刘 妮 刘 晗 赵阿曼 徐凡丁 刘文宇 段君博*

1(西安交通大学生命科学与技术学院，教育部生物医学与信息工程重点实验室，西安 710049)

2(苏州大学附属儿童医院检验科，江苏 苏州 215003)

引言

拷贝数变异(copy number variation，CNV)属于基因组结构变异，一般指长度大于1 kb的基因组大片段的拷贝数增加或减少[1]。有研究表明，CNV至少占到了人体基因组的12%[2]，说明 CNV 不仅是基因组多态性的重要来源之一，而且相比单核苷酸多态性等基因变异类型，对人类健康的影响更为显著。大量研究发现，CNV与癌症之间存在相关性[3-5]。因此，CNV的准确识别，对于癌症等疾病的预防和治疗具有重要的现实意义。

高通量测序技术能一次并行对几十万到几百万条DNA分子进行序列测定，大大提高了测序的效率。目前CNV检测算法大多都是基于高通量测序技术[6]，该技术又可以被划分为全外显子组测序技术与全基因组测序技术。全外显子组测序技术相较于全基因组测序技术，价格更低、耗时更短，且对基因疾病的研究更为有效[7-8]，所以在临床诊断和学术研究中使用得更为广泛。

隐马尔可夫模型(hidden Markov model，HMM)是比较经典的机器学习模型，现已应用于语音识别、行为识别以及生物信息等领域[9]。HMM在拷贝数变异检测中也得到广泛应用，与其相关的算法众多但各有优劣，这使得在进行拷贝数变异检测时算法的选择成为一个重要问题。本研究选取5个具有代表性的基于HMM的CNV检测算法，对其性能进行评估，并与实际情况进行结合，最终得出了不同应用场景的算法选取指南。……