CN114822700B - 用于呈现重排或融合结构亚型的方法、设备和介质 - Google Patents

Abstract

本发明涉及一种用于呈现重排或融合结构亚型的方法、设备和介质。该方法包括：生成包括有基因结构注释信息的基因注释文件，基因结构注释信息至少指示：外显子或内含子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目；基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列，以用于生成含有融合支持序列的对比结果文件；将对比结果文件和所生成的注释文件加载入基因组浏览器；以及获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型。本发明能够通过可视化方法来读取重排断点所在的基因结构和重排后形成的亚型结构。

Description

用于呈现重排或融合结构亚型的方法、设备和介质

技术领域

本发明总体上涉及生物信息的处理与可视化，并且具体地，涉及用于呈现重排或融合结构亚型的方法、计算设备和计算机存储介质。

背景技术

重排和融合的亚型在临床上具有重要意义，比如，EML4-ALK融合基因有多个亚型，不同的EML4-ALK参与亚型具有不同的临床靶药效果与预后。可视化直观展示重排或融合在参与基因A和B上的位置，以及重排后的形成结构具有重要的临床和证据意义。

传统的用于呈现基因组的方案，例如是基因组浏览器igv软件，其可以针对高通量测序数据进行可视化的呈现。不过，在传统的用于呈现基因组的方案中，所呈现的注释信息中仅包括基因名字，需要通过人工观察断点两边对应的外显子，来读取断点所在的基因和内含子或外显子，而不能直接快速地清晰得知断点所在基因结构和重排后的新组成亚型。

综上，传统的用于呈现基因组的方法难以通过可视化方法来读取重排断点所在的基因结构和重排后形成的亚型结构。

发明内容

本发明提供一种用于呈现重排或融合结构亚型的方法呈现重排或融合结构亚型的方法、计算设备和计算机存储介质，能够通过可视化方法来读取重排断点所在的基因结构和重排后形成的亚型结构。

根据本发明的第一方面，提供了一种用于呈现重排或融合结构亚型的方法。该方法包括：生成包括有基因结构注释信息的基因注释文件，基因结构注释信息至少指示：外显子或内含子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目；基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列，以用于生成含有融合支持序列的对比结果文件，成对序列是经由针对待测样本的多个测序片段进行双末端测序而获得的；将含有融合支持序列的对比结果文件和所生成的注释文件加载入基因组浏览器；以及获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，图像数据至少指示断点区间和与断点区间相对应的基因结构注释信息。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：存储器，被配置为存储一个或多个计算机程序；以及处理器，耦合至存储器并且被配置为执行一个或多个程序使装置执行本发明的第一方面的方法。

根据本发明的第三方面，还提供了一种非瞬态计算机可读存储介质。该非瞬态计算机可读存储介质上存储有机器可执行指令，该机器可执行指令在被执行时使机器执行本发明的第一方面的方法。

在一些实施例中，生成包括有基因结构注释信息的基因注释文件包括：基于基因组位置，划分外显子和内含子，以便针对划分后的外显子和内含子按顺序编号，以用于生成待添加的基因结构注释信息；将基因名称替换为待添加的基因结构注释信息，以便生成包括基因结构注释信息的第一格式的基因注释文件；基于外显子和内含子，生成比对结果的输出格式的比对块信息，以便基于第一格式的基因注释文件和比对块信息构建用于呈现参考基因组的第二格式的基因注释文件，比对块信息包括块数目列信息、块尺寸列信息、查询序列的起点位置列信息、参考基因的染色体起点位置列信息；以及建立第二格式的基因注释的索引文件。

在一些实施例中，第一格式的基因注释文件为bed格式的基因注释文件，第二格式的基因注释文件为psl格式的基因注释文件。

在一些实施例中，获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，图像数据至少指示断点区间和与断点区间相对应的基因结构注释信息包括：基于第一基因的断点区间，确定与第一基因的断点区间相对应的第一基因结构注释信息；基于第二基因的断点区间，确定与第二基因的断点区间相对应的第二基因结构注释信息；以及基于第一基因结构注释信息和第二基因结构注释信息中分别指示的基因名称、外显子或内含子的编号、外显子或内含子的数量、基因转录方向，确定所呈现的重排或融合结构亚型。

在一些实施例中，生成包括基因结构注释信息的第一格式的基因注释文件包括：基于染色体的位置信息，针对bed格式的基因注释文件进行排序，以便生成经排序的bed格式的基因注释文件，以用于基于bed格式的基因注释文件构建psl格式的基因注释文件。

在一些实施例中，生成待添加的基因结构注释信息包括：获取指示参考基因序列的参考基因组序列文件；根据外显子染色体起始位置和终止位置，确定每个基因的外显子编号和内含子编号以及每个外显子和内含子的染色体位置；以及基于预定NM集合，筛选每个基因使用的NM号，以便针对外显子和内含子按顺序编号，以用于生成以用于生成待添加的基因结构注释信息。

在一些实施例中，构建用于呈现参考基因组的第二格式的基因注释文件包括：使得块数目列信息为2；使得块尺寸列信息对于外显子给出0，以及对于内含子给出“0,0”；使得查询序列的起点位置列信息为0；以及使得参考基因的染色体起点位置列信息对于外显子给出0，对于内含子给出染色体起始位置和终止位置，以便最终得到用于呈现参考基因组的第二格式的基因注释文件。

在一些实施例中，生成包括有基因结构注释信息的基因注释文件包括：基于用于呈现参考基因组的比对结果的输出格式，确定包括有基因结构注释信息的基因注释文件的格式。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本发明的关键特征或主要特征，也无意限制本发明的范围。

附图说明

图1示出了根据本发明的实施例的用于实施呈现重排或融合结构亚型的方法的系统的示意图。

图2示出了根据本发明的实施例的用于呈现重排或融合结构亚型的方法的流程图。

图3示出了根据本发明的实施例的与EML4相关的基因注释文件的部分示意图。

图4示出了根据本发明的实施例的与ALK相关的基因注释文件的部分示意图。

图5示出了根据本发明的实施例的所生成的图像数据的示意图。

图6示出了根据本发明的实施例的用于生成包括有基因结构注释信息的基因注释文件的方法的流程图。

图7示出了根据本发明的实施例的经由顺序编号后的外显子和内含子信息的示意图。

图8示出了根据本发明的实施例的基因注释文件的示意图。

图9示出了根据本发明的实施例的第二格式的基因注释文件的示意图。

图10示出了根据本发明的实施例的用于生成待添加的基因结构注释信息的方法的流程图。

图11示出了根据本发明的实施例的人类参考基因组序列文件的部分示意图。

图12示意性示出了适于用来实现本发明实施例的电子设备的框图。

在各个附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参照附图更详细地描述本发明的优选实施例。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明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使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。

如前文所描述，传统的用于呈现基因组的方法难以通过可视化方法来读取重排断点所在的基因结构和重排后形成的亚型结构。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本发明的示例实施例提出了一种用于呈现重排结构亚型的方案。在该方案中，通过生成包括有基因结构注释信息的基因注释文件，使得基因结构注释信息至少指示：外显子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目，本发明能够通过基因结构注释信息在注释文件中加载基因结构内容。另外，通过基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列；将含有融合支持序列的对比结果文件和所生成的注释文件加载入基因组浏览器；以及获取断点所在基因位置，以便生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，本发明能够在经由基因组浏览器所生成的图像数据直接指示阳性重排断点区间和对应点的基因结构注释信息，进而能够通过可视化方法来读取重排断点所在的基因结构和重排后形成的亚型结构。

图1示出了根据本发明的实施例的用于呈现重排或融合结构亚型的方法的系统100的示意图。如图1所示，系统100包括：计算设备110、测序设备130、网络140。在一些实施例中，计算设备110、测序设备130经由网络140进行数据交互。

关于测序设备130，其例如用于对待测样本的多个测序片段进行双末端测序获得的多对成对的两个序列的双末端测序数据；以及将所生成的双末端测序数据发送至计算设备110。

关于计算设备110，其例如用于生成包括有基因结构注释信息的基因注释文件；以及确定基因融合对的融合支持序列。计算设备110还可以用于将含有融合支持序列的对比结果文件和所生成的注释文件加载入基因组浏览器；以及获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型。

在一些实施例中，计算设备110可以具有一个或多个处理单元，包括诸如GPU、FPGA和ASIC等的专用处理单元以及诸如CPU的通用处理单元。另外，在每个计算设备上也可以运行着一个或多个虚拟机。计算设备110例如包括：基因注释文件生成单元112、融合支持序列确定单元114、基因组浏览器加载单元116、重排或融合结构亚型确定单元118。基因注释文件生成单元112、融合支持序列确定单元114、基因组浏览器加载单元116、重排或融合结构亚型确定单元118可以配置在一个或者多个计算设备110上。

关于基因注释文件生成单元112，其用于生成包括有基因结构注释信息的基因注释文件，基因结构注释信息至少指示：外显子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目。

关于融合支持序列确定单元114，其用于基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列，以用于生成含有融合支持序列的对比结果文件，成对序列是经由针对待测样本的多个测序片段进行双末端测序而获得的。

关于基因组浏览器加载单元116，其用于将含有融合支持序列的对比结果文件和所生成的注释文件装载入基因组浏览器。

关于重排或融合结构亚型确定单元118，其用于获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，图像数据至少指示断点区间和与断点区间相对应的基因结构注释信息。

以下将结合图2描述根据本发明的实施例的用于呈现重排或融合结构亚型的方法。图2示出了根据本发明的实施例的用于呈现重排或融合结构亚型的方法200的流程图。应当理解，方法200例如可以在图12所描述的电子设备1200处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。

在步骤202处，计算设备110生成包括有基因结构注释信息的基因注释文件，基因结构注释信息至少指示：外显子或内含子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目。

关于生成包括有基因结构注释信息的基因注释文件的方法，其例如包括：基于基因组位置，划分外显子和内含子，以便针对划分后的外显子和内含子按顺序编号，以用于生成待添加的基因结构注释信息；将基因名称替换为待添加的基因结构注释信息，以便生成包括基因结构注释信息的第一格式的基因注释文件；基于外显子和内含子，生成比对结果的输出格式的比对块信息，以便基于第一格式的基因注释文件和比对块信息构建用于呈现参考基因组的第二格式的基因注释文件，比对块信息包括块数目列信息、块尺寸列信息、查询序列的起点位置列信息、参考基因的染色体起点位置列信息；以及建立第二格式的基因注释的索引文件。下文将结合图6说明用于生成包括有基因结构注释信息的基因注释文件的方法600，在此，不再赘述。

图3示出了根据本发明的实施例的与EML4相关的基因注释文件的部分示意图。图4示出了根据本发明的实施例的与ALK相关的基因注释文件的部分示意图。所生成的包括有基因结构注释信息的基因注释文件例如是Psl文件格式。

如图3和图4所示，所示出的基因注释文件的标记310和410所指示的第10列指示了基因转录方向，标记312和412所指示的第11列是被添加的用于展示的基因结构注释信息。第15至20列是exon和intron所对应的基因组位置信息和根据是exon和intron做区别的信息。

在步骤204处，计算设备110基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列，以用于生成含有融合支持序列的对比结果文件，成对序列是经由针对待测样本的多个测序片段进行双末端测序而获得的。

关于确定基因融合对的融合支持序列的方法，其例如包括：计算设备110接收对待测样本的多个测序片段进行双末端测序获得的多对成对的两个序列的双末端测序数据与参考基因组序列比对得到的比对结果数据；基于比对结果数据，获取成对的序列分别对应的在参考基因组上的比对区域的起点位置之间的距离满足预定阈值条件的所有比对区域，以便针对聚类得到多个小簇；将所有按成对的两个序列的比对区域对应的两个小簇相同的关系分别进行合并，以便得到各个大簇；判断各个大簇是否满足预定条件(该预定条件包括：满足预定对数、满足预定比对特异性条件)；针对满足预定比对特异性条件的大簇中按对应的小簇相同的所有比对区域为一组，分别对每组进行预定过滤；判定两个组被预定过滤后而留下的大簇中的所有比对区域对应的区域为待测样本的一个实际的DNA重排区域在该参考基因组上的映射区域，相应的大簇为支持基因融合的支持序列。

在步骤206处，计算设备110将含有融合支持序列的对比结果文件和所生成的注释文件加载入基因组浏览器。

关于含有支持基因融合的支持序列的对比结果文件，其例如是含有重排支持序列的bam文件。关于所生成的注释文件，其例如是包括有基因结构注释信息的基因注释文件，即，Psl文件。关于基因组浏览器，其例如是igv软件。

应当理解，基因组浏览器igv要求导入的数据必须是排序之后的结果。可以采用“sort”命令先针对待加载的对比结果文件和注释文件进行排序。排序之后还需要对排序后的文件建立索引，由此，可以使得检索的速度会更快。例如，可以用igvtools针对排序后的文件建立索引。

在步骤208处，计算设备110获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，图像数据至少指示断点区间和与断点区间相对应的基因结构注释信息。例如，计算设备110通过利用基因组浏览器go to断点所在基因位置并生成png图片，以及根据所生成的png图片读取断点所在基因结构注释信息，以便确定重排/融合结构亚型。

关于基于所生成的图像数据读取重排或融合结构亚型的方法，其例如包括：计算设备110基于第一基因的断点区间，确定与第一基因的断点区间相对应的第一基因结构注释信息；基于第二基因的断点区间，确定与第二基因的断点区间相对应的第二基因结构注释信息；以及基于第一基因结构注释信息和第二基因结构注释信息中分别指示的基因名称、外显子或内含子的编号、外显子或内含子的数量、基因转录方向，确定所呈现的重排或融合结构亚型。

图5示出了根据本发明的实施例的所生成的图像数据的示意图。如图5所示，第一基因和第二基因例如是重排的参与基因。计算设备110基于第一基因的断点区间(例如是ALK断点区间chr2:29446387)，所确定的与第一基因的断点区间相对应的第一基因结构注释信息例如为标记510所指示的“EX20:ALK:NM_004304:-:29”。计算设备110基于第二基因的断点区间(例如是EML4断点区间chr2:42550361)，所确定的与第二基因的断点区间相对应的第二基因结构注释信息例如为标记512所指示的“IN19:EML4:NM_019063:+:23”。然后，计算设备110基于第一基因结构注释信息510和第二基因结构注释信息512所指示的基因名称、外显子或内含子的编号、外显子或内含子的数量、基因转录方向，可以确定ALK断点区间chr2:29446387在ALK exon20边缘，EML4断点区间chr2:42550361在EML4 intron19，并且从ALK的转录方向为“-”总exon数为29，EML4转录方向为“+”总exon数为23，可以确定重排后的新组成亚型为：EML4的exon1-19和ALK的exon20-29形成重排/融合。

在上述方案中，通过生成包括有基因结构注释信息的基因注释文件，使得基因结构注释信息至少指示：外显子或内含子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目，本发明能够通过基因结构注释信息在注释文件中加载基因结构内容。另外，通过基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列；将含有融合支持序列的对比结果文件和所生成的注释文件加载入基因组浏览器；以及获取断点所在基因位置，以便生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，本发明能够在经由基因组浏览器所生成的图像数据中直接指示阳性重排断点区间和对应点的基因结构注释信息，进而能够通过可视化方法来读取重排断点所在的基因结构和重排后形成的亚型结构

以下将结合图6描述根据本发明的实施例的用于生成包括有基因结构注释信息的基因注释文件的方法。图6示出了根据本发明的实施例的用于生成包括有基因结构注释信息的基因注释文件的方法600的流程图。应当理解，方法600例如可以在图12所描述的电子设备1200处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法600还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。

在步骤602处，计算设备110基于基因组位置，划分外显子和内含子，以便针对划分后的外显子和内含子按顺序编号，以用于生成待添加的基因结构注释信息。

例如，计算设备110获取公共数据库UCSC的关于人类基因组参考序列文件RefGene.txt；基于关于人类参考基因组序列文件RefGene.txt中所指示的基因组位置信息信息、NM号，统计所包括的外显子和内含子的数目。然后利用基因组位置信息，针对外显子和内含子按顺序编号。

关于生成待添加的基因结构注释信息的方法，其例如包括：计算设备110获取指示参考基因序列的参考基因组文件；根据外显子染色体起始位置和终止位置，确定每个基因的外显子编号和内含子编号以及每个外显子和内含子的染色体位置；以及基于预定NM集合，筛选每个基因使用的NM号，以便针对外显子和内含子按顺序编号，以用于生成以用于生成待添加的基因结构注释信息。下文将结合图10说明用于生成待添加的基因结构注释信息的方法，在此，不再赘述。

图7示出了根据本发明的实施例的经由顺序编号后的外显子和内含子信息700的示意图。如图7所示，标记710指示外显子染色体起始位置。标记712指示外显子染色体终止位置。标记714指示基因A3GALT2的外显子编号。标记716指示基因A3GALT2的内含子编号。标记718指示基因A3GALT2使用的NM号。

在步骤604处，计算设备110将基因名称替换为待添加的基因结构注释信息，以便生成包括基因结构注释信息的第一格式的基因注释文件。

例如，计算设备110将图7所指示外显子和内含子信息中的基因名称替换为待添加的基因结构注释信息，以便生成图8所示的第一格式的基因注释文件。。图8示出了根据本发明的实施例的第一格式的因注释文件的示意图。如图8所示，标记810指示被添加的基因结构注释标识，基因结构注释标识810例如包括外显子编号812(例如，EX1)、基因名称814(例如，ALK)、每个基因使用的NM号(例如，ALK基因使用的NM号816为“NM_004304”)、基因转录方向818(例如，“-”)和外显子的数量820(例如，“29”)上述数据之间例如以“：”连接。

在一些实施例中，第一格式的基因注释文件为bed格式的基因注释文件。

关于生成包括基因结构注释信息的第一格式的基因注释文件的方法，其例如包括：计算设备110基于染色体的位置信息，针对bed格式的基因注释文件进行排序，以便生成经排序的bed格式的基因注释文件，以用于基于bed格式的基因注释文件构建psl格式的基因注释文件。在步骤606处，计算设备110基于外显子和内含子，生成比对结果的输出格式的比对块信息，以便基于第一格式的基因注释文件和比对块信息构建用于呈现参考基因组的第二格式的基因注释文件，比对块信息包括块数目列信息、块尺寸列信息、查询序列的起点位置列信息、参考基因的染色体起点位置列信息。

关于第二格式的基因注释文件，其例如为psl格式的基因注释文件。psl格式文件可以作为参考基因组的展现形式。应当理解，psl格式通常用作比对结果的输出格式，因此，构建psl格式文件作为参考基因组的展现形式。

应当理解，对于大部分基因注释文件格式来说，igv会自动加载到底端，而对于psl文件，igv会自动加载到序列顶端，因此，本发明通过基于bed格式的基因注释文件构建psl格式的基因注释文件，可以使得即便在大批量自动拍照不全时，也可以顺利拍到图像数据。

通过采用上述手段，本发明能够将基因结构内容记载在基因注释文件中。

图9示出了根据本发明的实施例的第二格式的基因注释文件900的示意图。如图9所示，图9中的第9列指示的是染色体转录方向列，即，strand。图9中的第10列原本指示查询序列名称列，即qName。在本发明中指示的是需要展示的基因结构注释标识。图9中的第16列和17列，(即，tStart列和tEnd列)指示的是参考基因的染色体位置。

关于构建第二格式的基因注释文件的方法，其例如包括：计算设备110基于排序后的bed格式的基因注释文件中的外显子和内含子，生成比对结果的输出文件格式(psl格式的)的比对块信息。

关于比对块信息，其包括：第18列的块数目列信息(即，blockCount)、第19列的块尺寸列信息(即，blockSizes)、第20列的查询序列的起点位置列信息(即，qStarts)、第21列的参考基因的染色体起点位置列信息(即，tStarts)。

在一些实施例中，关于构建用于呈现参考基因组的第二格式的基因注释文件的方法，其还进一步包括例如包括：使得块数目列信息(即，blockCount)预定固定数字(例如为固定数字2)；使得块尺寸列信息(即，blockSizes)对于外显子给出0，对于内含子给出“0,0”；使得查询序列的起点位置列信息(即，qStarts)都是0；以及使得参考基因的染色体起点位置列信息(即，tStarts)对于外显子给出0，对于内含子给出给出染色体起始位置和终止位置，以便最终得到第二格式的基因注释文件。

在步骤608处，计算设备110建立第二格式的基因注释的索引文件。例如，计算设备110建立psl文件的index文件。

在上述方案中，本发明不仅能够构建可以包括有基因结构注释的标识基因注释文件，而且可以通过基于bed格式的基因注释文件构建psl格式的基因注释文件，使得igv会自动加载到序列顶端，进而使得即便在大批量自动拍照不全时，也可以顺利拍到图像数据

以下将结合图10描述根据本发明的实施例的用于生成待添加的基因结构注释信息的方法。图10示出了根据本发明的实施例的用于生成待添加的基因结构注释信息的方法1000的流程图。应当理解，方法1000例如可以在图12所描述的电子设备1200处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法1000还可以包括未示出的附加动作和/或可以省略所示出的动作，本发明的范围在此方面不受限制。

在步骤1002处，计算设备110获取指示参考基因序列的参考基因组序列文件。

关于指示参考基因序列的参考基因组序列文件，其例如而不限于是由UCSC网站下载的关于人类参考基因组序列文件RefGene.txt。例如，计算设备110下载的人类参考基因组序列文件RefGene.txt例如如图11所示。图11示出了根据本发明的实施例的人类参考基因组序列文件的部分示意图。

在步骤1004处，计算设备110根据外显子染色体起始位置和终止位置，确定每个基因的外显子编号和内含子编号以及每个外显子和内含子的染色体位置。

在步骤1006处，计算设备110基于预定NM集合，筛选每个基因使用的NM号，以便针对外显子和内含子按顺序编号，以用于生成以用于生成待添加的基因结构注释信息。

关于预定NM集合，其例如是NCBI优选NM号。

通过采用上述手段，本发明能够生成指示基因结构信息的基因结构注释信息。

图12示意性示出了适于用来实现本发明实施例的电子设备1200的框图。电子设备1001200可以是用于实现执行图2至图4、图6所示的方法200、600、1000。如图12所示，电子设备1000包括中央处理单元(即，CPU 1001)，其可以根据存储在只读存储器(即，ROM1002)中的计算机程序指令或者从存储单元1008加载到随机访问存储器(即，RAM 1003)中的计算机程序指令，来执行各种适当的动作和处理。在RAM 1003中，还可存储电子设备1000操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出接口(即，I/O接口1005)也连接至总线1004。

电子设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008，CPU 1001执行上文所描述的各个方法和处理，例如执行方法200、600、1000。例如，在一些实施例中，方法200、600、1000可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到RAM 1003并由CPU 1001执行时，可以执行上文描述的方法200、600、1000的一个或多个操作。备选地，在其他实施例中，CPU 1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200、600、1000的一个或多个动作。

需要进一步说明的是，本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

以上仅为本发明的可选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于呈现重排或融合结构亚型的方法，其特征在于，包括：

生成包括有基因结构注释信息的基因注释文件，所述基因结构注释信息至少指示：外显子或内含子编号、基因名称、每个基因使用的NM号、基因转录方向和外显子的总数目；

基于待测样本的成对序列的双末端测序数据与参考基因组序列的比对结果数据，确定基因融合对的融合支持序列，以用于生成含有融合支持序列的对比结果文件，所述成对序列是经由针对待测样本的多个测序片段进行双末端测序而获得的；

将含有融合支持序列的对比结果文件和所生成的注释文件加载入基因组浏览器；以及

获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，所述图像数据至少指示断点区间和与断点区间相对应的基因结构注释信息。

2.根据权利要求1所述的方法，其中生成包括有基因结构注释信息的基因注释文件包括：

基于基因组位置，划分外显子和内含子，以便针对划分后的外显子和内含子按顺序编号，以用于生成待添加的基因结构注释信息；

将基因名称替换为待添加的基因结构注释信息，以便生成包括基因结构注释信息的第一格式的基因注释文件；

基于外显子和内含子，生成比对结果的输出格式的比对块信息，以便基于第一格式的基因注释文件和比对块信息构建用于呈现参考基因组的第二格式的基因注释文件，比对块信息包括块数目列信息、块尺寸列信息、查询序列的起点位置列信息、参考基因的染色体起点位置列信息；以及

建立第二格式的基因注释的索引文件。

3.根据权利要求2所述的方法，其中第一格式的基因注释文件为bed格式的基因注释文件，第二格式的基因注释文件为psl格式的基因注释文件。

4.根据权利要求1所述的方法，其中获取断点所在基因位置，以便经由基因组浏览器生成图像数据，以用于基于所生成的图像数据确定重排或融合结构亚型，所述图像数据至少指示断点区间和与断点区间相对应的基因结构注释信息包括：

基于第一基因的断点区间，确定与第一基因的断点区间相对应的第一基因结构注释信息；

基于第二基因的断点区间，确定与第二基因的断点区间相对应的第二基因结构注释信息；以及

基于第一基因结构注释信息和第二基因结构注释信息中分别指示的基因名称、外显子或内含子的编号、外显子或内含子的数量、基因转录方向，确定所呈现的重排或融合结构亚型。

5.根据权利要求3所述的方法，其中生成包括基因结构注释信息的第一格式的基因注释文件包括：

基于染色体的位置信息，针对bed格式的基因注释文件进行排序，以便生成经排序的bed格式的基因注释文件，以用于基于bed格式的基因注释文件构建psl格式的基因注释文件。

6.根据权利要求2所述的方法，其中生成待添加的基因结构注释信息包括：

获取指示参考基因序列的参考基因组序列文件；

根据外显子染色体起始位置和终止位置，确定每个基因的外显子编号和内含子编号以及每个外显子和内含子的染色体位置；以及

基于预定NM集合，筛选每个基因使用的NM号，以便针对外显子和内含子按顺序编号，以用于生成以用于生成待添加的基因结构注释信息。

7.根据权利要求2所述的方法，其中构建用于呈现参考基因组的第二格式的基因注释文件包括：

使得块数目列信息为2；

使得块尺寸列信息对于外显子给出0，以及对于内含子给出“0，0”；

使得查询序列的起点位置列信息为0；以及

使得参考基因的染色体起点位置列信息对于外显子给出0，对于内含子给出染色体起始位置和终止位置，以便最终得到用于呈现参考基因组的第二格式的基因注释文件。

8.根据权利要求1所述的方法，其中生成包括有基因结构注释信息的基因注释文件包括：

基于用于呈现参考基因组的比对结果的输出格式，确定包括有基因结构注释信息的基因注释文件的格式。

9.一种计算设备，其特征在于，包括：

至少一个处理单元；

至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行根据权利要求1至8任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至8中任一项所述的方法。

Images