DE102020202361A1 - Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve - Google Patents

Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve Download PDF

Info

Publication number
DE102020202361A1
DE102020202361A1 DE102020202361.1A DE102020202361A DE102020202361A1 DE 102020202361 A1 DE102020202361 A1 DE 102020202361A1 DE 102020202361 A DE102020202361 A DE 102020202361A DE 102020202361 A1 DE102020202361 A1 DE 102020202361A1
Authority
DE
Germany
Prior art keywords
qpcr
intensity values
curve
probability density
density function
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102020202361.1A
Other languages
English (en)
Inventor
Christoph Faigle
Luay Bannoura
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102020202361.1A priority Critical patent/DE102020202361A1/de
Priority to DE112021001265.7T priority patent/DE112021001265A5/de
Priority to EP21731039.0A priority patent/EP4111456A1/de
Priority to PCT/DE2021/100192 priority patent/WO2021170180A1/de
Priority to US17/904,300 priority patent/US20230101601A1/en
Priority to CN202180016619.XA priority patent/CN115104157A/zh
Publication of DE102020202361A1 publication Critical patent/DE102020202361A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/6851—Quantitative amplification
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/686—Polymerase chain reaction [PCR]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/20—Polymerase chain reaction [PCR]; Primer or probe design; Probe optimisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Zoology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Wood Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Medical Informatics (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Betreiben eines quantitativen Polymerase-Kettenreaktions (qPCR)-Verfahrens, mit folgenden Schritten:- Zyklisches Ausführen von qPCR-Zyklen;- Messen (S11) der Fluoreszenz zu jedem qPCR-Zyklus, um eine qPCR-Kurve aus Intensitätswerten (I) zu erhalten;- Erstellen (S16) einer Wahrscheinlichkeitsdichtefunktion (PDF) aus den Intensitätswerten (I);- Feststellen (S17) eines Vorhandenseins oder Nichtvorhandenseins des zu detektierenden DNA-Strangabschnitts abhängig von dem Vorliegen eines oder mehrerer Merkmale der Wahrscheinlichkeitsdichtefunktion (PDF);- Betreiben (S18, S19, S20) des qPCR-Verfahrens abhängig von dem Vorhandensein oder Nichtvorhandensein des zu detektierenden DNA-Strangabschnitts.

Description

  • Technisches Gebiet
  • Die Erfindung betrifft die Anwendung eines Polymerase-Kettenreaktionsverfahrens (PCR-Verfahrens), insbesondere zur Detektion des Vorliegens eines Erregers. Weiterhin betrifft die vorliegende Erfindung die Auswertung von qPCR-Messungen.
  • Technischer Hintergrund
  • Zur Detektion von DNA-Strangabschnitten in einer zu untersuchenden Substanz, wie beispielsweise einem Serum oder dergleichen, werden in automatisierten Systemen PCR-Verfahren durchgeführt. Die PCR-Systeme ermöglichen es, bestimmte zu detektierende DNA-Strangabschnitte, die z.B. einem Erreger zuzuordnen sind, zu amplifizieren und zu detektieren. Ein PCR-Verfahren umfasst generell eine zyklische Anwendung der Schritte der Denaturierung, des Annealing und der Elongation. Insbesondere wird beim PCR-Prozess ein DNA-Doppelstrang in Einzelstränge aufgespalten und diese jeweils durch Anlagerung von Nukleotiden wieder vervollständigt, um die DNA-Strangabschnitte in jedem Zyklus zu vervielfältigen.
  • Das qPCR-Verfahren ermöglicht die Erregerlast, nachgewiesen mit diesem Prozess, zu quantifizieren. Dazu sind die Nukleotide zumindest teilweise mit Fluoreszenzmolekülen versehen, die bei Anbinden an den Einzelstrang des zu detektierenden DNA-Strangabschnitts eine Fluoreszenzeigenschaft aktivieren.
  • Nach dem Aufbau der Doppelstränge kann nach jedem Zyklus ein Intensitätswert einer Fluoreszenz ermittelt werden, der von der Anzahl der erzeugten DNA-Strangabschnitte abhängt.
  • Im Laufe der Amplifikation kann dann aus den ermittelten Intensitätswerten eine qPCR-Kurve ermittelt werden, die bei Vorliegen des zu detektierenden DNA-Strangabschnitts in der zu untersuchenden Substanz einen sigmoidförmigen Verlauf hat. Die gemessenen qPCR-Kurven können in der Realität mit Artefakten behaftet sein, so dass in der Regel mehrere parallele Messungen durchgeführt werden, um durch eine Mittelwertbildung der Messwerte eine genauere Auswertung der qPCR-Kurven zu ermöglichen.
  • Insbesondere ist es wünschenswert, anhand einer gemessenen qPCR-Kurve zu erkennen, ob eine Amplifikation von DNA-Strangabschnitten stattgefunden hat, und wenn ja, eine Abschätzung über eine Anfangskonzentration des zu detektierenden DNA-Strangabschnitts vorzunehmen.
  • Offenbarung der Erfindung
  • Erfindungsgemäß sind ein Verfahren zum Durchführen eines qPCR-Verfahrens gemäß Anspruch 1 sowie eine Vorrichtung und ein qPCR-System gemäß den nebengeordneten Ansprüchen vorgesehen.
  • Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
  • Gemäß einem ersten Aspekt ist ein Verfahren zum Betreiben eines quantitativen Polymerase-Kettenreaktions (qPCR)-Verfahren vorgesehen, mit folgenden Sch ritten:
    • - Zyklisches Ausführen von qPCR-Zyklen
    • - Messen eines Intensitätswertes nach oder während jedem qPCR-Zyklus, um eine qPCR-Kurve aus Intensitätswerten zu erhalten;
    • - Erstellen einer Wahrscheinlichkeitsdichtefunktion abhängig von den Intensitätswerten;
    • - Feststellen eines Vorhandenseins oder Nichtvorhandenseins des zu detektierenden DNA-Strangabschnitts abhängig von dem Vorliegen eines oder mehrerer Merkmale der Wahrscheinlichkeitsdichtefunktion;
    • - Betreiben des qPCR-Verfahrens abhängig von dem Vorhandensein oder Nichtvorhandensein des zu detektierenden DNA-Strangabschnitts.
  • Das qPCR-Verfahren weist eine zyklische Wiederholung der Schritte der Denaturierung, des Annealing und der Elongation auf. Bei der Denaturierung wird bei einer hohen Temperatur die gesamte doppelsträngige DNA in der zu untersuchenden Substanz in zwei Einzelstränge aufgespalten. In dem Schritt des Annealing wird an die Einzelstränge einer der zugegebenen Primer angebunden, die den Startpunkt der Amplifizierung der zu detektierenden DNA-Strangabschnitte vorgeben. Bei dem Schritt der Elongation wird ein zweiter komplementärer DNA-Strangabschnitt aus freien Nukleotiden auf den mit dem Primer versehenen Einzelsträngen aufgebaut. Nach jedem dieser Zyklen hat sich also idealerweise die DNA-Menge der zu detektierenden DNA-Strangabschnitte verdoppelt.
  • Durch die Anwendung des qPCR-Verfahrens werden in die zu detektierenden DNA-Strangabschnitte Fluoreszenzmoleküle als Marker eingebaut, so dass über eine Messung der Intensität der Fluoreszenz nach jedem Elongationsschritt ein zeitlicher Verlauf der Intensitätswerte ermittelt werden kann. Die so erhaltene qPCR-Kurve weist dabei drei distinkte Phasen auf, nämlich eine Baseline, in der die Intensität der Fluoreszenz des von eingebauten Markern emittierten Fluoreszenzlichts noch nicht von der Hintergrund-Fluoreszenz zu unterscheiden ist, einer exponentiellen Phase, in der die Fluoreszenzintensität über die Baseline ansteigt, also sichtbar wird, wobei durch die Verdoppelung der DNA-Stränge in jedem Zyklus das Fluoreszenzsignal proportional zur Menge der zu detektierenden DNA-Strangabschnitte exponentiell ansteigt, und einer Plateau-Phase, in der die Reagenzien, d. h. der Primer und die freien Nukleotide, nicht mehr in den benötigten Konzentrationen vorhanden sind und keine weitere Verdoppelung stattfindet.
  • Für den Nachweis eines vorgegebenen zu detektierenden DNA-Strangabschnitts, der beispielsweise einem Erreger entsprechen kann, ist hierbei der sogenannte ct (cycle threshold)-Wert maßgeblich. Der ct-Wert bestimmt den Beginn der exponentiellen Phase und wird durch Überschreiten eines spezifischen Grenzwerts, der für den jeweils zu detektierenden DNA-Strangabschnitt festgelegt ist und der für alle Proben für den zu detektierenden DNA-Strangabschnitt identisch ist, ermittelt oder rechnerisch durch die zweite Ableitung der qPCR-Kurve in der exponentiellen Phase ermittelt und dem Intensitätswert des steilsten Anstiegs der qPCR-Kurve entspricht. Ist der Zielwert bekannt, kann durch Rückrechnung die Anfangskonzentration des zu detektierenden DNA-Strangabschnitts in der zu untersuchenden Substanz bestimmt werden.
  • In der Realität sind die qPCR-Kurven sehr ungenau und erheblichen Schwankungen unterworfen. Es kann ein Baseline-Drift auftreten, mit der das Ansteigen der Hintergrundfluoreszenz über die Messzyklen bezeichnet wird. Das heißt, dass, selbst wenn keine Amplifikation stattfindet, das Fluoreszenzsignal ansteigt. Weitere Einflussfaktoren, die sich negativ auf die Genauigkeit der qPCR-Kurve auswirken, können beispielsweise aus thermischem Rauschen, Schwankungen in der Reagenzkonzentration, Lufteinschlüsse und Artefakten im Fluoreszenzvolumen resultieren.
  • In herkömmlichen qPCR-Systemen findet einerseits eine softwarebasierte Korrektur der qPCR-Kurven statt, andererseits kann vorgesehen sein, eine Probe unter gleichen Bedingungen mehrfach zu messen und die resultierenden qPCR-Kurven durch Mittelwertbildung geglättet. Dies erfordert jedoch einen erhöhten Aufwand.
  • Eine Idee des obigen Verfahrens besteht darin, mithilfe einer Wahrscheinlichkeitsdichtefunktion das Vorliegen eines sigmoiden oder linearen Verlaufs der qPCR-Kurve festzustellen. Die Verwendung der Wahrscheinlichkeitsdichtefunktion kann auch bei stark rauschbehafteten qPCR-Kurven zuverlässig vorhersagen, ob eine Amplifikation, d. h. eine Vervielfältigung, des zu detektierenden DNA-Strangabschnitts aufgetreten ist oder ob die qPCR-Kurve lediglich aufgrund einer Baseline-Drift ansteigt.
  • Die Wahrscheinlichkeitsdichtefunktion zeigt an, mit welcher Häufigkeit ein Intensitätswert vorkommt. Dazu wird für die einzelnen Stützpunkte der qPCR-Kurve, d. h. für jeden Intensitätswert der gemessenen qPCR-Kurve, eine Gauß-Verteilung um den gemessenen Intensitätswert angenommen. Aufgrund der sigmoiden Form einer Vorhandenseins-qPCR-Kurve, d.h. einer qPCR-Kurve, bei der ein DNA-Strangabschnitt vervielfältigt worden ist, weist die Wahrscheinlichkeitsdichtefunktion sowohl im Bereich der Baseline als auch in der Plateauphase mehrere Zyklen mit ähnlichen Intensitätswerten auf. Daher wird die Wahrscheinlichkeitsdichtefunktion einer Vorhandenseins-qPCR-Kurve zwei Maxima mit einem dazwischenliegenden Minimum aufweisen.
  • Bei einer Nicht-Amplifikation, woraus sich eine Nichtvorhandenseins-qPCR-Kurve ergibt, d.h. einer qPCR Kurve, bei der kein DNA-Strangabschnitt vervielfältigt worden ist, wird der Verlauf der qPCR-Kurve lediglich durch das Ansteigen der Baseline bestimmt. Dies führt zu dem Ausbilden nur eines Maximums in der Wahrscheinlichkeitsdichtefunktion.
  • Insbesondere kann auf einen sigmoiden Verlauf der qPCR-Kurve geschlossen werden, wenn das Maximum bei niedrigen Intensitätswerten höher ist als bei hohen Intensitätswerten, ein Verhältnis des zwischen den Maxima liegenden Minimum zu dem ersten Maximums einen vorbestimmten Schwellenwert unterschreitet und die Breite des Peaks um das zweite Maximum relativ groß ist.
  • Das obige Verfahren ermöglicht es in zuverlässiger Weise, zu erkennen, ob eine Amplifikation stattgefunden hat.
  • Wird erkannt, dass die qPCR-Kurve eher einem sigmoiden Verlauf anstatt einem linearen Verlauf entspricht, so kann eine Sigmoid-Funktion an die qPCR-Kurve gefittet werden und die Parameter der Sigmoidfunktion zur Bestimmung eines ct-Werts verwendet werden. Dies ermöglicht eine zuverlässige Bestimmung eines ct-Werts auch bei sehr rauschbehafteten qPCR-Kurven im Amplifikationsfall.
  • Weiterhin kann die Wahrscheinlichkeitsdichtefunktion abhängig von modifizierten Intensitätswerten erstellt werden, wobei die modifizierten Intensitätswerte von den Intensitätswerten abhängen oder diesen entsprechen, die um einen Anteil der Fluoreszenz einer Baseline-Drift des PCR-Verfahrens korrigiert ist.
  • Insbesondere kann der Anteil der Fluoreszenz der Baseline-Drift ermittelt werden, indem mithilfe eines k-means-Algorithmus die Intensitätswerte, die einem Baseline-Bereich der q-PCR-Kurve zuzuordnen sind, ermittelt werden, wobei die dem Baseline-Bereich zuzuordnenden Intensitätswerte mithilfe einer linearen Interpolation linearisiert werden und wobei und anschließend der Verlauf der linearisierten Intensitätswerte der Baseline-Drift von der gemessenen qPCR-Kurve subtrahiert wird.
  • Gemäß einer Ausführungsform können die modifizierten Intensitätswerte ermittelt werden, indem die gemessene qPCR-Kurve mithilfe eines Filters, insbesondere eines Moving-Average-Filters, geglättet wird.
  • Es kann vorgesehen sein, dass das Feststellen des Vorhandenseins oder Nichtvorhandenseins des zu detektierenden DNA-Strangabschnitts abhängig von dem Vorliegen mindestens eines der folgenden Merkmale der Wahrscheinlichkeitsdichtefunktion durchgeführt wird:
    • - das Verhältnis des Funktionswerts der Wahrscheinlichkeitsdichtefunktion des ersten Maximums zum Funktionswert des zweiten Maximums ist größer 1;
    • - das Verhältnis des Funktionswerts des zwischen den Maxima liegenden lokalen Minimum zum Funktionswert des ersten Maximums ist kleiner als 0,7, insbesondere kleiner als 0,6, und
    • - die Breite des Peaks in der Dichtefunktion um das zweite Maximum größer als ein vorgegebener Referenzwert ist, wobei die Breite des Peaks als die Breite des Peaks nach der sogenannten „half-prominence method“ bestimmt werden kann. Bei dieser Methode wird die zunächst die Hälfte des Zahlenwertes des Maximums bestimmt. Als Halbmittelpunkt wird dann der Punkt bezeichnet, welcher sich auf horizontaler (X-) Höhe gleich mit dem Maximum befindet und auf vertikaler (Y) Höhe den halben Zahlenwert des Maximums besitzt. Dann werden die Schnittpunkte zwischen der Dichtekurve und einer horizontalen Gerade durch den Halbmittelpunkt bestimmt. Der Abstand der beiden dem Halbmittelpunkt nächstliegenden Punkten bestimmt dann die Breite des Peaks als Referenzwert.
  • Weiterhin kann das qPCR-Verfahren betrieben werden, indem bei Feststellen eines Vorhandenseins des zu detektierenden DNA-Strangabschnitts,
    • - signalisiert wird, dass ein ct-Wert ermittelbar ist, und/oder
    • - der ct-Wert aus der parametrierten Vorhandenseinsfunktion ermittelt wird.
  • Figurenliste
  • Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
    • 1 eine schematische Darstellung eines Zyklus eines PCR-Verfahrens;
    • 2 eine schematische Darstellung einer typischen qPCR-Kurve mit einem Intensitätswerteverlauf;
    • 3 ein gemessener Verlauf einer qPCR-Kurve;
    • 4a und 4b ideale Verläufe der qPCR-Kurve für den Fall einer nicht nachweisbaren Substanz bzw. einer nachweisbaren Substanz; und
    • 5 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Betreiben einer qPCR-Messung;
    • 6 die Gauß-Verteilungen der einzelnen modifizierten Intensitätswerte sowie die daraus resultierende Wahrscheinlichkeitsdichtefunktion für eine gemessene Vorhandenseins-qPCR-Kurve; und
    • 7a und 7b zeigen für eine ideale Vorhandenseins-qPCR-Kurve und eine ideale Nichtvorhandenseins-qPCR-Kurve die Ausprägung der entsprechenden Wahrscheinlichkeitsdichtefunktion.
  • Beschreibung von Ausführungsformen
  • 1 zeigt eine schematische Darstellung eines an sich bekannten PCR-Verfahrens mit den Schritten der Denaturierung des Annealing und der Elongation.
  • In dem Schritt des Annealing S1 wird bei einer hohen Temperatur von beispielsweise über 90°C die doppelsträngige DNA in einer Substanz in zwei Einzelstränge aufgebrochen. In einem nachfolgenden Annealing-Schritt S2 wird an die Einzelstränge an einer bestimmten DNA-Position, die einen Beginn eines zu detektierenden DNA-Strangabschnitts markiert, ein sogenannter Primer angebunden. Dieser Primer stellt den Startpunkt einer Amplifizierung des DNA-Strangabschnitts dar. In einem Elongationsschritt S3 wird beginnend an der von dem Primer markierten Position aus der Substanz zugesetzten freien Nukleotiden der komplementäre DNA- Strangabschnitts an den Einzelsträngen aufgebaut, so dass am Ende des Elongationsschrittes die zuvor aufgespaltenen Einzelstränge zu vollständigen Doppelsträngen ergänzt worden sind.
  • Durch Versehen der freien Nukleotide bzw. des Primers mit Fluoreszenzmolekülen, die nur in dem an den DNA-Strangabschnitt gebundenen Zustand Fluoreszenzeigenschaften aufweisen, ist es möglich, durch Ermitteln einer Intensität einer Fluoreszenz im Anschluss an den Elongationsschritt S3 einen Intensitätswert durch eine geeignete Messung zu erhalten. Der gemessenen Intensität des Fluoreszenzlichts wird ein Intensitätswert zugeordnet.
  • Das Verfahren der Schritte S1 bis S3 wird zyklisch ausgeführt und die Intensitätswerte aufgezeichnet, um einen Intensitätswerteverlauf als eine qPCR-Kurve zu erhalten.
  • Der Intensitätswerteverlauf hat im Idealfall einen Verlauf, der in 2 dargestellt ist. 2 zeigt einen Verlauf einer normalisierten Intensität über dem Zyklusindex Z. Dieser Verlauf unterteilt sich in drei Abschnitte, nämlich einen Baseline-Abschnitt B, in dem die Fluoreszenz der eingebauten Fluoreszenzmoleküle noch nicht von einer Hintergrundfluoreszenz zu unterscheiden ist, einen exponentiellen Abschnitt E, in dem die Intensitätswerte sichtbar sind und exponentiell ansteigen, und in einem Plateau-Abschnitt P, in dem sich der Anstieg der Intensitätswerte abflacht, da die verwendeten Reagenzien (Lösung mit Nukleotiden) aufgebraucht sind und keine weitere Anbindung an aufgebrochenen Einzelsträngen stattfindet.
  • In 3 ist beispielhaft ein bei einer realen Messung erhaltener Verlauf der Intensitätswerte als qPCR-Kurve dargestellt. Man erkennt starke Schwankungen, die sich aus einer Hintergrundfluoreszenz, thermisches Rauschen, Schwankungen in den Reagenzkonzentrationen sowie Bläschen und Artefakte im Fluoreszenzvolumen ergeben können. Man erkennt, dass die Bestimmung des Baseline-Abschnitts, des exponentiellen Abschnitts und des Plateau-Abschnitts der qPCR-Kurve nicht ohne weiteres möglich ist.
  • 4a und 4b zeigen ideale Verläufe einer qPCR-Kurve ohne Vorliegen eines nachzuweisenden DNA-Strangabschnitts bzw. mit Vorliegen eines nachzuweisenden DNA-Strangabschnitts.
  • In 5 ist ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Auswerten einer qPCR-Kurve dargestellt. Das Verfahren kann auf einer Datenverarbeitungseinrichtung ausgeführt werden, die einen qPCR-Prozess auf einem qPCR-System und die von einem qPCR-System mit jedem Zyklus einen Intensitätswert, der die Intensität einer Fluoreszenz einer Substanz angibt, bereitstellt. In der Datenverarbeitungseinrichtung kann das nachfolgend beschriebene Verfahren in Software und/oder Hardware implementiert sein.
  • Im Schritt S11 wird eine qPCR-Kurve mit den Intensitätswerten einer qPCR-Messung in einem qPCR-System bereitgestellt. Die Intensitätswertmessung wird üblicherweise durch Erfassung einer Probe mit einer Kamera und Auswertung von Grauwertstufen bzw. Farbstufen und Intensitätswerten vorgenommen.
  • In Schritt S12 wird die gemessene qPCR-Kurve mithilfe eines Filters, insbesondere eines Moving-Average-Filters, geglättet, indem für jeden Wert der Mittelwert des Werts und den Werten der unmittelbaren darauf und danach folgend aufgezeichneten Intensitätswerte angenommen wird, wie beispielsweise der vorausgehenden und nachfolgenden zwei bis fünf Nachbarwerten, angenommen.
  • In Schritt S13 wird mithilfe eines Clustering-Algorithmus eine Bestimmung von drei Kurvenbereichen, Baseline-Bereich, Exponentialbereich und Plateauphasenbereich, vorgenommen. Dazu werden initial ein Baseline-Zentroid, ein Exponentialbereich-Zentroid und ein Plateaubereich-Zentroid in dem Diagramm der qPCR-Kurve platziert. Die Positionen der initialen Zentroide kann aufgrund der Kenntnis des Verlaufs der Sigmoidfunktion in dessen ungefähre Positionen angeordnet werden. Mit dem Vorwissen, dass sich der Baseline-Bereich bei niedrigen Intensitätswerten, der Exponentialbereich bei mittleren Intensitätswerten und der Plateaubereich bei hohen Intensitätswerten befindet, können der Baseline-Zentroid C1, der Exponentialbereich-Zentroid C2 und der Plateaubereich-Zentroid C3 platziert werden. Anschließend wird jeder Punkt auf der gemessenen qPCR-Kurve dem nächstgelegenen Zentroid zugeordnet und dadurch klassifiziert.
  • Der k-Means-Algorithmus sieht eine iterative Anpassung der Zentroidpunkte C vor, indem ein Mittelwert der Messpunkte der qPCR-Kurve, die einem jeweiligen Zentroid zugeordnet sind, gebildet wird. C k = 1 | S k | ∑ x ∈ S k x ( i )   m i t   k = 1,2,3, …
    Figure DE102020202361A1_0001
    (Sk: Anzahl der dem jeweiligen Zentroid zugeordneten Messpunkte) Die Messpunkte der qPCR-Kurve können nun erneut den geänderten Zentroidpunkten zugeordnet werden mithilfe der Abstandsermittlung D j = ( x ( i ) − C j ) 2  für j = 1, … , k
    Figure DE102020202361A1_0002
    und mit A ( i ) : = j   f ü r   D j  minimal
    Figure DE102020202361A1_0003
  • Dieses Verfahren wird iterativ ausgeführt, bis sich keine Änderung der Zuordnung von Punkten zu Clustern mehr ergibt oder eine maximale Zahl von Iterationen erreicht wurde.
  • Nachfolgend wird erneut jeder Messpunkt der gemessenen qPCR-Kurve dem jeweils neu ermittelten Zentroidpunkt des Baseline-Zentroids, des Exponentialbereich-Zentroids und des Plateaubereich-Zentroids zugeordnet.
  • In Schritt S14 kann aus den Punkten der qPCR-Kurve, die dem Baseline-Bereich, d. h. dem ermittelten Baseline-Zentroidpunkt zugeordnet sind, durch Interpolation eine lineare Kurve der Intensitätswerte erstellt werden. Der Verlauf der linearisierten qPCR-Baseline-Kurve entspricht dem Einfluss des Baseline-Verlaufs auf die gesamte qPCR-Messung. Somit wird die linearisierte qPCR-Baseline-Kurve von der gesamten gemessenen qPCR-Kurve subtrahiert. Damit ist der Baseline-Anstieg aus der qPCR-Kurve eliminiert.
  • Im nächsten Schritt S15 wird die verbliebene qPCR-Kurve normiert, so dass die Punkte der qPCR-Kurve als modifizierte Intensitätswerte zwischen 0 und 1 liegen.
  • Anschließend wird in Schritt S16 eine Wahrscheinlichkeitsdichtefunktion erstellt. Diese zeigt die Wahrscheinlichkeiten des Auftretens von modifizierten Intensitätswerten in der normierten linearisierten qPCR-Kurve an. Dazu wird der modifizierte Intensitätswert für jeden Zyklus mit einer Gaußschen Verteilung um den entsprechenden modifizieren Intensitätswert versehen. Die Wahrscheinlichkeitsdichtefunktion entspricht der Summe aller Gaußschen Verteilungen der modifizierten Intensitätswerte.
  • Bei einer erfolgreichen Amplifikation liegen sowohl in dem Baseline-Bereich als auch in dem Plateau-Bereich mehrere Zyklen mit ähnlichen modifizierten Intensitätswerten vor. Dies führt bei der Summierung der Gaußverteilungen zur Wahrscheinlichkeitsdichtefunktion zu zwei charakteristischen Maxima. Bei einer Nicht-Amplifikation bestimmt dagegen nur die Baseline den Verlauf der qPCR-Kurve, so dass im Wesentlichen keine Ausprägung von zwei Maxima zu erwarten ist.
  • Das Diagramm der 6 zeigt beispielhaft die Gauß-Verteilungen der einzelnen modifizierten Intensitätswerte x sowie die daraus resultierende Wahrscheinlichkeitsdichtefunktion PDF für eine gemessene Vorhandenseins-qPCR-Kurve.
  • 7a und 7b zeigen für eine ideale Vorhandenseins-qPCR-Kurve und eine ideale Nichtvorhandenseins-qPCR-Kurve (jeweils linke Kurve mit dem modifizierten Intensitätswert F aufgetragen über dem Zyklusindex z) die Ausprägung der entsprechenden Wahrscheinlichkeitsdichtefunktion (rechte Kurve).
  • Durch Rauschen im nicht-amplifizierten Fall können ebenfalls zwei Maxima der Wahrscheinlichkeitsdichtefunktion auftreten. Dennoch können der Amplifikations- und der Nicht-Amplifikationsfall unterschieden werden bei Vorliegen mindestens eines der nachfolgenden Kriterien:
    • - Das Maximum der Wahrscheinlichkeitsdichtefunktion für geringe Intensitätswerte ist höher als das Maximum der Wahrscheinlichkeitsdichtefunktion für höhere Intensitätswerte;
    • - zwischen den beiden Maxima ist ein ausgeprägtes lokales Minimum.
    • - Die Breite des zweiten Maximums ist relativ hoch.
  • In Schritt S17 wird überprüft, ob die resultierende Wahrscheinlichkeitsdichtefunktion auf eine Vorhandenseins-qPCR-Kurve zurückgeht. Dies kann durchgeführt werden, indem überprüft wird, ob das Verhältnis der Höhe (Funktionswert der Wahrscheinlichkeitsdichtefunktion) des ersten Maximums zur Höhe des zweiten Maximums größer 1 ist, das Verhältnis der Höhe des zwischen den Maxima liegenden lokalen Minimum zur Höhe des ersten Maximums kleiner als 0,7, insbesondere kleiner als 0,6 ist, und dass die Breite des Peaks um das zweite Maximum größer als ein Referenzwert, wie z.B. 8 ist.
  • Die Breite des Referenzwerts ergibt sich bei der Verwendung der sog. „width half prominence“ Methode bei einer Wahrscheinlichkeitsdichteverteilung, die auf einer normierten Skala von 0 bis 100 aufgetragen ist. Bei dieser Methode wird zunächst die Hälfte des Zahlenwertes des Maximums bestimmt. Als Halbmittelpunkt wird dann der Punkt bezeichnet, welcher sich auf horizontaler (X-) Höhe gleich mit dem Maximum befindet und auf vertikaler (Y) Höhe den halben Zahlenwert des Maximums besitzt. Dann werden die Schnittpunkte zwischen der Wahrscheinlichkeitsdichtefunktion und einer horizontalen Gerade durch den Halbmittelpunkt bestimmt. Der Abstand der beiden dem Halbmittelpunkt nächstliegenden Punkten bestimmt dann die Breite des Peaks. Je nach Verwendung von unterschiedlichen Wahrscheinlichkeitsdichteverteilungen und Methoden zur Auftragung der Dichte kann der Referenzwert verschieden sein.
  • Wird in Schritt S17 festgestellt, dass die resultierende Wahrscheinlichkeitsdichtefunktion auf eine Vorhandenseins-qPCR-Kurve zurückgeht (Alternative: Ja), kann in Schritt S18 eine sigmoide Funktion an die qPCR-Kurve gefittet werden gemäß folgender Vorschrift: Y = F m a x 1 + e − x − x 0.5 k + F b
    Figure DE102020202361A1_0004
  • Im nächsten Schritt S19 kann nun der ct-Wert durch das Maximum der zweiten Ableitung der gefitteten sigmoiden Funktion in an sich bekannter Weise bestimmt werden.
  • Wird in Schritt S17 festgestellt, dass die resultierende Wahrscheinlichkeitsdichtefunktion auf eine Vorhandenseins-qPCR-Kurve zurückgeht (Alternative: Nein), kann in Schritt S20 ein Nichtvorhandensein des zu detektierenden Strangabschnitts signalisiert werden.

Claims (9)

  1. Verfahren zum Betreiben eines quantitativen Polymerase-Kettenreaktions (qPCR)-Verfahrens, mit folgenden Schritten: - Zyklisches Ausführen von qPCR-Zyklen; - Messen (S11) der Fluoreszenz zu jedem qPCR-Zyklus, um eine qPCR-Kurve aus Intensitätswerten (I) zu erhalten; - Erstellen (S16) einer Wahrscheinlichkeitsdichtefunktion (PDF) aus den Intensitätswerten (I); - Feststellen (S17) eines Vorhandenseins oder Nichtvorhandenseins des zu detektierenden DNA-Strangabschnitts abhängig von dem Vorliegen eines oder mehrerer Merkmale der Wahrscheinlichkeitsdichtefunktion (PDF); - Betreiben (S18, S19, S20) des qPCR-Verfahrens abhängig von dem Vorhandensein oder Nichtvorhandensein des zu detektierenden D NA-Strangabsch nitts.
  2. Verfahren nach Anspruch 1, wobei die Wahrscheinlichkeitsdichtefunktion (PDF) abhängig von modifizierten Intensitätswerten erstellt wird, wobei die modifizierten Intensitätswerte von den Intensitätswerten abhängen oder diesen entsprechen, wobei diese um einen Anteil der Fluoreszenz einer Baseline-Drift-Kurve des PCR-Verfahrens korrigiert ist.
  3. Verfahren nach Anspruch 2, wobei der Anteil der Fluoreszenz der Baseline-Drift ermittelt wird, indem mithilfe eines Clustering-Algorithmus die Intensitätswerte, die einem Baseline-Bereich der q-PCR-Kurve zuzuordnen sind (S13), ermittelt werden, wobei die dem Baseline-Bereich zuzuordnenden Intensitätswerte mithilfe einer linearen Interpolation linearisiert werden und wobei anschließend der Verlauf der linearisierten Intensitätswerte der Baseline-Drift von der gemessenen qPCR-Kurve subtrahiert wird (S14).
  4. Verfahren nach Anspruch 2 oder 3, wobei die modifizierten Intensitätswerte ermittelt werden, indem die gemessene qPCR-Kurve mithilfe eines Filters, insbesondere eines Moving-Average-Filters, geglättet wird.
  5. Verfahren nach einem der Ansprüche 1 bis 4, wobei das Feststellen des Vorhandenseins oder Nichtvorhandenseins des zu detektierenden DNA-Strangabschnitts abhängig von dem Vorliegen mindestens eines der folgenden Merkmale der Wahrscheinlichkeitsdichtefunktion (PDF) durchgeführt wird: - das Verhältnis des Funktionswerts der Wahrscheinlichkeitsdichtefunktion (PDF) des ersten Maximums zum Funktionswert des zweiten Maximums ist größer 1; - das Verhältnis des Funktionswerts des zwischen den Maxima liegenden lokalen Minimum zum Funktionswert des ersten Maximums ist kleiner als 0,7, insbesondere kleiner als 0,6, und - die Breite des Peaks in der Wahrscheinlichkeitsdichtefunktion (PDF) um das zweite Maximum größer als ein vorgegebener Referenzwert ist.
  6. Verfahren nach einem der Ansprüche 1 bis 4, wobei das qPCR-Verfahren betrieben wird, indem bei Feststellen eines Vorhandenseins des zu detektierenden DNA-Strangabschnitts, - signalisiert wird, dass ein ct-Wert ermittelbar ist, und/oder - der ct-Wert aus der parametrierten Vorhandenseinsfunktion ermittelt wird.
  7. Vorrichtung zum Betreiben eines quantitativen Polymerase-Kettenreaktions (qPCR)-Verfahrens, mit folgenden Schritten: - Zyklisches Ausführen von qPCR-Zyklen; - Messen der Fluoreszenz zu jedem qPCR-Zyklus, um eine qPCR-Kurve aus Intensitätswerten (I) zu erhalten; - Erstellen einer Wahrscheinlichkeitsdichtefunktion (PDF) aus den Intensitätswerten; - Feststellen eines Vorhandenseins oder Nichtvorhandenseins des zu detektierenden DNA-Strangabschnitts abhängig von dem Vorliegen eines oder mehrerer Merkmale der Wahrscheinlichkeitsdichtefunktion (PDF); - Betreiben des qPCR-Verfahrens abhängig von dem Vorhandensein oder Nichtvorhandensein des zu detektierenden DNA-Strangabschnitts.
  8. Computerprogramm, welches dazu eingerichtet ist, alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 6 auszuführen.
  9. Elektronisches Speichermedium, auf welchem ein Computerprogramm nach Anspruch 8 gespeichert ist.
DE102020202361.1A 2020-02-25 2020-02-25 Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve Withdrawn DE102020202361A1 (de)

Priority Applications (6)

Application Number Priority Date Filing Date Title
DE102020202361.1A DE102020202361A1 (de) 2020-02-25 2020-02-25 Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve
DE112021001265.7T DE112021001265A5 (de) 2020-02-25 2021-02-25 Verfahren und vorrichtung zur auswertung einer qpcr-kurve
EP21731039.0A EP4111456A1 (de) 2020-02-25 2021-02-25 Verfahren und vorrichtung zur auswertung einer qpcr-kurve
PCT/DE2021/100192 WO2021170180A1 (de) 2020-02-25 2021-02-25 Verfahren und vorrichtung zur auswertung einer qpcr-kurve
US17/904,300 US20230101601A1 (en) 2020-02-25 2021-02-25 Method and Device for Evaluating a qPCR Curve
CN202180016619.XA CN115104157A (zh) 2020-02-25 2021-02-25 用于评估qPCR曲线的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020202361.1A DE102020202361A1 (de) 2020-02-25 2020-02-25 Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve

Publications (1)

Publication Number Publication Date
DE102020202361A1 true DE102020202361A1 (de) 2021-08-26

Family

ID=76355215

Family Applications (2)

Application Number Title Priority Date Filing Date
DE102020202361.1A Withdrawn DE102020202361A1 (de) 2020-02-25 2020-02-25 Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve
DE112021001265.7T Pending DE112021001265A5 (de) 2020-02-25 2021-02-25 Verfahren und vorrichtung zur auswertung einer qpcr-kurve

Family Applications After (1)

Application Number Title Priority Date Filing Date
DE112021001265.7T Pending DE112021001265A5 (de) 2020-02-25 2021-02-25 Verfahren und vorrichtung zur auswertung einer qpcr-kurve

Country Status (5)

Country Link
US (1) US20230101601A1 (de)
EP (1) EP4111456A1 (de)
CN (1) CN115104157A (de)
DE (2) DE102020202361A1 (de)
WO (1) WO2021170180A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014053467A1 (en) 2012-10-02 2014-04-10 Roche Diagnostics Gmbh Universal method to determine real-time pcr cycle threshold values
WO2017025589A1 (de) 2015-08-13 2017-02-16 Cladiac Gmbh Verfahren und testsystem zum nachweis und/oder quantifizieren einer ziel-nukleinsäure in einer probe

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7991561B2 (en) * 2005-09-29 2011-08-02 Roche Molecular Systems, Inc. Ct determination by cluster analysis with variable cluster endpoint
US8271205B2 (en) * 2008-09-19 2012-09-18 Corbett Research Pty Ltd Method and system for analysis of melt curves, particularly dsDNA and protein melt curves
EP2561456A2 (de) * 2010-04-21 2013-02-27 Siemens Healthcare Diagnostics Inc. Kurvenverarbeitungsalgorithmus zur qualitätssteuerung von (rt-)qpcr-kurven
GB201809418D0 (en) * 2018-06-08 2018-07-25 Imperial Innovations Ltd A method for analysis of real-time amplification data
DE102018219483A1 (de) * 2018-11-15 2020-05-20 Robert Bosch Gmbh Verfahren und Vorrichtung zur Analyse von biologischem Material

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014053467A1 (en) 2012-10-02 2014-04-10 Roche Diagnostics Gmbh Universal method to determine real-time pcr cycle threshold values
WO2017025589A1 (de) 2015-08-13 2017-02-16 Cladiac Gmbh Verfahren und testsystem zum nachweis und/oder quantifizieren einer ziel-nukleinsäure in einer probe

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GÜNAY, M. [u.a.]: Machine Learning for Optimum CT-Prediction for qPCR. 15th IEEE International Conference on Machine Learning and Applications (ICMLA) (2016): 588-592

Also Published As

Publication number Publication date
EP4111456A1 (de) 2023-01-04
US20230101601A1 (en) 2023-03-30
WO2021170180A1 (de) 2021-09-02
CN115104157A (zh) 2022-09-23
DE112021001265A5 (de) 2023-03-23

Similar Documents

Publication Publication Date Title
EP1491879A2 (de) Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche
EP3393875B1 (de) Verfahren zum verbesserten erkennen von objekten durch ein fahrerassistenzsystem
DE102016108991A1 (de) Verfahren und Vorrichtung zur Charakterisierung eines Bauteils
EP3159681B1 (de) Verfahren und vorrichtung zur automatisierbaren ermittlung der bestimmungsgrenze und des relativen fehlers bei der quantifizierung der konzentration einer zu untersuchenden substanz in einer messprobe
DE112019004928T5 (de) System zur verschlechterungserfassung
EP2206075A2 (de) Detektor und verfahren zum erkennen einer fahrspurbegrenzung
AT521724A1 (de) Verfahren und Vorrichtung zur Analyse eines Sensordatenstroms sowie Verfahren zum Führen eines Fahrzeugs
DE102020202361A1 (de) Verfahren und Vorrichtung zur Auswertung einer qPCR-Kurve
EP3839958B1 (de) Verfahren und vorrichtung zur qualitativen auswertung von real-time pcr daten
DE60013303T2 (de) Verfahren zum entfernen systematischer fehler und abweichungen und zum abschätzen zufälliger fehler in chemischen und biologischen testverfahren
DE1598627B2 (de) Vorrichtung fuer die texturanalyse eines heterogenen objektes
DE102018219483A1 (de) Verfahren und Vorrichtung zur Analyse von biologischem Material
DE102021210393A1 (de) Verfahren und Vorrichtung zum Betreiben eines technischen Systems
DE102019211694B4 (de) Verfahren und Vorrichtung zum Kalibrieren eines diamantbasierten Magnetfeldsensors mittels eines Resonanzmodells als ein Gaußprozessmodell
EP4030199A1 (de) Induktive annäherungssensoreinheit und verfahren zur bestimmung einer objekteigenschaft eines metallischen erfassungskörpers
DE102020202360B4 (de) Verfahren und Vorrichtung zur Durchführung eines qPCR-Verfahrens
DE102021131115A1 (de) Verfahren zur Szenarienidentifikation für eine Applikation von Fahrerassistenzsystemen
DE102020202358B4 (de) Verfahren und Vorrichtung zur Durchführung eines qPCR-Verfahrens
EP3926636A2 (de) Verfahren zum erkennen einer amplifikationsphase in einer amplifikation
DE102020202363A1 (de) Verfahren und Vorrichtung zur Durchführung eines qPCR-Verfahrens
DE102012024203A1 (de) Verfahren zur Ermittlung der Sequenz von Biopolymeren
EP0374686B1 (de) Verfahren zur Verbesserung von Richtigkeit und Reproduzierbarkeit der Messdaten immunometrischer Tests
DE102022207161A1 (de) Verfahren zum Quantifizieren einer Lösung und mikrofluidische Analysevorrichtung
DE202017007541U1 (de) DNA-Analysevorrichtung unter Verwendung der Terahertzwelle
DE102021203847A1 (de) Verfahren zum Testen eines Assistenzsystems

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed
R118 Application deemed withdrawn due to claim for domestic priority