[发明专利]用于分子探针的数据驱动设计、合成和应用的系统和方法

权利要求书

1.一种用于分离靶基因组结构域的多个核酸变体的探针的合成方法，包括：

(a)提供所述靶基因组结构域的核酸序列的多重序列比对(MSA)；

(b)设计多个代表性子序列，包括：

(i)在MSA的长度内指定多个间隔，其中每个间隔由具有所观察到的变体的比对的核酸子序列的MSA子集组成，其中每个MSA子集有不同的起始位置；

(ii)将MSA内每个MSA子集的起始位置独立地在指定方向上移动指定核酸数的位置，以提供经调整的MSA子集，其具有所述观察到的变体的比对的经调整的核酸子序列；

(iii)独立地评估每个经调整的MSA子集是否符合终止标准，如果经调整的MSA不符合终止标准，则重复步骤(ii)；其中，终止标准包括：移位迭代的预设数量，经调整的MSA子集内的保守位置的预设百分比，用于定位保守位置的预设阈值；

(iv)在每个经调整的MSA子集内对比对的核酸子序列进行聚类，以提供对应于每个经调整的MSA子集的简化的MSA子集；所述聚类包括使用距离度量按照相似性对每个经调整的MSA子集的调整后的核酸子序列进行分组，以为每个经调整的MSA子集提供一组或多组经调整的核酸子序列；

(v)由每个经调整的MSA的一组或多组经调整的核酸子序列组成简化的MSA子集，所述经调整的核酸子序列满足或超过预设的大小阈值；

(vi)确定每组简化的MSA子集的代表性子序列；以及

(c)合成对应于每个简化的MSA子集的至少一个核酸探针，其中每个核酸探针包含代表相应的简化的MSA子集的代表性子序列或其互补序列，其中代表性子序列可以在一个或多个位置处包含简并性。

2.根据权利要求1所述的方法，其中，根据设定的空间限制，在MSA的长度内指定多个间隔。

3.根据权利要求2所述的方法，其中，所述指定的间隔在所述MSA的长度上均匀分布。

4.根据权利要求2所述的方法，其中，在MSA的长度内的所述多个间隔被指定在MSA内保守性高于平均水平的区域中。

5.根据权利要求1所述的方法，其中，所述多个代表性子序列中的至少两个是非重叠的。

6.根据权利要求1所述的方法，其中，步骤(b)(i)中的所述多个间隔是随机指定的。

7.根据权利要求1所述的方法，其中，步骤(b)(i)中的指定包括从所述多个指定的间隔中提取MSA子集，以在每个指定的间隔内提供比对的核酸子序列。

8.根据权利要求1所述的方法，其中，每个MSA子集的起始位置是位于子集的5'端或3'端的位置。

9.根据权利要求1所述的方法，其中，每个MSA子集起始位置移动的所述指定的核酸数的位置不超过相应MSA子集的长度。

10.根据权利要求1所述的方法，其中，每个MSA子集的起始位置向5'端方向移位。

11.根据权利要求1所述的方法，其中，每个MSA子集的起始位置向3'端方向移位。

12.根据权利要求1所述的方法，其中，用于独立移动每个MSA子集的所述指定的核酸数的位置和/或所述指定的方向增加在所述经调整的MSA子集内的保守位置的数量。

13.根据权利要求1所述的方法，其中，由步骤(b)(ii)的移位产生的经调整的MSA子集满足设定的空间限制。

14.根据权利要求1所述的方法，其中，用于独立移位每个MSA子集的所述指定的核酸数的位置和/或所述指定方向增加所述保守位置在所述经调整的MSA子集的中心区域内的设置。