[发明专利]用于对生物分子进行测序的方法

说明书

一种用于提供对生物分子的测序的系统和方法，该系统和方法能够用于进行测试样本与正常样本的差异分析。方法能够涉及以下步骤：提供试验测试样本和试验正常样本中的每个的映射的序列文件，其中，每个序列文件具有试验读取数量；由处理器根据所述试验测试样本和所述试验正常样本的所述序列文件来计算第一测试‑正常基因组比较试验视图，其中，所述第一试验视图基于至少一个基因组参数将试验测试样本数据与试验正常样本数据区分开；由所述处理器针对每个序列文件计算具有减少的试验读取数量的下采样的序列文件；由所述处理器根据所述试验测试样本和所述试验正常样本的所述下采样的序列文件来计算第二测试‑正常基因组比较试验视图，其中，所述第二试验视图基于所述至少一个基因组参数将所述试验测试样本数据与所述试验正常样本数据区分开；重复所述下采样的步骤以确定用于计算测试‑正常基因组比较视图所需的最少试验读取数量，所述测试‑正常基因组比较视图基于所述至少一个基因组参数将所述试验测试样本数据与所述试验正常样本数据区分开；使用等于所述最少试验读取数量的读取数量对所述测试样本和所述正常样本的生物分子进行测序；并且由所述处理器基于所述至少一个基因组参数来计算用于显示所述差异分析的测试‑正常基因组比较视图。

技术领域

本发明涉及用于生物分子的下一代测序(NGS)的方法和系统。该系统能够使用来自用户定义样本的序列比对映射的二元BAM文件作为输入。对映射的BAM文件进行下采样能够用于确定获得关键生物信息所需的减少的读取数量。

背景技术

在过去的几年中，生物分子的测序成本已经下降到大约百分之一，2016年每个基因组的成本大约为1000美元(参见例如https://www.genome.gov/27541954/dna-sequencing-costs-data/)。然而，由于生物序列信息在医学、药学、诊断学以及许多新的商业应用中的使用数量不断增加，因此近年来对序列数据和分析的需求急剧增加。随着要研究的样本或序列的数量的增加，对有效存储和分析序列数据的需求也已经大大增加。

减少数量和成本的一种方法是进行多路复用样本测序。通过多路复用，而不是在测序仪的一个通道中对单个样本进行测序，能够一起加载能够具有独特条形码的多个样本。当对样本进行多路复用时获得的数据总量会减少。不幸的是，在一些研究应用中，减少每个样本的序列数据总量可能会使相关的生物信息丢失。

此外，可能无法确定或估计获得某些生物信息所需的多路复用的先验深度(即，每个通道的样本数)。例如，在一些情况下，医学研究、临床试验、药物开发和诊断应用可能需要大量的研究对象。在许多情况下，数据量可能过高，特别是在必须存储和重复分析序列数据时就是这样。

发明内容

本发明的目的是提供用于估计在实验设计中收集足够数量的相关测序信息所需的测序深度的系统和方法。

特别地，本发明的目的是提供通过确定获得关键生物信息所需的多路复用水平和测序深度来解决上述问题的系统和方法。对大量生物样本进行深度测序要求对样本进行多路复用以使测序成本最少化。在本发明中，能够预先确定多路复用水平和测序深度，使得能够获得测序数据而不会丢失关键生物信息。在测序系统中，能够对来自试验研究的少量样本进行测序以为研究设计提供信息。更特别地，能够确定测序深度并将其用于完整研究中的其余样本。

根据本发明的示例性实施例，一种用于测序的系统和方法为实验设计提供关于能够使用的测序深度的信息以及多路复用水平的信息，同时仍然能够捕获足够的生物信息。该系统需要少量试验样本(其是较大实验设计的部分)进行测序以确定在生物信息与测序深度之间任何权衡的效果。该系统为用户(例如，个体研究人员)在所需深度执行测序以获得完整的生物信息。

可以预想到，通过提供用于提供对生物分子进行测序以进行测试样本与正常样本的差异分析的系统和方法，在本发明的第一方面中获得了上述目的。