[發(fā)明專利]一種Drop?seq數(shù)據(jù)質(zhì)量控制和分析方法

在審

• 申請?zhí)枺?/td>: 201710638356.1
• 申請日: 2017-07-31
• 公開（公告）號: CN107463801A
• 公開（公告）日: 2017-12-12
• 發(fā)明（設(shè)計）人: 張勇;張超;施威揚;王璐瑩
• 申請（專利權(quán)）人: 浙江紹興千尋生物科技有限公司
• 主分類號: G06F19/24
• 分類號: G06F19/24;G06F19/22
• 代理公司: 紹興市越興專利事務(wù)所(普通合伙)33220
• 代理人: 蔣衛(wèi)東

技術(shù)領(lǐng)域

本發(fā)明屬于生物學(xué)技術(shù)領(lǐng)域，特別涉及基于Drop-seq數(shù)據(jù)特征的生物信息分析技術(shù)領(lǐng)域，開展基于Drop-seq數(shù)據(jù)的質(zhì)量控制與數(shù)據(jù)分析流程的探究和開發(fā)。

背景技術(shù)

隨著第二代測序（Next-generation sequencing）技術(shù)的飛速發(fā)展，逐步增長的通量和逐年降低的測序成本使得人們利用測序技術(shù)對轉(zhuǎn)錄組學(xué)與表觀遺傳組學(xué)的研究逐漸深入，并開發(fā)了一系列定量研究手段如用于檢測特定條件下各基因的表達水平的轉(zhuǎn)錄組測序技術(shù)（RNA-seq）以及定性研究手段如用于觀測DNA與轉(zhuǎn)錄因子蛋白相互作用的染色質(zhì)免疫共沉淀技術(shù)（ChIP-seq）。隨著第二代測序的通量和分辨率不斷提高，一些其它方面的問題也逐漸出現(xiàn)，為了解決細(xì)胞異質(zhì)性以及稀有細(xì)胞無法檢測的問題，近年來開發(fā)了基于單細(xì)胞的測序技術(shù)。scRNA-seq技術(shù)，可以獲得單個細(xì)胞的全基因組表達譜，從而使scRNA-seq技術(shù)成為同時研究上千個細(xì)胞之間的表達差異的的工具。伴隨著scRNA-seq技術(shù)飛速的發(fā)展，與此同時其數(shù)據(jù)分析的方法也越來越成熟。單細(xì)胞測序數(shù)據(jù)分析的生物信息學(xué)方法也與傳統(tǒng)的多細(xì)胞測序數(shù)據(jù)的分析方法有著較大的差別。單細(xì)胞測序數(shù)據(jù)由于其細(xì)胞用量少的原因使得測序中會丟失大量的序列片段。與基于多細(xì)胞的第二代測序方法相比，單細(xì)胞測序數(shù)據(jù)具有零值多，精度低等特點，為第二代測序所開發(fā)的眾多生物信息學(xué)算法以及工具都需要進一步的考量與改進，甚至是重新開發(fā)以適應(yīng)單細(xì)胞測序數(shù)據(jù)。

獲得單個細(xì)胞之間的轉(zhuǎn)錄本的差異，是了解復(fù)雜組織和功能響應(yīng)的一個重要方法，但是由于單細(xì)胞測序?qū)τ谕瑫r進行多個單細(xì)胞的文庫制備所花費的時間和成本的限制，以及單細(xì)胞測序數(shù)據(jù)分析算法的缺少，限制了人們的研究。而基于液滴微流控技術(shù)的轉(zhuǎn)錄組測序方法（Drop-seq）可以在一次實驗中得到大批量的單個細(xì)胞的基因表達譜數(shù)據(jù)，有效的彌補了傳統(tǒng)單細(xì)胞測序技術(shù)的不足。Drop-seq是通過把細(xì)胞封裝在微小液滴中進行成千上萬個單細(xì)胞的mRNA并行測序，Drop-seq技術(shù)的優(yōu)勢使其可以在廣泛的領(lǐng)域中使用。例如，全基因組范圍的遺傳學(xué)研究主要目的是確定哪些基因的改變會對疾病的風(fēng)險有影響，但是目前生物學(xué)上還缺乏類似把這些基因關(guān)聯(lián)到特定疾病和某一功能響應(yīng)上的高通量方法，Drop-seq技術(shù)可以用來探索這些基因是如何作用在各個組織的不同類型細(xì)胞的機制。另外，Drop-seq可以得到突變體、病原體或者其它刺激源的擾動信息，進而獲得其在許多細(xì)胞類型上的包含擾動影響的一個信息豐富、多維的測序結(jié)果。基于液滴微流控分選細(xì)胞技術(shù)還可以與其它的表觀遺傳組學(xué)研究手段相結(jié)合從而實現(xiàn)了大批量的單細(xì)胞表觀遺傳組測序技術(shù)。

隨著細(xì)胞分選技術(shù)的發(fā)展（例如液滴微流控技術(shù)），大批量單細(xì)胞測序技術(shù)（例如Drop-seq）將會越來越多，隨之意外的、深遠(yuǎn)的發(fā)現(xiàn)將在短時期內(nèi)大量涌現(xiàn)出來，包括對新的細(xì)胞亞型的鑒定，識別基因表達模式來預(yù)測細(xì)胞的狀態(tài)以及研究隨機轉(zhuǎn)錄對功能的影響。但是這些結(jié)論都是建立在穩(wěn)定的計算方法的基礎(chǔ)上。這些技術(shù)目前普遍存在目標(biāo)片段的捕獲率低、轉(zhuǎn)換效率低以及測序深度低的問題，使得測序結(jié)果不足以覆蓋每個細(xì)胞中的大部分信息，并且相比多細(xì)胞測序和傳統(tǒng)單細(xì)胞測序增加了測序的噪音水平。因此，大批量單細(xì)胞測序數(shù)據(jù)的好壞與否對于下游分析和研究有極大的影響。質(zhì)量控制應(yīng)該是在分析流程中的第一步驟，以確保數(shù)據(jù)的質(zhì)量，并為隨后的分析提供一個堅實基礎(chǔ)。目前尚無針對Drop-seq數(shù)據(jù)的質(zhì)量控制算法，Drop-seq數(shù)據(jù)的低mRNA捕獲率、超高維、低精度的特征，開發(fā)質(zhì)量控制流程是極其必要的，針對Drop-seq這樣一個全新的技術(shù)手段及獨特的數(shù)據(jù)特點，開發(fā)生物信息學(xué)質(zhì)量控制和分析方法也迫在眉睫。

發(fā)明內(nèi)容

本發(fā)明的目的開發(fā)針對基于液滴微流控技術(shù)的轉(zhuǎn)錄組測序數(shù)據(jù)的質(zhì)量控制體系確，保數(shù)據(jù)可信度。

為達到上述目的，本發(fā)明的具體技術(shù)方案為：

一種Drop-seq數(shù)據(jù)質(zhì)量控制和分析方法，該方法包括以下步驟：

第一步、使用兩個配對的測序文件作為輸入文件，其中一個文件包含轉(zhuǎn)錄本的信息，另一個文件包含細(xì)胞條形碼和UMI的信息。即Drop-seq數(shù)據(jù)的結(jié)構(gòu)由細(xì)胞條形碼、UMI和cDNA三部分組成。其中細(xì)胞條形碼是用來標(biāo)識不同的細(xì)胞，由12個堿基組成；UMI，由8個堿基組成，用來識別同一個細(xì)胞中不同的cDNA。