CN110517731A - 基因检测质量监控数据处理方法和系统 - Google Patents

Abstract

本发明公开了一种基因检测质量监控数据处理方法和系统。该方法包括利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型；将基因测序仪的基因检测质控指标的当前数据输入时间序列模型，得到基因测序仪的基因检测质控指标的当前数据的预设置信区间和/或预测数据；根据模型计算得到的基因测序仪的基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。该系统包括模型建立单元、模型应用单元和数据可用性评估单元。这种方法和系统可以更好地利用基因测序仪的历史质量监控数据来评估和预警测序仪的检测可靠性，有更为精准的预测，自动化程度高，可自动完成分析工作。

Description

基因检测质量监控数据处理方法和系统

技术领域

本发明涉及一种基因检测质量监控技术，尤其涉及一种基因检测质量监控数据处理方法和系统。

背景技术

二代测序技术（NGS，Next Generation Sequencing）基因测序仪，例如IlluminaNextSeq 500，是一种用于基因检测的仪器，其在使用过程中，针对每个检测批次、检测样本生成一组质量监控指标的数据，与检测批次相关的质量监控指标例如测序错误率，测序仪厂家承诺测序错误率的数值不高于某个容错率值比如1%；与检测样本相关的质量监控指标例如有效测序深度的比率，有效测序深度的比率的数值取决于检测产品设计时定义的产品规范要求。

基因测序仪的这些质量监控数据，为了质控的需要，通常表现为一个固定的数值，然而，一些略低于容错率值的数据并不一定可靠，从统计学意义上看，则体现为一定的置信度。具体来说，第一，与测序批次关联的质量监控指标，假设测序仪厂家设定的某项容错率值为1%，在测序过程中发现实际测出的数值为0.99%，与测序仪本身的1%的容错率相差0.01%，是否满足基因检测公司对于检测的要求，其实体现为该容错率值具有一定范围的置信度，但是，如果随意自行更改容错率的数值，并不具备统计学上的科学性。第二，与检测样本相关的质量监控指标，代表不同基因检测公司对检测产品功能及性能定义的要求，是由基因检测公司的不同产品设计的，往往也需要不断监控、分析并作出调整。因此，与产品相关的样本质量监控数据，如果出现低于基因检测公司设置的容错率的数值，也需要进行进一步的统计分析。

目前，基因测序公司对测序仪质量监控数据的历史数据使用效率低下，相关技术人员往往仅依靠单一的监控标准进行数据信息是否可用的判断。因此，相关技术人员没有采用数据分析的方法来对测序仪的工作状况进行宏观的了解，不能有效地判断出低于测序仪出厂设置和/或基因测序公司自己设置的两类容错率的数据是否可用，也无法预测后续测序的精准度的变化趋势以及维修的可能性。

现有传统的基因检测的质控方案一般包括如下步骤：

1）获取基因测序仪的质量监控数据；

2）对比测序仪出厂说明书中容错率指标；

3）对比基因检测公司对检测产品设置的质量监控标准的指标；

4）根据质量监控数据是否满足指标，判断检测的合格性（即可用性）。

现有技术存在2个问题。一个是对于低于容错率但是处于临界区域的质量监控数据，没有开展进一步的关注和检查。如果需要进行进一步的关注和检查，也无法用人工判断，需要给出更严苛的统计学上的判断。另一个是如果存在统计学意义上的风险并且此风险持续存在，无法提前预知。精密仪器需要设备的预测性维护管理，以便维持系统的精密性。

目前测序仪的基因检测质量监控数据，通过检测记录的积累以及故障历史数据的积累，为精细的检测结果评估和检测设备预测性维护管理提供了可能性。单纯用肉眼进行检测数据的人工复核，将会引入人工失误率，造成时间成本的提升；如果完全依靠固定的指标，依靠机器的现有质控标准，无法对质控标准进行优化。在基因检测领域，技术水平不断优化，质控标准也是需要不断优化的，因此需要一种基因检测质量监控数据处理方法和系统，有效地取代人工复核进行优化的环节，节省大量人力成本和时间成本，提高基因检测的准确度。

发明内容

本发明要解决的技术问题是提供一种基因检测质量监控数据处理方法和系统，利用基因测序仪的基因检测质量监控数据的历史数据建立模型，通过模型评估当前的检测数据的可用性，也能更加准确地进行预测和预警。

为解决上述技术问题，本发明采用如下技术方案：

一方面，本公开提出一种基因检测质量监控数据处理方法。所述基因检测质量监控数据处理方法包括：利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型；将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据；根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用。

可选地，对于所述基因检测质量监控数据处理方法，利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型包括：获取所述基因测序仪的所述基因检测质控指标的历史数据作为待处理数据；对于所述待处理数据，利用自相关检验算法来检验所述数据是否为白噪音；对于非白噪音的数据，利用扩展迪基-富勒检验平稳性测试算法来测试所述数据是否平稳；对于测试为不平稳的数据，对所述数据进行递增阶数的差分直至平稳；利用平稳的数据分别计算不同阶数的整合移动平均自回归模型，比较计算得到的多个所述不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则和赤池信息准则中的一个准则结合贝叶斯信息准则，从而确定最优的整合移动平均自回归模型，将所确定的所述最优的整合移动平均自回归模型作为所述基因检测质控指标的所述时间序列模型。

可选地，对于所述基因检测质量监控数据处理方法，获取所述基因测序仪的所述基因检测质控指标的历史数据作为待处理数据包括：获取所述基因测序仪的所述基因检测质控指标的历史数据；按照所述基因测序仪的检测批次和/或产品类型来进行分类；选择新生成的预设百分比的数据量或者预设数据量作为所述待处理数据。

可选地，所述基因检测质量监控数据处理方法还包括：对数据进行去除为0的异常值和/或去除重复值的处理。

可选地，对于所述基因检测质量监控数据处理方法，将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，包括：模型计算得到所述基因测序仪的所述基因检测质控指标的预测数据；根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用，包括：获取所述基因检测质控指标对应的预设的容错率数值；将模型计算得到的所述基因测序仪的所述基因检测质控指标的预测数据与所述预设的容错率的数值比较；当所述基因测序仪的所述基因检测质控指标的预测数据大于所述预设的容错率的数值时，进行与所述基因检测质控指标相关的检测数据的可用性报警。

可选地，对于所述基因检测质量监控数据处理方法，将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，包括：模型计算得到所述基因测序仪的所述基因检测质控指标的预测数据的预设置信区间；根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用，包括：获取所述基因检测质控指标对应的预设的容错率的数值；将模型计算得到的所述基因检测质控指标的预测数据的预设置信区间的最大值与所述预设的容错率的数值比较；当所述基因检测质控指标的预测数据的预设置信区间的最大值大于所述预设的容错率的数值时，进行与所述基因检测质控指标相关的检测数据的可用性报警。

可选地，对于所述基因检测质量监控数据处理方法，将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，包括：模型计算得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间；根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用，包括：获取所述基因测序仪的所述基因检测质控指标的当前实际数据；将所述基因测序仪的所述基因检测质控指标的当前实际数据与模型计算得到的所述基因检测质控指标的当前数据的预设置信区间比较；当所述基因测序仪的所述基因检测质控指标的当前实际数据超出所述基因检测质控指标的当前数据的预设置信区间时，进行与所述基因检测质控指标相关的检测数据的可用性报警。

另一方面，本公开提出一种基因检测质量监控数据处理系统。所述基因检测质量监控数据处理系统包括：模型建立单元，用于利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型；模型应用单元，用于将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据；数据可用性评估单元，用于根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用。

可选地，对于所述基因检测质量监控数据处理系统，所述模型建立单元包括：待处理数据获取模块，用于获取所述基因测序仪的所述基因检测质控指标的历史数据作为待处理数据；白噪音检验模块，用于对于所述待处理数据，利用自相关检验算法来检验所述数据是否为白噪音；平稳性检验模块，用于对于非白噪音的数据，利用扩展迪基-富勒检验平稳性测试算法来测试所述数据是否平稳；差分模块，用于对于测试为不平稳的数据，对所述数据进行递增阶数的差分直至平稳；最优模型确定模块，用于利用平稳的数据分别计算不同阶数的整合移动平均自回归模型，比较计算得到的多个所述不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则和赤池信息准则中的一个准则结合贝叶斯信息准则，从而确定最优的整合移动平均自回归模型，将所确定的所述最优的整合移动平均自回归模型作为所述基因检测质控指标的所述时间序列模型。

可选地，对于所述基因检测质量监控数据处理系统，所述待处理数据获取模块包括：历史数据获取器，用于获取所述基因测序仪的所述基因检测质控指标的历史数据；分类器，用于按照所述基因测序仪的检测批次和/或产品类型来进行分类；数据选择器，用于选择新生成的预设百分比的数据量或者预设数据量作为所述待处理数据。

又一方面，本公开提出一种计算设备。所述计算设备包括：一个或多个处理器，以及与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述方法。

还有一方面，本公开提出一种机器可读存储介质。所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行上述方法。

与现有技术相比，本发明技术方案主要的优点如下：

本公开实施例的基因检测质量监控数据处理方法和系统可以更好地利用基因测序仪的历史质量监控数据来评估和预警测序仪的检测可靠性。相比于单纯依靠测序仪的出厂手册的容错率，本公开的技术方案具有更为精准的预测，自动化程度高，可自动完成分析工作，包括模型自动定阶、自动检验模型拟合度、自动报警、和/或自动检测白噪音等，由于高度自动化，所以在积累一定量的历史数据的情况下，具有更高度精准预测的优势，可以提高基因检测的准确度。

本公开实施例提出的基因检测质量监控数据处理方法，作为一项时间序列分析方法能够实现准确、自动的质量监控数据的分析。

进一步地，本公开实施例的基因检测质量监控数据处理方法和系统能够1）有效地自动检验平稳性，如果非平稳，则进行N阶差分；2）自动选取最优阶数的整合移动平均自回归模型；3）自动进行白噪音检测；4）每当有新的数据获取时自动重新拟合新的模型。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本公开实施例1提供的基因检测质量监控数据处理方法的流程图；

图2为一个示例提供的图1中步骤S110的流程图；

图3为本公开实施例2提供的基因检测质量监控数据处理方法的流程图；

图4为本公开实施例3提供的基因检测质量监控数据处理方法的流程图；

图5为本公开实施例4提供的基因检测质量监控数据处理方法的流程图；

图6为本公开一个实施例提供的基因检测质量监控数据处理系统的结构示意图；

图7为本公开一个示例提供的图6所示的基因检测质量监控数据处理系统中模型建立单元的结构示意图；

图8为根据本公开的实施例的用于基因检测质量监控数据处理的计算设备的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。

本公开的技术方案是通过获取基因检测质量监控数据，用时间序列分析的方法来实现对基因检测数据的可用性的评估与预测，评估当前批次检测的结果可用性，对后续的检测提供自动化的预测与预警。其中，质量监控数据是指使用NGS基因测序仪进行基因检测时，针对检测批次、检测样本，基因测序仪生成的一组质量监控指标，可以包括检测有效测序深度、插入片段长度、以及测序错误率等中至少一项质量监控指标。时间序列分析是指针对具备时间属性的数据，按照时间序列统计分析方法建立统计模型，以此来对该数据进行评估与预测。

图1为本公开实施例1提供的基因监测质量监控数据处理方法的流程图。如图1所示，本公开实施例1的基因检测质量监控数据处理方法包括如下步骤：

步骤S110，利用基因测序仪的基因检测质控指标的历史数据，建立或调整时间序列模型。图2为一个示例提供的实施例1中步骤S110的流程图。如图2所示，步骤S110可以包括如下步骤：

步骤S111，获取基因测序仪的基因检测质控指标的历史数据作为待处理数据。步骤S111的具体处理过程可以包括：

步骤a，获取基因测序仪的基因检测质控指标的历史数据。例如，获取一台基因测序仪生成的基因检测质量监控数据，质量监控数据包括多项基因检测质控指标的数据。该时间序列模型是使用大量样本数据来训练出的。作为一种可选实施方式，可以获取基因测序仪处理样品之后产生的基因检测质控指标的数据，可以包括基因测序仪自身提供的运行错误率和人工估算的少量测序仪自身没有计算的某次运行错误率，自动转入数据库，生成时间、批次、编号等信息。

步骤b，按照此基因测序仪的检测批次和/或产品类型来进行分类。因为有的基因检测质控指标与批次有关，有的基因检测质控指标与产品类型有关，产品类型比如血样、组织样品等不同类型。对于各项基因检测质控指标，分别建立对应的时间序列模型。

步骤c，选择新近生成的预设百分比的数据量或者预设数据量作为待处理数据。为了使模型最符合当前基因检测质量监控情况，尽量使用最新的历史数据来构造模型。根据多次训练，选择已经获得的数据量的百分之20来建立的模型较为理想，因此预设百分比可以为百分之20。测序仪新生成的数据不断地加入模型当中，用于构造新的模型，如果此测序仪的数据量较少，则选取一定量的数据来作为训练组，假如一台基因测序仪只有40条数据，则直接选取20条或者30条来作为训练组，但数据量不宜过少。

步骤S111的具体处理过程还可以包括步骤d，对获取的历史数据进行去除为0的异常值和/或重复值的处理。

步骤S113，对于待处理数据，利用自相关检验算法来检验数据是否为白噪音。使用自相关检验（Ljung-Box-Pierce Q-statistic）算法来检测待处理数据是否为白噪音（数据之间没有关联）。虚假设：数据是独立分布的（相关性为0：没有规律的/完全随机的）；备择假设 ：数据不是独立分布的（有关联的）。Q = n(n+2) , 其中Q表示自相关检验，Q h为自由度的卡方分布，n表示样本量，k = 1,2,3 … h，p̂k 表示样本在k阶的自相关系数, h表示有多少阶需要被检测，在90%显著性水平下，拒绝虚假设 而接受备择假设的范围为Q> 1-0.1表示90%的显著性水平。简言之，如果Q大于 ，判定数据之间不是独立分布的（有关联的，非白噪音），反之则为独立分布（没有关联，白噪音）。如果是白噪音，可以扩大数据量再次检测直至遍历这台仪器所有的数据。如果依旧不能通过白噪音检测，则不能使用时间序列分析。该实施例将根据不同的基因测序仪的数据，自动带入相应的样本量n每台基因检测仪已经检测过的样本数量不同，它们的对应的n也是不一样的。比如一台检测仪已经有100条数据，在使用自相关检验算法会选取百分之20，即n=20，如果一台检测仪已经有200条数据，则选取百分之20，即40条去计算数据是否为白噪音。

步骤S115，对于非白噪音的数据，利用扩展迪基-富勒检验平稳性测试算法来测试该数据是否平稳。使用扩展迪基-富勒检验（Augmented Dickey-Fuller Test）平稳性测试算法来检测数据是否存在单位根。 ，虚假设 （有单位根，非平稳序列）；备择假设 ： （没有单位根，平稳序列）。Δ = − ， 是对应时间点t的数据， 为差分运算， 是一个常数， 是时间趋势的系数， 为条件系数， 为小写的delta， 检验统计量的值 ，为估计系数， SE（为标准误差，用检验统计量的值对比相应的临界值来判断该序列是否平稳，如果检验统计量的值小于临界值，则拒绝虚假设而接受备择假设（平稳序列），反之则接受虚假设（非平稳序列）。

步骤S117，对于测试为不平稳的数据，对数据进行递增阶数的差分直至平稳。如果该数据判断为不平稳，则进行N阶差分直至平稳，每次递增阶数差分后返回步骤S115，利用扩展迪基-富勒检验平稳性测试算法来测试该数据是否平稳，如果不平稳则继续递增阶数差分，如果平稳则执行步骤S119。其中，一阶差分为 = - = - ，依此定义，二阶差分为 = - = - ，以此类推。差分公式的N阶差分表示需要进行多少次的差分直至数据通过平稳性检测。

步骤S119，利用平稳的数据分别计算不同阶数的整合移动平均自回归模型，比较计算得到的多个不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则和赤池信息准则中的一个准则结合贝叶斯信息准则，确定最优的整合移动平均自回归模型，将最优的整合移动平均自回归模型作为该基因检测质控指标的时间序列模型。

通过比较数个不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则（Akaike’s Information Criterion，Bias Corrected(AICc)）和赤池信息准则（Akaike’sInformation Criterion(AIC)）中的一个准则，结合贝叶斯信息准则（BayesianInformation Criterion(BIC)），确定最优的整合移动平均自回归模型ARIMA(p,d,q)。其中，AICc和BIC的值越小，则说明数据拟合的优良性越高，并且可以避免过度拟合的情况。在整合移动平均自回归模型ARIMA（p,d,q）中，p代表预测模型中采用的时序数据本身的滞后数；q代表预测模型中采用的预测误差的滞后数。d为差分的次数，代表时序数据需要进行几阶差分化，让数据变成稳定。设置阶数p和q最大为4阶，一共有16种不同的模型，然后对比每一种模型的AICc和BIC或者AIC和BIC来选取最优p，q阶数的模型。当阶数设置为4，计算ARIMA(p,d,q)将包含ARIMA(0,d,0)、(1,d,0)、(2,d,0)、(3,d,0)、(4,d,0)、(0,d,1)、...、(4,d,4)等16种结果。模型的高阶数和低阶数效果相似。此外，如果阶数设置过大，程序运行速度将会变得非常缓慢，而且容易造成过度拟合的情况。使用最优模型可以对下一天的预测更为准确。如果数据通过上述步骤S115中的平稳性检测，则d为0。如果没有通过平稳性检测，则采取步骤S117对其进行N阶差分直至数据通过S115的平稳性检测，d=N通常不大于2。AICc = log , AIC = log , BIC = log , 其中， 代表在时间t上的值， 代表平均值，k代表的是模型参数的数量，n代表样本数量。当 的时候使用AICc和BIC来判断最优模型，反之使用AIC和BIC来判断最优模型。

步骤S120，将基因测序仪的基因检测质控指标的当前数据输入时间序列模型，得到基因测序仪的基因检测质控指标的当前数据的置信区间和/或预测数据。其中，预测数据包括预测数据值及预测数据的预设置信区间。

步骤S130，根据模型计算得到的基因测序仪的基因检测质控指标的当前数据的置信区间和/或预测数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。

图3为本公开实施例2提供的基因检测质量监控数据处理方法的流程图。如图3所示，本公开实施例2的基因检测质量监控数据处理方法包括如下步骤：

步骤S310，利用基因测序仪的基因检测质控指标的历史数据，建立或调整时间序列模型。

步骤S320，将基因测序仪的基因检测质控指标的当前数据输入时间序列模型，得到基因测序仪的基因检测质控指标的预测数据。

步骤S330，根据模型计算得到的基因测序仪的基因检测质控指标的预测数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。步骤S330可以包括如下步骤：

S331，获取基因检测质控指标对应的预设的容错率的数值。

S333，将模型计算得到的基因测序仪的基因检测质控指标的预测数据与预设的容错率的数值比较。

S335，当基因测序仪的基因检测质控指标的预测数据大于预设的容错率的数值时，进行与基因检测质控指标相关的检测数据的可用性报警。

图4为本公开实施例3提供的基因检测质量监控数据处理方法的流程图。如图4所示，本公开实施例3的基因检测质量监控数据处理方法包括如下步骤：

步骤S410，利用基因测序仪的基因检测质控指标的历史数据，建立或调整时间序列模型。

步骤S420，将基因测序仪的基因检测质控指标的当前数据输入时间序列模型，得到基因测序仪的基因检测质控指标的预测数据的预设置信区间。

步骤S430，根据模型计算得到的基因测序仪的基因检测质控指标的预测数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。步骤S430可以包括如下步骤：

步骤S431，获取基因检测质控指标对应的预设的容错率的数值。

步骤S433，将模型计算得到的基因测序仪的基因检测质控指标的预测数据的预设置信区间的最大值与预设的容错率的数值比较。

步骤S435，当基因检测质控指标的预测数据的预设置信区间的最大值大于预设的容错率的数值时，进行与基因检测质控指标相关的检测数据的可用性报警。

图5为本公开实施例4提供的基因检测质量监控数据处理方法的流程图。如图5所示，本公开实施例4的基因检测质量监控数据处理方法包括如下步骤：

步骤S510，利用基因测序仪的基因检测质控指标的历史数据，建立或调整时间序列模型。

步骤S520，将基因测序仪的基因检测质控指标的当前数据输入时间序列模型，得到时间序列模型给出的基因测序仪的基因检测质控指标的当前数据的预设置信区间。

步骤S530，根据模型计算得到的基因测序仪的基因检测质控指标的当前数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。步骤S530可以包括如下步骤：

步骤S531，获取基因测序仪的基因检测质控指标的当前实际数据。

步骤S533，将基因测序仪的基因检测质控指标的当前数据与模型计算得到的基因检测质控指标的当前数据的预设置信区间比较。

步骤S535，当基因测序仪的基因检测质控指标的当前实际数据超出基因检测质控指标的当前数据的预设置信区间时，进行与基因检测质控指标相关的检测数据的可用性报警。

图6为本公开一个实施例提供的基因检测质量监控数据处理系统的结构示意图。如图6所示，本公开一个实施例提供的基因检测质量监控数据处理系统600包括模型建立单元610、模型应用单元620、以及数据可用性评估单元630。该实施例提供的基因检测质量监控数据处理系统600连接基因测序仪的数据采集模块，自动检测时间序列数据的平稳性、相关性，生成最优模型并且不断自动加入新的数据来调整模型，从而评估当前的检测数据的可用性，也能更加准确地进行预测和预警。

模型建立单元610用于利用基因测序仪的基因检测质控指标的历史数据，建立或调整时间序列模型。模型建立单元610的操作可以参照上面参考图1描述的步骤110的操作。

模型应用单元620用于将基因测序仪的基因检测质控指标的当前数据输入时间序列模型，得到基因测序仪的基因检测质控指标的当前数据的预设置信区间和/或预测数据。模型应用单元620的操作可以参照上面参考图1描述的步骤120的操作、参考图3描述的步骤320的操作、参考图4描述的步骤420的操作、以及参考图5描述的步骤520的操作。

数据可用性评估单元630用于根据模型计算得到的基因测序仪的基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。数据可用性评估单元630的操作可以参照上面参考图1描述的步骤130的操作、参考图3描述的步骤330的操作、参考图4描述的步骤430的操作、以及参考图5描述的步骤530的操作。

图7为本公开一个示例提供的图6所示的基因检测质量监控数据处理系统中模型建立单元的结构示意图。如图7所示，模型建立单元610可以包括待处理数据获取模块611、白噪音检验模块613、平稳性检验模块615、差分模块617、以及最优模型确定模块619。

待处理数据获取模块611用于获取基因测序仪的基因检测质控指标的历史数据作为待处理数据。待处理数据获取模块611的操作可以参照上面参考图2描述的步骤111的操作。

白噪音检验模块613用于对于待处理数据，利用自相关检验算法来检验数据是否为白噪音。白噪音检验模块613的操作可以参照上面参考图2描述的步骤113的操作。

平稳性检验模块615用于对于非白噪音的数据，利用扩展迪基-富勒检验平稳性测试算法来测试数据是否平稳。平稳性检验模块615的操作可以参照上面参考图2描述的步骤115的操作。

差分模块617用于对于测试为不平稳的数据，对数据进行递增阶数的差分直至平稳。差分模块617的操作可以参照上面参考图2描述的步骤117的操作。

最优模型确定模块619用于利用平稳的数据分别计算不同阶数的整合移动平均自回归模型，比较计算得到的多个不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则和赤池信息准则中的一个准则结合贝叶斯信息准则，从而确定最优的整合移动平均自回归模型，将所确定的最优的整合移动平均自回归模型作为基因检测质控指标的时间序列模型。最优模型确定模块619的操作可以参照上面参考图2描述的步骤119的操作。

待处理数据获取模块611可以包括历史数据获取器、分类器和数据选择器。其中，历史数据获取器用于获取基因测序仪的基因检测质控指标的历史数据。分类器用于按照基因测序仪的检测批次和/或产品类型来进行分类。数据选择器用于选择新生成的预设百分比的数据量或者预设数据量作为待处理数据。

以基因检测质控指标为基因测序仪的错误率为例，由加入历史数据和当日数据进行模型计算，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用的处理逻辑和流程的一种可选实施方式如下：

一方面，用得到的模型来预测下一天基因测序仪错误率数值。假设模型预测下一天的基因测序仪错误率数值为z，如果z大于预设的容错率的数值例如1%，则发出预警来提醒相关工作人员下一天的机器可能会发生错误。此外，模型会预测下一天的值z会在某一个区间内，在统计学上称为置信区间，这里设置为例如置信度为90%的置信区间，换一句话说就是下一天基因测序仪的错误率会有90%的可能性处在这个置信区间中，如果预设置信度例如90%的置信区间的最大值超过预设的容错率的数值例如1%，系统也会发出预警。

另一方面，当天实际操作中基因测序仪给出的数值超过出厂设置的容错率，或者大于模型给出的预设置信度例如90%的置信区间的最大值，则给出评估提示相关工作人员此数据的可用性。

评估可用性的规则总结如下：

1）模型预测下一天的基因检测错误率大于预设的容错率的数值例如0.01；

2）模型预测下一天的预设置信度例如90%的置信区间的最大值大于预设的容错率的数值例如0.01；

3）当天基因测序仪给出的实际基因检测错误率大于预设的容错率的数值例如0.01；

4）当天基因测序仪给出的实际基因检测错误率大于模型给出的预设置信度例如90%的置信区间的最大值。

假设基因测序仪出厂设定的容错率为0.01，但是一台机器连续好几次运作，测序错误率一直保持在一个相对平稳且低下的范围例如小于0.003，下一天的错误率例如到0.008，错误率突然飙升2-3倍，虽然仍然低于测序仪的测序容错率，但是这个错误率极有可能是不正常的。测序仪并不会对这个错误率发生警告，但是这个错误率是需要相关人员来检查一下。与测序仪厂商设定的测序错误率相比，本公开更加有效和科学地对小于设定容错率的数据来进行判断是否正确，同时具有很强的拓展性和自动化程度。

对于基因测序仪的质量监控数据的历史数据，可以采用时间序列分析方法来进行统计分析。它指将原来的数据分解为四部分来看，这四部分为趋势、周期、时期和不稳定因素，综合这四部分因素，建立一个时间序列模型，并且给出评估与预测。首先需要根据质量监控数据的时相变化特点来确定仪器使用的分析周期，其次需要利用历史数据来进行评估与未来值预测，给出置信区间的归属以及对应的报警。

本公开实施例的基因检测质量监控数据处理方法将给出基于统计分析的精准判断，通过质量监控数据的时间序列图来展示基因测序仪的工作状况，决定哪些检测结果是可以接受的，可以用于下一步的数据分析，哪些是需要重新测量的，同时进行后续检测的预测，在必要的情况下给出预警。由本公开实施例提供的方法开发的系统，通过对基因测序仪产生的基因检测质量监控数据进行监控，评估当前数据的可用性，并预测下一次测序，甚至后续多次测序的状态，从而推断这个测序仪是否需要矫正。

基于时间序列分析的基因检测实验数据质量监控的方法及系统，可以帮助基因检测公司结合自身的检测产品需求，设计更好的精度来监控检测质量，从而制定出科学合理的基因测序仪使用、监控、分析、维修的一体化方法。

采用时间序列方法分析计算测序仪的质量监控数据，评估和预警测序仪的检测结果可用性。所给出的模型可以自动检测白噪音和平稳性，对不平稳的数据进行自动定阶，自动检验模型拟合度并且遇错自动修正，并提供自动报警功能。由此方法开发的系统，可以连接生产线软件平台和基因测序仪，自动服务于基因测序质量监控的目的。

图8为根据本公开的实施例的用于基因检测质量监控数据处理的计算设备的结构框图。

如图7所示，计算设备800可以包括至少一个处理器810、存储器820、内存830、通信接口840以及内部总线850，并且至少一个处理器810、存储器820、内存830和通信接口840经由总线850连接在一起。该至少一个处理器810执行在计算机可读存储介质（即，存储器820）中存储或编码的至少一个计算机可读指令（即，上述以软件形式实现的元素）。

在一个实施例中，在存储器820中存储有计算机可执行指令，其当执行时使得至少一个处理器810：利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型；将基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据；根据模型计算得到的基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估基因测序仪的与基因检测质控指标相关的检测数据是否可用。

应该理解的是，在存储器820中存储的计算机可执行指令当执行时使得至少一个处理器810进行本公开的各个实施例中以上结合图1-7描述的各种操作和功能。

在本公开中，计算设备800可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理（PDA）、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。

根据一个实施例，提供了一种例如非暂时性机器可读介质的程序产品。非暂时性机器可读介质可以具有指令（即，上述以软件形式实现的元素），该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-7描述的各种操作和功能。

具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。

在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。

可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘（如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW）、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。

以上所述仅为本发明的实施例，并非因此限制本发明的权利要求保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明权利要求的保护范围内。

Claims (12)

1.一种基因检测质量监控数据处理方法，其特征在于，包括：

利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型；

将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据；

根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用。

2.如权利要求1所述的基因检测质量监控数据处理方法，其特征在于，利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型包括：

获取所述基因测序仪的所述基因检测质控指标的历史数据作为待处理数据；

对于所述待处理数据，利用自相关检验算法来检验所述数据是否为白噪音；

对于非白噪音的数据，利用扩展迪基-富勒检验平稳性测试算法来测试所述数据是否平稳；

对于测试为不平稳的数据，对所述数据进行递增阶数的差分直至平稳；

利用平稳的数据分别计算不同阶数的整合移动平均自回归模型，比较计算得到的多个所述不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则和赤池信息准则中的一个准则结合贝叶斯信息准则，从而确定最优的整合移动平均自回归模型，将所确定的所述最优的整合移动平均自回归模型作为所述基因检测质控指标的所述时间序列模型。

3.如权利要求2所述的基因检测质量监控数据处理方法，其特征在于，获取所述基因测序仪的所述基因检测质控指标的历史数据作为待处理数据包括：

获取所述基因测序仪的所述基因检测质控指标的历史数据；

按照所述基因测序仪的检测批次和/或产品类型来进行分类；

选择新生成的预设百分比的数据量或者预设数据量作为所述待处理数据。

4.如权利要求3所述的基因检测质量监控数据处理方法，其特征在于，还包括：对数据进行去除为0的异常值和/或去除重复值的处理。

5.如权利要求1所述的基因检测质量监控数据处理方法，其特征在于，

将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，包括：模型计算得到所述基因测序仪的所述基因检测质控指标的预测数据；

根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用，包括：获取所述基因检测质控指标对应的预设的容错率的数值；

将模型计算得到的所述基因测序仪的所述基因检测质控指标的预测数据与所述预设的容错率的数值比较；

当所述基因测序仪的所述基因检测质控指标的预测数据大于所述预设的容错率的数值时，进行与所述基因检测质控指标相关的检测数据的可用性报警。

6.如权利要求1所述的基因检测质量监控数据处理方法，其特征在于，

将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，包括：模型计算得到所述基因测序仪的所述基因检测质控指标的预测数据的预设置信区间；

根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用，包括：获取所述基因检测质控指标对应的预设的容错率的数值；

将模型计算得到的所述基因检测质控指标的预测数据的预设置信区间的最大值与所述预设的容错率的数值比较；

当所述基因检测质控指标的预测数据的预设置信区间的最大值大于所述预设的容错率的数值时，进行与所述基因检测质控指标相关的检测数据的可用性报警。

7.如权利要求1所述的基因检测质量监控数据处理方法，其特征在于，

将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，包括：模型计算得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间；

根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用，包括：获取所述基因测序仪的所述基因检测质控指标的当前实际数据；

将所述基因测序仪的所述基因检测质控指标的当前实际数据与模型计算得到的所述基因检测质控指标的当前数据的预设置信区间比较；

当所述基因测序仪的所述基因检测质控指标的当前实际数据超出所述基因检测质控指标的当前数据的预设置信区间时，进行与所述基因检测质控指标相关的检测数据的可用性报警。

8.一种基因检测质量监控数据处理系统，其特征在于，包括：

模型建立单元，用于利用基因测序仪的基因检测质控指标的历史数据建立或调整时间序列模型；

模型应用单元，用于将所述基因测序仪的所述基因检测质控指标的当前数据输入时间序列模型，得到所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据；

数据可用性评估单元，用于根据模型计算得到的所述基因测序仪的所述基因检测质控指标的当前数据的预设置信区间和/或预测数据，评估所述基因测序仪的与所述基因检测质控指标相关的检测数据是否可用。

9.如权利要求8所述的基因检测质量监控数据处理系统，其特征在于，所述模型建立单元包括：

待处理数据获取模块，用于获取所述基因测序仪的所述基因检测质控指标的历史数据作为待处理数据；

白噪音检验模块，用于对于所述待处理数据，利用自相关检验算法来检验所述数据是否为白噪音；

平稳性检验模块，用于对于非白噪音的数据，利用扩展迪基-富勒检验平稳性测试算法来测试所述数据是否平稳；

差分模块，用于对于测试为不平稳的数据，对所述数据进行递增阶数的差分直至平稳；

最优模型确定模块，用于利用平稳的数据分别计算不同阶数的整合移动平均自回归模型，比较计算得到的多个所述不同阶数的整合移动平均自回归模型的赤池信息偏移修正准则和赤池信息准则中的一个准则结合贝叶斯信息准则，从而确定最优的整合移动平均自回归模型，将所确定的所述最优的整合移动平均自回归模型作为所述基因检测质控指标的所述时间序列模型。

10.如权利要求9所述的基因检测质量监控数据处理系统，其特征在于，所述待处理数据获取模块包括：

历史数据获取器，用于获取所述基因测序仪的所述基因检测质控指标的历史数据；

分类器，用于按照所述基因测序仪的检测批次和/或产品类型来进行分类；

数据选择器，用于选择新生成的预设百分比的数据量或者预设数据量作为所述待处理数据。

11. 一种计算设备，其特征在于，包括：

一个或多个处理器，以及

与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1到7中任一项所述的方法。

12.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到7中任一项所述的方法。