假阴性结果,本步骤对正常样本和检测样本设定每个检测位点的最小测序深度为10,只有当两个样本的相应位点测序深度都达到10时候才进行分析。
(3.2)为了提高indel检测的准确性,本发明步骤使用了scaple对正常样本和肿瘤样本进行插入缺失检测。该程序基于de Bruijn graph方法,对序列区域进行微组装的方法更加高效的检测目标区域的变异。同时采用了可以自主调整的k-mer策略对复杂重复区域的变异进行检测,提高了检测结果的特异性。
(3.3)通过varscan-copynumber程序对正常组织样本和肿瘤组织样本,根据二者在相同区域的测序深度的差异,推测肿瘤样本中的相应区域的测序深度的相对改变进行拷贝数变异检测。
(3.4)该发明步骤通过FACTERA对样本进行基因融合检测。对于配对样本比对文件,该程序首先识别出不一致的reads clusters,然后在碱基水平上识别出融合位点,最后进行数据模拟验证。
(4)变异注释步骤
(4.1)该发明步骤主要进行位置注释,确定变异位点在基因组中的相应位置,并且分析变异位点是否会造成氨基酸改变,编码蛋白的改变。
(4.2)该发明步骤主要通过和目前通用的变异数据库进行比较,如和dbSNP、esp6500、exac03等数据库的变异位点进行比较,据此获得相关群体变异频率和变异位点号。
(4.3)该发明步骤主要通过和相关疾病数据库如clinvar,dbnsfp进行比对获得相关变异位点的致病可能性。
(5)统计报告步骤
(5.1)比对统计:对比对结果进行统计。包括总比对reads数目、比对碱基数目、目标区域比对reads数目、目标区域比对碱基数目。
(5.2)覆盖度统计:对肺癌相关基因的覆盖度进行统计分析,相比于传统分析程序,本发明针对外显子测序技术,如果知道探针序列位置也可以将探针序列位置映射到基因相应位置,可以一目了然的查看探针的捕获效果,如图2所示。本发明还会给出目标区域的测序深度覆盖情况,如图3所示。本发明基因信息文件可以根据情况替换或作其它更改。
(5.3)变异统计:该步骤主要对不同的变异进行分类汇总并可视化,主要分为SNV、Indel、CNV、Fusion四大类(结果用IGV进行查看,如图4和图5所示)。
Claims (6)
1.一种基于高通量测序技术的肺癌体细胞突变检测分析方法,其特征在于,包括如下步骤:
(1)质量控制步骤;
(2)序列对比步骤;
(3)变异检测步骤;
(4)变异注释步骤;
(5)结果报告步骤。
2.如权利要求1所述的一种基于高通量测序技术的肺癌体细胞突变检测分析方法,其特征在于,所述质量控制步骤具体是:
(1.1)利用FastQC查看测序质量结果,查看序列测序得分值分布、GC分布和重复率;统计所有序列的总Total Reads,Total bases、Q20、Q30、GC含量、N字符的数量及相关比例;
(1.2)去除序列中含有的接头序列;
(1.3)对序列首尾的index或者测序质量比较差的reads进行trimming;
(1.4)利用滑动窗口,根据得分值对低质量的Reads进行过滤,如去除N或者低得分值的序列。
3.如权利要求1所述的一种基于高通量测序技术的肺癌体细胞突变检测分析方法,其特征在于,所述序列对比步骤具体是:
(2.1)通过bwtsw算法对参考基因组构建比对索引;
(2.2)通过BWA-MEM算法将目标序列比对到基因组;
(2.3)利用picard里面的MarkDuplicates去除由于PCR引入的重复序列,并利用samtools提取唯一比对上参考基因组的序列;利用GATK-RealignerTargetCreator来确定在INDEL附近需要进行重比对的区域,利用IndelRealigner在确定的区域内进行重新比对;
(2.4)对(2.3)步骤产生的比对文件的碱基质量进行重新矫正。
4.如权利要求1所述的一种基于高通量测序技术的肺癌体细胞突变检测分析方法,其特征在于,所述变异检测步骤具体是:
(3.1)本发明步骤通过采用启发式算法的varscan-somatic程序对样本进行单核苷酸突变检测。
(3.2)本发明步骤通过基于de Bruijn graph方法的Scaple程序,对序列区域进行微组装以更加高效的检测目标区域的插入缺失变异。
(3.3)本发明步骤通过Varscan的copynumber、copyCaller程序根据目标区域的测序深度差异,对样本进行拷贝数变异检测;
(3.4)本发明步骤通过factera程序根据不一致的reads clusters对样本进行基因融合检测。
5.如权利要求1所述的一种基于高通量测序技术的肺癌体细胞突变检测分析方法,其特征在于,所述变异注释步骤具体是:
(4.1)该发明步骤主要进行位置注释,确定变异位点在基因组中的相应位置,并且分析变异位点是否会造成氨基酸改变,编码蛋白的改变。
(4.2)发明步骤主要通过和目前通用的变异数据库进行比较,如和dbSNP、esp6500、exac03等数据库的变异位点进行比较,据此获得相关群体变异频率和变异位点号。
(4.3)该发明步骤主要通过和相关疾病数据库如clinvar,dbnsfp进行比对获得相关变异位点的致病可能性。
6.如权利要求1所述的一种基于高通量测序技术的肺癌体细胞突变检测分析方法,其特征在于,所述结果报告分析步骤具体是:
(5.1)对测序数据比对结果进行统计,并输出图表;
(5.2)对肺癌突变热点基因的覆盖度进行统计分析,并输出图表;
(5.3)对所检测的变异位点进行统计分析,并输出图表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710698777.3A CN107391965A (zh) | 2017-08-15 | 2017-08-15 | 一种基于高通量测序技术的肺癌体细胞突变检测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710698777.3A CN107391965A (zh) | 2017-08-15 | 2017-08-15 | 一种基于高通量测序技术的肺癌体细胞突变检测分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107391965A true CN107391965A (zh) | 2017-11-24 |
Family
ID=60352386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710698777.3A Pending CN107391965A (zh) | 2017-08-15 | 2017-08-15 | 一种基于高通量测序技术的肺癌体细胞突变检测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107391965A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108624667A (zh) * | 2018-05-15 | 2018-10-09 | 佛山市第人民医院(中山大学附属佛山医院) | 一种基于二代测序的t细胞受体库分析方法及装置 |
CN108763869A (zh) * | 2018-04-25 | 2018-11-06 | 江苏理工学院 | 一种测序数据高效处理方法 |
CN108920899A (zh) * | 2018-06-10 | 2018-11-30 | 杭州迈迪科生物科技有限公司 | 一种基于目标区域测序的单个外显子拷贝数变异预测方法 |
CN109033749A (zh) * | 2018-06-29 | 2018-12-18 | 深圳裕策生物科技有限公司 | 一种肿瘤突变负荷检测方法、装置和存储介质 |
CN109022562A (zh) * | 2018-08-29 | 2018-12-18 | 天津诺禾致源生物信息科技有限公司 | 用于检测高通量测序中样本污染的snp位点的筛选方法及检测样本污染的方法 |
CN109243530A (zh) * | 2018-11-20 | 2019-01-18 | 北京荣之联科技股份有限公司 | 遗传变异判定方法、系统以及存储介质 |
CN109584960A (zh) * | 2018-12-14 | 2019-04-05 | 上海鲸舟基因科技有限公司 | 预测肿瘤新生抗原的方法、装置及存储介质 |
CN109584963A (zh) * | 2018-09-30 | 2019-04-05 | 南京派森诺基因科技有限公司 | 一种高通量测序数据的多样化抽取方法 |
CN109767810A (zh) * | 2019-01-10 | 2019-05-17 | 上海思路迪生物医学科技有限公司 | 高通量测序数据分析方法及装置 |
CN109979528A (zh) * | 2019-03-28 | 2019-07-05 | 广州基迪奥生物科技有限公司 | 一种单细胞免疫组库测序数据的分析方法 |
CN110047560A (zh) * | 2019-03-15 | 2019-07-23 | 南京派森诺基因科技有限公司 | 一种基于二代测序的原核转录组自动化分析方法 |
CN110060733A (zh) * | 2019-04-28 | 2019-07-26 | 上海宝藤生物医药科技股份有限公司 | 基于单样本的二代测序肿瘤体细胞变异检测装置 |
CN110093417A (zh) * | 2018-01-31 | 2019-08-06 | 北京大学 | 一种检测肿瘤单细胞体细胞突变的方法 |
CN110310699A (zh) * | 2019-07-01 | 2019-10-08 | 江苏里下河地区农业科学研究所 | 基于全基因组序列挖掘目标基因序列的分析工具及应用 |
CN110491441A (zh) * | 2019-05-06 | 2019-11-22 | 西安交通大学 | 一种模拟人群背景信息的基因测序数据仿真系统及方法 |
CN111139291A (zh) * | 2020-01-14 | 2020-05-12 | 首都医科大学附属北京安贞医院 | 一种单基因遗传性疾病高通量测序分析方法 |
CN111180010A (zh) * | 2019-12-27 | 2020-05-19 | 北京优迅医学检验实验室有限公司 | 肿瘤体细胞突变位点检测方法及其装置 |
CN111383713A (zh) * | 2018-12-29 | 2020-07-07 | 北京安诺优达医学检验实验室有限公司 | ctDNA检测分析装置及方法 |
CN111445955A (zh) * | 2020-04-10 | 2020-07-24 | 广州微远基因科技有限公司 | 新型冠状病毒变异分析方法及应用 |
CN113223618A (zh) * | 2021-05-26 | 2021-08-06 | 予果生物科技(北京)有限公司 | 基于宏基因组的临床重要致病菌毒力基因检测的方法及系统 |
CN114023384A (zh) * | 2022-01-06 | 2022-02-08 | 天津金域医学检验实验室有限公司 | 一种全外显子组测序注释表自动生成标准化报告方法 |
CN116864007A (zh) * | 2023-09-05 | 2023-10-10 | 深圳人体密码基因科技有限公司 | 基因检测高通量测序数据的分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060286566A1 (en) * | 2005-02-03 | 2006-12-21 | Helicos Biosciences Corporation | Detecting apparent mutations in nucleic acid sequences |
CN104408284A (zh) * | 2014-10-24 | 2015-03-11 | 北京微旋基因技术有限公司 | 癌症体细胞突变基因测序数据分析工作流整合算法 |
CN106021984A (zh) * | 2016-05-13 | 2016-10-12 | 万康源(天津)基因科技有限公司 | 一种全外显子组测序数据分析系统 |
CN106529171A (zh) * | 2016-11-09 | 2017-03-22 | 上海派森诺医学检验所有限公司 | 乳腺癌易感基因遗传变异位点的检测分析方法 |
CN106755501A (zh) * | 2017-01-25 | 2017-05-31 | 广州燃石医学检验所有限公司 | 一种基于二代测序的同时检测微卫星位点稳定性和基因组变化的方法 |
-
2017
- 2017-08-15 CN CN201710698777.3A patent/CN107391965A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060286566A1 (en) * | 2005-02-03 | 2006-12-21 | Helicos Biosciences Corporation | Detecting apparent mutations in nucleic acid sequences |
CN104408284A (zh) * | 2014-10-24 | 2015-03-11 | 北京微旋基因技术有限公司 | 癌症体细胞突变基因测序数据分析工作流整合算法 |
CN106021984A (zh) * | 2016-05-13 | 2016-10-12 | 万康源(天津)基因科技有限公司 | 一种全外显子组测序数据分析系统 |
CN106529171A (zh) * | 2016-11-09 | 2017-03-22 | 上海派森诺医学检验所有限公司 | 乳腺癌易感基因遗传变异位点的检测分析方法 |
CN106755501A (zh) * | 2017-01-25 | 2017-05-31 | 广州燃石医学检验所有限公司 | 一种基于二代测序的同时检测微卫星位点稳定性和基因组变化的方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110093417A (zh) * | 2018-01-31 | 2019-08-06 | 北京大学 | 一种检测肿瘤单细胞体细胞突变的方法 |
CN110093417B (zh) * | 2018-01-31 | 2021-03-02 | 北京大学 | 一种检测肿瘤单细胞体细胞突变的方法 |
CN108763869A (zh) * | 2018-04-25 | 2018-11-06 | 江苏理工学院 | 一种测序数据高效处理方法 |
CN108624667A (zh) * | 2018-05-15 | 2018-10-09 | 佛山市第人民医院(中山大学附属佛山医院) | 一种基于二代测序的t细胞受体库分析方法及装置 |
CN108920899A (zh) * | 2018-06-10 | 2018-11-30 | 杭州迈迪科生物科技有限公司 | 一种基于目标区域测序的单个外显子拷贝数变异预测方法 |
CN109033749A (zh) * | 2018-06-29 | 2018-12-18 | 深圳裕策生物科技有限公司 | 一种肿瘤突变负荷检测方法、装置和存储介质 |
CN109022562A (zh) * | 2018-08-29 | 2018-12-18 | 天津诺禾致源生物信息科技有限公司 | 用于检测高通量测序中样本污染的snp位点的筛选方法及检测样本污染的方法 |
CN109584963A (zh) * | 2018-09-30 | 2019-04-05 | 南京派森诺基因科技有限公司 | 一种高通量测序数据的多样化抽取方法 |
CN109243530B (zh) * | 2018-11-20 | 2021-08-03 | 荣联科技集团股份有限公司 | 遗传变异判定方法、系统以及存储介质 |
CN109243530A (zh) * | 2018-11-20 | 2019-01-18 | 北京荣之联科技股份有限公司 | 遗传变异判定方法、系统以及存储介质 |
CN109584960A (zh) * | 2018-12-14 | 2019-04-05 | 上海鲸舟基因科技有限公司 | 预测肿瘤新生抗原的方法、装置及存储介质 |
CN111383713A (zh) * | 2018-12-29 | 2020-07-07 | 北京安诺优达医学检验实验室有限公司 | ctDNA检测分析装置及方法 |
CN109767810A (zh) * | 2019-01-10 | 2019-05-17 | 上海思路迪生物医学科技有限公司 | 高通量测序数据分析方法及装置 |
CN110047560A (zh) * | 2019-03-15 | 2019-07-23 | 南京派森诺基因科技有限公司 | 一种基于二代测序的原核转录组自动化分析方法 |
CN109979528A (zh) * | 2019-03-28 | 2019-07-05 | 广州基迪奥生物科技有限公司 | 一种单细胞免疫组库测序数据的分析方法 |
CN109979528B (zh) * | 2019-03-28 | 2021-06-25 | 广州基迪奥生物科技有限公司 | 一种单细胞免疫组库测序数据的分析方法 |
CN110060733A (zh) * | 2019-04-28 | 2019-07-26 | 上海宝藤生物医药科技股份有限公司 | 基于单样本的二代测序肿瘤体细胞变异检测装置 |
CN110491441A (zh) * | 2019-05-06 | 2019-11-22 | 西安交通大学 | 一种模拟人群背景信息的基因测序数据仿真系统及方法 |
CN110491441B (zh) * | 2019-05-06 | 2022-04-22 | 西安交通大学 | 一种模拟人群背景信息的基因测序数据仿真系统及方法 |
CN110310699A (zh) * | 2019-07-01 | 2019-10-08 | 江苏里下河地区农业科学研究所 | 基于全基因组序列挖掘目标基因序列的分析工具及应用 |
CN111180010A (zh) * | 2019-12-27 | 2020-05-19 | 北京优迅医学检验实验室有限公司 | 肿瘤体细胞突变位点检测方法及其装置 |
CN111180010B (zh) * | 2019-12-27 | 2023-07-11 | 北京优迅医学检验实验室有限公司 | 肿瘤体细胞突变位点检测方法及其装置 |
CN111139291A (zh) * | 2020-01-14 | 2020-05-12 | 首都医科大学附属北京安贞医院 | 一种单基因遗传性疾病高通量测序分析方法 |
CN111445955A (zh) * | 2020-04-10 | 2020-07-24 | 广州微远基因科技有限公司 | 新型冠状病毒变异分析方法及应用 |
CN113223618A (zh) * | 2021-05-26 | 2021-08-06 | 予果生物科技(北京)有限公司 | 基于宏基因组的临床重要致病菌毒力基因检测的方法及系统 |
CN114023384A (zh) * | 2022-01-06 | 2022-02-08 | 天津金域医学检验实验室有限公司 | 一种全外显子组测序注释表自动生成标准化报告方法 |
CN114023384B (zh) * | 2022-01-06 | 2022-04-05 | 天津金域医学检验实验室有限公司 | 一种全外显子组测序注释表自动生成标准化报告方法 |
CN116864007A (zh) * | 2023-09-05 | 2023-10-10 | 深圳人体密码基因科技有限公司 | 基因检测高通量测序数据的分析方法及系统 |
CN116864007B (zh) * | 2023-09-05 | 2023-12-26 | 深圳人体密码基因科技有限公司 | 基因检测高通量测序数据的分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107391965A (zh) | 一种基于高通量测序技术的肺癌体细胞突变检测分析方法 | |
CN109033749B (zh) | 一种肿瘤突变负荷检测方法、装置和存储介质 | |
CN106599616B (zh) | 基于duplex-seq的超低频突变位点检测分析方法 | |
CN108388773B (zh) | 一种肿瘤新生抗原的鉴定方法 | |
CN111445955B (zh) | 新型冠状病毒变异分析方法及应用 | |
CN107423578B (zh) | 检测体细胞突变的装置 | |
CN106529171A (zh) | 乳腺癌易感基因遗传变异位点的检测分析方法 | |
CN109767810B (zh) | 高通量测序数据分析方法及装置 | |
CN111326212B (zh) | 一种结构变异的检测方法 | |
CN110021346A (zh) | 基于RNAseq数据的基因融合与突变检测方法及系统 | |
CN110060733B (zh) | 基于单样本的二代测序肿瘤体细胞变异检测装置 | |
CN112164423B (zh) | 基于RNAseq数据的融合基因检测方法、装置和存储介质 | |
CN106022001B (zh) | 一种肿瘤突变位点筛选及互斥基因挖掘的系统 | |
CN109337957A (zh) | 检测基因组多突变类型的方法 | |
CN113593639A (zh) | 一种用于病毒基因组变异分析、监测方法和系统 | |
CN110993023B (zh) | 复杂突变的检测方法及检测装置 | |
CN107292129A (zh) | 易感基因型检测方法 | |
CN113035273A (zh) | 一种快速、超高灵敏度的dna融合基因检测方法 | |
CN108021788A (zh) | 基于细胞游离dna的深度测序数据提取生物标记物的方法和装置 | |
CN108949970A (zh) | 基于多组学的宫颈癌特征获取方法和系统 | |
CN110021348A (zh) | 基于RNA-seq数据的肿瘤基因突变检测方法及系统 | |
CN109686414A (zh) | 仅用于肝癌筛查的特异甲基化检测位点组合的选取方法 | |
CN109712671B (zh) | 基于ctDNA的基因检测装置、存储介质及计算机系统 | |
CN109504751A (zh) | 一种肿瘤复杂克隆结构的缺失变异识别及克隆计数方法 | |
CN114627967A (zh) | 一种精确注释三代全长转录本的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171124 |
|
RJ01 | Rejection of invention patent application after publication |