一种毛细管电泳荧光STR图谱基因型分型方法与流程

本发明属于法医遗传学领域，涉及用于基因分型的荧光图谱数据分析的方法，具体涉及一种毛细管电泳荧光str图谱基因型分型方法。

背景技术：

1、在现代临床应用中，由于基因型表达对由一系列存在于核酸序列上的基因调控而引起的大部分生理或疾病性状、用药种类，以及剂量指导等多方面有着极其重要的作用；因此对于基因型表达，精准的基因型分析显得尤为重要，目前常用的基因型分析技术有限制性片段长度多态性、末端限制性长度多态性、扩增片段长度多态性、多重连接探针扩增等。

2、str(short tandem repeat)遗传标记在法医dna分析中扮演着至关重要的角色。str是一种短串联重复序列，存在于人类基因组中的特定位置。由于它们在不同个体之间的多态性(变异性)很高，因此被广泛应用于法医学领域，复合扩增荧光检测分型技术对dna证据进行str遗传标记的检测分析，是现代法医dna实验室中的主流方法之一，包括多重复合扩增、毛细管电泳和荧光检测技术。

3、荧光毛细管电泳是处理分析生物遗传物质常用的方法。不同长短的遗传片段可以通过电泳分离，而来源不同但相同长短的遗传片段则可以通过不同的荧光颜色进行区分。在用荧光标记引物时，pcr扩增产物的有无或多少是通过检测荧光强度来判定的，这种技术允许同时检测多个str基因座，从而提高分析效率和信息量，适用于犯罪调查、亲子鉴定、身份确认等法医应用。扩增的dna在经过毛细管电泳后，会产生“.fsa”或“.hid”文件，这些文件通常包含从电泳分离中获得的荧光信号数据，用于分析样本中的dna序列或基因型。

4、现如今市面存在多种处理遗传分析仪产生的“.fsa”或者“.hid”文件的基因分型技术，例如由applied biosystems(abi)开发的id-x广泛用于str分析和dna数据的定量分析。它支持使用abi的遗传分析设备生成的数据，并提供了数据分析、报告生成等功能。

5、但国内还未出现较为成熟的基因型分析方法，故大部分法医实验室多数选择引进国外软件，但国外软件多数价格昂贵，且随时面临禁售的风险，因此急需一种毛细管电泳荧光str图谱基因型分型方法，可低成本进行法医dna分析。

技术实现思路

1、本发明的目的是克服上述现有技术的不足，提供了一种毛细管电泳荧光str图谱基因型分型方法，弥补了国内成熟基因型分析方法的空缺，能够分析遗传分析仪器产生的下机数据，将荧光数据文件转化成可视化str图谱。

2、为实现上述目的，本发明采用的技术方案如下：

3、一种毛细管电泳荧光str图谱基因型分型方法，包括：

4、s1、读取荧光数据文件中的信息；

5、s2、对每个荧光信号的信道，使用滑窗搜索算法，搜索荧光信号中的峰，利用指定概率分布对搜索到的峰进行拟合，确定峰的参数；

6、s3、在内标信道内的利用特定性质筛选正确内标峰；

7、s4、建立样本的内标峰与等位基因分型标准物的内标峰之间的时间映射关系；

8、s5、建立等位基因分型标准物等位基因峰的峰时间与峰长度映射关系；

9、s6、利用s4和s5建立的两类映射关系，确定样本峰长度，从而得到峰基因分型结果。

10、进一步地，步骤s1中，所述荧光数据文件中的信息包括荧光信号的信道d，荧光信号的时间t，和荧光的强度q；

11、荧光信号的信道d是指特定荧光颜色的信道，包括但不限于蓝色荧光、红色荧光；

12、荧光信号的时间t是指dna分子片段在电泳经过毛细管时，被镜头拍摄记录的时间；

13、荧光信号的强度q是指dna分子片段被在电泳经过毛细管时，被镜头拍摄记录下的荧光强度，通常反映dna分子浓度。

14、进一步地，所述s2中，使用滑窗搜索算法，搜索荧光信号中的峰，具体为指划定一个长度为y秒的窗口，在荧光信号的时间t上滑动，使用如下基于方波的匹配滤波器(matched filter)找到荧光信号中的峰，执行如下特定卷积：

15、

16、式中，t代表样本中每个峰时间，τ代表样本中每个峰映射到ladder中对应的峰时间；

17、根据测试得到的离散型峰信号数据，可以使用数值积分方法，例如可采用辛普森法则去离散近似连续积分，计算积分面积：

18、f(tn)＝f(tn-1)+0.5[f(tn)+f(tn-1)]δt-0.5[f(tn-y-1)+f(tn-y)]δt

19、如果积分面积超过预设阈值，则表明这个区间中有峰；利用指定概率分布对搜索到的峰进行拟合，确定峰的参数。

20、进一步地，所述s3具体为，根据内标峰特定性质筛选正确内标峰，dna分子量内标是一系列已知片段大小且连续排列的荧光标记dna片段；若内标包含k个峰，其峰时间集合tinter和峰时间间隔集合δtinter为：

21、tinter＝{t1,t2,…,tk-1}

22、δtinter＝{δt1,δt2,…,δtk-1}

23、内标峰片段大小已知，其碱基对长度集合binter和碱基对长度间隔集合δbinter为：

24、binter＝{b1,b2,…,bk-1}

25、δbinter＝{δb1,δb2,…,δbk-1}

26、随后，在内标峰集合中选择k个峰的集合，使得δtinter与δbinter之间的归一化点积最大化，此时集合中的峰即为筛选的正确内标峰集合。

27、进一步地，在内标峰泳道中，筛选正确内标峰集合，包括样本内标峰集合和等位基因分型标准物内标峰集合。

28、进一步地，所述s4中，建立样本的内标峰与等位基因分型标准物的内标峰之间的时间映射关系，具体为，样本与等位基因分型标准物的内标峰时间集合分别为tsample和tladder，建立映射m，将样本内标峰时间映射到等位基因分型标准物内标峰时间轴上m(tsample)＝tladder，使用任意二阶导数平方可积的函数构建样本内标峰时间和等位基因分型标准物内标峰之间的映射。

29、例如首先定义一个二阶导数平方可积的时间映射m：

30、m:[0,tf]→[0,tf]，并定义一个范数：将映射m组成的空间记为l2[0,tf]，定义在l2[0,tf]中单调递增的映射子集为m2[0,tf]，将函数m2[0,tf]作为两个时间框架间的坐标转换。

31、进一步地，所述s5中，建立等位基因分型标准物等位基因峰的峰时间与峰长度映射关系，具体为：

32、在等位基因分型标准物中，每个基因座都有指定数量的等位基因，将其记为：

33、

34、kn为第k个基因座中第n个等位基因；

35、将等位基因分型标准物中已知峰的集合的峰时间记为：

36、

37、有序配对(τi,li)能够建立从峰时间到碱基对的映射关系，其中，i＝1,2,…,kn。

38、需要说明的是，等位基因分型标准物包含了试剂盒中每个str基因座在人群中最常见的等位基因，提供了每一个等位基因dna片段大小的参照物，从而能够与未知样品进行比对来确定未知样品的基因分型；

39、对于等位基因分型标准物，可以在除内标峰泳道外的其他泳道中，根据步骤s3所述方法筛选每个基因座中正确的等位基因分型标准物已知峰集合。

40、即若泳道内包含k个峰，其峰时间集合tinter和峰时间间隔集合δtinter为：

41、tinter＝{t1,t2,…,tk-1}

42、δtinter＝{δt1,δt2,…,δtk-1}

43、泳道内峰片段大小已知，其碱基对长度集合binter和碱基对长度间隔集合δbinter为：

44、binter＝{b1,b2,…,bk-1}

45、δbinter＝{δb1,δb2,…,δbk-1}

46、随后，在等位基因分型标准物峰集合中选择k个峰的集合，使得δtinter与δbinter之间的归一化点积最大化，此时集合中的峰即为筛选的正确的等位基因分型标准物峰集合。

47、进一步地，在等位基因分型标准物的每一个dna片段对应基因座k，均建立对应的自然立方样条映射qn(τ)，τi为映射点。

48、自然立方样条曲线最大限度地减少了凹面变化的次数，并且与坐标变换一样，最大限度地减少了变形。

49、进一步地，所述步骤s6中，使用样本的内标信道与等位基因分型标准物的映射m(tsample)＝tladder，样本的每个峰的时间tsample映射到等位基因分型标准物中时间tladder，假设该峰时间落在第s(1≦s≦k)个基因座上，通过每个基因座对应的自然立方样条映射qn(τ)则能产生qn(m(tsample))的长度；根据得到的样本峰长度，与等位基因标准物的长度比较确定样本峰基因分型结果。

50、因为长度是以碱基对为单位的，所以这个值必须是整数，需四舍五入到最近整数的计算值。若计算的到的峰长度对应到等位基因分型标准物中某个峰的峰长度，则认定为该样本峰为该等位基因分型标准物的基因分型；若计算的到的峰长度未能对应到等位基因分型标准物中某个峰的峰长度，则将该样本峰标记为off-ladder。

51、相对于现有技术，本发明具有以下有益效果：

52、目前国内还未出现较为成熟的基因型分析方法，而使用国外软件数价格昂贵，本发明提供的一种毛细管电泳荧光str图谱基因型分型方法，方法包括：选择样本与等位基因分型标准物内标峰；构建两个内标峰时间之间的映射；将未知样本中的dna片段与等位基因分型标准物中的dna片段比对；确定样本峰基因分型结果，将荧光数据文件转化成可视化str图谱，弥补了国内在基因分型技术方面的空缺且成本低。