CN110706746A

CN110706746A - 一种dna混合分型数据库比对算法

Info

Publication number: CN110706746A
Application number: CN201911181691.9A
Authority: CN
Inventors: 秦叶
Original assignee: Beijing Bo'an Zhaopin Technology Co Ltd
Current assignee: Beijing Bo'an Zhaopin Technology Co Ltd
Priority date: 2019-11-27
Filing date: 2019-11-27
Publication date: 2020-01-17
Anticipated expiration: 2039-11-27
Also published as: CN110706746B

Abstract

本发明公开了一种DNA混合分型数据库比对算法，包括数据采集和数据比对两个步骤，其中，数据采集包括如下步骤：S101：接收多种样式的数据源，包括以接口方式抽取实验室管理系统的案件数据、手工录入数据、CODIS文件数据；S102：数据采集过程基于DNA混合分型数据库设计了标准的Oracle数据模型，将不同数据源的数据统一转换为标准的数据模型，为数据比对建立标准的数据基础；数据比对过程采用比对队列结合线程池方式启动。本发明通过DNA混合样本分型信息的标准化存储、自动拆分、智能分析、快速比对等功能，将现有的混合样本充分利用，比对成功后会及时提醒实验人员比对成功，为案件侦破提供更多的线索，协助案件快速侦破。

Description

一种DNA混合分型数据库比对算法

技术领域

本发明涉及DNA数据库技术领域，特别涉及一种DNA混合分型数据库比对算法。

背景技术

随着刑事侦查技术快速发展，DNA检测技术的精度日益增高，DNA在法庭物证中起到的作用也越来越受到重视，但是在日常工作中，物证检测出混合结果的情况屡见不鲜，目前我国还没有对混合型DNA分型建立单独的数据库，这样的样本也无法作为证据使用。

案发现场环境复杂，提取单一DNA样本本来就不容易，同时由于提取人员造成的污染和试剂灵敏度的提高，混合型样本越来越多的出现在法医的检验工作中，如何能够将现有的混合型样本利用起来，处理好混合型样本的拆分，已经成为目前法医工作的一大难题。

所以需要一套针对DNA混合分型进行拆分解析的解决方案，来解决DNA混合型样本分析难、信息单一、线索利用率低等实际问题，实现对案件进行更快速、准确的分析。

现有的结构原理存在的缺点：结构原理比较简单，单一。现有的工作模式是手动去核对拆分混合样本，这样的工作模式不但工作量巨大，而且对法医人员的业务水平有着极高的要求。

现有技术存在的缺点:现有技术目前还存在比对不稳定,比对耗费时间长,需人工的耗费量大，效率低问题。

发明内容

本发明的目的在于提供一种DNA混合分型数据库比对算法，本发明对案件中被认为太复杂而无法找到其来源的DNA混合样本进行数据综合比对。结合以往积累的大量实战数据，对案件DNA样本混合分型信息进行研究和分析。通过DNA混合样本分型信息的标准化存储、自动拆分、智能分析、快速比对等功能，将现有的混合样本充分利用，比对成功后会及时提醒实验人员比对成功，为案件侦破提供更多的线索，协助案件快速侦破，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种DNA混合分型数据库比对算法，包括数据采集和数据比对两个步骤，其中：

数据采集包括如下步骤：

S101：接收多种样式的数据源，包括以接口方式抽取实验室管理系统的案件数据、手工录入数据、CODIS文件数据；

S102：数据采集过程基于DNA混合分型数据库设计了标准的Oracle数据模型，将不同数据源的数据统一转换为标准的数据模型，为数据比对建立标准的数据基础；

数据比对包括如下步骤：

数据比对过程采用比对队列结合线程池方式启动，启动比对任务时，根据比对模式自动分配不同的比对任务进行比对，每个比对子线程相互隔离执行，确保比对任务并行高效运转。

进一步地，所述标准数据模型共分为混合DNA分型样本模型、单一DNA分型样本模型、已拆分单一DNA分型样本模型。

进一步地，所述混合DNA分型样本模型存储原始的混合DNA分型样本数据，该模型做为已拆分单一DNA分型样本的主体关系。

进一步地，所述单一DNA分型样本模型存储原始的单一DNA分型样本数据，该模型为明确的单一个体DNA分型。

进一步地，所述已拆分单一DNA分型样本模型的数据来源方式有：通过混合DNA分型样本和单一DNA分型样本通过比对分析后，排除已知单一样本DNA分型，拆分出剩余部分的DNA分型标记为此类数据模型；穷尽法对每个混合DNA分型中的基因座进行拆分和排列组合，每组排列组合标记为一个此类数据模型；结合第三方图谱拆分软件的分析报告，通过解析权重比，组合出每个数据模型。

进一步地，所述数据比对的比对模式分为混合分型比单一分型、混合分型比拆分分型、拆分分型比单一分型。

进一步地，所述混合分型比对单一分型以混合DNA分型样本做比对数据源，单一DNA分型样本作为比对目标数据源，每个混合DNA分型样本与所有单一DNA分型样本进行比对，混合样本在相同位点上的等位基因完全包含单一样本的等位基因，当前位点计为比中，满足指定比中位点个数，则标记混合DNA分型样本比中单一DNA分型样本。

进一步地，所述混合分型比对拆分分型以混合DNA分型样本做比对数据源，已拆分单一DNA分型样本作为比对目标数据源，每个混合DNA分型样本与所有已拆分单一DNA分型样本进行比对，混合样本在相同位点上的等位基因完全包含已拆分单一样本的等位基因，当前位点计为比中，满足指定比中位点个数，则标记混合DNA分型样本比中已拆分单一DNA分型样本。

进一步地，所述拆分分型比对单一分型以已拆分DNA分型样本做比对数据源，单一DNA分型样本作为比对目标数据源，每个已拆分DNA分型样本与所有单一DNA分型样本进行同型比对，所有基因座完全匹配则标记混合DNA分型样本比中已拆分单一DNA分型样本。

与现有技术相比，本发明的有益效果是：本发明在案件侦办过程中，针对现场检材出现的DNA样本混合分型线索信息，进行深度分析、综合应用和数据统一存储利用。对案件中被认为太复杂而无法找到其来源的DNA混合样本进行数据综合比对。结合以往积累的大量实战数据，对案件DNA样本混合分型信息进行研究和分析。通过DNA混合样本分型信息的标准化存储、自动拆分、智能分析、快速比对等功能，将现有的混合样本充分利用，比对成功后会及时提醒实验人员比对成功，为案件侦破提供更多的线索，协助案件快速侦破。

附图说明

图1为本发明DNA混合分型数据库比对算法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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DNA混合分型数据库比对算法，流程如图1，包括数据采集和数据比对两个步骤，其中：

数据采集包括如下步骤：

S102：数据采集过程基于DNA混合分型数据库设计了标准的Oracle数据模型，将不同数据源的数据统一转换为标准的数据模型，为数据比对建立标准的数据基础。

标准数据模型共分为3类：混合DNA分型样本模型、单一DNA分型样本模型、已拆分单一DNA分型样本模型。

混合DNA分型样本模型，存储原始的混合DNA分型样本数据，该模型做为已拆分单一DNA分型样本的主体关系；

单一DNA分型样本模型，存储原始的单一DNA分型样本数据，该模型为明确的单一个体DNA分型；

已拆分单一DNA分型样本模型，数据来源方式有：通过混合DNA分型样本和单一DNA分型样本通过比对分析后，排除已知单一样本DNA分型，拆分出剩余部分的DNA分型标记为此类数据模型；穷尽法对每个混合DNA分型中的基因座进行拆分和排列组合，每组排列组合标记为一个此类数据模型；结合第三方图谱拆分软件的分析报告，通过解析权重比，组合出每个数据模型。

数据比对比对模式分为，混合分型比单一分型、混合分型比拆分分型、拆分分型比单一分型。

混合分型比对单一分型以混合DNA分型样本做比对数据源，单一DNA分型样本作为比对目标数据源，每个混合DNA分型样本与所有单一DNA分型样本进行比对，混合样本在相同位点上的等位基因完全包含单一样本的等位基因，当前位点计为比中，满足指定比中位点个数，则标记混合DNA分型样本比中单一DNA分型样本。

混合分型比对拆分分型以混合DNA分型样本做比对数据源，已拆分单一DNA分型样本作为比对目标数据源，每个混合DNA分型样本与所有已拆分单一DNA分型样本进行比对，混合样本在相同位点上的等位基因完全包含已拆分单一样本的等位基因，当前位点计为比中，满足指定比中位点个数，则标记混合DNA分型样本比中已拆分单一DNA分型样本。

拆分分型比对单一分型以已拆分DNA分型样本做比对数据源，单一DNA分型样本作为比对目标数据源，每个已拆分DNA分型样本与所有单一DNA分型样本进行同型比对，所有基因座完全匹配则标记混合DNA分型样本比中已拆分单一DNA分型样本。

数据比对基于云平台比对引擎，数据库每接收到入库样本自动同步到云平台引擎，并自动分类创建索引，同时根据每个分类的数据总量自动分配云计算资源。

基于以上原理，本实施例提出一种基于混合分型自动拆分策略、数据库索引快速比对策略的比对方法：

混合分型自动拆分组合法：单个混合DNA分型数据集合包括L1～Ln个基因位点，每个基因位点存在A1,…An个等位基因集合，针对每个基因位点进行自动拆分时，通过枚举法对等位基因集合中的数值进行两两组合，获取所有可能组合的数据集。

假设，一个混合样本S1有16个基因位点，每个基因位点有至少1个等位基因，如下表：

根据每个位点上的等位基因个数，结合基因遗传规律，自动推断穷尽出当前位点中所有的等位基因组合,

{L1-1,L2-1,L3-1,L4-1,…Ln-1},{L1-1,L2-2,L3-1,…,

Ln-1},{L1-1,L2-n,L3-1,…,Ln-1},……,{L1-n,L2-n,L3-n,…,Ln-n}.每一组位点集合中的等位基因通过枚举穷尽法进行组合，每一个组合计为一个拆分样本添加到数据库并建立索引。

数据库索引快速比对：在Oracle数据库中，对单一个体STR、混合STR进行分类存储，根据使用panel不同的差异，基因分型为可变长度的数据，在存储时将每个样本的等位基因进行格式转换，合并所有panel的marker后，按顺序汇总所有的marker，将基因分型按照完整的marker列表进行一一对应，同时将基因分型除了性别基因座AMEL外，统一转换为3位数的数字型字符串进行存储，每个等位基因乘以10，不足3位最前面补位0；缺失的等位基因补位为000，纯合子位点自动转换为两个相同位点的杂合子，即每个基因座的等位基因都转换为相同长度的数值字符串。如，FGA：23/24.2,转换后为230242；Penta E：8，转换后为080080，缺失位点自动补位000000，最终每个样本的基因分型字段为每个基因座对应等位基因数值的连接集合，且所有样本的基因分型字段为固定长度。样本比对时，以每个基因座的长度6为参数，将基因分型字符串平均拆分为等长为6的字符串数组，通过比对两个数组每个元素是否相同，记录相同元素和差异元素的个数，并与比对条件中的匹配下限same_limit和容差上限diff_limit对比，同时满足same>＝same_limt&diff<＝diff_limit，则标记两个样本为比中。在进行位点比对的同时，对每个基因座的似然比率进行计算，单基因座上2个比对个体的基因型相同的概率(X)与随机个体和比对个体的基因型相同的概率(Y)的比值。设某基因座上等位基因A、B的基因频率为a、b.即纯合子基因座似然比计算方式为1/a²；杂合子基因座似然比计算方式为1/(2ab).同时计算累积似然率(CLR)，多基因座上2个比对个体的基因型相同的概率(X)与随机个体和比对个体的基因型相同的概率(Y)的比值。设n为基因座数，LR_i为第i个基因座的LR，即：

混合DNA样本与单一DNA样本，混合DNA样本与已拆分单一样本的比对结果，参照基因分型比对结果和似然比进行判断，同时满足匹配条件即认定为比中。

综上，本发明具有如下优点：

1、比对时间短，效率高，大大缩短了破案时间；

2、比对数据量全面，包含混合样本对嫌疑人的比中，串并案的比中，质控人员的比中；

3、人工耗费量小，系统会自行做比对，更方便；

4、安全性更高，样本保存的数据量大，更方便查看；

5、部署于服务器，更加稳定，更新迭代更加方便；

6、弥补了目前本地DNA库，乃至国家库的不足，有效的完善了DNA数据库的完整度；

7、系统开放标准的数据传输接口，支持第三方系统无缝集成，对分析完成的混合样本自动导入；支持CODIS文件格式的导入，支持手工录入的方式；

8、系统使用多库联合的自动比对算法，实现混合样本的快速检索比对，从STR单一分型数据库、混合数据库、身份信息数据库的综合数据碰撞，自动找出有混合分型中有价值的人员信息，并快速锁定已知分型结果；

9、系统对混合样本进行标准化存储，提供综合查找追溯；支持质控数据库管理，污染防控预警，统计计算等。

10、系统自动根据嫌疑人数量、受害人信息以及图谱峰值数据等进行综合分析，从而对多人混合图谱进行准确分离。无需参考已知样本，即可进行DNA混合图谱拆分，可将参考样本与单一来源和混合图谱进行比对。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims

1.一种DNA混合分型数据库比对算法，其特征在于，包括数据采集和数据比对两个步骤，其中：

数据采集包括如下步骤：

数据比对包括如下步骤：

2.根据权利要求1所述的一种DNA混合分型数据库比对算法，其特征在于，所述标准数据模型共分为混合DNA分型样本模型、单一DNA分型样本模型、已拆分单一DNA分型样本模型。

3.根据权利要求2所述的一种DNA混合分型数据库比对算法，其特征在于，所述混合DNA分型样本模型存储原始的混合DNA分型样本数据，该模型做为已拆分单一DNA分型样本的主体关系。

4.根据权利要求2所述的一种DNA混合分型数据库比对算法，其特征在于，所述单一DNA分型样本模型存储原始的单一DNA分型样本数据，该模型为明确的单一个体DNA分型。

5.根据权利要求2所述的一种DNA混合分型数据库比对算法，其特征在于，所述已拆分单一DNA分型样本模型的数据来源方式有：通过混合DNA分型样本和单一DNA分型样本通过比对分析后，排除已知单一样本DNA分型，拆分出剩余部分的DNA分型标记为此类数据模型；穷尽法对每个混合DNA分型中的基因座进行拆分和排列组合，每组排列组合标记为一个此类数据模型；结合第三方图谱拆分软件的分析报告，通过解析权重比，组合出每个数据模型。

6.根据权利要求1所述的一种DNA混合分型数据库比对算法，其特征在于，所述数据比对的比对模式分为混合分型比单一分型、混合分型比拆分分型、拆分分型比单一分型。

7.根据权利要求6所述的一种DNA混合分型数据库比对算法，其特征在于，所述混合分型比对单一分型以混合DNA分型样本做比对数据源，单一DNA分型样本作为比对目标数据源，每个混合DNA分型样本与所有单一DNA分型样本进行比对，混合样本在相同位点上的等位基因完全包含单一样本的等位基因，当前位点计为比中，满足指定比中位点个数，则标记混合DNA分型样本比中单一DNA分型样本。

8.根据权利要求6所述的一种DNA混合分型数据库比对算法，其特征在于，所述混合分型比对拆分分型以混合DNA分型样本做比对数据源，已拆分单一DNA分型样本作为比对目标数据源，每个混合DNA分型样本与所有已拆分单一DNA分型样本进行比对，混合样本在相同位点上的等位基因完全包含已拆分单一样本的等位基因，当前位点计为比中，满足指定比中位点个数，则标记混合DNA分型样本比中已拆分单一DNA分型样本。

9.根据权利要求6所述的一种DNA混合分型数据库比对算法，其特征在于，所述拆分分型比对单一分型以已拆分DNA分型样本做比对数据源，单一DNA分型样本作为比对目标数据源，每个已拆分DNA分型样本与所有单一DNA分型样本进行同型比对，所有基因座完全匹配则标记混合DNA分型样本比中已拆分单一DNA分型样本。