[發(fā)明專利]一種通過寡核苷酸多態(tài)性芯片識(shí)別基因型的方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200910052790.7
• 申請(qǐng)日: 2009-06-09
• 公開（公告）號(hào): CN101570788A
• 公開（公告）日: 2009-11-04
• 發(fā)明（設(shè)計(jì)）人: 徐進(jìn);符碧琳
• 申請(qǐng)（專利權(quán)）人: 華東師范大學(xué)
• 主分類號(hào): C12Q1/68
• 分類號(hào): C12Q1/68;G01N21/64
• 代理公司: 上海藍(lán)迪專利事務(wù)所
• 代理人: 徐筱梅

技術(shù)領(lǐng)域

本發(fā)明涉及基因型的識(shí)別，特別是一種通過寡核苷酸多態(tài)性芯片識(shí)別基因型的方法，該方法同時(shí)適用于小樣本的基因型識(shí)別以及能夠極大簡(jiǎn)化大樣本基因型識(shí)別的流程和時(shí)間。

背景技術(shù)

寡核苷酸多態(tài)性(SNP)基因芯片，是將以知DNA序列的SNP寡核苷酸鏈(以下稱探針)有規(guī)律的排列在基片上，將待測(cè)樣品DNA標(biāo)記后與探針按堿基互補(bǔ)配對(duì)進(jìn)行雜交。通過熒光檢測(cè)系統(tǒng)對(duì)雜交后芯片進(jìn)行掃描，將得到的光信號(hào)數(shù)據(jù)進(jìn)行處理與分析，就可以識(shí)別出樣本的SNP基因型。利用基因芯片，可以同時(shí)對(duì)10萬個(gè)甚至以上不同的SNP進(jìn)行基因型的識(shí)別和檢測(cè)，從而為下游基因工程，如疾病基因的檢測(cè)，基因治療等提供強(qiáng)有力的數(shù)據(jù)支持。現(xiàn)在SNP芯片現(xiàn)已作為高通量基因型識(shí)別工具，廣泛應(yīng)用于生命科學(xué)研究及實(shí)踐，醫(yī)學(xué)科研及臨床藥物設(shè)計(jì)等領(lǐng)域。Affymetrix?SNP芯片，包括GeneChip?Human?Mapping?100k微陣列和500k微陣列，更是因?yàn)樗鼈兊臉?biāo)準(zhǔn)化和自動(dòng)化成為最為流行的研究平臺(tái)之一。隨著微陣列密度的不斷增大，這也給芯片的數(shù)據(jù)處理和統(tǒng)計(jì)推斷帶來了新的挑戰(zhàn)。

在SNP基因型識(shí)別過程中，最根本的一個(gè)問題是如何給出一個(gè)精確有效的判別方法。對(duì)于早期的Affymetrix?10k?SNP芯片，可以使用修正數(shù)據(jù)分割法(Modified?Partitioning?Around?Medoids，MDAM)(Liu，W.，Di，X.，Yang，G.，Matsuzaki，H.，Huang，J.(2003)Algorithms?for?large-scale?genotypingmicroarrays，Bioinformatics，19，2397-2403.)，但是這種方法在某些等位基因出現(xiàn)頻率比較低的情況下，結(jié)果會(huì)不夠精確，而在100k和500k芯片大量使用的情況下這個(gè)問題顯得更為嚴(yán)重。2005年，Affymetrix公司提出了一種稱為動(dòng)態(tài)模型(Dynamic?Model，DM)法，這個(gè)模型是通過Wilcoxon符號(hào)秩檢驗(yàn)得到的基因型識(shí)別結(jié)果和相應(yīng)的可靠性水平(Di，X.，Matsuzaki，H.，Webster，T.A.，Hubbell，E.，Liu，G.，Dong，S.，Bartell，D.，Huang，J.，Chiles，R.，Yang，G.，Shen，M.M.，Kulp，D.，Kennedy，G.C.，Mei，R.，Jones，K.W.，Cawley，S.(2005)Dynamic?model?based?algorithmsfor?screening?and?genotyping?over?100K?SNPs?onoligonucleotidemicroarrays，Bioinformatics，21，1958-1963.)。雖然DM不需要訓(xùn)練樣本，但傾向于漏判異質(zhì)性基因型。隨著100k和500k芯片的流行，很多新方法紛紛出現(xiàn)。Rabbee和Speed提出了基于馬氏距離分類的穩(wěn)健線性模型法(Robust?Linear?Model?with?Mahalanobis?Distance?Classifier，RLMM)，它使用HapMap數(shù)據(jù)作為訓(xùn)練樣本(Rabbee，N.，Speed，T.P.(2006)Agenotype?calling?algorithm?for?affymetrix?SNP?arrays，Bioinformatics，22，7-12.)。Affymetrix公司針對(duì)RLMM進(jìn)行改進(jìn)，開發(fā)了基于馬氏距離聚類的貝葉斯穩(wěn)健線性回歸法(Bayian?Robust?Linear?Model?with?MahalanobisDistance?Classifier，BRLMM)，這個(gè)方法使用DM算法的結(jié)果作為訓(xùn)練樣本來消除不同實(shí)驗(yàn)的差異。Carvalho等提出了基于極大似然分類的修正穩(wěn)健線性模型法(Corrected?Robust?Linear?Model?with?Maximum?Likel?ihoodClassification，CRLMM)，取得了很不錯(cuò)的結(jié)果(Carvalho，B.，Speed，T.P.，Irizarry，R.A.(2007)Exploration，Normalization，and?Genotype?Callsof?High?Density?Oligonucleotide?SNP?Array?Data，Biostatistics，8，485-499.)。但是由于CRLMM需要對(duì)所用的芯片數(shù)據(jù)進(jìn)行預(yù)處理，因此它要求計(jì)算機(jī)具有很高的運(yùn)行能力來處理大量的數(shù)據(jù)操作，而且當(dāng)有新樣本出現(xiàn)的時(shí)候，重新進(jìn)行預(yù)處理可能會(huì)得到與上次不一樣的基因型的判別結(jié)果，更嚴(yán)重的是，CRLMM法在小樣本的情況下也容易失去精確度。