[发明专利]校正核酸序列读数的重复区域中的碱基调用的方法、系统和计算机可读媒体

说明书

提供了方法、系统和非暂时性机器可读存储媒体，以减轻STR序列中的插入错误和缺失错误并且提高确定重复数目的准确性。一种方法包括：确定一组流空间信号测量值的一个或多个最佳簇，其中所述最佳簇中的至少一个与均聚物长度相关联；将所述重复区域序列中的位置处的碱基调用修改为与所述最佳簇相关联的均聚物长度，以产生校正的重复区域序列，从而校正插入错误或缺失错误。所述方法可以进一步包括检测侧翼中的变异，将这些变异与STR的长度相关联。

交叉参考

本申请依据35U.S.C.§119(e)要求2016年11月10日提交的美国临时申请第62/420,022号的权益。上述申请的全部内容通过引用的方式并入本文中。

发明内容

准确确定短串联重复(STR)区域的长度是人类识别(HID)和其它应用的重要方法。较长的STR序列可能对测序过程的质量产生负面影响，这增加了重复序列中的均聚物错误。增加的均聚物错误可能会产生错误的等位基因，并且难以将DNA图谱与数据库进行比较，或难以鉴别样本中存在来自不同个体的等位基因的DNA混合物。

如单核苷酸多态性(SNP)、插入和缺失的变异可存在于与STR区相邻的侧翼中。检测将这些变异与STR的长度相关联的侧翼的变异可以增加STR分析的辨别力。

根据示例性实施例，提供了一种核酸序列分析方法，其包括：(1)接收对应于标记区域的多个核酸序列读数，其中序列读数中的每一个包括左侧翼的第一碱基序列、右侧翼的第二碱基序列和位于左侧翼的最右侧碱基和右侧翼的最左侧碱基之间的碱基的重复区域，其中重复区域包括重复碱基序列的多个重复；(2)对于序列读数中的每一个，将与重复区域相邻的左侧翼的第一碱基序列的至少一部分与参考左侧翼进行比对并且将与重复区域相邻的右侧翼的第二碱基序列的至少一部分与参考右侧翼进行比对，其中参考左侧翼和参考右侧翼接界对应于标记区域的参考核酸序列的参考重复区域，以形成与标记区域相关联的一组重复区域序列以及相邻左侧翼序列和相邻右侧翼序列；(3)接收对应于该组重复区域序列的多个流空间信号测量值；(4)为多个流空间信号测量值的一组流空间信号测量值确定一个或多个最佳簇，其中最佳簇中的至少一个与均聚物长度相关联，其中该组流空间信号测量值对应于给定流和重复区域序列中的位置；以及(5)将重复区域序列中的该位置处的碱基调用修改为与给定流的流空间信号测量值的最佳簇相关联的均聚物长度，以产生校正的重复区域序列，从而校正插入错误或缺失错误。

根据示例性实施例，提供了一种用于核酸序列分析的系统，其包括被配置成执行包括以下步骤的处理器：(1)接收对应于标记区域的多个核酸序列读数，其中序列读数中的每一个包括左侧翼的第一碱基序列、右侧翼的第二碱基序列和位于左侧翼的最右侧碱基和右侧翼的最左侧碱基之间的碱基的重复区域，其中重复区域包括重复碱基序列的多个重复；(2)对于序列读数中的每一个，将与重复区域相邻的左侧翼的第一碱基序列的至少一部分与参考左侧翼进行比对并且将与重复区域相邻的右侧翼的第二碱基序列的至少一部分与参考右侧翼进行比对，其中参考左侧翼和参考右侧翼接界对应于标记区域的参考核酸序列的参考重复区域，以形成与标记区域相关联的一组重复区域序列以及相邻左侧翼序列和相邻右侧翼序列；(3)接收对应于该组重复区域序列的多个流空间信号测量值；(4)为多个流空间信号测量值的一组流空间信号测量值确定一个或多个最佳簇，其中最佳簇中的至少一个与均聚物长度相关联，其中该组流空间信号测量值对应于给定流和重复区域序列中的位置；以及(5)将重复区域序列中的该位置处的碱基调用修改为与给定流的流空间信号测量值的最佳簇相关联的均聚物长度，以产生校正的重复区域序列，从而校正插入错误或缺失错误。