[發明專利]校正核酸序列讀數的重復區域中的堿基調用的方法、系統和計算機可讀媒體

有效

• 申請號: 201780069481.3
• 申請日: 2017-11-09
• 公開（公告）號: CN110088840B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: S·埃爾-蒂夫勞伊
• 申請（專利權）人: 生命科技股份有限公司
• 主分類號: G16B30/10
• 分類號: G16B30/10;C12Q1/68;C12Q1/6869
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 陶家蓉;陳揚揚

提供了方法、系統和非暫時性機器可讀存儲媒體，以減輕STR序列中的插入錯誤和缺失錯誤并且提高確定重復數目的準確性。一種方法包括：確定一組流空間信號測量值的一個或多個最佳簇，其中所述最佳簇中的至少一個與均聚物長度相關聯；將所述重復區域序列中的位置處的堿基調用修改為與所述最佳簇相關聯的均聚物長度，以產生校正的重復區域序列，從而校正插入錯誤或缺失錯誤。所述方法可以進一步包括檢測側翼中的變異，將這些變異與STR的長度相關聯。

交叉參考

本申請依據35U.S.C.§119(e)要求2016年11月10日提交的美國臨時申請第62/420,022號的權益。上述申請的全部內容通過引用的方式并入本文中。

發明內容

準確確定短串聯重復(STR)區域的長度是人類識別(HID)和其它應用的重要方法。較長的STR序列可能對測序過程的質量產生負面影響，這增加了重復序列中的均聚物錯誤。增加的均聚物錯誤可能會產生錯誤的等位基因，并且難以將DNA圖譜與數據庫進行比較，或難以鑒別樣本中存在來自不同個體的等位基因的DNA混合物。

如單核苷酸多態性(SNP)、插入和缺失的變異可存在于與STR區相鄰的側翼中。檢測將這些變異與STR的長度相關聯的側翼的變異可以增加STR分析的辨別力。

根據示例性實施例，提供了一種核酸序列分析方法，其包括：(1)接收對應于標記區域的多個核酸序列讀數，其中序列讀數中的每一個包括左側翼的第一堿基序列、右側翼的第二堿基序列和位于左側翼的最右側堿基和右側翼的最左側堿基之間的堿基的重復區域，其中重復區域包括重復堿基序列的多個重復；(2)對于序列讀數中的每一個，將與重復區域相鄰的左側翼的第一堿基序列的至少一部分與參考左側翼進行比對并且將與重復區域相鄰的右側翼的第二堿基序列的至少一部分與參考右側翼進行比對，其中參考左側翼和參考右側翼接界對應于標記區域的參考核酸序列的參考重復區域，以形成與標記區域相關聯的一組重復區域序列以及相鄰左側翼序列和相鄰右側翼序列；(3)接收對應于該組重復區域序列的多個流空間信號測量值；(4)為多個流空間信號測量值的一組流空間信號測量值確定一個或多個最佳簇，其中最佳簇中的至少一個與均聚物長度相關聯，其中該組流空間信號測量值對應于給定流和重復區域序列中的位置；以及(5)將重復區域序列中的該位置處的堿基調用修改為與給定流的流空間信號測量值的最佳簇相關聯的均聚物長度，以產生校正的重復區域序列，從而校正插入錯誤或缺失錯誤。

根據示例性實施例，提供了一種用于核酸序列分析的系統，其包括被配置成執行包括以下步驟的處理器：(1)接收對應于標記區域的多個核酸序列讀數，其中序列讀數中的每一個包括左側翼的第一堿基序列、右側翼的第二堿基序列和位于左側翼的最右側堿基和右側翼的最左側堿基之間的堿基的重復區域，其中重復區域包括重復堿基序列的多個重復；(2)對于序列讀數中的每一個，將與重復區域相鄰的左側翼的第一堿基序列的至少一部分與參考左側翼進行比對并且將與重復區域相鄰的右側翼的第二堿基序列的至少一部分與參考右側翼進行比對，其中參考左側翼和參考右側翼接界對應于標記區域的參考核酸序列的參考重復區域，以形成與標記區域相關聯的一組重復區域序列以及相鄰左側翼序列和相鄰右側翼序列；(3)接收對應于該組重復區域序列的多個流空間信號測量值；(4)為多個流空間信號測量值的一組流空間信號測量值確定一個或多個最佳簇，其中最佳簇中的至少一個與均聚物長度相關聯，其中該組流空間信號測量值對應于給定流和重復區域序列中的位置；以及(5)將重復區域序列中的該位置處的堿基調用修改為與給定流的流空間信號測量值的最佳簇相關聯的均聚物長度，以產生校正的重復區域序列，從而校正插入錯誤或缺失錯誤。