基于动态规划的三代测序数据的基因分型方法的研究.pdf

目录

第1章绪论1

1.1研究背景1

1.2国内外研究现状3

1.3研究目的和意义4

1.4主要研究内容和组织结构5

第2章相关概念与理论知识6

2.1基因变异6

2.2基因型与基因分型7

2.3双序列比对算法9

2.3.1基于全局匹配的算法10

2.3.2基于局部匹配的算法12

2.3.3启发式有哪些信誉好的足球投注网站算法13

2.4基因分型算法分类14

2.4.1基于统计方法14

2.4.2基于计算模型方法15

2.5基因组可视化工具15

2.6本章小结17

第3章生成匹配向量序列方法研究18

3.1引言18

3.2生成匹配向量序列方法概要18

3.2.1过滤无效短读19

3.2.2填充比对矩阵20

3.2.3生成匹配向量序列22

3.3算法实现24

3.4匹配向量序列结果26

3.5本章小结27

第4章优化匹配向量序列和基因分型28

4.1引言28

4.2优化匹配向量序列29

4.2.1方法介绍29

4.2.2算法实现30

4.3判定基因型31

4.3.1方法介绍31

4.3.2算法实现33

4.3.3基因分型结果34

4.4本章小结35

第5章SVGLR基因分型方法性能验证36

5.1实验设计36

5.1.1实验概述36

5.1.2数据集36

5.2实验评价指标37

5.3实验结果与分析39

5.3.1杂合变异实验结果39

5.3.2纯合变异实验结果40

5.3.3实验结果分析40

5.4本章小结44

总结与展望45

参考文献46

摘要

摘要

生物学中基因分型，即基因型分析是通过使用生物学实验检查个体的脱氧核糖

核酸(Deoxyribonucleicacid,DNA)序列的过程。随着测序技术的蓬勃发展，越来越

多的学者根据基因组的特征通过计算机处理技术来对基因型进行分析，提高了基

因分型的效率。但变异情况的多样性以及存在结构变异检测结果复杂的区域，现

有的基因分型方法仍有待完善，得到的准确的基因型信息仍存在挑战。

本文以三代测序技术为基础，深入分析基因序列中变异位点的特征以及与基

因型的关系，提出了一种适用于第三代测序数据的基于动态规划的基因分型方法

SVGLR(Structuralvariationgenotypingforlongreads)。

本文主要进行了以下研究工作：

1

（）生成匹配向量序列

首先，依据BAM解析方法文件varSig提取序列信息，在所有测序序列中选择

变异范围内变异信号最多的一条序列，作为“种子序列”；其次，基于

Needleman-Wunsch序列比对算法，将基因组中变异范围内除“种子序列”外的测

序序列分别与“种子序列”进行比对，依据打分规则填充比对矩阵，同时记录每

个单元的回溯路径。填充结束后，矩阵右下角得分为最优得分。根据记录的回溯

路径，回溯比对矩阵，直至左上角，根据回溯结果得到匹配向量序列。

（2）优化向量序列和基因分型

在生成匹配向量序列方法的基础上，考虑到在统计变异范围内序列信息时，

左右各扩展一定长度的碱基可能会囊括无效变异信号，在分类匹配向量序列时就

有可能导致类别过多甚至分类错误，导致基因型判定错误。提出匹配向量优化算

法，根据每个信号与变异范围的交叠性判断有效性，从而确定每个匹配向量的有

效性。最后，设定基因型判定标准，根据优化后的匹配向量序列进行分类，记录

每种类别的向量序列以及其数量，通过计算比值，将变异确定为相应基因型，得

到变异基因型信息，写入VCF(Variantcallformat)文件。

关键字基因分型；三代测序技术序列比对；动