CN105139403B - 一种识别测序过程中汽泡效应的方法和装置 - Google Patents

Abstract

本发明公开了一种识别测序过程中汽泡效应的方法和装置，所述方法包括将测序过程中产生的多条PolyX记录以点的形式可视化地显示在图像上，以所述图像上的所述点所在的区域表征汽泡区域；其中所述PolyX表示序列中一段连续的相同碱基，所述PolyX记录包含所述PolyX在测序芯片上的位置信息以用于将所述PolyX记录显示在所述图像上的适当位置。本发明能够将测序过程中的汽泡效应可视化的识别出来，解决了本领域存在的汽泡效应难以识别的问题。

Description

一种识别测序过程中汽泡效应的方法和装置

技术领域

本发明涉及基因测序技术领域，尤其涉及一种识别测序过程中汽泡效应的方法和装置。

背景技术

在测序仪测序的工作过程中，由于流体动力学的影响，经常会在测序芯片的泳道(Lane)上产生一些气体汽泡。这些汽泡会影响反应的进行以及荧光信号的产生和传递，还难以在测序读取周期中被清洗操作清除，所以常导致测序仪在该位点读取的碱基信号错误。这些错误的碱基信号，会对下游的数据分析产生影响，特别是对于临床医学的应用，会产生严重的影响。

目前还没有任何一个软件或算法等技术，能够识别测序仪测序的工作过程中产生的汽泡效应。

发明内容

依据本发明的一方面提供一种识别测序过程中汽泡效应的方法，包括将测序过程中产生的多条PolyX记录以点的形式可视化地显示在图像上，以上述图像上的上述点所在的区域表征汽泡区域；其中上述PolyX表示序列中一段连续的相同碱基，上述PolyX记录包含上述PolyX在测序芯片上的位置信息以用于将上述PolyX记录显示在上述图像上的适当位置。

依据本发明的另一方面提供一种识别测序过程中汽泡效应的装置，包括：数据输入单元，用于输入数据；数据输出单元，用于输出数据；存储单元，用于存储数据，其中包括可执行的程序；处理器，与上述数据输入单元、数据输出单元及存储单元数据连接，用于执行上述可执行的程序，上述程序的执行包括完成如上述的识别测序过程中汽泡效应的方法。

本发明的识别测序过程中汽泡效应的方法，将PolyX记录以点的形式可视化地显示在图像上，以点所在的区域表征汽泡区域，从而将测序过程中的汽泡效应可视化的识别出来，解决了本领域存在的汽泡效应难以识别的问题。

附图说明

图1为本发明一种实施方式的识别测序过程中汽泡效应的方法的流程图。

图2为本发明另一种实施方式的识别测序过程中汽泡效应的方法的流程图。

图3为本发明又一种实施方式的识别测序过程中汽泡效应的方法的流程图。

图4为本发明一种实施方式的识别测序过程中汽泡效应的装置的框图。

图5为本发明一个实施例的识别测序过程中汽泡效应的方法的实验结果图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

术语释义：

序列：一条连续的核酸序列，对于DNA而言，主要由A、T、C、G四种不同的碱基组成，序列也可能含有一些未知的碱基N；比如一条序列ATCCGTAGCTCACGGACG。

PolyX：表示序列中一段连续的相同碱基；一段序列中，如果出现连续多个A，即称为PolyA，同理可得PolyT、PolyC、PolyG、PolyN，X代表A、T、C、G、N中任意一个，即得PolyX。

泳道(Lane)：测序芯片上的一条泳道，测序芯片可以有多条Lane，每条Lane之间是分隔开的。比如Illumina的nextseq 500仪器，总共有4条Lane。

表面(Surface)：测序芯片的两个表面都可以进行化学反应，即正面和反面。

Tile：某条Lane中的同一个图像采样位置，通常从1开始编号，比如Illumina的nextseq 500仪器，每条Lane可以有12个Tile。

相机(Camera)：用于获取测序中化学反应荧光信号的相机，每次完成拍摄后，下方的云台可以相对运动，使得下次拍摄的位置可以不同，比如Illumina的nextseq 500仪器，总共有6个Camera，分布成2行、3列。

Swath：每条Lane中沿着Lane方向的Tile的列数，即在同一行(与Lane垂直的方向)里，有多少不同的Tile，比如Illumina的nextseq 500仪器，总共有1-3个Swath。

本发明的基本依据是，对于测序过程中测序芯片的泳道上的汽泡范围内的一些点，由于汽泡的影响，该点的反应不能正常进行，而在起汽泡之前的信号不会被清洗掉，所以会被一直保留，形成PolyX。汽泡区域的PolyX的密度通常会是其它区域的多倍(如3倍以上)。因此，通过对PolyX的检测和识别即可实现汽泡效应的识别。

本发明的识别测序过程中汽泡效应的方法适合各种测序仪器和/或测序芯片，只要该测序仪器和/或测序芯片在测序过程中存在汽泡效应且因汽泡效应的存在会导致PolyX的形成，就能够使用本发明的方法将汽泡效应识别出来。

然而，不同的测序仪器和/或测序芯片，基于其原理和特性的差别可能倾向于形成不同的PolyX。比如，Illumina的nextseq 500仪器在汽泡区域容易形成PolyG和PolyT，而不是PolyA或PolyC。但是，无论是哪一种PolyX均能用于表征汽泡效应，因此，并不因PolyX的差异导致本发明的可行性存在问题。

如图1所示，依据本发明的一种实施方式，提供一种识别测序过程中汽泡效应的方法100，包括如下步骤：

S102：将测序过程中产生的多条PolyX记录以点的形式可视化地显示在图像上。

S104：以图像上的点所在的区域表征汽泡区域。

应当理解，一般而言，完成步骤S102，即可自然实现步骤S104。因此，也可以认为步骤S102和步骤S104在同一步完成。

需要说明的是，PolyX表示序列中一段连续的相同碱基，PolyX记录包含PolyX在测序芯片上的位置信息以用于将PolyX记录显示在图像上的适当位置。也就是说，PolyX记录在图像上的精确位置的显示依赖于PolyX记录中包含的该PolyX记录在测序芯片上的位置信息，因为每一个PolyX记录均是从测序芯片上采集的，其中位置信息包括例如PolyX所在的Lane、Swath、Camera、Tile、Surface的信息等。一般而言，这些位置信息是随同测序结果包含在PolyX记录中的。基于这些位置信息可以计算出每一个PolyX记录对应于图像上的坐标(x，y)。

本发明可以通过对每一个PolyX记录所对应的图像上的坐标点赋予一个对应的颜色，实现以点的形式将PolyX记录可视化地显示在图像上。优选的是，针对不同PolyX(如PolyA、PolyT、PolyC或PolyG)记录，赋予不同的颜色，这样不仅能够可视化地显示汽泡效应在图像上的区域，而且能够可视化地显示该汽泡效应导致产生怎样的PolyX。此外，各PolyX记录的连续度(或者长度，即有多少个碱基是连续的)可能不同，连续度能够表征汽泡效应造成的影响的严重程度，如果连续度较大，意味着汽泡效应造成的影响比较严重；而如果连续度较小，意味着汽泡效应造成的影响比较轻微。因此，为了更加精确地可视化汽泡效应造成的影响的严重程度，优选地，通过PolyX记录的连续度，赋予对应的颜色值(或颜色的亮度)并将其加权到原图上。

一般而言，本发明的方法是从一个初始化的“空白”图开始进行可视化显示，其中“空白”图可以是一张全黑的图或者全白的图，本发明优选全黑的图。

如果PolyX记录的数量不是太多，可能意味着测序过程中的汽泡效应不是很严重，在对汽泡效应没有严格要求的情况下，可以不检测其中的汽泡效应。一般而言，在PolyX记录有20个以上的情况下，才需要通过本发明的方法识别测序过程中汽泡效应。在汽泡效应严重的情况下，PolyX记录的个数能够达到成千上万个，甚至数以百万计。无论如何，本发明的方法对于各种程度的汽泡效应的识别都是适用的。

通过如上方法100，虽然还没有精确地界定汽泡的界线，但是已经能够定性地显示出汽泡效应所在的区域。因此，对于只需要大体显示出汽泡效应所在的区域这样的定性要求，如上方法100已经可以完全实现其目的。

然而，为了精确地界定汽泡的界线，如图2所示，依据本发明的一种实施方式，提供一种识别测序过程中汽泡效应的方法200，包括如下步骤：

S202：将测序过程中产生的多条PolyX记录以点的形式可视化地显示在图像上。

S204：以图像上的点所在的区域表征汽泡区域。

S206：根据PolyX记录中的位置信息，将多条PolyX记录聚集成不同子集。

在一个实施例中，上述子集是指测序芯片的泳道上的每个图像采集位置Tile中的PolyX记录的集合，也就是说以每个Tile中的PolyX记录作为一个单元，分别分析每个Tile中的PolyX记录的情况，依次表征每个Tile中的汽泡效应的情况。以下步骤S208至步骤S212均是分别针对每个Tile中的PolyX记录进行处理。

S208：对每一子集中的PolyX记录，按照PolyX记录之间的距离进行区域增长，根据预设距离将PolyX记录分成不同的类。

在步骤S208中之所以进行区域增长以将PolyX记录分成不同的类，其依据是距离较远的PolyX记录可能分别属于不同的汽泡。上述预设距离，可以根据测序使用的具体仪器和芯片以及具体的测序场景设定，该预设距离可以是一个经验值或者理论值，例如对于Illumina的nextseq 500仪器可以将上述预设距离设置为每个PolyX记录的周围600、800或1000个像素的范围内。

S210：对每一类中的PolyX记录，统计其圆心和半径以形成一个圆。

步骤S210的直接目就是试图精确地界定汽泡的界线。然而，在该步骤中，首次作出的圆有可能会与Tile的边界相交，在这种情况下，可以通过寻找对应的类中相距最远的N组(如2、3、4或10组)点对，以重新计算圆心和半径以形成一个圆。当然，该步骤也可以使用霍夫变换进行计算，但是计算复杂度可能会上升。

S212：通过预设标准确定圆表征的汽泡区域的范围。

通过步骤S210所作出的圆，在大部分情况下可能能够正确表征汽泡区域的范围，但是在某些情况下可能不能正确表征汽泡区域的范围，例如在大部分点分布在圆周附近而圆内部相对缺乏点的情况下，可能意味着这是一个“假圆”，不能表征真实的汽泡区域。因此，需要通过预设标准去除那些“假圆”，从而确定圆表征的汽泡区域的范围。这样的预设标准可能有很多，比如计算类中的PolyX记录的边界矩形的面积与圆的面积的比例，根据预设阈值比例去除比例小于预设阈值比例的圆，其中预设阈值比例可以是例如0.75～0.95，优选0.85，例如，如果边界矩形的面积与圆的面积的比例大于或等于0.85，可以判断对应的圆是真实的圆，予以保留；而如果边界矩形的面积与圆的面积的比例小于0.85，可以判断对应的圆是“假圆”，予以去除。又比如，可以通过曲线连接最外圈的点形成一个曲线围成的封闭图形，通过计算该封闭图形的面积与圆的面积的比例，并且根据预设阈值比例将“假圆”予以去除。再比如，可以通过寻找对应的类中相距最远的N组(如2、3、4或10组)点对，比较不同组点对之间的距离，分析其相对偏差，并根据预设的相对偏差，将那些超出预设的相对偏差的“假圆”予以去除。本发明的一个实施例中，采用边界矩形的面积与圆的面积的比例来判断“假圆”。

通过如上方法200，不但能够定性地显示出汽泡效应所在的区域，而且能够相对精确地界定汽泡的界线。因此，对于需要相对精确地界定汽泡的界线的要求，如上方法200已经基本可以实现其目的。

然而，由于某些连续度不是太高的PolyX可能是“假”PolyX，或者是汽泡效应以外的其它原因造成的PolyX，并且每个PolyX的周围邻域中可能存在“背景”PolyX，这些“假”PolyX或“背景”PolyX等都可能对汽泡效应的精确识别产生负面影响。因此，在一些需要极高精确地界定汽泡的界线的情况下，有必要去除这些“假”PolyX或“背景”PolyX等。

此外，上述步骤S208中对PolyX记录进行聚类后，某些类可能包含的PolyX记录过少，而不能真实地表征汽泡的存在。因此，在一些需要极高精确地界定汽泡的界线的情况下，这些PolyX记录过少的类也需要被去除。

因此，为了更加精确地界定汽泡的界线并更加真实地表征汽泡的存在情况，如图3所示，依据本发明的一种实施方式，提供一种识别测序过程中汽泡效应的方法300，包括如下步骤：

S302：将测序过程中产生的多条PolyX记录以点的形式可视化地显示在图像上。

S304：以图像上的点所在的区域表征汽泡区域。

S306：根据PolyX记录中的位置信息，将多条PolyX记录聚集成不同子集。

S308：对多条PolyX记录进行过滤，去除PolyX的连续度小于预设连续度的PolyX记录。

在步骤S308中，预设连续度可以是一个经验值或理论值，优选是经验值，例如上述预设连续度可以设置为20～40个碱基，优选30个碱基。例如，连续度小于30个碱基的PolyX予以滤除。

此外，不同的测序仪器和/或测序芯片，基于其原理和特性的差别可能倾向于形成不同的PolyX。比如，Illumina的nextseq 500仪器在汽泡区域容易形成PolyG和PolyT，而不是PolyA或PolyC。为了减少需要分析的PolyX的数量可以将PolyA和PolyC去除，而只保留PolyG和PolyT。这样不但减少了运算量，而且不影响分析的准确性。

S310：统计每一PolyX记录的预设邻域内的其它PolyX记录的个数，去除个数小于预设个数的其它PolyX记录，以清除背景PolyX记录。

上述步骤S310中的预设邻域例如可以是每个PolyX记录的300、500或700等的像素之内的区域；预设个数可以是各子集(Tile)中PolyX记录的平均密度与预设邻域的面积的乘积或者其乘积的N倍(如0.5、2或3倍)，换句话说，如果预设邻域内的其它PolyX记录的个数小于等面积的其他区域中的PolyX记录的平均个数或者平均个数的N倍，则去除这些其它PolyX记录。

S312：对每一子集中的PolyX记录，按照PolyX记录之间的距离进行区域增长，根据预设距离将PolyX记录分成不同的类。

S314：去除含有的PolyX记录小于预设数值的类。

上述步骤S314中的预设数值可以是经验值或理论值，优选经验值，例如50、100或200等。例如，如果某类中PolyX记录小于100，则可能不能真实地表征汽泡的存在，予以去除。

S316：对每一类中的PolyX记录，统计其圆心和半径以形成一个圆。

S318：计算类中的PolyX记录的边界矩形的面积与圆的面积的比例，根据预设阈值比例去除比例小于预设阈值比例的圆。

本领域普通技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。

如图4所示，依据本发明的另一方面还提供一种识别测序过程中汽泡效应的装置400，包括：数据输入单元410，用于输入数据；数据输出单元420，用于输出数据；存储单元430，用于存储数据，其中包括可执行的程序；处理器440，与上述数据输入单元410、数据输出单元420及存储单元430数据连接，用于执行上述可执行的程序，上述程序的执行包括完成上述实施方式中各种方法的全部或部分步骤。

以下结合具体实施例对依据本发明的具体方法的运行结果进行详细的描述。

实施例

本实施例中所使用的具体参数设置为：

测序仪器：Illumina的nextseq 500仪器，Lane＝4、Swath＝3、Camera＝2×3、Tile＝12、Surface＝2(具体可参考Illumina的500 System User Guide，Catalog#SY-415-9001DOC，2014.9)。

按照图3所示的方法的步骤进行，其中完成步骤S302和S304后的结果基本如图5所示(差别在于没有图5中的圆圈)。

进一步，为了精确地界定汽泡效应的范围，执行步骤S306至S318，其中：

步骤S308中，预设连续度设置为30个碱基。

步骤S310中，预设邻域设置为500个像素；预设个数设置为平均密度与预设邻域的面积的乘积，即以500个像素为单位面积的PolyX记录的平均个数。

步骤S312中，预设距离设置为800个像素的范围。

步骤S314中，预设数值设置为100。

步骤S318中，计算类中的PolyX记录的边界矩形的面积与圆的面积的比例，并且预设阈值比例是0.85。

完成步骤S306至S318后的结果如图5所示，由图5所示的结果可以清楚地看出，汽泡效应的区域已经被清楚、精确地用圆标注出来。

以上所述仅为本发明的较佳实施例，应当理解，实施例仅用以解释本发明，并不用于限定本发明。对于本领域的一般技术人员，依据本发明的思想，可以对上述具体实施方式进行变化。

Claims (10)

1.一种识别测序过程中汽泡效应的方法，其特征在于，所述方法包括将测序过程中产生的多条PolyX记录以点的形式可视化地显示在图像上，以所述图像上的所述点所在的区域表征汽泡区域；其中所述PolyX表示序列中一段连续的相同碱基，所述PolyX记录包含所述PolyX在测序芯片上的位置信息以用于将所述PolyX记录显示在所述图像上的适当位置。

2.根据权利要求1所述的方法，其特征在于，所述PolyX记录还包含所述PolyX的连续度信息以用于将所述连续度信息对应的颜色值加权叠加到所述图像上。

3.根据权利要求1所述的方法，其特征在于，所述方法进一步包括识别所述汽泡区域的范围。

4.根据权利要求3所述的方法，其特征在于，所述识别所述汽泡区域的范围具体包括：

根据所述PolyX记录中的所述位置信息，将所述多条PolyX记录聚集成不同子集，所述子集是指所述测序芯片的泳道上的每个图像采集位置Tile中的所述PolyX记录的集合；

对每一所述子集中的PolyX记录，按照所述PolyX记录之间的距离进行区域增长，根据预设距离将所述PolyX记录分成不同的类；

对每一所述类中的PolyX记录，统计其圆心和半径以形成一个圆；

通过预设标准确定所述圆表征的所述汽泡区域的范围。

5.根据权利要求4所述的方法，其特征在于，所述将所述多条PolyX记录聚集成不同子集之后，对所述多条PolyX记录进行过滤，去除所述PolyX的连续度小于预设连续度的PolyX记录。

6.根据权利要求5所述的方法，其特征在于，所述对所述多条PolyX记录进行过滤之后，统计每一PolyX记录的预设邻域内的其它PolyX记录的个数，去除所述个数小于预设个数的其它PolyX记录，以清除背景PolyX记录。

7.根据权利要求4所述的方法，其特征在于，所述根据预设距离将所述PolyX记录分成不同的类之后，去除含有的所述PolyX记录小于预设数值的类。

8.根据权利要求4所述的方法，其特征在于，所述对每一所述类中的PolyX记录，统计其圆心和半径以形成一个圆，还包括：若所述圆与所述Tile的边界相交，则通过寻找所述类中相距最远的N组点对以重新计算所述圆心和半径以形成一个圆。

9.根据权利要求4所述的方法，其特征在于，所述通过预设标准确定所述圆表征的所述汽泡区域的范围具体是，计算所述类中的PolyX记录的边界矩形的面积与所述圆的面积的比例，根据预设阈值比例去除所述比例小于所述预设阈值比例的圆。

10.一种识别测序过程中汽泡效应的装置，其特征在于，所述装置包括：

数据输入单元，用于输入数据；

数据输出单元，用于输出数据；

存储单元，用于存储数据，其中包括可执行的程序；

处理器，与所述数据输入单元、数据输出单元及存储单元数据连接，用于执行所述可执行的程序，所述程序的执行包括完成如权利要求1-9任意一项所述的方法。