[发明专利]核苷酸序列变体的频率分布的确定

说明书

公开了一种用于确定样本的多个核苷酸序列变体(与核苷酸参考序列在至少一个中间部分上不同)的频率分布的方法。通过对参考变体列表的每个序列参考变体执行多个参考序列读取(每个具有读取起始位置RSS)生成序列读取数据的参考集。(对每个RSS和每个序列参考变体的中间部分)确定中间部分是否通过对应参考序列读取可检测。通过对样本执行样本序列读取来生成序列读取数据的样本集，并且对每个RSS和每个序列参考变体的中间部分确定在样本集中的总出现次数。对能够检测中间部分的RSS，基于确定的出现次数确定多个核苷酸序列变体的频率分布。

技术领域

本公开内容总体涉及分析核苷酸序列样本的领域。更具体地说，涉及在这样一个样本中核苷酸序列变体的频率分布的确定。

背景技术

在分析核苷酸序列样本(例如脱氧核糖核酸(DNA)或核糖核酸(RNA))样本时，可能期望能够实现对样本中的核苷酸序列变体的频率分布的准确确定。特别地，可能期望能够实现在样本中围绕感兴趣的特定位点的核苷酸序列变体的频率分布的准确确定。本公开内容的其余部分涉及围绕这样一个感兴趣的特定位点(也称为靶位点或靶位)的核苷酸序列变体。

本文提及的核苷酸序列可具有任何合适的长度并且可包括一个或多个核苷酸序列实体。例如，核苷酸序列可由一个完整基因组、一个基因组的一个或多个染色体、或者一个或多个染色体的一个或多个部分(例如基因)组成。

例如，如果原始核苷酸序列出于某些目的被改变，例如如果特定位点在基因编辑过程中被有意修改(例如与Cre组合相比较)，则核苷酸序列样本可包括改变的核苷酸序列的集合。在这样一个例子中，能够准确确定有多少被改变的核苷酸序列经历了哪种改变，可能是令人关注的。准确确定在样本中核苷酸序列变体的频率分布将提供这些结果。

用于估计序列变体频率分布的现有方法可能被证明是不准确的；至少在一定程度上是不准确的。

因此，需要用于确定序列变体频率分布的替代方法。优选地，这些方法应当提供更高的准确性，即，改善的准确性。

发明内容

应当强调，当在本说明书中使用时，术语“包括/包含”被用于指定所描述的特征、整数、步骤或组件的存在，但不排除存在或添加一个或多个其他的特征、整数、步骤、组件或其组。如本文所用，单数形式“一”、“一个”和“该”旨在包含复数形式，除非上下文另有明确指示。

应当注意，当本文提及时，术语“确定”在适用的情况下，根据一些实施例，可包括估计。

一些实施例的目的在于解决或减轻、缓解或消除至少一些上述缺点或其他缺点。

根据第一方面，这通过一种用于确定核苷酸序列样本的多个核苷酸序列变体的频率分布的方法实现，其中多个核苷酸序列变体包括核苷酸参考序列，其中每个核苷酸序列变体(其与核苷酸参考序列不同)与核苷酸参考序列在至少一个中间部分上不同，并且与核苷酸参考序列在核苷酸参考序列的至少两个部分上一致。

该方法包括生成序列参考变体的参考变体列表，参考变体列表包括多个核苷酸序列变体的单一核苷酸序列变体，以及，通过对参考变体列表的每个序列参考变体执行多个参考序列读取来生成序列读取数据的参考集，其中每个参考序列读取具有读取起始位置(RSS)。

该方法还包括(对于每个RSS和每个序列参考变体的中间部分)，基于对应参考序列读取至参考变体列表的比对，来确定中间部分是否通过对应参考序列读取可检测。

此外，该方法包括通过对核苷酸序列样本的多个核苷酸序列变体片段中的每一个执行一个或多个样本序列读取来生成序列读取数据的样本集，其中每个样本序列读取对应于参考序列读取并且具有对应的RSS。

该方法还包括(对每个RSS和每个序列参考变体的中间部分)，基于对应样本序列读取至参考变体列表的比对，确定序列读取数据在样本集中的总出现次数。