CN109074427B

CN109074427B - 染色体异常的检测

Info

Publication number: CN109074427B
Application number: CN201680078447.8A
Authority: CN
Inventors: 马修·查尔斯·福曼
Original assignee: Eugene Health Uk Ltd
Current assignee: Eugene Health Uk Ltd
Priority date: 2015-12-22
Filing date: 2016-12-21
Publication date: 2023-03-31
Anticipated expiration: 2036-12-21
Also published as: US20190002966A1; WO2017109487A1; GB201522665D0; EP3394776A1; CN109074427A; JP7079433B2; JP2019508781A

Abstract

本发明的实施方案提供了一种确定胎儿染色体异常概率的计算机实现的方法，该方法包括：根据从女性受试者获得的生物样本确定指示目标染色体的第一参数和表示染色体序列密度的第二参数的数据；确定指示胎儿染色体异常的似然比，其中根据基于第一参数和第二参数的相应异常模型和正常模型，将该似然比确定为染色体异常概率和染色体正常概率之间的比；确定一个或更多个性能参数阈值；以及将与样本相关联的一个或更多个性能参数的估计与一个或更多个性能参数阈值进行比较。

Description

染色体异常的检测

背景

本发明涉及染色体异常的检测。具体地，本发明涉及根据生物样本确定胎儿染色体异常的概率。

唐氏综合征是一种比较常见的遗传疾病。该综合征是由额外的21号染色体(21三体(trisomy)或T21)或该染色体的不太常见的额外实质部分的存在引起的。其他三染色体性也是已知的，例如T13或T18。这种病情的产前诊断方法是已知的，其基于母体血浆中DNA分子的DNA测序。由于与DNA处理相关的变数，由生物样本可靠地确定染色体异常是有很多问题的。

本发明的实施方案的目标是至少减轻现有技术的问题中的一个或更多个。

附图简述

本发明的实施方案现在将参考附图仅以示例的方式进行描述，其中：

图1示出了根据本发明实施方案的装置的图示；

图2示出了说明根据本发明实施方案的方法的流程图；

图3示出了根据本发明实施方案的形成模型的数据的表示；

图4示出了根据本发明实施方案的形成模型的数据的表示；

图5示出了根据本发明实施方案的模型在特定染色体序列密度下的密度曲线；

图6示出了根据本发明实施方案的模型在不同的特定染色体序列密度下的密度曲线；和

图7示出了目标染色体的第一模型和第二模型的密度等值线。

本发明的实施方案的详细描述

本发明的实施方案涉及确定胎儿染色体异常的概率。在本发明的实施方案中，确定指示目标染色体的胎儿染色体异常的似然比。如下面将解释的，似然比是基于第一模型和第二模型确定的。在检测此类异常时，重要的是，尽可能确保不确定错误结果。特别是，特别希望降低确定假阴性结果的概率。然而，确保数据得到有效利用也很重要。也就是说，结果是在可接受数量的案例或测试中产生的。理想情况下，应尽可能声明测试结果，而不是由于与测试相关的一个或更多个参数表明结果不可靠的测试。例如，使用与测试参数相关联的预定截止值可能导致不产生测试结果或测试结果被指示为不可靠，从而导致重复测试或需要另外的生物样本。

图1示出了根据本发明实施方案的装置100。装置100包括可通信地耦合到存储器单元120的处理单元110。处理单元110是可操作的以执行形成计算机可执行代码或软件的指令。处理单元110可以包括一个或更多个处理器。如下面将解释的，处理单元110可根据计算机可执行代码操作以对根据生物样本确定的数据执行操作。计算机可执行代码可以被布置成执行根据本发明实施方案的方法，这将参考图2进行解释。存储器单元120可以由一个或更多个存储设备形成，例如ROM和RAM设备中的一个或更多个。存储器单元120可由处理单元110访问，以读取存储的数据和将数据存储在存储器单元120中。计算机可执行代码可以存储在存储器单元120中。如下面将解释的，存储器单元120可以存储表示第一模型121和第二模型122的数据。

装置100还包括用于接收数据的接口单元130。特别的，从DNA处理系统150接收数据。数据通信路径151可以存在于接口单元130和DNA处理系统150之间。通信路径151可以包含包括因特网的一个或更多个通信网络。如下面将解释的，装置100还可以包括输出单元140，用于输出指示结果的数据。

图2示出了根据本发明实施方案的方法200。方法200是确定胎儿染色体异常的概率的方法。

方法200包括根据从女性受试者获得的生物样本确定指示目标染色体的第一参数和表示染色体序列密度的第二参数的数据的步骤210。可以通过从DNA处理系统150接收数据来确定数据。数据可以由接口单元130经由通信路径151接收。

作为说明，将参考WO2014/033455，其公开了一种检测染色体异常的方法，并且出于所有目的通过引用并入本文。尽管参考WO‘455，但是应当认识到本发明的实施方案不限于这方面。

在WO‘455中，获得在生物样本内的核酸分子的序列数据，并且在序列数据内的每个核酸序列与对应于参考基因组的唯一部分的序列之间执行匹配分析，使得每个匹配的核酸被分配给参考基因组内的特定染色体或所述染色体的一部分。测量分配给目标染色体的匹配核酸的总数相对于分配给一个或更多个参考染色体中的每一个的匹配核酸的总数的比率。相对于正常妊娠中的比率，在测量的比率中统计上的显著差异指示目标染色体中的胎儿异常。目标染色体可以对应于T21，尽管它也可以对应于其他染色体。

在一些实施方案中，目标染色体的第一参数可以指示分配给一个或更多个目标染色体的匹配核酸的总数，例如染色体21、染色体18或染色体13中的一个或更多个，但是应当理解，也可以使用其他染色体。

在一些实施方案中，第一参数可以对应于染色体计数比率，即分配给每个目标染色体的匹配核酸的总数相对于分配给一个或更多个参考染色体中的每一个的匹配核酸的总数的比率。然而，如将解释的，在一些实施方案中，该比率可以由装置100基于第二参数来计算。

在一些实施方案中，表示来自生物样本的染色体序列密度的第二参数可以指示分配给一个或更多个参考染色体中的每一个的匹配核酸的总数。在一些实施方案中，第二参数可以是常染色体片段计数数目。常染色体片段计数数目是由DNA处理系统150计数的常染色体片段的数目。在其他实施方案中，第二参数可以是参考染色体的测序覆盖度的度量。在一个实施方案中，第二参数可以指示平均覆盖深度。

方法200包括确定指示胎儿染色体异常的似然比的步骤220。似然比可以根据各自的模型121、122确定为染色体异常概率和染色体正常概率之间的比。各个模型可以存储在存储器单元120中。

如上所述，装置100的存储器单元120存储表示第一模型121和第二模型122的数据。第一模型121指示染色体异常的概率。第二模型122指示染色体正常。第一模型121和第二模型122均基于第一参数和第二参数被参数化。

图3是指示染色体异常的概率的第一模型121的图示300。图4是指示染色体正常的第二模型122的图示400。图示300、400是与21三体相关的模型，但是应当认识到这不是限制性的。每个模型121、122由沿着x轴示出的染色体计数比率和染色体序列密度参数化，该染色体序列密度可以是常染色体片段计数数目，即沿着y轴示出的对齐的片段的总数。第一模型121和第二模型122表示概率密度函数。概率密度函数可以使用组合模型来确定。

第一模型121和第二模型122中的每一个可以确定最小和最大参数值即最小和最大染色体计数比值和常染色体片段计数数目之间的参数的相应的概率。第一模型121和第二模型122可以是连续的或非连续的概率密度函数，即概率密度可以由模型121、122在最小和最大参数值之间的范围内的多个参数值处指定。对于在指定的值之间的参数值，可以针对指定的参数值内插密度值。内插可以是在相邻的指定参数值之间的线性内插。

因此，对于指示染色体异常概率的第一模型121，密度值可以确定为：

D_Non(R_输入，A)

其中R_输入是输入染色体计数比率和A是输入常染色体片段计数数目。类似地，对于指示染色体正常的第二模型122，密度值可以确定为：

D_Tri(R_输入，A)

在一些实施方案中，模型121、122中的一个或两个可以包括指示各个染色体或三体的平均未受影响的染色体计数比率的值

的值可以是：

1.13三体：0.037036

2.18三体：0.030858

3.21三体：0.012843

应当理解，上述值仅仅是作为示例，且可以使用其他值。

在一些实施方案中，模型121、122中的一个或两个可以包括第一阈值R_thresh1。第一阈值可以与相应的染色体或三体相关联。第一阈值R_thresh1可以对应于一染色体计数比率，低于该染色体计数比率，似然比应该被认为非常接近于零，并且被设置为非常小的值。在一些实施方案中，R_thresh1的值可以是以下项中的一个或更多个：

1.13三体：0.037036

2.18三体：0.030858

3.21三体：0.012843

应当理解，上述值仅仅是作为示例，且可以使用其他值。

在一些实施方案中，模型121、122中的一个或两个可以包括第二阈值R_thresh2。第二阈值可以与相应的染色体或三体相关联。第二阈值R_thresh2指示受影响的染色体计数比率，高于该计数比率，似然比应该被认为是实际上无限的，并且被设置为非常大的值。在一些实施方案中，第二阈值的值R_thresh2可以是以下项中的一个或更多个:

4.13三体：0.039153

5.18三体：0.032622

6.21三体：0.013577

应当理解，上述值仅仅是作为示例，且可以使用其他值。

在一些实施方案中，模型121、122中的一个或两个可以包括可选的似然比校准因子k_LR。似然比校准因子可以具有单位(unity)(1)默认值。

特别从图4可以看出，染色体正常的概率密度随着常染色体计数数目的减少而显著降低。该降低在低于300万左右的常染色体计数数目下尤其明显。也就是说，随着常染色体计数的数目减少，特别是低于3e⁶，即使对于相同的染色体计数比率值，由第二模型122确定的概率密度值也降低。对于第一模型121也出现类似的效果。随着概率密度的降低，每条曲线的离差可能增加，即曲线具有更宽的尾部，使得每条曲线下方的面积保持恒定。

对于特定输入参数，即目标染色体的特定计数比率和特定常染色体片段计数数目，可以使用第一模型121和第二模型122中的每一个来确定概率密度值。例如，图5和6示出了第一模型121和第二模型122中的每一个在第一和第二常染色体片段计数数目处的概率密度曲线。图5表示常染色体片段计数数目为2372258个计数，图6表示常染色体片段计数数目为5588457个计数。可以观察到第二正常模型122的密度函数510、610与第一异常模型121的密度函数520、620之间的形状差异。

从图5和6中可以理解，基于常染色体片段计数数目处的目标染色体的计数比率，可以根据正常概率分布510、610确定染色体正常的概率，并且可以根据异常概率分布520、620确定染色体异常的概率。

如图5所示，由线530指示，在染色体计数比率为0.012715处，即大约1.27％的染色体片段来自21号染色体，染色体正常的概率密度为4922.1，而染色体异常的概率密度为0.00054354。

似然比(LR)可以确定为：

因此，对于图5，似然比(LR)为1:9.05551e⁶。

参考图6，由线630指示，在染色体计数比率为0.013218，即大约1.32％的染色体片段来自21号染色体，染色体正常的概率密度为1.2288e^-5，而染色体异常的概率密度为6.68444e⁷。因此，LR确定为6.68444e⁷:1。

在一些实施方案中，如上所述，如果R_输入>R_thresh2，其中R_thresh2为第二阈值，且D_Tri＝0,则LR可以被确定为具有预定值，例如相对较高的值。LR的预定值可以是表示无穷大的值，例如能够由存储器单元120存储的最大值，尽管应当认识到可以使用其他预定值。

在一些实施方案中，如上所述，如果R_输入<R_thresh1，其中R_thresh1为第一阈值，且D_Non＝0，则LR可以被确定为具有预定值，例如相对较低的值。LR的预定值可以是零值。LR的预定值可以是能够由存储器单元120存储的最小值，尽管应当认识到可以使用其他预定值。该值可以是最小非零值。

如果上述第一和/或第二阈值情况都没有发生，并且LR由于零值D_Non而未定义，则在一些实施方案中，LR可以被确定为可以存储在存储器单元120中的最大机器可表示值。

图7示出了基于第一模型121和第二模型122的密度等值线。对于每个模型121、122，示出了表示多个特定密度的密度等值线。图7所示的特定密度等值线包围每个模型121、122的总密度的50％、80％、90％和99.5％。示出了指示染色体异常概率的第一模型121和指示染色体正常概率的第二模型122的密度等值线710，尽管为了清楚起见，在图7中并未标记所有的密度等值线。重叠区域在图7中用虚边界线730表示。重叠区域指示第一模型121和第二模型122重叠的区域。重叠在第一预定似然比和第二预定似然比之间，在图7中，第一预定似然比和第二预定似然比是1∶100和100∶1，尽管可以针对其他预定似然比确定重叠区域。类似地，单位似然比线(1∶1)用标号740表示。可以理解，重叠区域具有弯曲的边界线，并且单位LR 740的线也是弯曲的。尤其可以理解，重叠区域随着常染色体计数数目的减少而变宽。因此，图7说明了改变常染色体计数数目和染色体计数比率对确定的密度和LR的影响。尽管图7涉及21号染色体，但应当认识到这不是限制性的。

返回图2，在步骤230中，确定性能参数阈值以减少错误结果的数目。在一个实施方案中，确定的性能参数是胎儿分数阈值(FFT)。在一些实施方案中，FFT被称为F_{FN_min}。FFT用于减少很多假阴性结果，即将测试错误地确定为染色体异常是阴性的。在本发明的实施方案中动态地确定FFT。动态确定是为了避免使用预定的即固定的胎儿分数阈值，这可能导致过多的测试被宣布为不可靠的。FFT的动态确定基于表示染色体序列密度的第二参数，例如常染色体片段计数或指示测序覆盖度的其他参数。

性能参数的估计由DNA处理系统提供。特别地，在一些实施方案中，胎儿分数

的估计由DNA处理系统150确定。胎儿分数估计是对源自胎儿的常染色体片段的分数的估计。由于本发明的实施方案旨在确定胎儿的染色体异常，因此必须有源自胎儿而不是母亲的足够的常染色体片段。胎儿分数的估计可以伴随有与该估计相关联的不确定值的指示。

支持动态胎儿分数估计所需的最小计数比率R_{FN_min}被确定为计数比率的值，低于该值，来自第一模型121的正常概率密度函数D_Non(R_输入，A)下方的比例面积是预定的最小灵敏度MinSensitivity，并且如上所述，A是总常染色体片段计数。可以为每个相应的染色体或三体确定预定的最小灵敏度MinSensitivity。MinSensitivity可能是：

13三体：0.80

18三体：0.98

21三体：0.99

尽管应当认识到可以选择其他值。最小计数比率R_{FN_min}可以转换成最小胎儿分数值，如下所示：

其中，如上所述，

指示各个染色体或三体的平均未受影响的染色体计数比率。

F_offs是胎儿分数有效性测试阈值偏移，可以定义为:

F_offs＝α_FT+b_FTσ_F

其中，σ_F是由胎儿分数估计阶段产生的胎儿分数估计分布的标准差，并且a_FT和b_FT是有效性测试阈值确定参数。胎儿分数估计分布的标准差可以预先确定，以便拟合经验误差分布。这些确定参数可以具有a_FT＝0和

中的一个或两个的初始值，尽管应当认识到也可以使用其他初始值。

在步骤230中，确定样本的胎儿分数

的估计是否小于动态FFT F_{FN_min}。在一些实施方案中，胎儿分数估计是根据胎儿的数量来缩放的。步骤230可以包括确定是否：/>

其中，τ是多胎妊娠矫正。如果生物样本是来自多胎妊娠的样本，τ应该等于妊娠中携带的胎儿数量，否则其应该为1(unity)。

如果在步骤240中确定

或/>

小于阈值，则确定测试可能不可靠，并且方法200移动到步骤250。在步骤250中，可以输出指示生物样本中低胎儿分数的适当警告。否则，在步骤260中，可以输出测试的输出。输出可以是为样本确定的LR。

有利地，本发明的实施方案通过允许产生精确的测试结果(其中片段计数或胎儿分数测试可能已经拒绝测试结果)提供了比例如预过滤方法更有效的数据使用。例如，本发明的实施方案产生这样的结果，其中不管片段计数低或胎儿分数低，片段计数比例表示充分明确的“阳性”结果。

应当理解，本发明的实施方案可以以硬件、软件或硬件和软件的组合的形式实现。任何这样的软件可以例如以诸如ROM之类的存储设备，无论是否可擦除或可重写的易失性或非易失性存储器的形式存储，或者例如以诸如RAM、存储器芯片、设备或集成电路之类的存储器的形式存储，或者例如存储在诸如CD、DVD、磁盘或磁带之类的光学或磁性可读介质上。应该理解，存储设备和存储介质是机器可读存储的实施方案，其适合于存储在执行时实现本发明实施方案的一个或多个程序。因此，实施方案提供了一种程序和存储这种程序的机器可读存储装置，该程序包括用于实现如任何前述权利要求所述的系统或方法的代码。更进一步地，本发明的实施方案可以经由诸如有线的或无线的连接上承载的通信信号之类的任何介质以电子方式传送，并且实施方案适当地包含该通信信号。

在本说明书中公开的所有特征(包括任何附随的权利要求、摘要和附图)和/或这样公开的任何方法或过程的所有步骤可以以任何组合来组合，此类特征和/或步骤中的至少某些相互排斥的组合除外。

除非另外明确声明，否则本说明书(包括任何所附权利要求、摘要和附图)中公开的每个特征可以被用于相同目的、等效目的或类似目的的可选择特征所替换。因此，除非另外明确说明，所公开的每个特征仅是通用系列等效或相似特征中的一个示例。

本发明并不限于任何前述实施方案的细节。本发明扩展至在本说明书(包括任何所附的权利要求、摘要和附图)中公开特征的任何新颖特征或任何新颖的组合，或这样公开的任何方法或过程的步骤的任何新颖的步骤或任何新颖的组合。权利要求不应被解释为仅涵盖前述实施方案，而是涵盖落在权利要求范围内的任何实施方案。

Claims

1.一种确定胎儿染色体异常概率的计算机实现的方法，所述方法包括：

根据从女性受试者获得的生物样本确定指示目标染色体的第一参数和表示染色体序列密度的第二参数的数据，所述第一参数指示分配给所述目标染色体的匹配核酸的数目，并且所述染色体序列密度指示分配给一个或更多个参考染色体中的每一个的匹配核酸的总数；

确定指示胎儿染色体异常的似然比，其中，根据基于所述第一参数和所述第二参数的相应的异常模型和正常模型，所述似然比被确定为染色体异常概率和染色体正常概率之间的比，其中所述异常模型表示指示染色体异常的概率密度函数，并且所述正常模型表示指示染色体正常的概率密度函数；

确定一个或更多个性能参数阈值，其中，性能参数指示源自胎儿的常染色体片段的分数，并且所述性能参数阈值是基于表示染色体序列密度的所述第二参数来确定的；和

将与所述样本相关联的一个或更多个性能参数的估计与所述一个或更多个性能参数阈值进行比较，以确定所述似然比的可靠性并根据所述可靠性输出所述似然比。

2.根据权利要求1所述的方法，其中所述性能参数阈值中的至少一个是由所述异常模型和所述正常模型中的一个或两个确定的。

3.根据权利要求1所述的方法，其中所述一个或更多个性能参数阈值包括胎儿分数阈值，其中，胎儿分数是源自胎儿的常染色体片段的分数。

4.根据权利要求3所述的方法，其中所述胎儿分数阈值基于所述异常模型来确定。

5.根据权利要求3或4所述的方法，其中所述比较包括将所述样本的胎儿分数的估计与所述胎儿分数阈值进行比较。

6.根据权利要求1至4中的任一项所述的方法，包括当所述性能参数的估计小于所述性能参数阈值时，确定所述生物样本具有低性能参数。

7.根据权利要求3或4所述的方法，包括当所述胎儿分数的估计小于所述胎儿分数阈值时，确定所述生物样本具有低胎儿分数。

8.根据权利要求1至4中任一项所述的方法，其中基于所述第一参数和第二参数动态地确定所述性能参数阈值。

9.根据权利要求3所述的方法，其中基于所述第一参数和第二参数动态地确定所述性能参数阈值，并且其中基于所述第一参数和所述第二参数动态地确定所述胎儿分数阈值。

10.根据权利要求3所述的方法，其中基于最小计数比率确定所述胎儿分数阈值，其中所述最小计数比率基于来自所述正常模型的概率密度函数下方的面积，所述来自所述正常模型的概率密度函数下方的面积是预定的最小灵敏度。

11.根据权利要求3所述的方法，其中所述胎儿分数阈值F_{FN_min}被确定为：

其中R_{FN_min}是最小计数比率和

是目标染色体的平均未受影响的染色体计数比率，其中所述最小计数比率基于来自所述正常模型的概率密度函数下方的面积，所述来自所述正常模型的概率密度函数下方的面积是预定的最小灵敏度，并且其中所述染色体计数比率是分配给所述目标染色体的匹配核酸的总数相对于分配给所述一个或更多个参考染色体中的每一个的匹配核酸的总数的比率。

12.根据权利要求1至4中任一项所述的方法，其中所述似然比(LR)被确定为：

其中，D_Tri(R_输入,A)是根据所述异常模型确定的染色体异常概率和D_Non(R_输入,A)是根据所述正常模型确定的染色体正常概率，R_输入是所述目标染色体的第一参数和A是表示染色体序列密度的第二参数。

13.一种用于确定胎儿染色体异常概率的装置，其中所述装置被布置成执行根据权利要求1-12中任一项所述的方法。

14.一种用于确定胎儿染色体异常概率的装置，包括：

处理单元；和

存储器单元，所述存储器单元存储表示异常模型和正常模型的数据以及计算机可执行指令，当所述计算机可执行指令由所述处理单元执行时执行以下步骤:

确定指示胎儿染色体异常的似然比，其中，根据基于所述第一参数和所述第二参数的相应的异常模型和正常模型，所述似然比被确定为染色体异常概率和染色体正常概率之间的比，其中所述异常模型表示指示染色体异常的概率密度函数，并且所述正常模型表示指示染色体正常的概率密度函数；和

15.根据权利要求14所述的装置，包括用于从DNA处理系统接收数据的接口单元。

16.一种计算机可读介质，所述计算机可读介质上储存有计算机软件，其中所述计算机软件在由计算机执行时被布置成执行根据权利要求1至12 中任一项所述的方法。

17.根据权利要求16所述的计算机可读介质，其中所述计算机软件有形地存储在计算机可读介质上。

18.一种确定胎儿染色体异常概率的计算机实现的方法，所述方法包括：

根据从女性受试者获得的生物样本确定指示目标染色体的第一参数和指示常染色体片段计数数目的第二参数的数据，所述第一参数指示染色体计数比率，其中所述染色体计数比率是分配给所述目标染色体的匹配核酸的总数相对于分配给一个或更多个参考染色体中的每一个的匹配核酸的总数的比率；

确定一个或更多个性能参数阈值，其中，性能参数指示源自胎儿的常染色体片段的分数，并且所述性能参数阈值是基于所述第二参数来确定的；和

19.根据权利要求18所述的方法，其中所述性能参数阈值中的至少一个是由所述异常模型和所述正常模型中的一个或两个确定的。

20.根据权利要求18所述的方法，其中所述一个或更多个性能参数阈值包括胎儿分数阈值，其中，胎儿分数是源自胎儿的常染色体片段的分数。

21.根据权利要求20所述的方法，其中所述胎儿分数阈值基于所述异常模型来确定。