检测基因组缺失插入变异的方法及检测装置和计算机可读存储介质与应用

    公开(公告)号:CN114566214B

    公开(公告)日:2022-07-05

    申请号:CN202210444562.X

    申请日:2022-04-26

    发明人: 赵霄飞 王思振

    IPC分类号: G16B20/20 G16B20/50 G16B30/10

    摘要: 本发明公开了检测基因组缺失插入变异的方法及检测装置和计算机可读存储介质与应用,属于变异或遗传工程领域。本发明所要解决的技术问题是如何准确地检测基因的缺失插入变异。本发明所提供的基因缺失插入变异检测方法包括把样本的变异检测结果文件中共同临近出现的简单变异合并成缺失插入变异,将其他简单变异保留得到保留后的简单变异,将缺失插入变异和保留后的简单变异组成的所有变异类型输出,获得缺失插入变异。本发明可以准确有效地检测样本基因的缺失插入变异,与人工审核结果高度一致,可给肿瘤患者提供更精准的遗传变异检测,可应用于制备研发肿瘤筛查产品、肿瘤分类和/或指导用药产品、以及预测肿瘤预后的产品。

    一种建库方法及应用
    35.
    发明授权

    公开(公告)号:CN112301430B

    公开(公告)日:2022-05-17

    申请号:CN201910694844.3

    申请日:2019-07-30

    摘要: 本发明公开了一种建库方法及应用。本发明提供了一种用于检测待测样本目的基因待检区域的变异情况的扩增子文库构建方法,包括如下步骤:1)根据目标区域设计合成上游外引物F1、上游内引物F2和下游引物R;2)用所述上游外引物F1、所述上游内引物F2和所述下游内引物R对待测样本进行一步PCR扩增,得到扩增产物,即为目标区域的扩增子文库。该一步法建库技术可以应用于包括IonTorrent、illumina和BGI/MGI在内的所有二代平台,以此建库方法为基础,本发明开发出了针对DNA的SNP、Ins/Del、CNV、甲基化的检测,以及针对RNA样本的基因融合和表达的检测产品。

    一种检测肿瘤突变负荷的基因组合、系统及应用

    公开(公告)号:CN113249483A

    公开(公告)日:2021-08-13

    申请号:CN202110645065.1

    申请日:2021-06-10

    摘要: 本发明公开了一种肿瘤突变负荷的检测基因组合、系统及应用。本发明公开的肿瘤突变负荷的检测基因组合为824个基因组合,系统包括基于824个基因组合的肿瘤突变负荷的计算模块以及检测这824个基因组合中各基因突变的试剂和/或对高通量测序结果进行分析的模块或软件,计算模块用于计算肿瘤突变负荷TMB,TMB=s/n,s为824个基因组合中外显子编码区符合筛选阈值的变异位点总个数,n为824个基因组合覆盖的编码区碱基兆数。本发明基于824个基因组合的肿瘤突变负荷TMB和全外显子测序(WES)的TMB结果高度一致,并在真实世界中有比较理想的临床预测效果,具有很好的应用前景。

    一种建库方法及应用
    38.
    发明公开

    公开(公告)号:CN112301430A

    公开(公告)日:2021-02-02

    申请号:CN201910694844.3

    申请日:2019-07-30

    摘要: 本发明公开了一种建库方法及应用。本发明提供了一种用于检测待测样本目的基因待检区域的变异情况的扩增子文库构建方法,包括如下步骤:1)根据目标区域设计合成上游外引物F1、上游内引物F2和下游引物R;2)用所述上游外引物F1、所述上游内引物F2和所述下游内引物R对待测样本进行一步PCR扩增,得到扩增产物,即为目标区域的扩增子文库。该一步法建库技术可以应用于包括IonTorrent、illumina和BGI/MGI在内的所有二代平台,以此建库方法为基础,本发明开发出了针对DNA的SNP、Ins/Del、CNV、甲基化的检测,以及针对RNA样本的基因融合和表达的检测产品。

    一种审核高通量测序基因变异检测结果的方法

    公开(公告)号:CN111304308A

    公开(公告)日:2020-06-19

    申请号:CN202010135146.2

    申请日:2020-03-02

    发明人: 谭达 王思振

    IPC分类号: C12Q1/6869 C12Q1/6886

    摘要: 本发明公开了一种审核高通量测序基因变异检测结果的方法。该方法包括如下步骤:构建训练集,包括若干阳性变异位点和阴性非变异位点的测序数据;提取并向量化变异位点特征;采用随机森林法构建模型,然后利用模型判断待测位点变异是否为变异位点。本发明方法能快速、准确完成原需人工检视突变的环节,大大节约人力成本、提高整体变异检测效率;达到甚至在一定程度上超越了人工审核的准确度,并能大大降低人工检验的主观性;使用机器学习算法,在该领域具有一定创新;基于真实的临床数据开发模型,更贴近于真实案例,并在金标准数据集上表现与人工结果无出其二,并能适配各种不同的细胞变异检测软件,具有良好的实用性。