改进的基因拷贝数变异检测算法
2013-09-29杨洪斌
李 平,杨洪斌,吴 悦
(上海大学计算机工程与科学学院,上海 200072)
1 概述
人类基因组在 2004年意外发现正常个体间部分基因的拷贝数存在差异,其中,2个科研小组率先公布了正常个体人类全基因组的拷贝数变异情况。拷贝数变异(Copy Number Variation, CNV)是指较之于参照基因组,DNA片段位点缺失或复制大于 1 Kb至1 Mb的结构变异[1]。拷贝数变异形式多样,包括DNA片段的缺失、嵌入、复制和复合多位点变异等。此后,相继有报道指出拷贝数变异对正常人群间的遗传变异作用。文献[2]观察基因中影响和调节细胞生长、新陈代谢的几种基因都与CNV有一定的联系。拷贝数变异检测的成果不断丰富,其中,拷贝数变异图是一新的人类基因图谱,它补充了被称为“生命之书”中残缺的章节,目的是使研究人员可以分辨基因的增加、减少和变化,从新的角度解释基因与疾病的关联[3]。
迅速发展的全基因组拷贝数扫描平台使 CNV用于全基因组关联分析成为可能,产生了大量不同的研究算法。常见的技术平台有基于大插入片段的比较基因组杂交(Comparative Genomic Hybridization, CGH),代表性寡核苷酸微阵列分析(Representational Oligonucleotide Microarray, ROMA),和单核苷酸多态性(Single Nucleotide Polymorphisms, SNP)芯片[4]。SNP 芯片是目前通量最高、使用范围最广的基因组拷贝数变异分析平台。它不仅可以有效地提高拷贝数变异检测精度,而且在一定的范围内可以增加样本,不需要额外的费用,其样本也可反复使用,增加效率。在高通量的基因检测中,数据量更为庞大,检测精确度更高[5]。最常见的 SNP阵列数据来自商业公司 affymetirix和illumina,他们所出售的 SNP阵列数据在检测 CNV区域有着一定的竞争力[6]。……
