[发明专利]用于检测样品之间的污染的方法和系统

说明书

本文提供了用于检测存在/不存在第一样品被第二样品污染的各种方法和相关系统。例如，在一些实施方案中，该方法包括(a)对多核苷酸的集合进行测序以产生多于一个测序读段，(b)将多于一个测序读段与参考序列进行比对，(c)将多于一个测序读段分组到多于一个家族中，(d)产生多于一个家族的家族标识符，(e)筛选出共有家族标识符的集合，(f)确定共有家族标识符的集合的定量量度，以及(g)基于共有家族标识符的定量量度将第一样品分类为被第二样品污染或未被第二样品污染。

交叉引用

本申请要求于2018年8月30日提交的美国临时申请第62/724,622号的权益和优先权，该美国临时申请通过引用以其整体并入本文。

背景

癌症通常由个体的正常细胞内的突变的积累引起，所述突变中的至少一些导致细胞分裂调节不当。这样的突变通常包括单核苷酸变异(SNV)、基因融合、插入和缺失(得失位(indel))、颠换、易位和倒位。

癌症通常通过肿瘤的组织活检，然后分析细胞病理、从细胞提取的生物标志物或DNA来检测。但是最近已经提出，癌症也可以由体液诸如血液或尿液中的无细胞核酸(例如，循环核酸、循环肿瘤核酸、外排体、来自凋亡细胞和/或坏死细胞的核酸)来检测(参见，例如Siravegna等人,Nature Reviews,14:531-548(2017))。这样的测试具有的优点是它们是非侵入性的，可以在不进行活组织检查鉴定可疑癌细胞和来自癌症所有部分的样品核酸的情况下进行。然而，由于释放到体液中的核酸的量低且可变的事实，这样的测试是复杂的，从这样的体液中以可分析的形式回收核酸也是如此。这些测试被设计成使得它们可以检测非常低频率的序列，所述序列通过在给定的基因座处低至1000个分子中的1个来表示。因此，这样的测试可能基于来自其他样品的低水平的分子污染而易于产生假阳性结果。

样品可能被各种来源污染，所述各种来源诸如但不限于：样品之间的液体的物理遗留(physical carryover)(例如，移液、经由样品制备(sample prep)或测序仪进行自动液体处理、操纵扩增的材料)；去多重化人工制品(demultiplexing artifacts)(例如，使具有有限的成对汉明距离的样品索引混淆的碱基识别(base call)错误；使具有有限的成对编辑距离的样品索引混淆的插入/缺失)和试剂不纯(reagent impurities)(例如，具有在同一批次中合成的寡核苷酸的一定程度的遗失的样品索引寡核苷酸；被含有另一种样品索引的寡核苷酸污染(通过合成错误的遗留)的样品索引寡核苷酸)。

概述

本申请公开了用于检测两个样品之间的污染的方法和系统。先前的样品污染检测方法基于对某些分子的检测，这些分子在未污染的样品中可以仅以高丰度存在或者根本不存在，但如果观察到低丰度，则指示污染。两种这样类型的分子是携带常见种系单核苷酸多态性(SNP)的分子或Y染色体分子。这些方法受到以下事实的限制，即以上分子通常仅是全部污染分子的一小部分，并且它们的量可能不足以用于在存在测序错误和取样错误的情况下进行检测。此外，在高污染率的情况下，基于污染的种系SNV与被污染的样品天然的种系SNV可能不可区分。由于Y染色体分子天然仅存在于雄性患者中，使用Y染色体分子作为检测机制则进一步受限于雌性患者样品被雄性患者样品污染。除了物理污染之外，当样品索引被容易地转换成随后在算法上被错误分配的另一种索引时，可能发生数字交叉污染。该问题可以通过加双重索引(dual indexing)来缓解，但是该方法具有其自身的缺点。

本公开内容提供了用于检测存在或不存在第一样品被第二样品污染的方法、组合物和系统。