CN109063959A - 一种样本质量控制分析方法和系统 - Google Patents

Abstract

本发明公开了一种样本质量控制分析方法和系统，该方法包括：获取数据步骤，数据包括单个样本的样本信息和样本的下机路径以及下机路径对应的测序数据；数据分析步骤，对下机路径对应的测序数据进行质量评价获得质量评价值，将样本信息与下机路径对应的测序数据关联，依据上述关联获得测序数据的质量评价值与样本信息一一对应的总评价报告；数据输出步骤，输出总评价报告。本发明的方法能够使得样本的质量与测序的质量值一一对应，为精准地对待测序样本的质量控制提供了有效的依据，同时有效地提高效率，节约时间，执行方便，结果直观。

Description

一种样本质量控制分析方法和系统

技术领域

本发明涉及信息技术领域，具体涉及一种样本质量控制分析方法和系统。

背景技术

高通量测序技术(High-throughput sequencing)，又称“下一代”测序技术("Next-generation"sequencing technology)，具有能一次并行对几十万到几百万条DNA分子进行序列测定和一般读长较短的特点，应用到实际的样本基因检测中，单次测序通量非常大。

采用高通量技术进行测序，测序完成时测序仪会对测序数据进行质量统计并生成测序数据的质量报告，该质量报告是针对所有样品的下机数据，没有针对每个样品进行统计，因而不能直接给出基于单个样品的测序数据质量报告。

由于测序通量大，同时进行基因检测的样本数量通常比较多，在样本数量比较多的情况下，不能获取单个样本的测序数据质量值，无法精准地对前期样本质量控制，对进一步优化测序流程和提高测序效率非常不利。

发明内容

针对上述不足，本发明提供一种样本质量控制分析方法和系统，通过统计每个样本的质量值，更直观地知道每个样本的实验室制备是否达标，从而帮助实验人员优化实验流程。同时也能更好地对项目进行管理。

为实现上述目的，本申请采用了以下技术方案：

根据第一方面，本申请公开了一种样本质量控制分析方法，包括以下步骤：

获取数据步骤，数据包括单个样本的样本信息和样本的下机路径以及下机路径对应的测序数据；

数据分析步骤，对下机路径对应的测序数据进行质量评价获得质量评价值，将样本信息与下机路径对应的测序数据关联，依据上述关联获得测序数据的质量评价值与样本信息一一对应的总评价报告；

数据输出步骤，输出总评价报告。

进一步的，样本信息包括样本信息表，样本信息表包括样本名称、样本质量信息和样本接头序列信息中的一者或多者。

进一步的，对下机路径对应的测序数据进行质量评价获得质量评价值，包括：

对所述测序数据排序列表，生成质控脚本，并通过执行质控脚本对测序数据进行质量评价，获得测序数据的质量评价值。

进一步的，测序数据按样本名称进行排序获得第一排序列表，用于生成所述质控脚本。

进一步的，执行质控脚本为通过统计分析测序数据中碱基的错误率进行评价，获得测序数据的质量评价值。

进一步的，数据分析步骤还包括第二排序步骤，第二排序步骤对生成质量评价值对应的测序数据按样本名称进行排序，获得第二排序列表，第二排序列表用于添加样本编号。

根据第二方面，本申请公开了一种样本质量控制分析系统，包括如下模块：

获取数据模块，数据包括单个样本的样本信息和样本的下机路径以及下机路径对应的测序数据；

数据分析模块，对下机路径对应的测序数据进行质量评价获得质量评价值，将样本信息与下机路径对应的测序数据关联，依据上述关联获得测序数据的质量评价值与样本信息一一对应的总评价报告；

数据输出模块，输出所述总评价报告。

进一步的，样本信息包括样本信息表，样本信息表包括样本名称、样本质量信息和样本接头序列信息中的一者或多者。

进一步的，对下机路径对应的测序数据进行质量评价获得质量评价值，包括：

对测序数据排序列表，生成质控脚本，并通过执行质控脚本对测序数据进行质量评价，获得测序数据的质量评价值。

根据第三方面，本申请公开了一种计算机可读存储介质，包括程序，程序能够被处理器执行以实现如上述第一方面所述的方法和第二方面的系统。

由于采用以上技术方案，本申请的有益效果在于：

本申请提供的样本质量控制分析方法和系统，统计单个样本的测序数据的质量值，并将单个样本的测序数据的质量值与样本的质量一一对应，从而更直观地知道每个样本的实验室制备是否达标,并实现实验人员提高对测序样本的实验质量的控制更精准有效，对进一步优化待测序样本的实验室处理流程提供了有效的依据。采用本申请的分析方法和系统，使得样本的质量与测序的质量值一一对应，对精准地对待测序样本的质量控制提供了有效的依据，同时有效地提高效率，节约时间，执行方便，结果直观。

附图说明

图1示出了样本质量控制分析方法的一个实施例流程图；

图2示出了本发明样本质量控制分析方法的另一个实施例的流程图；

图3示出了本发明样本质量控制分析系统的一个实施例的结构框图；

图4示出了本发明样本质量控制分析系统的另一个实施例的结构框图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

本发明涉及通过对比分析样本测序数据的质量值与样本质量的关系，对待测序的样本质量进行质控的方法和系统。图1示出了本申请样本质量控制分析方法的流程图，包括：

S100：获取数据步骤，数据包括单个样本的样本信息和样本的下机路径以及下机路径对应的测序数据；

S200：数据分析步骤，对下机路径对应的测序数据进行质量评价获得质量评价值，将样本信息与下机路径对应的测序数据关联，依据上述关联获得测序数据的质量评价值与所述样本信息一一对应的总评价报告；

S300：数据输出步骤，输出所述总评价报告。

如图2所示，本实施例的样本质量控制分析方法步骤为：

S100：获取数据步骤，获取数据包括上传单个样本的样本信息表和传入样本的下机路径以及下机路径对应的测序数据。为了更好地对样本质量进行控制，样本信息表的内容为样本的实验室编号、样本名称、样本质量信息和样本接头信息；下机路径为样本测序后测序数据存放的路径；测序数据为测序仪完成生物样本测序分析后生产的基因数据。

在其他实施方式中，样本信息表至少包括识别唯一样本的编号或名称和识别的唯一样本对应的样本质量信息，包括样本处理的方法，过程参数，以及待测样本的浓度、纯度，样本的接头信息等，在此不做限定。

需要说明的是，样本信息可以输入单个样本的样本信息和样本对应的下机路径以及下机路径对应的测序数据。为了满足测序过程中多样本并行测序的高通量测序技术，也可以多个样本的样本信息和样本对应的下机路径以及下机路径对应的测序数据并行批量输入，从而高效地处理多个样本及样本对应的测序数据。

S200：数据分析步骤，对下机路径对应的测序数据进行质量评价获得质量评价值，将样本信息表中的样本信息与下机路径对应的测序信息关联，依据上述关联获得测序数据的质量评价值与所述样本信息一一对应的总评价报告；

本实施例中，在步骤S200中具体由如下步骤完成：

S201：样本测序上机时输入测序样本对应的样本名称，该样本名称为样本信息表中的样本名称，识别唯一的样本。将下机路径对应的样本的测序数据按样本名称进行排序获得第一排序列表，生成质控脚本。

在其他实施方式中，样本测序上机时可输入测序样本对应的样本编号或样本名称，也可以样本编号和样本名称都输入，该样本编号或样本名称均对应唯一的样本。在获得第一排序列表生成质控脚本时，也可按样本的编号进行排序获得第一列表。

S202：通过第一排序列表生成质控脚本。

S203：执行质控脚本，统计分析测序数据中碱基的错误率进行评价获得测序数据的质量评价值，生成包含样本名称和样本测序数据质量评价值的统计文件。本实施例根据Q值对样本的测序数据进行质量评价，Q值为质量得分。通常情况下，测序仪是按照荧光信号来判断所测序的碱基的类别，本实施例采用红黄蓝绿分别对应碱基ATCG，因此对每个结果的判断都是一个概率的问题，通过判断所反映的最大概率的荧光信号确认碱基，是对出错的概率的整数映射。这个概率就是测序数据的质量评价值Q值。Q值通过ASCII编码，测序数据文件中的每个碱基都会对应一个Q值。

需要说明的是，不同版本Q值与ASCII值存在不同的关系，把编码的字母通过相应算法转为十进制数字即可进行数学计算。

本申请的一个典型实施例中，测序数据的格式为：

第一行：以“@”开头，后面跟着唯一的序列ID标识符，然后跟着可选的序列描述内容，标识符与描述内容用空格分开。

第二行：序列字符(核酸为[AGCTN]+)。

第三行：以“+”开头，后面跟着可选的ID标识符和可选的描述内容，如果“+”后面有内容，该内容必须与第一行“@”后的内容相同。

第四行：碱基质量(Q值)字符，每个字符对应第二行相应位置碱基的质量，该字符可以按一定规则转换为碱基质量得分，碱基质量得分可以反映该碱基的错误率。这行的字符数与第二行中的字符数必须相同。

需要说明的是，不同版本质量得分与质量字符ASCII值的关系，质量字符的ASCII值和质量得分的关系有如下两种：

Phred+64:质量字符的ASCII值-64；

Phred+33:质量字符的ASCII值-33。

经过S203步骤，以获得单个样本及其对应的测序数据质量值关联的统计表，对多个样本进行处理，还可以包括以下步骤：

S204：包含样本名称和样本测序数据质量评价值的统计文件按样本名称进行排序，获得第二排序列表。

在其他实施方式中，根据样本测序上机时可输入测序样本对应的身份识别信息，样本编号，或者样本名称，或者样本编号和样本名称，根据所输入的身份识别信息进行编号，获得第二排序列表。

S205：对第二排序列表添加编号1、2、3、4…，生成测序数据的质量评价值与样本信息一一对应的总评价报告

在其他实施方式中添加的编号根据实际的需要进行编排，在此不做限定。

S300：数据输出步骤，输出总评价报告。

对应上述样本质量控制分析的方法，本发明的一种实施例还提供一种样本质量控制分析的系统，如图3所示，该系统包括：获取数据模块110、数据分析模块210和数据输出模块310，其中，获取数据模块110获取数据包括上传样本信息表和传入样本的下机路径以及下机路径对应的测序数据。为了更好地对样本质量进行控制，样本信息表的内容为样本的实验室编号、样本名称、样本质量信息和样本接头信息；下机路径为样本测序后测序数据存放的路径；测序数据为测序仪完成生物样本测序分析后生产的基因数据；数据分析模块210对下机路径对应的测序数据进行质量评价获得质量评价值，将样本信息表中的样本信息与下机路径对应的测序信息关联，使得测序数据的质量评价值与所述样本信息一一对应，以得到所述测序数据的质量评价值与所述样本信息一一对应的总评价报告；数据输出模块310输出总评价报告。

如图4所示，本发明的一个优选实施例中，该系统包括获取数据模块110、数据分析模块210和数据输出模块310，其中，数据分析模块210由以下单元构成：

第一排序单元211，通过下机路径生成按名称排序获得第一排序列表，使得样本信息与下机路径及下机路径对应的测序数据关联并一一对应；

生成质控脚本单元212，通过第一排序列表生成质控脚本；

执行质控脚本单元213，执行质控脚本，获得测序数据的质量评价值；

第二排序单元214，对生成的统计文件进行排序获得第二排序列表；

统计文件单元215，统计文件添加样本编号，获得测序数据的质量评价值与样本信息一一对应的总评价报告。

本发明的样本质量控制分析装置可内置于测序仪，也可用于进行生物信息分析的常规计算机中。若该系统安装于测序仪里面，下机后即可随着下机数据输入总评价报告。如果安装在进行生物信息分析的常规计算机里面，可以作为生物信息分析的预处理模块。

采用本发明的样本质量控制分析方法和系统，最后输出的总评价报告统计了单个样本的测序数据的质量值，并将单个样本的测序数据的质量值与样本的质量一一对应，从而更直观地知道每个样本的实验室制备是否达标,并实现实验人员提高对测序样本的实验质量的控制更精准有效，对进一步优化待测序样本的实验室处理流程提供了有效的依据。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种样本质量控制分析方法，其特征在于，包括以下步骤：

获取数据步骤，所述数据包括单个样本的样本信息和所述样本的下机路径以及下机路径对应的测序数据；

数据分析步骤，对下机路径对应的测序数据进行质量评价获得质量评价值，将所述样本信息与下机路径对应的测序数据关联，依据所述关联获得所述测序数据的质量评价值与所述样本信息一一对应的总评价报告；

数据输出步骤，输出所述总评价报告。

2.如权利要求1所述的样本质量控制分析方法，其特征在于，所述样本信息包括样本信息表，所述样本信息表包括样本名称、样本质量信息和样本接头序列信息中的一者或多者。

3.如权利要求2所述的样本质量控制分析方法，其特征在于，所述对下机路径对应的测序数据进行质量评价获得质量评价值，包括：

对所述测序数据排序列表，生成质控脚本，并通过执行所述质控脚本对所述测序数据进行质量评价，获得所述测序数据的质量评价值。

4.如权利要求3所述的样本质量控制分析方法，其特征在于，所述测序数据按样本名称进行排序获得第一排序列表，用于生成所述质控脚本。

5.如权利要求4所述的样本质量控制分析方法，其特征在于，执行所述质控脚本为通过统计分析所述测序数据中碱基的错误率进行评价，获得所述测序数据的质量评价值。

6.如权利要求3-5任一项所述的样本质量控制分析方法，其特征在于，所述数据分析步骤还包括第二排序步骤，所述第二排序步骤对生成所述质量评价值对应的所述测序数据按样本名称进行排序，获得第二排序列表，所述第二排序列表用于添加样本编号。

7.一种样本质量控制分析系统，其特征在于，包括如下模块：

获取数据模块，所述数据包括单个样本的样本信息和所述样本的下机路径以及下机路径对应的测序数据；

数据分析模块，对下机路径对应的测序数据进行质量评价获得质量评价值，将所述样本信息与下机路径对应的测序数据关联，依据所述关联获得所述测序数据的质量评价值与所述样本信息一一对应的总评价报告；

数据输出模块，输出所述总评价报告。

8.如权利要求7所述的样本质量控制分析系统，其特征在于，所述样本信息包括样本信息表，所述样本信息表包括样本名称、样本质量信息和样本接头序列信息中的一者或多者。

9.如权利要求8所述的样本质量控制分析系统，其特征在于，所述对下机路径对应的测序数据进行质量评价获得质量评价值，包括：

对所述测序数据排序列表，生成质控脚本，并通过执行所述质控脚本对所述测序数据进行质量评价，获得所述测序数据的质量评价值。

10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-9中任一项所述的方法。