[发明专利]基于分子标记的免疫组库生物信息分析方法

说明书

本发明公开了一种基于分子标记的免疫组库生物信息分析流程：选取序列相同的单链免疫球蛋白基因，在选取的单链免疫球蛋白基因的3’端或5’端添加引物和结构相同的UMI序列，添加完成后对免疫基因进行PCR扩增得到测试序列，对测试序列进行过滤，过滤之后通过建立有向无环树对免疫基因所带的UMI序列进行校正，之后对经过校正的UMI序列所标记的免疫基因进行校正，组装校正之后的免疫基因，最后对组装的免疫基因进行统计和报告。本发明通过对UMI自身的校正和免疫基因的校正，有效去除扩增错误和测序错误对免疫基因测序的影响，提高了测序数据的准确度。

技术领域

本发明属于分子生物信息分析处理系统领域，具体地，涉及一种基于分子标记的免疫组库生物信息分析方法。

背景技术

高通量测序技术(High-throughput sequencing,HTS)，又称为深度测序技术，是对传统Sanger测序(称为一代测序技术)革命性的改变，能够一次对几十万到几百万条核酸分子进行序列测定，使得对一个物种的转录组和基因组进行细致全貌的分析成为可能。高通量测序技术的发展极大的促进了精准医学的发展，落地了较多高通量测序临床应用，如无创产前基因检测(NIPT)等。

免疫组库是指某个个体在任何特定时间点其循环系统中所有功能多样性B淋巴细胞和T淋巴细胞的总和。T淋巴细胞和B淋巴细胞分别通过其表面的细胞受体(TCR或BCR)来识别和结合抗原，进而发挥功能清除病原体或肿瘤细胞等。一个T或B淋巴细胞只表达一种TCR或BCR，每条TCR或BCR都由可变区和恒定区组成，不同克隆T、B细胞的恒定区可相同，但可变区不同，人体T、B淋巴细胞总数约1012，因而具有复杂的识别抗原受体的多样性。

免疫组库测序(Immune Repertoire sequencing(IR-SEQ))是以T/B淋巴细胞为研究目标，用多重PCR技术扩增决定B淋巴细胞受体(BCR)或T淋巴细胞受体(TCR)多样性的互补决定区(CDR3区)，再结合高通量测序技术，全面评估免疫系统的多样性，深入挖掘免疫组库与疾病的关系。

免疫组库测序作为一种新的高通量测序技术，近年来一直处于科研前沿，特别是随着免疫治疗的兴起与临床落地，极大的推进了免疫组库测序技术的发展。免疫治疗目前拥有较大的市场前景，随着相关产品的批准与落地，也极大的刺激了免疫治疗的研发，免疫组库测序作为免疫治疗研发和预后监控的关键一环，其市场前景也十分巨大，提升免疫组库测序数据的准确性能够极大的促进免疫治疗的研发与临床预后监控效果。免疫组库测序的应用场景不只是免疫治疗，在其他方面也有较多的运用，如抗体研发等等，其应用市场规模巨大，应用场景多样，对其进行研究拥有较大的意义。

但目前免疫组库测序有一些难点，如PCR和测序造成的错误无法较好的纠正，会极大的影响后续分析免疫组库的多样性，而免疫组库的多样性是一些临床场景引用的基础，相关的分析流程和算法也无法满足特定场合的免疫组库临床产品的需求。因此，对免疫组库测序技术的研发，解决相关技术难题，对于免疫治疗和癌症预后监控具有重大社会及经济意义。

《MiXCR:software for comprehensive adaptive immunity profiling》一文介绍了Mixcr软件在免疫测序中的应用和相对于原有软件的特点。虽然Mixcr软件目前在非分子标记免疫组库测序中用的比较普遍，而这种测序方法会导致分析结果中测序错误和PCR错误较多，没法进行较好的纠正，导致分析结果出现一定的偏差。此外，基于MIGEC软件的免疫组库测序分析也是一种较为常见的方法，但是，其针对的实验类型太窄，泛用性不好，测序结果也存在一定的偏差。