检测与各类疾病相关的变异是进行基因组序列分析的主要目标之一,随着新一代测序技术的成熟和广泛应用,科研人员可以在短时间内获得大量的基因组序列信息进行变异检测工作。近年来,随着精准医疗和癌症靶向治疗理念的提出,越来越多的科研人员投身于致癌基因的探索与研究中。本文提出了一种新的体细胞变异检测方法:svm Somatic,它考虑了拷贝数变异对体细胞变异检测的影响,使用支持向量机作为分类器,可以在单样本数据下完成体细胞变异的检测工作。本文主要工作和创新点如下:1.本文把拷贝数变异对体细胞变异检测的影响加入考虑。传统的体细胞变异检测方法往往是根据单一变异进行考虑,这种情况下,等位基因频率就是检测体细胞变异非常重要的一个指标。在理想情况下,等位基因频率可以很好的区分出种系变异和体细胞变异。但是在实际的肿瘤细胞中,情况是复杂多变的,比如肿瘤异质性、同时存在于肿瘤细胞内的拷贝数变异、小片段的插入删除等,这些因素都会让等位基因频率偏离理想情况。svm Somatic在进行体细胞变异和种系变异的区分时,把拷贝数变异纳入考虑,这不仅可以降低其他变异对体细胞变异检测的影响,而且让本文研究方法更适用于肿瘤细胞内的实际情况。2.本文采用单样本的方法实现了体细胞变异的检测。在临床医学中,配对样本非常难获得,一方面的原因是在进行样品收集的时候没有考虑到后续使用的需要,所以没有第一时间进行配对样本的收集。另外,配对样本的获取也需要患者的同意才可以进行,有的患者为了自身隐私拒绝提供配对样本。还有一个原因是出于对成本的考虑,虽然新一代测序技术的出现使得测序成本大大降低,但是肿瘤基因组和正常基因组都进行测序的话,仍然是一个很大的开销。除此之外,还需要增加数据存储和计算需求,这些在无形中都增加了配对样本的获取成本。因此,svm Somatic进行单样本体细胞变异的检测不仅可以解决配对样本获取困难的问题,还可以减少测序成本以及数据存储和计算成本。3.本文采用改进的支持向量机进行体细胞变异和种系变异的分类工作。首先提取了五个与体细胞变异有关的特征,之后根据仿真数据加入标签进行训练,训练过程采用10-折交叉验证以寻找最优分类模型。为了提高支持向量机在海量数据中的模型训练速度,采用边缘检测和K-means聚类方法重构训练集,降低训练集的数据量,从而达到提高模型训练速度的目的。最后在仿真数据和真实数据上进行实验,为评价svm Somatic性能,选择了四种经典方法作为比较,结果显示svm Somatic在体细胞变异检测上具有较好的效果。