[發(fā)明專利]UID測序、UID序列設(shè)計(jì)、UID去重質(zhì)量值校正的方法及應(yīng)用

有效

• 申請(qǐng)?zhí)枺?/td>: 201810450617.1
• 申請(qǐng)日: 2018-05-11
• 公開（公告）號(hào): CN110491445B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 劉繼龍;劉足;葉明芝;程少敏;譚美華
• 申請(qǐng)（專利權(quán)）人: 廣州華大基因醫(yī)學(xué)檢驗(yàn)所有限公司;深圳華大醫(yī)學(xué)檢驗(yàn)實(shí)驗(yàn)室;深圳華大基因股份有限公司;天津華大醫(yī)學(xué)檢驗(yàn)所有限公司
• 主分類號(hào): G16B20/20
• 分類號(hào): G16B20/20;G16B20/30
• 代理公司: 深圳鼎合誠知識(shí)產(chǎn)權(quán)代理有限公司 44281
• 代理人: 李小焦;彭家恩

1.一種UID測序方法，其特征在于：包括UID序列設(shè)計(jì)步驟和UID去重質(zhì)量值校正步驟；

所述UID序列設(shè)計(jì)步驟，包括預(yù)先為待測DNA樣本添加8-20bp的UID序列；對(duì)測序結(jié)果進(jìn)行常規(guī)去重，統(tǒng)計(jì)每個(gè)常規(guī)去重的重復(fù)序列組中包含的序列總數(shù)；采用UID去重算法對(duì)所述常規(guī)去重的重復(fù)序列組進(jìn)行第二次去重，并統(tǒng)計(jì)每個(gè)常規(guī)去重的重復(fù)序列組中包含的UID組數(shù)；將每個(gè)常規(guī)去重的重復(fù)序列組中的序列總數(shù)和對(duì)應(yīng)的UID組數(shù)擬合，獲得兩者的擬合函數(shù)；

根據(jù)待測DNA樣本測序需要的常規(guī)去重后的重復(fù)序列組中的序列總數(shù)，根據(jù)所述擬合函數(shù)，獲得所需的預(yù)期UID組數(shù)；

設(shè)UID序列的長度為n，則UID序列的組合數(shù)為4ⁿ，以預(yù)期UID組數(shù)為縱坐標(biāo)，利用R語言編程，模擬計(jì)算n取不同長度時(shí)，將4ⁿ種可能的UID序列隨機(jī)添加到預(yù)期UID組數(shù)的原始模板中，確保預(yù)期UID組數(shù)的原始模板都連接不同UID序列的概率在95%或以上的，最小n值，即最佳的UID序列長度，以此長度設(shè)計(jì)所述UID序列；

所述UID去重質(zhì)量值校正步驟，包括在UID去重算法的壓縮去重算法中，每個(gè)位點(diǎn)選取出現(xiàn)比例大于或等于設(shè)定閾值的堿基，利用R語言編程計(jì)算該位點(diǎn)設(shè)定閾值及以上比例的堿基都發(fā)生測序錯(cuò)誤的概率，標(biāo)記為P1；

設(shè)PCR錯(cuò)誤發(fā)生在第j輪，對(duì)應(yīng)的PCR錯(cuò)誤所占比例為fj，對(duì)應(yīng)的PCR錯(cuò)誤率為p，綜合考慮第一輪PCR兩條reads同時(shí)發(fā)生錯(cuò)誤，或者多輪PCR擴(kuò)增都至少有一條發(fā)生錯(cuò)誤的情況，利用R語言編程計(jì)算所有滿足條件的fj和對(duì)應(yīng)的p，如表1所示；

表1

。

2.根據(jù)權(quán)利要求1所述的UID測序方法，其特征在于：

所述滿足條件的fj為PCR錯(cuò)誤所占比例大于或等于所述設(shè)定閾值的fj。

3.根據(jù)權(quán)利要求2所述的UID測序方法，其特征在于：所述設(shè)定閾值為60%。

4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的UID測序方法，其特征在于：所述常規(guī)去重，具體包括，采用picard軟件根據(jù)比對(duì)位置、比對(duì)方向、片段長度對(duì)重復(fù)序列進(jìn)行標(biāo)記。

5.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的UID測序方法，其特征在于：所述擬合函數(shù)為，y?=0.0053x?+?1.3158

其中，y為常規(guī)去重的重復(fù)序列組中包含的UID組數(shù)，x為常規(guī)去重的重復(fù)序列組中包含的序列總數(shù)。

6.根據(jù)權(quán)利要求1-5任一項(xiàng)所述的UID測序方法在UID序列設(shè)計(jì)或UID去重質(zhì)量值校正中的應(yīng)用。

7.一種UID序列設(shè)計(jì)方法，其特征在于：包括預(yù)先為待測DNA樣本添加8-20bp的UID序列；對(duì)測序結(jié)果進(jìn)行常規(guī)去重，統(tǒng)計(jì)每個(gè)常規(guī)去重的重復(fù)序列組中包含的序列總數(shù)；采用UID去重算法對(duì)所述常規(guī)去重的重復(fù)序列組進(jìn)行第二次去重，并統(tǒng)計(jì)每個(gè)常規(guī)去重的重復(fù)序列組中包含的UID組數(shù)；將每個(gè)常規(guī)去重的重復(fù)序列組中的序列總數(shù)和對(duì)應(yīng)的UID組數(shù)擬合，獲得兩者的擬合函數(shù)；

根據(jù)待測DNA樣本測序需要的常規(guī)去重后的重復(fù)序列組中的序列總數(shù)，根據(jù)所述擬合函數(shù)，獲得所需的預(yù)期UID組數(shù)；

設(shè)UID序列的長度為n，則UID序列的組合數(shù)為4ⁿ，以預(yù)期UID組數(shù)為縱坐標(biāo)，利用R語言編程，模擬計(jì)算n取不同長度時(shí)，將4ⁿ種可能的UID序列隨機(jī)添加到預(yù)期UID組數(shù)的原始模板中，確保預(yù)期UID組數(shù)的原始模板都連接不同UID序列的概率在95%或以上的，最小n值，即最佳的UID序列長度，以此長度設(shè)計(jì)所述UID序列。

8.一種UID序列設(shè)計(jì)的裝置，其特征在于：所述裝置包括，

擬合函數(shù)獲取模塊，用于利用添加8-20bpUID序列的待測DNA樣本的測序結(jié)果，對(duì)其進(jìn)行常規(guī)去重，統(tǒng)計(jì)每個(gè)常規(guī)去重的重復(fù)序列組中包含的序列總數(shù)；利用UID去重算法對(duì)所述常規(guī)去重的重復(fù)序列組進(jìn)行第二次去重，并統(tǒng)計(jì)每個(gè)常規(guī)去重的重復(fù)序列組中包含的UID組數(shù)；將每個(gè)常規(guī)去重的重復(fù)序列組中的序列總數(shù)和對(duì)應(yīng)的UID組數(shù)擬合，獲得兩者的擬合函數(shù)；

預(yù)期UID組數(shù)獲取模塊，用于利用待測DNA樣本測序需要的常規(guī)去重后的重復(fù)序列組中的序列總數(shù)，根據(jù)所述擬合函數(shù)，獲得所需的預(yù)期UID組數(shù)；

最佳UID序列長度獲取模塊，用于模擬計(jì)算UID序列長度n取不同長度時(shí)，將4ⁿ種可能的UID序列隨機(jī)添加到預(yù)期UID組數(shù)的原始模板中，確保預(yù)期UID組數(shù)的原始模板都連接不同UID序列的概率在95%或以上的，最小n值，即最佳UID序列長度；

UID去重質(zhì)量值校正模塊，用于在UID去重算法的壓縮去重算法中，每個(gè)位點(diǎn)選取出現(xiàn)比例大于或等于設(shè)定閾值的堿基，利用R語言編程計(jì)算該位點(diǎn)設(shè)定閾值及以上比例的堿基都發(fā)生測序錯(cuò)誤的概率，標(biāo)記為P1；

設(shè)PCR錯(cuò)誤發(fā)生在第j輪，對(duì)應(yīng)的PCR錯(cuò)誤所占比例為fj，對(duì)應(yīng)的PCR錯(cuò)誤率為p，綜合考慮第一輪PCR兩條reads同時(shí)發(fā)生錯(cuò)誤，或者多輪PCR擴(kuò)增都至少有一條發(fā)生錯(cuò)誤的情況，利用R語言編程計(jì)算所有滿足條件的fj和對(duì)應(yīng)的p，如表1所示；

表1

。