一種Y單倍群檢測方法與流程

2023-05-16 14:01:21 2

本發明涉及基因測繪技術，更具體地說，涉及一種y單倍群檢測方法。
背景技術：
：人的基因組由22對常染色體和xy兩條性染色體組成，其中22對常染色體在男性和女性中都有兩條；而性染色體，女性有兩個x染色體，男性則有一條x染色體和一條y染色體。所以，y染色體在人類遺傳中，僅能由男性個體從其父親遺傳得到，而且該染色體不會發生同源重組的現象，因此可以用其上的snp(單核苷酸多態性singlenucleotidepolymorphism)標記，利用分子生物學的方法，來反演推算父系祖源，並形成一個有根的y染色體單倍群樹。這個y染色體單倍群樹，將現代人類分為18個大類型，用a到r的十八個字母作為索引。樹上的父節點對應的snp是所有子節點共有的。這個樹表徵了人類從最早的根結點，在遷徙繁衍過程中的不斷在y染色體上累積突變的過程。目前，有isogg、yfull等機構收錄並升級各個研究的y單倍群樹結構的結果，包括樹上的分支結構，以及各個節點對應的單倍群名字和所包含的snp位點。現有的y單倍體檢測算法大多是科學研究工具，如amy-tree算法，使用的方法適用於二代測序結果，在其算法中會挑選y單倍群樹中，對研究深入的單倍群會有傾向性輸出，而且少量在單倍群樹的葉子節點的假陽性測序結果，會很容被輸出為計算結果，導致計算錯誤。yhap則是利用群體的低深度測序結果進行預測，不適用直接得到基因型的snp分型數據。因此，上述檢測算法存在不能同時適用二代測序結果和高通量microarray(晶片數據)的snp分型結果，使得檢測算法適用性不夠高，且容易出錯的問題。技術實現要素：本發明要解決的技術問題在於，針對現有技術的上述檢測算法存在不能同時適用二代測序結果和高通量microarray的snp分型結果，使得檢測算法適用性不夠高，且容易出錯的的缺陷，提供一種y單倍群檢測方法。本發明解決其技術問題所採用的技術方案是：構造一種y單倍群檢測方法，所述方法包括以下步驟：獲取用於參照的y單倍群樹的參照y單倍群樹信息，其中，所述參照y單倍群樹信息包括所述y單倍群樹中每個參照單倍群的參照單倍群信息，所述參照單倍群信息包括參照單倍群坐標信息；將所述每個參照單倍群的參照單倍群信息與每個測試snp的測試snp信息進行匹配，得到至少一個滿足預設條件的目標參照單倍群；根據所述目標參照單倍群的參照單倍群坐標信息，獲取與所述目標參照單倍群相關的第一數值與第二數值，其中，所述第一數值為從所述目標參照單倍群到與所述目標參照單倍群對應的根節點單倍群之間路徑上的其他目標參照單倍群數量，所述第二數值為所述其他目標參照單倍群數量與在所述路徑上總的有效單倍群數量的比值；根據所述第一數值與第二數值對每個所述目標參照單倍群進行評分，輸出評分最高的目標參照單倍群所對應的結果信息。實施本發明的y單倍群檢測方法，具有以下有益效果：1、通過將參照單倍群與測試單倍群進行比對，利用從根節點出發到目標單倍群的路徑所獲得的數據對該目標單倍群的評分，同時適用二代測序結果和高通量microarray的snp分型結果，使得檢測適用性更高，提高檢測手段的靈活度及應用廣泛度；2、利用高通量的snp位點分型結果，通過遍歷y單倍群樹的所有可能結果，基於從根節點出發的全路徑評分系統，得到準確的y單倍群分型結果，具有使y單倍群的檢測過程更加高效、穩定的特點；3、該檢測方法具有很強的容錯性，可以根據實際檢測的y染色體dna數量和質量，靈活調整參數，即使是質量較低的檢測數據集也能得到較好的結果。附圖說明下面將結合附圖及實施例對本發明作進一步說明，附圖中：圖1是本發明實施例一種y單倍群檢測方法的實現流程示意圖；圖2是本發明實施例中刪除不相關葉子節點單倍群的實現流程示意圖；圖3是本發明實施例中測試snp信息與葉子節點單倍群中參照snp信息的匹配實現流程示意圖；圖4是本發明實施例中獲得目標參照單倍群的實現流程示意圖；圖5是本發明實施例中參照單倍群的參照snp信息與測試snp信息匹配的實現流程示意圖；圖6是本發明實施例中對目標參照單倍群進行標記的實現流程示意圖；圖7是本發明實施例中一種輸出評分最高的目標參照單倍群所對應的結果信息的實現流程示意圖。具體實施方式為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。人的基因組由22對常染色體和xy兩條性染色體組成，其中22對常染色體在男性和女性中都有兩條；而性染色體，女性有兩個x染色體，男性則有一條x染色體和一條y染色體。所以，y染色體在人類遺傳中，僅能由男性個體從其父親遺傳得到，而且該染色體不會發生同源重組的現象，因此可以用其上的snp標記，利用分子生物學的方法，來反演推算父系祖源，並形成一個有根的y染色體單倍群樹。這個y染色體單倍群樹，將現代人類分為18個大類型，用a到r的十八個字母作為索引。樹上的父節點對應的snp是所有子節點共有的。這個樹表徵了人類從最早的根結點，在遷徙繁衍過程中的不斷在y染色體上累積突變的過程。snp是單核苷酸多態性(singlenucleotidepolymorphism)的簡寫，是指基因組上單個核苷酸變異，即a、t、c、g四種鹼基的互相改變，形成基因組上同一位置會有多種鹼基存在的多態性。snp在人群中廣泛存在，多態性豐富，是很好的遺傳標記物。尤其高通量的snp檢測方法出現之後，被廣泛用於生物信息學的分析。本發明是基於y染色體上的單核苷酸多態性(snp)建立的應用。本發明實施例適用於運行在python環境上，並且，python可以運行於debian系統，也可將其移植並運行於linux和windows系統，當然除了上述環境或平臺，也可採用其他的環境或平臺，本發明實施例對此不作限定。圖1示出了本發明實施例中一種y單倍群檢測方法的流程，為了便於說明，僅示出了與本發明實施例相關的部分。如圖1所示，在本發明的實施例中，包括以下步驟s：步驟s100，獲取用於參照的y單倍群樹的參照y單倍群樹信息，其中，參照y單倍群樹信息包括y單倍群樹中每個參照單倍群的參照單倍群信息，參照單倍群信息包括參照單倍群坐標信息；步驟s200，將每個參照單倍群的參照單倍群信息與測試y單倍群樹中每個測試單倍群的測試單倍群信息進行匹配，得到至少一個滿足預設條件的目標參照單倍群；步驟s300，根據目標參照單倍群的參照單倍群坐標信息，獲取與目標參照單倍群相關的第一數值與第二數值，其中，第一數值為從目標參照單倍群到與目標參照單倍群對應的根節點單倍群之間路徑上的其他目標參照單倍群數量，第二數值為其他目標參照單倍群數量與在路徑上總的有效單倍群數量的比值；步驟s400，根據第一數值與第二數值對每個目標參照單倍群進行評分，輸出評分最高的目標參照單倍群所對應的結果信息。本發明實施例中，通過將參照單倍群與測試單倍群進行比對，利用從根節點出發到目標單倍群的路徑所獲得的數據對該目標單倍群的評分，可同時適用二代測序結果和高通量microarray的snp分型結果，使得檢測適用性更好，提高檢測手段的靈活度及應用廣泛度；且具有使y單倍群的檢測過程更加高效、穩定的有益效果。在本發明實施例中，用於參照的y單倍群樹的參照y單倍群樹信息，可以是採用isogg公司或者yfull公司的y單倍群樹信息作為參照y單倍群樹信息。以isogg的y單倍群樹舉例子，其中共包含2531個參照單倍群。具體的，在參照y單倍群樹信息中，還包含該參照y單倍群信息中的每個y單倍群對應的snp文件每個snp對應的坐標，突變位點的狀態以及對應的參照單倍群名稱。本發明實施例所採用的isogg發布的y單倍群樹信息如表1所示：表1a00rootl1122l1104l1106l1107l1284l1102af05a0-trootl1155l1105l1124l1129l1095l1098l1116根據表1，可以很清楚的看到，圖中每一行代表一個參照y單倍群節點，其中第一列是該參照單倍群名稱，第二列是該參照單倍群的父節點的名稱。第三列開始，是該參照單倍群所包含的snp的名字。本發明實施例所採用的y單倍群樹信息中的每個參照單倍群對應的snp文件如表2所示：表2a945702a2b1a1a5b8550434c→aa945802a2b1a1a5b19335462t→c根據表2，圖中每一行代表一個參照snp，其中第一列是該snp的名字，第二列是其所屬的單倍群，第三列是該snp在y染色體上的坐標，第四列是該snp的鹼基突變類型，如第一行的c->a，代表該snp正常情況下是鹼基c，不屬於o2a2b1a1a5b單倍群對應的突變，如果突變成了a，則代表這個snp屬於o2a2b1a1a5b單倍群對應的突變。本發明實施例所採用的用戶的測試snp數據，可以是微整列晶片的snp的結果，也可以是二代測序的snp結果。需要給出測試snp的檢測基因型，包括突變和未突變的測試snp位點。數據如表3所示：表3chry21152971cchry23541348gchry14263051c根據表3，圖中每一行代表y染色體上一個snp，每一列分別代表染色體名字，測試snp的坐標信息，測試snp的檢測結果。如圖2所示，圖2示出了本發明實施例的為了提高相關檢測的效率及降低檢測出錯率，刪除不相關葉子節點單倍群的流程，為了便於說明，僅示出了與本發明實施例相關的部分。本發明實施例提供了一種刪除不相關葉子節點單倍群的流程，如圖2所示，該流程包括：步驟s510，根據參照y單倍群樹信息，獲取在參照y單倍群樹信息中的葉子節點單倍群的參照單倍群信息；葉子節點單倍群為沒有子節點單倍群的參照單倍群，位於y單倍群樹的末端。步驟s520，獲取測試snp信息，將測試snp信息與葉子節點單倍群的參照單倍群信息中的參照snp信息進行坐標匹配；步驟s530，根據匹配結果，刪除坐標不匹配的參照snp信息對應的所述葉子節點單倍群的參照單倍群信息，直至每一葉子節點單倍群的參照snp信息均有所述測試snp信息與之匹配。如圖3所示，圖3示出了一種測試snp信息與葉子節點單倍群中參照snp信息的匹配實現流程，為了便於說明，僅示出了與本發明實施例相關的部分。在本發明實施例中，該匹配實現流程包括：步驟s521，獲取測試snp信息，以及參照單倍群信息的參照snp信息；作為本發明的一種實施例，測試snp信息從檢測人員提供的對用戶檢測所獲得的snp檢測結果上獲取，具體的，所獲取的測試snp信息具有如表2中所列舉的數據格式。步驟s522，將測試snp信息中的測試snp位點信息與參照snp信息中的參照snp位點信息進行匹配。例如，若葉子節點單倍群為o2a2b1a1a5，其包含cts1017，cts7316，cts10738這三個參照snp，將上述cts1017，cts7316，cts10738的參照snp位點信息即其坐標，與用戶的測試snp位點信息進行比對，看該葉子節點單倍群o2a2b1a1a5中的參照snp位點信息是否在測試snp位點信息中。本發明實施例對所有經獲取的葉子節點單倍群的參照snp進行與測試snp信息的匹配遍歷，查找每個是否有測試snp的坐標位點與其參照snp匹配。根據匹配結果，刪除坐標匹配的參照snp信息的葉子節點單倍群，直至每一葉子節點單倍群的參照snp信息均有測試snp信息與之匹配。例如，若葉子節點單倍群為o2a2b1a1a5，其包含cts1017，cts7316，cts10738這三個參照snp，將上述cts1017，cts7316，cts10738的參照snp位點信息即其坐標，與用戶的測試snp位點信息進行比對，若該葉子節點單倍群o2a2b1a1a5中的參照snp位點信息均未在該測試snp位點信息中，則可以認定該葉子節點單倍群o2a2b1a1a5為不相關的葉子節點單倍群，執行將其名稱及參照單倍群信息刪除的指令，以此一一對所有葉子節點單倍群進行匹配測試，以修剪不相關的葉子節點單倍群，最後使得參照y單倍群樹信息中的葉子節點單倍群均包含有與測試snp位點相對的參照單倍群。若該參照y單倍群樹信息中，包含有過多與測試snp不相關的葉子節點單倍群，不僅會影響測試snp的檢測效率，而且可能會提高出錯率。本發明實施例先獲取參照y單倍群樹信息中的葉子節點單倍群的參照單倍群信息，將不含有測試snp位點的葉子節點單倍群的信息刪除，當對參照snp與測試snp進行遍歷匹配的過程中，可以有效降低檢測出錯率，提高檢測效率。如圖4所示，圖4示出了本發明實施例中獲得目標參照單倍群的具體流程，為了便於說明，僅示出了與本發明實施例相關的部分。在本發明實施例中，該流程包括：步驟s210，遍歷所述參照y單倍群樹信息；步驟s220，若所述參照y單倍群樹信息中有參照單倍群的參照snp信息與所述測試snp信息匹配，則將所述參照snp信息對應的參照snp定義為目標snp；在本發明實施例中，匹配時，可將上述表2中的參照snp信息與表3中的測試snp信息進行對比匹配。優選的，如圖5所示，圖5示出了本發明實施例的參照單倍群的參照snp信息與測試snp信息匹配的具體流程，為了便於說明，僅示出了與本發明實施例相關的部分。該流程包括：步驟s221，獲取每個測試snp信息的測試snp位點信息，以及每個所述參照snp信息的參照snp位點信息；步驟s222，若一所述測試snp位點信息與一參照snp位點信息匹配，則將配對後的所述測試snp的測試snp鹼基突變類型信息，和與之配對的參照snp的參照snp分型結果信息進行再次匹配；在本發明實施例中，首先，將測試snp遍歷所有的樹上的節點，若有一個測試snp位點信息與一個參照y單倍群樹節點上的單倍群a0a1a所包含的snp名稱為v169的參照snp位點信息一樣，則對該測試snp的分型結果與該單倍群a0a1a的鹼基突變類型進行再次匹配。步驟s223，若兩次匹配均成功，則將匹配成功的所述測試snp定義為目標snp。可以理解的，若兩次匹配均成功，該測試snp為大概率與所匹配的參照單倍群一致，兩次匹配可以保證其檢測結果的準確性。步驟s230，若有所述參照單倍群滿足至少包含有預設比例值的目標snp，則將滿足條件的所述參照單倍群定義為目標參照單倍群。例如，將含有目標snp的數量與該參照單倍群的總參照snp數量的比值為0.1設置為該預設比例值的閾值，對於參照y單倍群樹某一節點的單倍群名稱為o2a2b1a1a5，包含cts1017，cts7316，cts10738，cts1017，m1543，m1694，cts10738，m1726共8個參照snp，如果檢測結果中檢測了其中7個，並且7個中有cts1017，cts7316兩個測試snp信息符合o2a2b1a1a5中的突變情況，則該節點滿足上述匹配條件的測試snp比例達到了0.286(2/7),超過了預設的0.1的閾值，將o2a2b1a1a5標記為目標參照單倍群。優選的，圖6示出了本發明實施例中對目標參照單倍群進行標記的流程，為了便於說明，僅示出了與本發明實施例相關的部分。在本發明實施例中，包括以下判斷方式：若所述參照單倍群為目標參照單倍群，則將所述參照單倍群的狀態信息定義為true；若所述參照單倍群包含有目標snp但比例低於預設比例值，則將所述參照單倍群的狀態信息定義為false；若所述參照單倍群不包含與測試snp坐標匹配的參照snp，則將所述參照單倍群的狀態信息定義為none。進一步的，有效單倍群是狀態信息為true或false的參照單倍群。如此標記，可以清楚地區分用戶不同測試snp與參照y單倍群樹中的參照snp之間的匹配程度，將用戶所有的測試snp區分為true、false、none三種匹配度，在評分過程中，只將定義為true和false兩種狀態的參照單倍群作為有效單倍群，進而將有效單倍群作為評分基礎，不僅有利於提高檢測的效率，還可以提高該評分的可靠度與準確度。在評分的時候為了能更加方便、直觀，目標參照單倍群的評分為所述第一數值與第二數值的乘積，其中，第一數值為從目標參照單倍群到與目標參照單倍群對應的根節點單倍群之間路徑上的其他目標參照單倍群數量，第二數值為其他目標參照單倍群數量與在路徑上總的有效單倍群數量的比值。在本發明實施例中，計算的公式可以為score＝p(true)*n(true)。其中p(true)是從y單倍群樹的根節點單倍群出發，到該目標參照單倍群的整個路徑上通過的所有的節點，其狀態為true佔所有不是none的節點的比例。舉例來說，如某一目標參照單倍群o2a2b1a1a5為true，則找到從root開始到它，經過所有的節點為「a0-t」,「a1」,「a1b」,「bt」,「ct」,「cf」,「f」,「ghijk」,「hijk」,「ijk」,「k」,「k2」,「no」,「o」,「o2」,「o2a」,「o2a2」,「o2a2b」,「o2a2b1」,「o2a2b1a」,「o2a2b1a1」,「o2a2b1a1a」,「o2a2b1a1a5」，共23個，如果其中20個節點狀態為true，2個為false，1個為none，則p(true)等於0.91(20/22)。n(true)為路徑上所有狀態為true的點，在舉例中n(true)等於20。整體的評分所得分數(score)等於p(true)*n(true)，即18.2(0.91*20)。對所有的點，都計算出對應的分數值。可以理解的，除了上述將第一數值與第二數值相乘得出數值的方式，也可以將第一數值與第二數值作為參考值，進行任何方式的權重計算，以得出對檢測結果的比對有利的評分方式。結合上述標記的方法，對所有狀態為true的節點，計算評價分數，可以給出一個較為具有參考價值的結果。圖7示出了本發明實施例中一種輸出評分最高的目標參照單倍群所對應的結果信息的流程，為了便於說明，僅示出了與本發明實施例相關的部分。作為本發明的一種實施例，該具體流程包括：步驟s410，若評分最高的目標參照單倍群為唯一，則將評分最高的目標參照單倍群所對應的結果進行輸出；例如，當有「o2a2a」「a0a2」「a0b」3個目標參照單倍群時，若其評分分別是「16.8」「21.3」「19.1」，則將獲得最高分「21.3」的「a0a2」結果進行輸出。步驟s420，若評分最高的目標參照單倍群不唯一，則比較各個評分最高的目標參照單倍群的目標snp所佔比例，將其中目標snp所佔比例最高的目標參照單倍群所對應的結果信息進行輸出。例如，當有「o2a2a」，「a0a2」，「a0b」3個目標參照單倍群時，若其評分分別是「16.8」「19.1」「19.1」，則「a0a2」，「a0b」同時獲得相同的最高分，然後需對比「a0a2」，「a0b」中目標snp所佔比例，若「a0a2」，「a0b」的目標snp所佔比例分別是「0.4」，「0.3」，則將「a0a2」的結果進行輸出。步驟s430，若評分最高的目標參照單倍群不唯一，且其中目標snp所佔比例均相同，則隨機輸出其中一個評分最高的目標參照單倍群所對應的結果信息。例如，當有「o2a2a」，「a0a2」，「a0b」3個目標參照單倍群時，若其評分分別是「19.1」，「19.1」，「19.1」，則「o2a2a」，「a0a2」，「a0b」同時獲得相同的最高分，且若其目標snp所佔比例均相同，則直接隨機輸出一個目標參照單倍群的結果。可以理解的，上述結果輸出方法只是其中一種優選方案，也可以根據實際需要進行設計，例如同時輸出最高的兩個或兩個以上數據作為參考，本發明實施例對此不作限定。在本發明實施例中，結果信息包括評分最高的目標參照單倍群所對應的名稱信息、坐標信息、與目標參照單倍群對應的根節點單倍群之間的路徑信息的一個或多個。上述信息可以清楚的表示檢測結果的信息，方便檢測者根據該信息作出分析及處理。下面將列舉23andme、amytree和本方法(記為「本發明實施例」)在不同數據集中的表現情況，來展示本方法的有益效果。1、使用千人基因組phase3的數據比較，得到的y染色體單倍型結果如表4所示：表4可以看到，三種發放在大部分人的結果分析上有一致的結論(如果不同的單倍群結果，單倍群名字前面的字母和數字一樣的話，可以認為是大致一致的，只是精度有差別)。在不一致的部分，本發明實施例與23andme的結果一致性較好，amytree部分結果與這兩個有較大差異(三角形標記)。2.使用本發明實施例檢測的部分microarray數據比較三種方法，得到的y染色體單倍型結果如表5所示：表5id23andmeyhaplo本發明實施例amytree22271602272658ao-tδn1c2b2n1c2b227311602271750ao-tδr1a1a1b2a2ar1a1a1b2a2a33241602272739ao-tδc1a1a1c1a1a237661602274626ao-tδo1b1a1a1a1a2o1b1a1a1a1a237726031800398ao-tδo2b1ao2b1a3839548230069ao-tδr1a1a1b2a2b1br1a1a1b2a2b1b43385432200146ao-tδo2a2b1a2a1a1a1δc2e1b2δ47061602272612ao-tδc2e1a1ac2e1b1a48085262300489ao-tδo2a1a2o2a1a253071602274893ao-tδo1a2o1b1a1a1b57635432200796ao-tδe1a2b1a2δd1b2a2δ61295432200700ao-tδq1a2a1c1δt1a1a3δ67541602272634ao-tδo1a1a1a1a1o1b1a1a1b79941602272898ao-tδo1b2ao1b1a1a1b92551602274266ao-tδq1a1a1q1a1a1可以看到，23andme的方法出現了明顯的問題，所有人的結果都被認為是相同的，a0-t是非常原始的單倍群，幾乎不可能在中國人群總檢測到。而本發明實施例的結果更具合理性，得到的結果都是中國人群可能出現的單倍群類型。3.考察三個方法在缺失數據情況下的表現。a.隨機取千人基因組50％的數據，得到的y染色體單倍型結果如表6所示：表6b.隨機取千人基因組10％的數據，得到的y染色體單倍型結果，如表7所示：表7c.隨機取千人基因組5％的數據，得到的y染色體單倍型結果如表8所示：表8通過隨機挑選一定比例的千人基因組可以看到，23andme和本方法的一致性很好而amytree的算法則很不穩定。對比挑選位點之前的結果，23andme和本發明實施例的方法也有很穩定的輸出，而amytree的結果則很容易受異常值得影響，導致不同數據集之間的結果波動很大。在本發明實施例中，結合上述測試實驗結果可知本發明實施例具有以下有益效果：1、通過將參照單倍群與測試單倍群進行比對，利用從根節點出發到目標單倍群的路徑所獲得的數據對該目標單倍群的評分，可以同時適用二代測序結果和高通量microarray的snp分型結果，使得檢測適用性更高，提高檢測手段的靈活度及應用廣泛度；2、利用高通量的snp位點分型結果，通過遍歷y單倍群樹的所有可能結果，基於從根節點出發的全路徑評分系統，得到準確的y單倍群分型結果，具有使y單倍群的檢測過程更加高效、穩定的特點；3、該檢測方法具有很強的容錯性，可以根據實際檢測的y染色體dna數量和質量，靈活調整參數，即使是質量較低的檢測數據集也能得到較好的結果。本領域普通技術人員可以理解實現上述實施例方法中的全部或部分流程，是可以通過電腦程式來指令相關的硬體來完成，所述的程序可存儲於計算機、手機等終端設備的可讀取存儲介質中，該程序在執行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質可為磁碟、光碟、只讀存儲記憶體(read-onlymemory，rom)或隨機存儲記憶體(randomaccessmemory，ram)等。可以理解的，以上實施例僅表達了本發明的優選實施方式，其描述較為具體和詳細，但並不能因此而理解為對本發明專利範圍的限制；應當指出的是，對於本領域的普通技術人員來說，在不脫離本發明構思的前提下，可以對上述技術特點進行自由組合，還可以做出若干變形和改進，這些都屬於本發明的保護範圍；因此，凡跟本發明權利要求範圍所做的等同變換與修飾，均應屬於本發明權利要求的涵蓋範圍。當前第1頁12