[发明专利]核酸索引化技术

说明书

本文展示了使核酸索引化技术，例如与测序联合使用。这些技术包括从个体样品生成索引化核酸片段，因而向核酸片段的每个索引位点中并入的索引序列选自多个可区分索引序列并且从而生成的核酸片段群体表示来自所述多个可区分索引序列的每个索引序列。以这种方式，从单一样品生成的索引化核酸片段用索引序列的多样混合物索引化，其中所述索引序列减少因低序列多样性相关的索引读段错误所致的错误分配。

相关申请的交叉引用

本申请要求2017年11月6日提交的名为“核酸索引化技术”的美国临时申请号62/582,175的权益和优先权，所述文献的内容通过引用方式完整并入本文用于所有目的。

背景

本公开一般地涉及与生物样品有关的数据(如序列数据)领域。更具体地，本公开涉及在采集的序列数据中使核酸索引化并解析索引化序列的技术。

基因测序已经变成日益重要的遗传研究领域，有希望未来用于诊断性应用和其他应用。通常而言，基因测序涉及确定核酸(如RNA或DNA片段)的核苷酸顺序。使用汇总样品制备法，例如，多重样品制备法，下一代测序技术促进更高通量测序。在汇总样品制备法内，可以对每个个体样品加标签或否则标记，从而来自汇总样品的每个测序用读段可以关联于或归因于汇集物中的个体样品。但是，采集的序列数据可能具有从各种来源引入的误差和噪声，例如，样品缺陷、样品制备误差和测序偏差，这可能降低每个个体样品的相关序列数据的准确度。因此，需要开发在多重样品制备物中允许高通量测序，同时归因误差降低的方法。

发明简述

本公开为生物样品的样品索引化提供新方案。如本文提供，样品索引化是采集的测序用读段藉此与特定样品关联的过程。尤其，公开的索引化技术在样品之间不引入污染，用数目任意少的样品(对于阳性样品追踪，低至一)稳健工作，并且甚至支持跨多路复用样品表示。用一项索引化策略解决了索引交叉污染、低复用(low-plex)样品索引化性能和索引性能变异的问题，所述索引化策略使用每个片段双重索引化，使用第一和第二索引的潜在多重索引汇集物标记从样品制备的每个核酸片段。与传统的组合方案相反，公开的技术将多个唯一索引分配给第一和第二索引中的每份样品。在一个实施方案中，索引序列是外源核酸序列，其中可以将所述外源核酸序列掺入来自样品的核酸用于样品鉴定和/或样品关联。例如，可以将本文提供的索引序列在样品制备期间和/或在测序期间掺入来自目的样品的核酸片段中。每个索引序列具有相对于测序反应中所用的其他索引序列而言可区分的序列。在某些实施方案中，索引序列与一份或多分样品的内源核酸可区分。索引序列可以是单链或双链的，并且可以具有至少5个碱基、至少6个碱基、至少7个碱基、至少8个碱基或更多碱基。在某些实施方案中，索引序列长5-8个碱基、5-10个碱基、5-15个碱基、5-25个碱基、8-10个碱基、8-12个碱基、8-15个碱基、或8-25个碱基等。

公开的技术提供索引化测序，其中使用预设定的索引序列汇集物，使来自特定样品的核酸片段在每个索引位点处索引化。尽管在每个核酸片段二个独立索引位点(即，双重索引化)的背景下公开某些实施方案，应当理解，公开的技术可以用具有至少一个索引位点、至少两个索引位点的核酸片段使用并且对于每个核酸片段，可以掺入三个、四个或更多个索引位点。如本文提供的索引化样品可以与其他索引化样品汇总用于测序，前提是，用不同的索引序列汇集物在每个索引位点处使其他索引化样品索引化。因此，本发明的技术允许汇总或多重样品测序反应，据此用分配的唯一索引序列集合使测序反应中的每个个体样品索引化并且借助分配的唯一索引，使采集的测序用读段与适宜的源样品关联。