一种基于CNV-SEQ的流产物CNV智能分析方法及系统与流程

本技术涉及生物信息学分析，尤其涉及一种基于cnv-seq的流产物cnv智能分析方法及系统。

背景技术：

1、染色体异常是导致胚胎发育异常及自然流产的重要遗传学因素之一，其中包括染色体数目异常、染色体大片段缺失或重复以及染色体拷贝数变异（copy numbervariation，cnv）等类型。传统染色体核型分析方法长期应用于染色体异常检测，其能够对染色体数量及较大结构异常进行分析，但由于检测分辨率受到染色体显带水平限制，对于较小片段的拷贝数变异难以有效识别，难以满足流产物遗传学检测中对染色体微小结构异常分析的需求。

2、随着下一代测序（next generation sequencing，ngs）技术的发展，基于低深度全基因组测序的染色体拷贝数变异测序技术（copy number variation sequencing，cnv-seq）逐渐应用于流产物遗传学分析。cnv-seq通过对待测样本基因组进行测序，将参考基因组划分为多个固定长度的数据窗口（bin），统计各窗口内测序序列数量，并根据测序深度与染色体区域拷贝数量之间的对应关系，判断对应区域是否存在拷贝数增加或减少。该技术能够覆盖较大范围基因组区域，并通过测序数据分析实现染色体拷贝数变异检测。

3、例如，申请号为cn202510441873.4的专利申请文件中公开了一种基于低深度全基因组测序的拷贝数变异检测方法、装置、设备及存储介质，其主要通过优化参考样本选择及基线构建方式，提高低深度测序条件下cnv检测的准确性，其主要针对cnv检测过程中的参考基线构建环节进行优化。

4、此外，申请号为cn202311830756.4的专利申请文件公开了一种检测低深度全基因组cnv的方法及系统，其通过对测序数据进行处理，并利用数据块聚合方式实现cnv检测，主要关注cnv检测算法本身的数据处理过程。

5、在现有cnv-seq分析流程中，通常包括测序数据质量控制、基因组比对、测序深度归一化、参考基线构建、cnv区域识别、结果注释及过滤等步骤。其中，在cnv区域识别过程中，通常采用基于统计变化的分割算法，例如循环二元分割算法（circular binarysegmentation，cbs）等，将具有相近拷贝数状态的连续数据窗口划分为cnv片段。

6、然而，由于测序数据存在随机波动、局部区域测序深度变化以及分割算法基于统计差异确定断点等因素影响，同一连续染色体拷贝数异常区域可能被划分为多个相互关联的cnv片段，导致检测结果出现碎片化现象。对于上述碎片化结果，现有流程通常需要分析人员结合染色体位置、片段长度、嵌合比例以及数据库信息进行人工判断和合并，不仅增加了人工分析工作量，而且容易受分析人员经验影响，导致cnv分析结果的一致性和自动化程度受到限制，结果解读效率较低。

技术实现思路

1、为了解决相关技术中染色体分析解读效率低的问题，本技术提供一种基于cnv-seq的流产物cnv智能分析方法及系统。

2、第一方面，本技术提供一种基于cnv-seq的流产物cnv智能分析方法，采用如下的技术方案：

3、一种基于cnv-seq的流产物cnv智能分析方法，包括：通过基因组定位算法获取待测样本的比对读段，基于所述比对读段执行分割处理，获取拷贝数状态区段；

4、同一染色体内拷贝数状态区段按起始坐标升序排序得到区段列表，对区段列表内满足预设条件的拷贝数状态区段进行合并得到合并区段；

5、对合并区段进行分析，并输出报告文档。

6、将同一染色体内的拷贝数状态区段按照基因组坐标有序组织，并对满足预设条件的区段进行自动合并，能够恢复被伪断点割裂的连续拷贝数变异，减少需要逐一解读的冗余区段；进一步将合并结果直接用于分析及报告生成，可减少生物信息分析与临床报告之间的人工转录和判断环节。相较于现有技术中cnv-seq分析直接输出统计分割结果，提高了解读的效率。

7、可选地，对区段列表内满足预设条件的拷贝数状态区段进行合并得到合并区段，包括：

8、识别拷贝数状态区段的异常类型，并计算各异常的拷贝数状态区段的嵌合度；

9、预设条件包括前置条件和后置条件，响应于区段列表内拷贝数状态区段满足前置条件，采用前置条件对应的合并策略对拷贝数状态区段进行合并；

10、否则判断区段列表内满足预设条件的拷贝数状态区段是否满足后置条件，响应于满足后置条件，采用后置条件对应的合并策略对拷贝数状态区段进行合并。

11、先识别缺失、重复和正常等区段类型，仅针对异常的拷贝数状态区段计算嵌合度并实施合并，同时按照先判断前置条件、未满足时再判断后置条件的顺序选择不同合并策略，能够使高占比异常与局部相邻异常分别获得适配的处理方式，减少正常区段或不同异常类型被误合并的情况，并减少在已满足前置条件时继续执行局部遍历所产生的无效计算。

12、可选地，所述前置条件为：获取区段列表中同一变异类型的拷贝数状态区段的总长度，所述总长度大于全部异常的拷贝数状态区段总长度的预设比例；

13、前置条件对应的合并策略为：

14、将所述同一染色体下的全部拷贝数状态区段合并为一个合并区段，其起点为所有拷贝数状态区段的最小起点，终点为拷贝数状态区段的最大终点。

15、以同类型异常的拷贝数状态区段的累计长度占比作为前置判断依据，并以最小起点和最大终点恢复其整体范围，快速形成合并结果；降低大尺度染色体异常的区段数量和迭代开销，使输出形式更符合整臂或全染色体级异常的实际结构特征。

16、可选地，

17、后置条件包括：

18、连续合并条件和间隙合并条件，当相邻的两拷贝数状态区段坐标连续时，判断是否满足连续合并条件；当相邻的两拷贝数状态区段坐标非连续时，判断是否满足间隙合并条件；

19、连续合并条件和间隙合并条件中的任一条件满足时，判定满足后置条件；

20、后置条件对应的合并策略为：对任意相邻的拷贝数状态区段进行判定，响应于满足后置条件，对相邻的两拷贝数状态区段进行合并。

21、同时约束异常类型、嵌合度水平、嵌合度绝对差值以及着丝粒位置或物理间距，能够在弥合局部测序盲区和短距离伪断点的同时，阻止生物学特征不一致的区段被错误连接。

22、可选地，基于所述比对读段执行分割处理，获取拷贝数状态区段，包括：

23、基于预设的分箱窗口，统计待测样本中的比对读段在各分箱窗口内的数量得到计数向量；

24、基于由阴性对照样本构建的基线矩阵，对计数向量进行校正；

25、对于任一分箱窗口，计算各分箱窗口的校正后计数值与基线矩阵中对应分箱的计数值均值的对数比值，得到对数比值序列；

26、对对数比值序列执行循环二元分割处理，得到所述拷贝数状态区段。

27、利用阴性对照基线对分箱计数向量进行校正，并以校正值相对于基线均值的对数比值表征拷贝数偏移，能够降低gc含量、测序深度、文库批次及重复区域偏好对区段识别的干扰，为循环二元分割提供具有可比性的连续数值序列。

28、可选地，识别拷贝数状态区段的异常类型，包括：对于任一拷贝数状态区段，响应于拷贝数状态区段对应的多个分箱窗口的对数比值的均值小于预设缺失判定下限，确认该拷贝数状态区段异常类型为缺失；

29、响应于拷贝数状态区段对应的多个分箱窗口的对数比值的均值大于预设重复判定上限，确认该拷贝数状态区段异常类型为重复；

30、否则确认拷贝数状态区段为正常。

31、相对于依赖分析人员观察信号波形并凭经验判定缺失或重复的方式，本技术根据区段内多个分箱窗口的对数比值均值与缺失、重复阈值之间的关系，快速对区段状态进行统一分类，提高效率的同时，减少正常波动区段进入后续异常合并流程。

32、可选地，计算各异常的拷贝数状态区段的嵌合度，包括：

33、对于异常类型为缺失的拷贝数状态区段，其嵌合度的计算公式为：

34、；

35、对于异常类型为重复的拷贝数状态区段，其嵌合度的计算公式为：；

36、式中，、分别对应缺失与重复区段的嵌合度，取值范围限定为[0%,100%]，超出该范围的计算结果按边界值截断处理；表示待测样本染色体的倍性；为该拷贝数状态区段对应各分箱窗口的对数比值均值。

37、结合区段异常类型和待测样本染色体倍性，将对数比值转换为可反映异常细胞比例的嵌合度，使缺失区段与重复区段获得具有统一量纲的定量指标，为后续嵌合度阈值筛查、区段相似性比较和合并判断提供依据。

38、可选地，对对数比值序列执行循环二元分割处理，包括：对任意候选断点两侧的子区间中的分箱窗口进行两两匹配得到匹配对窗口，对匹配对窗口中的两个分箱窗口之间的对数比值的差值进行加权求和得到差异值；

39、在每一轮分割迭代中，选取差异值最大且置换检验显著性水平满足预设阈值的候选断点执行实际切分，直至达到预设的最大迭代次数或区间长度不满足最小分箱数。

40、对候选断点两侧窗口的对数比值差异施加权重，使靠近候选断点的局部阶跃信号具有更高贡献，而远距离噪声窗口的干扰受到抑制，因而有助于减少伪断点及过度分割。

41、可选地，还包括：对所述拷贝数状态区段执行多源数据库比对以获取致病性及基因功能注释信息。

42、在传统的流产物cnv检测中，医生需要手动复制每一个变异区段的坐标，依次登录各大基因组浏览器或数据库进行繁琐的人工检索与比对。本方法中通过比对数据库实现了自动化。每一个输出的区段均自带详实的注释背景，从而能够提高解读分析的效率。

43、第二方面，本技术提供一种基于cnv-seq的流产物cnv智能分析系统，采用如下的技术方案：

44、一种基于cnv-seq的流产物cnv智能分析系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据上述的一种基于cnv-seq的流产物cnv智能分析方法。

45、将上述的一种基于cnv-seq的流产物cnv智能分析方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作系统，方便使用。

46、本技术具有以下技术效果：

47、将同一染色体区段按坐标有序化，先识别缺失、重复并量化嵌合度，再以高占比异常的前置条件合并和相邻异常的后置条件合并构成分层决策，减少需要逐一解读的冗余区段，降低人工复核负担，提高解读处理效率。