[发明专利]在目标基因组序列中产生新型序列的装置和方法

说明书

本申请要求于2011年10月31日在韩国知识产权局提交的第10-2011-0112371号韩国专利申请的权益，该韩国专利申请的公开通过引用全部包含于此。

技术领域

本发明涉及在目标基因组序列中产生新型序列的装置和方法，更具体地讲，涉及这样一种在目标基因组序列中产生新型序列的装置和方法，其用于在下一代测序(NGS)技术的基因组重测序过程中通过使用没有与参考序列比对上的输入短片段产生在参考序列中不存在的新型序列。

背景技术

NGS技术在对目标基因组测序时产生大量的短片段(其为短的片段)。将产生的短片段与参考序列比对，并用比对上短片段的共有序列重构目标基因组的碱基序列，该工艺称作重测序。因此，基于参考序列制备通过重测序产生的个别的基因组序列。

因此，目前，NGS数据同与参考序列比对上的短片段的共有序列一起构成目标基因组序列。

然而，由于重测序的方法的限制，在参考序列中不存在或与参考序列不同的个别的基因组序列中，在相应的序列中产生的短片段可能没有与参考序列比对上，因此，个别的遗传特征可能不会充分地反映在根据重测序的结果重构的个别的基因组序列中。因此，为了获得与参考序列不同的个别的遗传特征的信息，虽然需要对在重测序过程中未比对上的短片段进行另外的分析，但通常将该短片段从分析中排除。然而，已知的是，在个别的基因组中个别地示出的变异可以解释与表型变异和疾病易感性相关的个别的遗传特征，因此，找到该变异非常重要。

然而，仅通过使用传统的重测序方法难以产生具有以下特征的序列：与在参考序列中不存在并且独特地插入到个别的基因组中的部分对应；或者，与在参考序列中存在并且因诸如变异的因素而在个别的基因组中表现不同的部分对应。此外，仅通过使用传统重测序方法不能解决没有与参考序列比对上的短片段的个别的基因组的信息丢失的问题。

发明内容

本发明提供了在目标基因组序列中产生新型序列的装置和方法，其用于在下一代测序(在下文中，称作NGS)技术的基因组重测序过程中通过使用没有与参考序列比对上的输入短片段产生在参考序列中不存在的新型序列。

根据本发明的一方面，提供了一种新型序列产生装置，包括：短片段对获得单元，获得分别包括至少一个未比对上短片段的短片段对，所述至少一个未比对上短片段根据重测序的结果而没有与参考序列比对上，重测序用于将从基因组序列测序仪接收的输入短片段与参考序列进行比对；重叠群产生单元，产生通过将所获得的短片段对的未比对上短片段进行连接而组装的重叠群；新型序列产生单元，产生包括来自产生的重叠群之中的至少一个重叠群的新型序列；以及位置预测单元，预测产生的新型序列在参考序列上的位置。

短片段对可以包括比对上-未比对上短片段对和未比对上-未比对上短片段对，比对上-未比对上短片段对分别由与参考序列比对上的比对上短片段中的一个与未比对上短片段中的一个的对组成，未比对上-未比对上短片段分别由未比对上短片段的对组成。

重叠群可以包括一个或多个第一重叠群和一个或多个第二重叠群，通过将比对上-未比对上短片段对的未比对上短片段连接来组装所述一个或多个第一重叠群，通过将未比对上-未比对上短片段对的未比对上短片段连接来组装所述一个或多个第二重叠群。

新型序列可以包括第一新型序列和第二新型序列，通过将所述一个或多个第一重叠群之中的比对上-未比对上短片段对的比对上短片段的方向性相同的第一重叠群与第二重叠群连接获得第一新型序列，第二新型序列基于比对上-未比对上短片段对的比对上短片段的方向性不同的第一重叠群。

新型序列产生单元可以基于与产生的重叠群对应的比对上-未比对上短片段对的比对上短片段的比对质量、构成产生的重叠群的短片段的平均碱基质量以及产生的重叠群的长度来筛选产生的重叠群。

位置预测单元可以基于比对上短片段在参考序列上的位置预测新型序列在参考序列上的位置，比对上短片段来自用于产生新型序列中包括的重叠群的短片段对的短片段之中，比对上短片段与参考序列比对上。

新型序列产生装置还可以包括类型预测单元，类型预测单元基于与新型序列在参考序列上的预测的位置和由所述预测的位置指示的区域比对上的短片段的覆盖深度来预测新型序列的类型，新型序列的类型包括变异新型序列和插入新型序列中的至少一个，变异新型序列存在于参考序列上但表现出与通过重测序重构的目标基因组序列中的参考序列不同，插入新型序列从参考序列单独地插入。

新型序列产生装置还可以包括新型序列输出单元，新型序列输出单元用于输出关于新型序列的预测的位置和预测的类型的信息。