CN108251520A - 一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法 - Google Patents
一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法 Download PDFInfo
- Publication number
- CN108251520A CN108251520A CN201810093417.5A CN201810093417A CN108251520A CN 108251520 A CN108251520 A CN 108251520A CN 201810093417 A CN201810093417 A CN 201810093417A CN 108251520 A CN108251520 A CN 108251520A
- Authority
- CN
- China
- Prior art keywords
- smoking
- individual
- genetic mutation
- addiction
- smoking addiction
- 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
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6869—Methods for sequencing
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biotechnology (AREA)
- Biochemistry (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,主要包括如下步骤:步骤一:构建吸烟成瘾易感基因遗传突变信息数据库;步骤二:对个体进行全基因测序得到个体全部遗传突变信息;步骤三:分析预测个体吸烟成瘾的风险;步骤四:指导个体化用药;步骤五:根据步骤三分析预测的个体吸烟成瘾风险,采取积极主动的健康干预行为。本发明利用全基因组测序技术得到个体全部遗传突变信息,再结合数据库信息,通过综合数据分析,筛选有效的吸烟成瘾易感遗传变异,明确变异导致的生理学变化,指导戒烟者选择合适的戒烟药物,制定个体化的治疗方案,能够大大提高吸烟者的戒烟效果,具有时间上超前,行为上主动,措施效果上精准。
Description
技术领域
本发明涉及生物遗传医学技术领域,具体涉及一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法。
背景技术
吸烟行为严重危害着人们的身体健康,它能导致多种疾病的发生,如癌症、心血管疾病、呼吸系统疾病等。其中受吸烟影响最严重的是肺癌,吸烟者因患肺癌死亡约为不吸烟者的10倍以上。目前全世界每天有13000多人死于烟草,按照该速度计算,从2000年到2030年吸烟者将从12亿上升到16亿,每年死于烟草的人数将从490万上升到1000万。
多年研究证明吸烟成瘾是由环境因素与遗传因素共同诱发的,其中,遗传诱因涉及到大量异常突变位点导致个体极其容易吸烟成瘾。最危险的人群是青少年,他们容易受外界影响尝试吸烟,如果有人含有尼古丁易感基因突变位点,则很快就会成瘾,一旦成瘾后则很难戒断。青少年尼古丁成瘾后持续抽烟,烟龄往往较长,吸烟量也与日俱增,是肺癌的高危人群。烟草使青少年期开始吸烟的吸烟者中半数死亡,而这些死亡者中的半数在中年丧生。
目前,世界上已有许多研究证明吸烟成瘾与遗传因素密切相关。科学家们已确定了多个吸烟成瘾易感基因及其遗传变异位点,这些遗传变异位点对个体吸烟成瘾起着重要作用。
发明内容
本发明为了解决上述问题,提供了一种能够检测出个体所携带的吸烟成瘾易感基因的遗传变异位点,并计算出该个体吸烟成瘾风险的方法以及指导戒烟药物个体化用药的方法。
本发明所基于的原理如下:
现代医学证明戒烟药物的疗效也受戒烟者的遗传基因影响。同一种戒烟药,不同的戒烟者使用后疗效可能大不相同。因此,基因检测辅助选择戒烟药物得到了越来越多的临床医生和戒烟者的认可。目前,一线临床戒烟药物包括尼古丁替代疗法(NRT)类产品、安非他酮和伐尼克兰。研究发现编码尼古丁代谢催化酶的CYP2A6基因发生突变,会导致服用伐尼克兰的效果与安慰剂没有差别,但使用 NRT产品效果却很理想;如果没有携带CYP2A6基因突变,则使用伐尼克兰的疗效远胜于NRT。CYP2B6是安非他酮代谢的主要催化酶,其基因的突变可以提高安非他酮的戒烟疗效,而非突变者服用安非他酮的疗效与安慰剂无异。
全基因组测序技术的出现对医学研究领域来说是一次革命性的进步。全基因组测序技术能够全面、精确地检测个体基因组中的几乎全部碱基序列,进而得以破解其所包含的生物信息,揭示遗传与疾病的关系。因此,利用全基因组测序技术和生物信息分析技术,可以检测出所有吸烟成瘾易感基因的遗传变异位点,结合现有的研究发现,可预测出不同个体吸烟成瘾的风险,从而指导吸烟成瘾风险高的吸烟者及时进行早期干预。尤其是青少年更需及早进行吸烟成瘾风险预测,以防吸烟成瘾,难以戒断。此外,对于已经成瘾的吸烟者,全基因组测序技术能够同时检测出CYP2A6、CYP2B6的基因突变,辅助临床医生根据吸烟者的基因差异,选择合适的戒烟药物,制定个体化的治疗方案。
本发明采用如下技术方案:
一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,主要包括如下步骤:
步骤一:构建吸烟成瘾易感基因遗传突变信息数据库;
步骤二:对个体进行全基因测序得到个体全部遗传突变信息;
步骤三:根据步骤二得到的个体全部遗传突变信息和步骤一构建的数据库对比,分析预测个体吸烟成瘾的风险;
步骤四:根据步骤二确定的个体全部遗传突变信息中与戒烟药物相关基因的突变位点,从而指导个体化用药;
步骤五:根据步骤三分析预测的个体吸烟成瘾风险,采取积极主动的健康干预行为。
作为本发明的一种优选技术方案,所述步骤一:构建吸烟成瘾易感基因遗传突变信息数据库的具体实施方法为:
阶段(一)、在ClinVar数据库以及GWAS-catalog数据库中,通过程序语言编写脚本搜索并提取与吸烟成瘾相关的所有易感基因和遗传变异;
阶段(二)、数据筛选和分类:根据ClinVar数据库中提取的关于每个遗传变异的相关信息筛选易感SNP位点,对所有遗传变异进行可靠性分类;同时,根据GWAS-catalog数据库中提取的关于变异的P-value值对遗传变异进行筛选,以便筛选出有效的吸烟成瘾易感基因遗传变异;
阶段(三)、整理汇总在阶段(二)中收集的数据,以便形成吸烟成瘾易感基因panel以及吸烟成瘾易感基因panel所包含的所有有效遗传变异信息,同时,用MySQL系统构建与吸烟成瘾易感基因panel所包含的所有有效遗传变异信息相关的本地数据库。
作为本发明的一种优选技术方案,所述步骤二:对个体进行全基因测序得到个体全部遗传突变信息的具体方法为:
A、全基因测序:使用Covaris仪器对个体的DNA样本进行随机打断,将打断后的DNA样本的末端补平并加接头,采用磁珠对末端补平并加接头的DNA样本进行目的片段的筛选,之后进行DNA样本的cluster制备,最后使用IlluminaHiSeq X Ten对DNA样本的cluster进行测序,得到测序原始数据;
B、下机原始数据的质控:利用FastQC软件对测序原始数据进行包括测序质量、接头、序列重复水平的质控指标的检测,然后使用Trimmomatic软件去除测序原始数据中低质量的Reads、切去接头和低质量序列,得到测序质控数据;
C、序列比对:利用BWA对测序质控数据进行片段比对和拼接,所述片段比对和拼接包括测序片段覆盖倍数的估计、重复片段标记、将比对到Indel附近的 Reads进行局部重新比对、将比对的错误率降到最低以及将测序质控数据的bam 文件中Reads的碱基质量值进行重新校正,以使最后输出的测序质控数据的bam 文件中的Reads与人类的参考基因组序列能更好地匹配;
D、突变位点提取:利用GATK软件中的HaplotypeCaller对在C中完成比对的测序质控数据中的序列进行遗传突变位点提取,所述遗传突变位点包括SNP和 Indel两种突变类型,再利用GATK软件中的VQSR方法对提取的变异结果进行过滤,得到高质量遗传突变信息并保存在VCF文件中。
作为本发明的一种优选技术方案,所述步骤三中关于分析预测个体吸烟成瘾的风险的具体方法为:
根据步骤一中所得的吸烟成瘾易感基因遗传突变信息数据库以及步骤二中所得的个体全部遗传突变信息,联立以下公式计算出每一个SNP位点不同基因型分别导致的吸烟成瘾风险Pr(D|Gm):
Pr(D)=Pr(D|G1)Pr(G1)+Pr(D|G2)Pr(G2)+Pr(D|G3)Pr(G3)
其中:
Pr(D)=某疾病在特定人群或种族中的发病率
Gm=一个SNP位点有三种基因型,分别是野生纯合子G1、突变杂合子G2和突变纯合子G3
Pr(Gm)=某SNP位点的特定基因型在特定人群或种族中的出现频率
ORm=某SNP位点的特定基因型与该疾病之间的相关性
Pr(D|Gm)=某SNP位点的特定基因型导致的该疾病发病率
然后,再联立以下公式计算个体全部易感位点共同作用导致的吸烟成瘾风险
其中:
个体全部易感位点共同作用与该疾病之间的相关性
个体全部易感位点共同作用导致的该疾病发病率
作为本发明的一种优选技术方案,所述步骤四中关于指导个体化用药的具体方法为:
根据步骤二中得到的个体全部遗传突变信息确定个体所携带的基因突变类型,从而选择合适的戒烟药物,其中具体的基因突变类型及对应药物的选择方案如下:
当个体所述携带的基因型为CYP2A6*1/*1基因型时,使用伐尼克兰作为戒烟药物;
当个体所述携带的基因型为CYP2A6*4等位基因时,使用NRT作为戒烟药物;
当个体所述携带的基因型为CYP2B6*6等位基因时,使用安非他酮作为为戒烟药物;
当个体所述携带的基因型为CYP2B6*1/*1基因型时,使用安非他酮或安慰剂作为为戒烟药物。
本发明的有益效果是:
1、本发明利用全基因组测序技术可以得到个体全部遗传突变信息,再结合数据库信息,通过综合分析所收集到的信息,筛选有效的吸烟成瘾易感遗传变异,明确遗传变异导致的生理学变化,作为疾病发生的医学解释,具有时间上超前,行为上主动,措施效果上精准;
2、本发明在使用过程中还能够不断地更新数据库,以增加个体吸烟成瘾风险预测的准确性;
3、本发明通过全基因组测序技术检测,并结合权威吸烟成瘾易感突变数据库进行风险评估,对吸烟者尤其是初步进行吸烟行为的青少年发出警示,从而能够及时采取积极主动的健康干预行为;此外,对于已经成瘾的吸烟者,本发明能够根据戒烟药物相关基因(CYP2A6、CYP2B6)的突变类型,指导戒烟者选择合适的戒烟药物,制定个体化的治疗方案,从而大大提高戒烟效果。
具体实施方式
现在结合具体实施例对本发明进行进一步详细说明。
实施例1
一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,主要包括如下步骤:
步骤一:构建吸烟成瘾易感基因遗传突变信息数据库;
步骤二:对个体进行全基因测序得到个体全部遗传突变信息;
步骤三:根据步骤二得到的个体全部遗传突变信息和步骤一构建的数据库对比,分析预测个体吸烟成瘾的风险;
步骤四:根据步骤二确定的个体全部遗传突变信息中与戒烟药物相关基因的突变位点,从而指导个体化用药;
步骤五:根据步骤三分析预测的个体吸烟成瘾风险,采取积极主动的健康干预行为;
所述步骤一:构建吸烟成瘾易感基因遗传突变信息数据库的具体实施方法为:
阶段(一)、在ClinVar数据库以及GWAS-catalog数据库中,通过程序语言编写脚本搜索并提取与吸烟成瘾相关的所有易感基因和遗传变异;
其中,ClinVar数据库是一个公开的数据库,其中收集了与疾病相关的遗传变异。这一数据库由美国国立卫生研究院2013年为了生物技术信息开发而构建,到目前为止,已经从研究人员和其它数据库中获得了包含超过125,000份独特突变的临床注释。
阶段(二)、数据筛选和分类:根据ClinVar数据库中提取的关于每个遗传变异的相关信息筛选易感SNP位点,并根据多年来遗传研究结果对所有遗传变异进行可靠性分类;同时,根据GWAS-catalog数据库中提取的关于变异的P-value 值以及发表文章报道的人群等信息对遗传变异进行筛选,阅读遗传变异的相关文献以及参考其他数据库中该变异的描述,筛选出有效的吸烟成瘾易感基因遗传变异;
阶段(三)、整理汇总在阶段(二)中收集的数据,以便形成吸烟成瘾易感基因panel以及吸烟成瘾易感基因panel所包含的所有有效遗传变异信息,同时,用MySQL系统构建与吸烟成瘾易感基因panel所包含的所有有效遗传变异信息相关的本地数据库。本实施例一共确定了72个吸烟成瘾易感基因,见表1:
表1吸烟成瘾易感基因panel
ACOT12 | ACTN1 | ADAMTSL1 | ANKK1 | ARHGAP39 | BBX |
BDNF | C1orf100 | CABLES1 | CACNA2D3 | CAMKK1 | CDH13 |
CDYL2 | CHRM1 | CHRM2 | CHRNA3 | CHRNA4 | CHRNA5 |
CHRNA6 | CHRNB1 | CHRNB2 | CHRNB3 | CNTN3 | COMT |
CTNNA3 | CYP2A6 | CYP2A7 | CYP2B6 | CYP2F2P | CYP2T1P |
DBH | DCC | DDC | DRD1 | DRD2 | DRD4 |
GABABR2 | GABBR2 | GLIS3 | GRIN2B | GRIN3A | GTF2H5 |
HSD17B3 | HTR3A | HTR5A | HYKK | LPAR3 | MORN5 |
NR5A2 | NRXN1 | PDE1C | SASH1 | SBF2 | SETD7 |
SGCD | SLC22A23 | SLC39A11 | SLC6A3 | SLC6A4 | SNX18 |
SULT1B1 | TANC1 | TAPT1 | TENM3 | TRPC5 | UBR2 |
UGT2B10 | UGTB10 | VPS13B | ZFAT | ZNF93 |
所述步骤二:对个体进行全基因测序得到个体全部遗传突变信息的具体方法为:
A、全基因测序:使用Covaris仪器(超声波DNA破碎仪)对个体的DNA样本进行随机打断,将打断后的DNA样本的末端补平并加接头,采用磁珠对末端补平并加接头的DNA样本进行目的片段的筛选,之后进行DNA样本的cluster制备,最后使用IlluminaHiSeq X Ten(测序仪)对DNA样本的cluster进行测序,得到测序原始数据;
B、下机原始数据的质控:利用FastQC软件对测序原始数据进行包括测序质量、接头、序列重复水平的质控指标的检测,然后使用Trimmomatic软件去除测序原始数据中低质量的Reads、切去接头和低质量序列,得到测序质控数据;
C、序列比对:利用BWA(生物序列对比软件)对测序质控数据进行片段比对和拼接,所述片段比对和拼接包括测序片段覆盖倍数的估计、重复片段标记、将比对到Indel附近的Reads进行局部重新比对、将比对的错误率降到最低以及将测序质控数据的bam文件中Reads的碱基质量值进行重新校正,以使最后输出的测序质控数据的bam文件中的Reads与人类的参考基因组序列能更好地匹配;
D、突变位点提取:利用GATK软件中的HaplotypeCaller对在C中完成比对的测序质控数据中的序列进行遗传突变位点提取,所述遗传突变位点包括SNP和Indel两种突变类型,再利用GATK软件中的VQSR方法对提取的变异结果进行过滤,得到高质量遗传突变信息并保存在VCF文件中。
所述步骤三中关于分析预测个体吸烟成瘾的风险的具体方法为:
根据步骤一中所得的吸烟成瘾易感基因遗传突变信息数据库以及步骤二中所得的个体全部遗传突变信息,联立以下公式计算出每一个SNP位点不同基因型分别导致的吸烟成瘾风险Pr(D|Gm):
Pr(D)=Pr(D|G1)Pr(G1)+Pr(D|G2)Pr(G2)+Pr(D|G3)Pr(G3)
其中:
Pr(D)=某疾病在特定人群或种族中的发病率
Gm=一个SNP位点有三种基因型,分别是野生纯合子G1、突变杂合子G2和突变纯合子G3
Pr(Gm)=某SNP位点的特定基因型在特定人群或种族中的出现频率
ORm=某SNP位点的特定基因型与该疾病之间的相关性
Pr(D|Gm)=某SNP位点的特定基因型导致的该疾病发病率
然后,再联立以下公式计算个体全部易感位点共同作用导致的吸烟成瘾风险
其中:
一般而言,计算出的吸烟成瘾风险高于群体发病率20%以内,属于低风险;高于群体发病率20%-50%,属于中风险,需要引起警惕;高于群体发病率50%以上,则属于高风险,建议尽早进行干预,避免持续吸烟。
所述步骤四中关于指导个体化用药的具体方法为:
根据步骤二中得到的个体全部遗传突变信息确定个体所携带的基因突变类型,从而选择合适的戒烟药物,其中具体的基因突变类型及对应药物的选择方案如下:
当个体所述携带的基因型为CYP2A6*1/*1基因型时,使用伐尼克兰作为戒烟药物;
当个体所述携带的基因型为CYP2A6*4等位基因时,使用NRT作为戒烟药物;
当个体所述携带的基因型为CYP2B6*6等位基因时,使用安非他酮作为为戒烟药物;
当个体所述携带的基因型为CYP2B6*1/*1基因型时,使用安非他酮或安慰剂作为为戒烟药物。
上述方案的汇总,见表2:
表2戒烟药物用药指导
本发明利用全基因组测序技术可以得到个体全部遗传突变信息,再结合数据库信息,通过综合分析所收集到的信息,筛选有效的吸烟成瘾易感遗传变异,明确变异导致的生理学变化,作为疾病发生的医学解释,具有时间上超前,行为上主动,措施效果上精准。同时,不断地更新数据库,以增加个体吸烟成瘾风险预测的准确性。因此,本发明通过全基因组测序技术检测,并结合权威吸烟成瘾易感突变数据库进行风险评估,对烟民尤其是初步进行吸烟行为的青少年发出警示,从而及时采取积极主动的健康干预行为。此外,对于已经成瘾的吸烟者,本发明根据戒烟药物相关基因(e.g.,CYP2A6、CYP2B6)的突变类型,指导戒烟者选择合适的戒烟药物,制定个体化的治疗方案,能够大大提高吸烟者的戒烟效果。
最后应说明的是:这些实施方式仅用于说明本发明而不限制本发明的范围。此外,对于所属领域的技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (5)
1.一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,其特征在于:主要包括如下步骤:
步骤一:构建吸烟成瘾易感基因遗传突变信息数据库;
步骤二:对个体进行全基因测序得到个体全部遗传突变信息;
步骤三:根据步骤二得到的个体全部遗传突变信息和步骤一构建的数据库对比,分析预测个体吸烟成瘾的风险;
步骤四:根据步骤二确定的个体全部遗传突变信息中与戒烟药物相关基因的突变位点,从而指导个体化用药;
步骤五:根据步骤三分析预测的个体吸烟成瘾风险,采取积极主动的健康干预行为。
2.根据权利要求1所述的一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,其特征在于:
所述步骤一:构建吸烟成瘾易感基因遗传突变信息数据库的具体方法为:
阶段(一)、在ClinVar数据库以及GWAS-catalog数据库中,通过程序语言编写脚本搜索并提取与吸烟成瘾相关的所有易感基因和遗传变异;
阶段(二)、数据筛选和分类:根据ClinVar数据库中提取的关于每个遗传变异的相关信息筛选易感SNP位点,对所有遗传变异进行可靠性分类;同时,根据GWAS-catalog数据库中提取的关于变异的P值对遗传变异进行筛选,以便筛选出有效的吸烟成瘾易感基因遗传变异;
阶段(三)、整理汇总在阶段(二)中收集的数据,以便形成吸烟成瘾易感基因panel以及吸烟成瘾易感基因panel所包含的所有有效遗传变异信息,同时,用MySQL系统构建与吸烟成瘾易感基因panel所包含的所有有效遗传变异信息相关的本地数据库。
3.根据权利要求1所述的一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,其特征在于:
所述步骤二:对个体进行全基因测序得到个体全部遗传突变信息的具体方法为:
A、全基因组测序:使用Covaris仪器对个体的DNA样本进行随机打断,将打断后的DNA样本的末端补平并加接头,采用磁珠对末端补平并加接头的DNA样本进行目的片段的筛选,之后进行DNA样本的cluster制备,最后使用IlluminaHiSeq X Ten对DNA样本的cluster进行测序,得到测序原始数据;
B、下机原始数据的质控:利用FastQC软件对测序原始数据进行包括测序质量、接头、序列重复水平的质控指标的检测,然后使用Trimmomatic软件去除测序原始数据中低质量的Reads、切去接头和低质量序列,得到测序质控数据;
C、序列比对:利用BWA对测序质控数据进行片段比对和拼接,所述片段比对和拼接包括测序片段覆盖倍数的估计、重复片段标记、将比对到Indel附近的Reads进行局部重新比对、将比对的错误率降到最低以及将测序质控数据的bam文件中Reads的碱基质量值进行重新校正,以使最后输出的测序质控数据的bam文件中的Reads与人类的参考基因组序列能更好地匹配;
D、突变位点提取:利用GATK软件中的HaplotypeCaller对在“C”中完成比对的测序质控数据中的序列进行遗传突变位点提取,所述遗传突变位点包括SNP和Indel两种突变类型,再利用GATK软件中的VQSR方法对提取的变异结果进行过滤,得到高质量遗传突变信息并保存在VCF文件中。
4.根据权利要求1所述的一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,其特征在于:
所述步骤三中关于分析预测个体吸烟成瘾的风险的具体方法为:
根据步骤一中所得的吸烟成瘾易感基因遗传突变信息数据库以及步骤二中所得的个体全部遗传突变信息,联立以下公式计算出每一个SNP位点不同基因型分别导致的吸烟成瘾风险Pr(D|Gm):
Pr(D)=Pr(D|G1)Pr(G1)+Pr(D|G2)Pr(G2)+Pr(D|G3)Pr(G3)
其中:
Pr(D)=某疾病在特定人群或种族中的发病率
Gm=一个SNP位点有三种基因型,分别是野生纯合子G1、突变杂合子G2和突变纯合子G3
Pr(Gm)=某SNP位点的特定基因型在特定人群或种族中的出现频率
ORm=某SNP位点的特定基因型与该疾病之间的相关性
Pr(D|Gm)=某SNP位点的特定基因型导致的该疾病发病率
然后,再联立以下公式计算个体全部易感位点共同作用导致的吸烟成瘾风险
其中:
。
5.根据权利要求1所述的一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法,其特征在于:
所述步骤四中关于指导个体化用药的具体方法为:
根据步骤二中得到的个体全部遗传突变信息确定个体所携带的基因突变类型,从而选择合适的戒烟药物,其中具体的基因突变类型及对应药物的选择方案如下:
当个体所述携带的基因型为CYP2A6*1/*1基因型时,使用伐尼克兰作为戒烟药物;
当个体所述携带的基因型为CYP2A6*4等位基因时,使用NRT作为戒烟药物;
当个体所述携带的基因型为CYP2B6*6等位基因时,使用安非他酮作为为戒烟药物;
当个体所述携带的基因型为CYP2B6*1/*1基因型时,使用安非他酮或安慰剂作为为戒烟药物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810093417.5A CN108251520A (zh) | 2018-01-31 | 2018-01-31 | 一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810093417.5A CN108251520A (zh) | 2018-01-31 | 2018-01-31 | 一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108251520A true CN108251520A (zh) | 2018-07-06 |
Family
ID=62743662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810093417.5A Pending CN108251520A (zh) | 2018-01-31 | 2018-01-31 | 一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108251520A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109762880A (zh) * | 2019-01-15 | 2019-05-17 | 广州序科码生物技术有限责任公司 | 一种检测健康人易感基因的方法及其应用 |
CN109935275A (zh) * | 2018-12-29 | 2019-06-25 | 北京安诺优达医学检验实验室有限公司 | 序列变异校验方法和装置、生产变异序列的方法和装置及电子设备 |
CN110111890A (zh) * | 2019-03-29 | 2019-08-09 | 杭州高六博生物科技有限公司 | 一种基于基因测序技术的个体精准养生方法 |
CN110910956A (zh) * | 2019-11-21 | 2020-03-24 | 刘强 | 单核苷酸多态性检测汉族人群吸烟成瘾方法 |
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 |
CN111243661A (zh) * | 2020-01-13 | 2020-06-05 | 北京奇云诺德信息科技有限公司 | 基于基因数据的基因体检系统 |
CN111553660A (zh) * | 2020-04-28 | 2020-08-18 | 深圳市吉迩科技有限公司 | 吸烟管理方法、设备和存储介质 |
CN112151114A (zh) * | 2020-10-20 | 2020-12-29 | 中国农业科学院农业信息研究所 | 一种生物信息深度挖掘分析系统的架构构建方法 |
CN113462772A (zh) * | 2021-09-03 | 2021-10-01 | 中南大学湘雅医院 | 一种用于检测尼古丁依赖性相关的snp位点的引物组以及应用 |
US11308325B2 (en) * | 2018-10-16 | 2022-04-19 | Duke University | Systems and methods for predicting real-time behavioral risks using everyday images |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010148291A1 (en) * | 2009-06-19 | 2010-12-23 | Genowledge Llc | Genetically predicted life expectancy and life insurance evaluation |
WO2011104730A1 (en) * | 2010-02-24 | 2011-09-01 | Decode Genetics Ehf | Genetic variants predictive of lung cancer risk |
CN103789408A (zh) * | 2008-02-21 | 2014-05-14 | 国立大学法人爱媛大学 | 高血压易感基因组的鉴定 |
CN106498035A (zh) * | 2016-09-30 | 2017-03-15 | 厦门飞朔生物技术有限公司 | 一种用于高通量测序检测化疗药物基因snp变异文库的构建方法及其应用 |
-
2018
- 2018-01-31 CN CN201810093417.5A patent/CN108251520A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103789408A (zh) * | 2008-02-21 | 2014-05-14 | 国立大学法人爱媛大学 | 高血压易感基因组的鉴定 |
WO2010148291A1 (en) * | 2009-06-19 | 2010-12-23 | Genowledge Llc | Genetically predicted life expectancy and life insurance evaluation |
WO2011104730A1 (en) * | 2010-02-24 | 2011-09-01 | Decode Genetics Ehf | Genetic variants predictive of lung cancer risk |
CN106498035A (zh) * | 2016-09-30 | 2017-03-15 | 厦门飞朔生物技术有限公司 | 一种用于高通量测序检测化疗药物基因snp变异文库的构建方法及其应用 |
Non-Patent Citations (5)
Title |
---|
ANNA M. LEE等: "CYP2B6 Genotype Alters Abstinence Rates in a Bupropion Smoking Cessation Trial", 《BIOL PSYCHIATRY》 * |
JULIE-ANNE TANNER AND RACHEL F. TYNDALE: "Variation in CYP2A6 Activity and Personalized Medicine", 《JOURNAL OF PERSONALIZED MEDICINE》 * |
李艾为等: "吸烟与膀胱癌关系的研究进展", 《肿瘤》 * |
郭航远等: "《中国医师控烟手册》", 30 June 2009, 浙江大学出版社 * |
郭诗天,林辉,池菊芳: "戒烟治疗的方法和新进展", 《中国全科医学》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11308325B2 (en) * | 2018-10-16 | 2022-04-19 | Duke University | Systems and methods for predicting real-time behavioral risks using everyday images |
CN109935275A (zh) * | 2018-12-29 | 2019-06-25 | 北京安诺优达医学检验实验室有限公司 | 序列变异校验方法和装置、生产变异序列的方法和装置及电子设备 |
CN109762880A (zh) * | 2019-01-15 | 2019-05-17 | 广州序科码生物技术有限责任公司 | 一种检测健康人易感基因的方法及其应用 |
CN110111890A (zh) * | 2019-03-29 | 2019-08-09 | 杭州高六博生物科技有限公司 | 一种基于基因测序技术的个体精准养生方法 |
CN110910956A (zh) * | 2019-11-21 | 2020-03-24 | 刘强 | 单核苷酸多态性检测汉族人群吸烟成瘾方法 |
CN110910956B (zh) * | 2019-11-21 | 2024-03-22 | 浙江迈亚塔菌检智能科技有限公司 | 单核苷酸多态性检测汉族人群吸烟成瘾方法 |
CN111243661A (zh) * | 2020-01-13 | 2020-06-05 | 北京奇云诺德信息科技有限公司 | 基于基因数据的基因体检系统 |
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 |
CN111553660A (zh) * | 2020-04-28 | 2020-08-18 | 深圳市吉迩科技有限公司 | 吸烟管理方法、设备和存储介质 |
CN111553660B (zh) * | 2020-04-28 | 2023-11-14 | 深圳市吉迩科技有限公司 | 吸烟管理方法、设备和存储介质 |
CN112151114A (zh) * | 2020-10-20 | 2020-12-29 | 中国农业科学院农业信息研究所 | 一种生物信息深度挖掘分析系统的架构构建方法 |
CN113462772B (zh) * | 2021-09-03 | 2021-11-16 | 中南大学湘雅医院 | 一种用于检测尼古丁依赖性相关的snp位点的引物组以及应用 |
CN113462772A (zh) * | 2021-09-03 | 2021-10-01 | 中南大学湘雅医院 | 一种用于检测尼古丁依赖性相关的snp位点的引物组以及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108251520A (zh) | 一种基于高通量测序技术的吸烟成瘾风险预测方法及戒烟指导方法 | |
US11996202B2 (en) | Cancer evolution detection and diagnostic | |
JP2019531700A5 (zh) | ||
CN110621785B (zh) | 基于三代捕获测序对二倍体基因组单倍体分型的方法和装置 | |
CN110305964A (zh) | 一种前列腺癌患者预后复发风险预测标志工具及其风险评估模型的建立 | |
KR102044356B1 (ko) | 단일염기다형성을 이용한 피부 표현형 예측 방법 | |
CN110349623A (zh) | 基于改进孟德尔随机化的老年痴呆病基因及位点筛选方法 | |
CN110257518B (zh) | 一种用于预测转移性结直肠癌转化治疗疗效的基因集 | |
JP2015089364A (ja) | 体細胞多重変異によるがん診断方法、がん医薬開発方法及びがん診断装置 | |
Ma et al. | Identification of markers for diagnosis and treatment of diabetic kidney disease based on the ferroptosis and immune | |
CN111223525A (zh) | 一种肿瘤外显子测序数据分析方法 | |
Wu et al. | Transcriptomic analysis of glioma based on IDH status identifies ACAA2 as a prognostic factor in lower grade glioma | |
CN110527744A (zh) | 一组与同源重组修复缺陷相关的基因组特征性突变指纹的鉴定方法 | |
CN105838720A (zh) | Ptprq基因突变体及其应用 | |
CN112863604B (zh) | 一种预测肿瘤间质化机制及治疗敏感性的方法 | |
CN112195247B (zh) | 一种folfox药物方案有效性检测方法及试剂盒 | |
CN111383713B (zh) | ctDNA检测分析装置及方法 | |
Ponomarenko et al. | Mining DNA sequences to predict sites which mutations cause genetic diseases | |
CN112397140A (zh) | 基于变构机制的靶标识别方法、设备及存储介质 | |
KR101818103B1 (ko) | 동반진단 예측 장치 및 그 방법 | |
CN109509511A (zh) | 一种心脑血管相关参数分析方法 | |
CN113257354B (zh) | 基于高通量实验数据挖掘进行关键rna功能挖掘的方法 | |
Ren et al. | Multiomics Profiling and Clustering of Low-Grade Gliomas Based on the Integrated Stress Status | |
Qadr | The genetic base for drug habituation | |
CN114203255B (zh) | 一种基于机器学习的中药抗癌关键靶标预测方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181127 Address after: Room 405 and 501, Building 672, Huazhong South Road, Xiacheng District, Hangzhou City, Zhejiang 310000 Applicant after: HANGZHOU TONGCHUANG MEDICAL EXAMINATION LABORATORY Co.,Ltd. Address before: 310000 Room 596, Building 1, Luting Road, Cangqian Street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU TONGXIN GENE TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |