[发明专利]用于计算经校正扩增子覆盖度的方法、系统及计算机可读媒体

说明书

本发明公开用于计算经校正扩增子覆盖度的方法、系统及计算机可读媒体。一种方法包含：将基于疑具有一或多个遗传畸变的样品的经扩增靶区域的多个扩增子的多个读段映射到包含对应于所述经扩增靶区域的一或多个核酸序列的参考序列；计算扩增子覆盖度及总读段，其中扩增子覆盖度为映射到扩增子的多个读段，且总读段为多个经映射读段；及经由应用分批效果校正基于所述计算出的扩增子覆盖度及所计算出的总读段计算经校正扩增子覆盖度。

相关申请案的交叉参考

本申请案主张于2014年10月10日申请的题为“用于识别拷贝数变异的系统和方法”的美国临时申请案第62/062,312号的35U.S.C.§119(e)下的优先权，前述申请案的内容在此以全文引用的方式并入本文中。

技术领域

本发明大体上涉及核酸测序的领域，其包含用于计算经校正扩增子覆盖度，并且更具体地说，基于经校正扩增子覆盖度识别拷贝数变异的系统、方法和计算机可读媒体。

背景技术

完成人类基因组计划之后，测序行业的一个焦点已经转换以发现更高的通量及/或降低核酸测序技术(有时称作“下一代”测序(“NGS”)技术)的成本。在增大测序的通量及/或减小测序的成本上，制定更易获得所述技术的目标。可以通过使用向具有相当大复杂度的样品提供样品制备、同时对较大数目的样品进行测序(例如通过使用条码和多重分析)和/或有效地处理大量信息且以及时方式完成分析的测序平台和方法而达到此目标及其它。进化形成各种方法，例如合成测序、杂交测序以及连接测序来满足这些挑战。

并入NGS技术的超高通量核酸测序系统通常产生大量短序列读段。序列处理方法应合意地快速且有效地汇编和/或映射大量读段，以使计算资源的使用降到最低。举例来说，由对哺乳动物基因组测序产生的数据可以产生数千万或数亿读段，所述读段在其可以进一步进行分析以确定其生物、诊断和/或治疗相关性之前通常需要加以汇编。

NGS技术的示范性应用包括(但不限于)：基因组变异体检测(例如，插入/缺失、拷贝数变异、单核苷酸多态性等)；基因组重测序；基因表达分析；以及基因组剖析。

拷贝数变异(“CNV”)可以指示大规模染色体重排(例如，大型插入或缺失)，其可以通常发现于癌组织中。在一些情况下，可丢失及/或复制(整个染色体非整倍体)，这是遗传病(例如，唐氏综合症(21三体综合症)、猫眼综合症(22三体综合症)、威廉斯综合症(7单染色体症)以及各种其它遗传病)的常见原因。识别拷贝数变异可以帮助理解和判断癌症和非整倍体遗传病。

从前述内容可理解，需要可识别且确定拷贝数变异的系统和方法。

发明内容

实施例公开用于经校正扩增子覆盖度的设备、方法、系统和计算机可读媒体。在多个实施方案中例示下列方法、系统、计算机可读媒体和装置，所述多个实施方案中的一些在下文及整个说明书中加以概述。

在本发明的一个方面中，公开用于计算经校正扩增子覆盖度的计算机实施的方法。一个方法包括：将基于疑具有一或多个遗传畸变的样品的经扩增靶区域的多个扩增子的多个读段映射到参考序列，所述参考序列包含对应于所述经扩增靶区域的一或多个核酸序列；计算扩增子覆盖度及总读段，其中扩增子覆盖度为映射到扩增子的多个读段，且总读段为多个经映射读段；及经由应用分批效果校正基于所计算出的扩增子覆盖度及所计算出的总读段计算经校正扩增子覆盖度。

在本发明的一个方面中，公开用于计算经校正扩增子覆盖度的系统。一个系统包含：存储用于计算经校正扩增子覆盖度的指令系统的数据存储装置；及经配置以执行所述指令以执行包含以下各者的方法的处理器：将基于疑具有一或多个遗传畸变的样品的经扩增靶区域的多个扩增子的多个读段映射到参考序列，所述参考序列包含对应于所述经扩增靶区域的一或多个核酸序列；计算扩增子覆盖度及总读段，其中扩增子覆盖度为映射到扩增子的多个读段，且总读段为多个经映射读段；及经由应用分批效果校正基于所计算出的扩增子覆盖度及所计算出的总读段而计算经校正扩增子覆盖度。