[发明专利]用于分析数据集的系统和方法

说明书

提供了用于分析数据集的系统和方法，其中获得表示多个克隆类型的数据集。所述数据集包含所述多个克隆类型中每个克隆类型的多个重叠群。每个重叠群包括链类型的指示、条形码(指示构建所述重叠群的多个细胞中的特定细胞)和共有序列。针对每个相应克隆类型，确定表示所述相应克隆类型的所述多个重叠群的百分比、绝对数或比例。在显示器的第一部分上提供第一二维可视化。所述可视化的一条轴线代表单独克隆类型，并且另一条轴线代表表示所述相应克隆类型的所述多个重叠群的所述百分比、所述绝对数或所述比例。在所述第一可视化的同时，还显示所述多个克隆类型的列表。

相关申请的交叉引用

本申请要求于2017年5月19日提交的题为“用于分析数据集的系统和方法(Systems and Methods for Analyzing Datasets)”的美国临时专利申请号62/508，947和于2017年11月7日提交的题为“用于分析数据集的系统和方法”的美国临时专利申请号62/582，866的优先权，所述专利申请中的每一个通过引用结合在此。

技术领域

本说明书描述了与分析数据集有关的技术。

背景技术

数据集中模式的发现促进了许多技术应用，如在生物学领域对RNA提取协议的验证和使得在单个细胞中对mRNA进行mRNA测序的相关方法。此类技术使得在单个数据集中的数百甚至数千个单个细胞中进行高通量转录物鉴定和基因测序。因此，在本领域中，已经产生了包含属性值(例如映射到特定细胞中的单独基因的转录物读段(transcript read))的数据集。尽管这是本领域的重大进步，但是需要解决许多技术问题以使此类数据更加有用。

特别是，适应性人类免疫系统由B细胞和T细胞构成。在T细胞和B细胞发育过程中，这些细胞表达用于识别病原体的独特异二聚体受体。这些受体链中的每一条都是通过体细胞重新布置过程产生的，体细胞重新布置过程将TCR基因和BCR基因的不同片段连接并产生新型基因。这种连接过程是不精确的，因为在连接位点插入了非模板核苷酸(N核苷酸)，以及参与重新布置的种系基因中3'-和5'-核苷酸缺失。这种随机核苷酸插入或缺失的区域称为第三互补决定区(CDR3)。所得的CDR3具有对所述特定B细胞或T细胞及其所有子代具有特异性的独特核苷酸序列。因此，所述受体的克隆类型性质。CDR3为这些受体中与完整可溶性抗原(B细胞)或细胞内加工抗原相互作用最密切的部分，这些抗原以在MHC分子(T细胞)中加载的免疫原性肽的形式存在。见Yassai等人，2009，“T细胞受体克隆类型命名法(Aclonotype nomenclature for T-cell receptors)”，《免疫遗传学(Immunogenetics)》，61，第493-502页。考虑到产生大量数据的能力，本领域需要用于分析此类数据的改进的系统和方法。

发明内容

在本公开中提供了用于解决上述分析数据集存在的问题的技术解决方案(例如，计算系统、方法和非暂时性计算机可读存储介质)。

下文呈现了本发明的概述，以便提供对本发明的一些方面的基本理解。此概述不是本发明的广泛概要。此概述并不旨在标识本发明的关键/关键要素或描绘本发明的范围。此概述的唯一目的是以简化的形式呈现本发明的概念中的一些作为对之后所呈现的更加详细的说明的序言。