[發明專利]UID測序、UID序列設計、UID去重質量值校正的方法及應用

有效

• 申請號: 201810450617.1
• 申請日: 2018-05-11
• 公開（公告）號: CN110491445B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 劉繼龍;劉足;葉明芝;程少敏;譚美華
• 申請（專利權）人: 廣州華大基因醫學檢驗所有限公司;深圳華大醫學檢驗實驗室;深圳華大基因股份有限公司;天津華大醫學檢驗所有限公司
• 主分類號: G16B20/20
• 分類號: G16B20/20;G16B20/30
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 李小焦;彭家恩

本申請公開了一種UID測序、UID序列設計、UID去重質量值校正方法及應用。本申請方法包括UID序列設計和UID去重質量值校正步驟；UID序列設計包括預先為待測樣本添加較長UID；統計常規去重的重復序列組中的序列總數；再UID去重，統計重復序列組中的UID組數；擬合序列總數和對應UID組數；根據需要數據量，從擬合函數中獲得預期UID組數；利用R語言編程，模擬UID長度n取不同值時，UID添加到所有預期UID組數中，并確保所有組都連接不同UID概率95％或以上的最小n值，即最佳UID長度。本申請可動態設計UID長度，能在滿足UID隨機性前提下更少占用測序數據量；質量值校正，可根據質量值的提升能體現UID測序的精確性；運用到變異檢測算法中，能支撐更低頻變異檢出。

技術領域

本申請涉及UID測序技術領域，特別是涉及一種UID測序、UID序列設計、UID去重質量值校正的方法及應用。

背景技術

隨著液體活檢技術的興起和成熟，低頻變異的檢測成為了高通量測序技術很大的挑戰，為了提高低頻變異的檢出性能，各種新的實驗方法應運而生，其中影響力最大、發展最為迅速的當屬UID測序技術。UID是指唯一標識符，即英文unique?identifier的縮寫。UID測序技術，即在PCR操作之前為每個DNA片段加上一段固定長度的隨機序列，作為每個DNA片段的唯一標識符，其作用是在測序完成后，通過DNA測序片段與人類參考基因組hg19的比對位置信息、UID序列信息、比對方向信息和片段長度信息精確識別到屬于同一條原始DNA片段的所有PCR重復片段，配合UID特定的去重算法，能夠在去重的同時過濾掉測序錯誤和PCR錯誤，留下一條最精確的去重后片段，這種方法相對于傳統的去重方法，能得到更精確的去重后片段，進而能夠支撐更低頻率的變異檢出。

然而，目前的UID測序技術仍有待優化和改進。

發明內容

本申請的目的是提供一種新的UID測序方法，及該方法中采用的UID序列設計方法和UID去重質量值校正方法，以及這些方法的應用。

本申請采用了以下技術方案：

本申請的一方面公開了一種UID測序方法，包括UID序列設計步驟和UID去重質量值校正步驟；

UID序列設計步驟，包括預先為待測DNA樣本添加8-20bp的UID序列；對測序結果進行常規去重，統計每個常規去重的重復序列組中包含的序列總數；采用UID去重算法對常規去重的重復序列組進行第二次去重，并統計每個常規去重的重復序列組中包含的UID組數；將每個常規去重的重復序列組中的序列總數和對應的UID組數擬合，獲得兩者的擬合函數；其中，預先添加的8-20bp的UID序列是一段較長的UID序列，其目的是盡量保證UID序列的隨機性，即最大概率的讓每一條原始DNA模板連接的UID序列都是不一樣的，因此預先添加的UID序列是一段較長的約8-20bp的序列；

根據待測DNA樣本測序需要的常規去重后的重復序列組中的序列總數，根據擬合函數，獲得所需的預期UID組數；

本申請中，待測DNA樣本測序需要的常規去重后的重復序列組中的序列總數，就是UID去重算法進行去重前的數據量；在UID測序中，每個DNA原始模板都添加一個唯一標識符，因此，預期UID組數，實際上就是每個常規去重的重復序列組中的原始模板數量；

設UID序列的長度為n，則UID序列的組合數為4ⁿ，以預期UID組數為縱坐標，利用R語言編程，模擬計算n取不同長度時，將4ⁿ種可能的UID序列隨機添加到預期UID組數的原始模板中，確保預期UID組數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，以此長度設計所述UID序列。

可以理解，其中，概率在95％或以上，該數值越大相應的最小n值也會越大，UID序列就會越長，待測樣本中每個DNA片段添加的UID序列的唯一性也越好，但UID序列越長相應的測序數據浪費越大。因此，通常取概率值95％即可。