[发明专利]阵列数据波校正的方法

说明书

发明背景

本发明涉及用于校正杂交信号数据的波假象和鉴定测试样品中拷贝数变异的方法。

基于阵列的技术显著推进了对于基因组和外因基因组(epigenomic)现象以及它们的变异的理解。例如，比较基因组杂交(CGH)是一种用于分析与拷贝数变异有关的基因组不平衡的有效工具。ChIP-芯片(其结合了染色质免疫沉淀与微阵列技术)可用于鉴定蛋白结合位点。基于阵列的技术还可以用于收集与序列，核苷酸多态性和外遗传修饰诸如甲基化有关的核酸信息。

通常，这些方法包括标记测试核酸样品，将标记样品与阵列上固定的探针杂交，检测与阵列探针杂交的标记测试核酸发射的杂交信号，和将杂交信号数据分析为进一步的特定的实验目标。例如，CGH包括将差异标记的测试和对照基因组样品混合，并将混合物与指定探针的阵列(能够跨越感兴趣的基因组区域或完整的基因组)杂交。如果对于对照样品而言测试样品不携带任何拷贝数变异(CNVs)，那么对于这两种的样品的阵列杂交信号是相同的，即，测试和对照样品的比值等于1。但是，如果测试样品包含CNV，诸如缺失或复制，与测试样品相关的杂交信号将低于或高于对照样品，这取决于CNV的性质，即，比值>1或<1 。因此，CGH可以用于鉴定CNVs，通过鉴定具有大于或小于1的信号比值的基因组区域。

基于阵列的分析结果可以用散布图来图解表示，每个点代表可用于帮助分析的相对于基因组位置的信号。就CGH来说，结果可以绘制为沿着基因组坐标的测试和对照样品杂交数据的log比值或单个信号数据(图1)。在没有CNVs的情况下，比值或信号值形成平坦基线(图1)。从平坦基线的偏离指示CNVs，诸如基因组插入和缺失(图3，下栏)。

最近，本发明人和其他人(例如, Marioni等, Genome Biol. 8 (2007) R228)鉴定出阻碍对基于阵列的数据进行分析和说明的技术假象。具体来说，在沿着基因组DNA片段的log2比值模式中可观察到自身相关的波型，即，产生波样模式的杂交信号的振动升高和降低。这些波样模式可能阻碍杂交数据的分析。

例如，对于CGH来说，这些波样模式代表偏离预期的平坦基线模式，与被分析的基因组片段中的CNVs的存在与否无关。这些波假象的存在与基因组样品的类型或使用的杂交阵列无关(Diskin等, Nucleic Acids Res. 36 (2008) e126)。在CGH分析期间，波假象阻碍CNVs的有效鉴定。

Marioni等报道称，细菌人工染色体微阵列的波假象与靶基因组的GC含量有关。但是，Marioni等教导通过在log2比值-染色体位置曲线上拟合LOWESS曲线而不是针对GC含量进行校正来去除假象。van de Wiel等报道了一种用于波假象校正的方法，利用多变量回归，使用来自被认为没有CNVs的样品的log比值(van de Wiel等, Bioinformatics 25 (2009) 1099-1104)。但是，这种方法没有考虑来自大的片段迁移的复杂影响。其他方法考虑了GC含量用于波假象的校正(Diskin等, Nucleic Acids Research Vol. 36 (2008) e126; Lepretre等, Nucleic Acids Research 38 (2010) e94)。但是，这些方法中没有一种考虑以下事实，大的片段迁移混淆了GC含量变化与波型之间的相关性，这可能严重偏离结果。因此，用于去除波假象的可用方法可能引入偏斜回归导致的这类假象，或通过“盲”LOWESS平滑处理去除真正的CNVs产生的信号。

因此，在本领域对于鉴定和去除波假象而不损害杂交数据分析的有效方法存在极大需求。

简述

本发明一般涉及基于核酸的鸟嘌呤-胞嘧啶(GC)含量来校正阵列信号数据的与自身相关的波假象并且不损害杂交信号分析的方法。

在第一个方面，一种用于校正阵列信号数据中波假象的方法被概述为包括下列步骤的方法：(a)将观察到的与一组探针杂交的测试样品和对照样品的杂交信号数据分段，每种探针覆盖对照样品的一个探针结合部分；(b)对于每种探针，确定包括至少一个探针结合部分的至少一种基因组区域的至少一个GC含量值；(c)进行多变量多项式回归分析，使用步骤(b)中确定的至少一个GC含量值作为说明变量和观察到的杂交信号数据作为反应变量，以产生每种探针的预测杂交信号数据；和(d)从观察到的杂交信号数据中减去预测的杂交信号数据以获得校正的杂交信号数据。