基于分子标签的扩增事件级测序数据分析方法、装置、电子设备及存储介质与流程

本发明涉及生物信息学，具体涉及一种基于分子标签的扩增事件级测序数据分析方法、装置、电子设备及存储介质。

背景技术：

1、扩增测序数据通常由目标区域相关扩增产物经高通量测序获得。该类数据具有目标区域集中、读段数量较多、便于对目标区域或目标位点进行深度分析等特点，因此被广泛应用于目标区域或目标位点的分析。

2、现有技术中，一种常见分析方法为读段层比例法，该方法通过统计候选状态读段数量与目标区域覆盖读段数量之间的比例进行分析。但是，扩增测序数据中可能包含扩增形成的重复读段，以及标签缺失、标签残缺、标签质量不足、仅一端标签可解析或者双端配对关系不可判定的非完整标签读段。若将上述读段直接纳入候选状态读段数量或目标区域覆盖读段数量的统计，可能产生重复计数、统计分母污染或背景噪声放大，从而影响分析结果的准确性。

3、为降低重复读段的影响，现有技术还提出了基于分子标签家族的统计方法，将具有相同或相近分子标签的读段归并为同一分子标签家族，并根据候选状态标签家族数量和标签家族总数量进行分析。但是，在同一分子标签家族内，不同读段可能分别支持参考状态、候选状态或其他状态。当家族内最高支持状态未达到预设共识条件、不同状态支持数量相同或者家族内读段无法确定支持状态时，该分子标签家族可能属于无共识家族或不可判定家族。

4、此外，同一独立片段的第一端读段和第二端读段还可能分别支持不同状态，从而形成双端状态冲突。若未对无共识家族、冲突状态家族和不可判定家族进行单独标记或排除，直接将其纳入候选状态家族或标签家族总数量的统计，仍可能造成误判。

5、普通双端测序分析通常在读段层面对第一端读段和第二端读段进行配对或一致性判断，但未必结合分子标签完整性、分子标签家族归并、家族共识状态和异常家族处理，在分子标签家族或扩增事件层级形成双端一致候选状态证据，从而影响分析结果的准确性。

技术实现思路

1、为了解决现有技术中由于非完整标签读段、无共识家族、不可判定家族及双端状态冲突被纳入统计而导致扩增测序数据状态分析准确性不足的技术问题，本发明提供一种基于分子标签的扩增事件级测序数据分析方法、装置、电子设备及计算机可读存储介质。

2、第一方面，本发明提供一种基于分子标签的扩增事件级测序数据分析方法，扩增测序数据为对携带可解析分子标签的扩增产物进行测序获得的数据，包括以下步骤：

3、（1）确定扩增测序数据中目标区域或目标位点的各个相关读段以及各个相关读段中的分子标签序列，其中，每一相关读段由具有对应关系的第一端读段和第二端读段组成；基于所述分子标签序列，从各个相关读段中筛选完整标签读段；

4、（2）基于各个完整标签读段构建分子标签家族；在各个分子标签家族内，将具有对应关系的第一端读段和第二端读段确定为同一独立片段；以所述独立片段作为统计单位，对各个分子标签家族进行家族共识判定，确定各个分子标签家族的共识状态，并从具有明确共识状态的分子标签家族中筛选可判定双端配对标签家族；

5、（3）从可判定双端配对标签家族中筛选双端一致候选状态家族，并确定所述双端一致候选状态家族的数量；基于所述双端一致候选状态家族的数量确定目标区域或目标位点的状态分析结果。

6、结合上述第一方面，在一些可能的实现方式中，从各个相关读段中筛选出完整标签读段的方法包括：

7、根据预设分子标签结构，确定各个相关读段的第一端读段和第二端读段中的标签承载端，并获得所述标签承载端的分子标签综合属性信息；

8、对于任意一组具有对应关系的相关读段，基于所述分子标签综合属性信息，判断按照所述预设分子标签结构需要解析分子标签的标签承载端是否均满足预设标签完整性条件；

9、若所述标签承载端均满足所述预设标签完整性条件，则判断所述第一端读段和第二端读段是否满足预设有效配对条件；若满足，则将所述相关读段划分为完整标签读段。

10、结合上述第一方面，在一些可能的实现方式中，构建分子标签家族的方法包括：

11、将各个完整标签读段的分子标签序列和片段特征信息进行组合，得到各个完整标签读段的分子标识，将分子标识相同的完整标签读段归并为同一分子标签家族。

12、结合上述第一方面，在一些可能的实现方式中，筛选出可判定双端配对标签家族的方法包括：

13、对于任意一个具有明确共识状态的分子标签家族，判断其中各个独立片段是否为可判定双端配对独立片段，若至少一个独立片段为可判定双端配对独立片段，则将所述分子标签家族确定为可判定双端配对标签家族。

14、结合上述第一方面，在一些可能的实现方式中，判断各个独立片段是否为可判定双端配对独立片段的方法包括：

15、对于任意一个独立片段，分别判断所述独立片段的第一端读段和第二端读段是否能够确定所支持的状态；若所述第一端读段和第二端读段均能够确定所支持的状态，且所述第一端读段和第二端读段支持同一状态，则将所述独立片段判定为可判定双端配对独立片段。

16、结合上述第一方面，在一些可能的实现方式中，筛选出双端一致候选状态家族的方法包括：

17、对于任一可判定双端配对标签家族，判断所述可判定双端配对标签家族的共识状态是否为候选状态；

18、当所述可判定双端配对标签家族的共识状态为候选状态时，判断所述可判定双端配对标签家族中的各个可判定双端配对独立片段的第一端读段和第二端读段是否均支持同一候选状态；

19、若至少一个可判定双端配对独立片段的第一端读段和第二端读段均支持同一候选状态，则将所述可判定双端配对标签家族确定为双端一致候选状态家族。

20、结合上述第一方面，在一些可能的实现方式中，确定目标区域或目标位点的状态分析结果的方法包括：

21、确定可判定双端配对标签家族的总数量，并确定双端一致候选状态家族的数量；

22、基于可判定双端配对标签家族的总数量和双端一致候选状态家族的数量计算双端一致扩增事件支持指数；

23、基于所述双端一致扩增事件支持指数，确定所述目标区域或目标位点是否达到相应候选状态的支持条件。

24、结合上述第一方面，在一些可能的实现方式中，确定所述目标区域或目标位点是否达到相应候选状态的支持条件的方法包括：将双端一致候选状态家族的数量与预设数量阈值进行比较，并将双端一致扩增事件支持指数与预设支持指数阈值进行比较；当双端一致候选状态家族的数量大于或等于所述预设数量阈值，且双端一致扩增事件支持指数大于或等于所述预设支持指数阈值时，确定所述目标区域或目标位点达到相应候选状态的支持条件。

25、结合上述第一方面，在一些可能的实现方式中，确定目标区域或目标位点的状态分析结果的方法还包括：

26、从可判定双端配对标签家族中筛选高置信标签家族和高置信候选状态家族，分别确定高置信标签家族的总数量和高置信候选状态家族的数量；

27、基于高置信标签家族的总数量和高置信候选状态家族的数量计算高置信候选状态支持指数；

28、基于高置信候选状态支持指数，对状态分析结果进行复核。

29、结合上述第一方面，在一些可能的实现方式中，对状态分析结果进行复核的方法包括：

30、基于双端一致扩增事件支持指数和高置信候选状态支持指数，计算二者之间的相对偏差程度；

31、基于所述相对偏差程度，判断状态分析结果是否正确。

32、第二方面，本发明提供了一种基于分子标签的扩增事件级测序数据分析装置，包括输入模块和核心分析模块；

33、核心分析模块用于基于接收到的数据采用本发明的基于分子标签的扩增事件级测序数据分析方法得到分析结果。

34、第三方面，本发明提供了一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本发明的基于分子标签的扩增事件级测序数据分析方法。

35、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现本发明的基于分子标签的扩增事件级测序数据分析方法。

36、本发明具有如下有益效果：本发明根据分子标签完整性和双端有效配对关系筛选完整标签读段，并仅基于完整标签读段构建用于事件级分析的分子标签家族，从而降低标签缺失、标签残缺、标签质量不足及双端配对关系不可判定读段对分析结果的影响。进一步，本发明将具有对应关系的第一端读段和第二端读段确定为独立片段，并以独立片段作为统计单位进行家族共识判定，从而降低扩增形成的重复读段对统计结果的影响。进一步，本发明要求可判定双端配对独立片段的第一端读段和第二端读段均能够确定所支持的状态且支持同一状态，从而排除双端状态冲突所导致的误判。