[發(fā)明專(zhuān)利]基因組性染色體非同源區(qū)域的鑒定方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110746653.4
• 申請(qǐng)日: 2021-07-02
• 公開(kāi)（公告）號(hào): CN113205857B
• 公開(kāi)（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 周勛;趙勇;陶琳娜;蘇亞南;王龍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 天津諾禾致源生物信息科技有限公司
• 主分類(lèi)號(hào): G16B30/00
• 分類(lèi)號(hào): G16B30/00
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 路秀麗

本申請(qǐng)?zhí)峁┝艘环N基因組性染色體非同源區(qū)域的鑒定方法和裝置。該鑒定方法包括獲取XY型或ZW型個(gè)體以及XX型或ZZ型個(gè)體的二代測(cè)序數(shù)據(jù)，各個(gè)體的測(cè)序深度為第一測(cè)序深度；獲取通過(guò)三代測(cè)序數(shù)據(jù)組裝得到的XY型或ZW型個(gè)體的組裝基因組；分別計(jì)算XY型或ZW型個(gè)體以及XX型或ZZ型個(gè)體的二代測(cè)序數(shù)據(jù)與組裝基因組的比對(duì)結(jié)果中每個(gè)contig或scaffold測(cè)序深度，分別記為第二測(cè)序深度和第三測(cè)序深度；第二測(cè)序深度為第一測(cè)序深度的1/2~2/3，且第三測(cè)序深度小于第一測(cè)序深度的1/10的contig或scaffold是性染色體非同源區(qū)域。利用兩種性別個(gè)體的reads深度共同鑒定的非同源區(qū)域更準(zhǔn)確。

技術(shù)領(lǐng)域

本申請(qǐng)涉及基因組組裝領(lǐng)域，具體而言，涉及一種基因組性染色體非同源區(qū)域的鑒定方法和裝置。

背景技術(shù)

每一個(gè)物種的參考基因組序列（reference genome）的產(chǎn)生都要先通過(guò)測(cè)序的方法，獲得基因組的測(cè)序讀段（reads），然后再進(jìn)行從頭拼接或組裝（英文名稱(chēng)為de novogenome assembly），最后還原測(cè)序物種的各條染色體的序列，即ATGC四種堿基的排列順序。

由于目前的高通量測(cè)序技術(shù)雖然通量較高，但讀段較短，無(wú)法直接測(cè)序獲取一整條染色體的序列。其中，一代測(cè)序（Sanger測(cè)序）一般可測(cè)1kb左右的序列；二代測(cè)序（next-generation sequencing），一般可測(cè)50~500bp；三代測(cè)序雖然可測(cè)100kb甚至更長(zhǎng)的序列，但現(xiàn)在三代測(cè)序技術(shù)的測(cè)序錯(cuò)誤率相對(duì)較高。

目前基因組測(cè)序數(shù)據(jù)的從頭組裝過(guò)程簡(jiǎn)單描述為：測(cè)序讀段（reads）----重疊群（contig）----支架（scaffold）----染色體（chromosome）。具體地，基因組測(cè)序產(chǎn)生reads，然后基于reads之間的重疊的區(qū)域，對(duì)reads進(jìn)行組裝產(chǎn)生長(zhǎng)片段的重疊群（contigs），再確定contig的方向和順序，進(jìn)一步組裝產(chǎn)生更長(zhǎng)的片段支架（scaffolds），最后再組裝連接scaffold得到完整的染色體序列。

其中，contig是由多個(gè)reads通過(guò)重疊的區(qū)域進(jìn)行組裝而形成的長(zhǎng)片段。由于測(cè)序讀段較短、基因組序列通常含有較多重復(fù)序列、而且還有測(cè)序錯(cuò)誤等原因，除了簡(jiǎn)單的基因組序列外，大部分物種的基因組序列組裝需要先組裝成多個(gè)contigs。

進(jìn)一步地，方向和順序已經(jīng)確定的多條contig序列連接形成的更長(zhǎng)的片段，稱(chēng)為scaffold。scaffold的獲得一般主要通過(guò)雙端測(cè)序（如paired-end sequencing或mate-pair sequencing）或者bionano光學(xué)圖譜技術(shù)來(lái)確定contig的順序和方向，以及contig之間的間隔距離。

基因組從頭組裝過(guò)程中，應(yīng)用二代測(cè)序數(shù)據(jù)結(jié)合三代測(cè)序數(shù)據(jù)能夠?qū)⒒蚪M初步組裝到contig水平，通過(guò)Hi-C技術(shù)（High-through Chromosome conformation capture,高通量測(cè)序與染色體構(gòu)型捕獲相結(jié)合的技術(shù)）能夠基于染色體內(nèi)部互作關(guān)系將基因組掛載至近染色體水平，目前已發(fā)表的大部分基因組均能夠達(dá)到近染色體水平，而性染色體非同源區(qū)域在組裝過(guò)程中往往不能進(jìn)行有效區(qū)分。

性染色體分為XY基因型和ZW基因型，所有哺乳類(lèi)動(dòng)物、多數(shù)雌雄異株植物、昆蟲(chóng)、某些魚(yú)類(lèi)及兩棲類(lèi)動(dòng)物的性別決定方式為XY基因型。ZW基因型普遍存在于鱗翅目昆蟲(chóng)、兩棲類(lèi)、爬行類(lèi)和鳥(niǎo)類(lèi)之中。XY基因型中，XX基因型為雌性，XY基因型為雄性。ZW基因型中，ZW基因型為雌性，ZZ基因型為雄性。

由于X、Y染色體之間，Z、W染色體之間存在大段同源區(qū)段，使得在基因組組裝到染色體水平中，性染色體XY基因型的Y染色體，ZW基因型的W染色體，只能組裝出部分片段，在進(jìn)行hic掛載時(shí)，對(duì)于XY基因型或者ZW基因型的個(gè)體，性染色體只能掛載出單條X染色體或Z染色體，相應(yīng)的Y或者W染色體因存在大量的同源區(qū)域，目前的組裝技術(shù)并不能有效的進(jìn)行掛載，非同源區(qū)域會(huì)存在于未掛載的contig片段中，目前已發(fā)表的基因組未能將存在于contig片段中性染色體的非同源區(qū)域鑒定出來(lái)。