JP2021019586A - 異常な核型の検出のための方法 - Google Patents
異常な核型の検出のための方法 Download PDFInfo
- Publication number
- JP2021019586A JP2021019586A JP2020154436A JP2020154436A JP2021019586A JP 2021019586 A JP2021019586 A JP 2021019586A JP 2020154436 A JP2020154436 A JP 2020154436A JP 2020154436 A JP2020154436 A JP 2020154436A JP 2021019586 A JP2021019586 A JP 2021019586A
- Authority
- JP
- Japan
- Prior art keywords
- chromosome
- determining
- read coverage
- localhetab
- chromhetab
- 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.)
- Granted
Links
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
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6881—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for tissue or cell typing, e.g. human leukocyte antigen [HLA] probes
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/10—Ploidy or copy number detection
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- 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
-
- 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
- G16B40/20—Supervised data analysis
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- 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
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Organic Chemistry (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Cell Biology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
コピー数多型(CNV)などの異常な核型を特定するための方法は、比較ゲノムハイブリ
ダイゼーション(CGH)におけるDNAマイクロアレイの使用、例えば、蛍光in s
ituハイブリダイゼーション(FISH)、クローンおよびPCR産物のアッセイ、オ
リゴヌクレオチドアレイ、ジェノタイピングアレイの使用を含む(Carter NP,
Nature Genetics 2007;39 S16−21))。しかし、アレイ
技術の不利な点は、推定上のCNVを規定する(呼び出す)のが難しい場合があることで
ある。
る特定の次世代シークエンシング全ゲノムコピー数多型法などが利用されており、例えば
リードペア法、分割リード法、リード深度法およびアセンブリベース法などがある(Pi
rooznia,et al.,Front.Genet.2015;6;138)。し
かし、既存のアプリケーションは、非侵襲的な出生前検査(NIPT)を目的として、異
数体性細胞を含まない胎児DNAの割合を検出するために、母体血漿試料由来の非常に軽
度な走り読みによる全ゲノムシークエンシング(WGS)データを解析することに焦点が
当てられている。次世代シークエンシングは、がんのゲノミクスではある程度まで探究さ
れているが、これらの解析は一般に、体細胞の染色体異常におけるクローン性のモザイク
現象の程度を正確に測定するのに必要なカバレッジの深度を所与とする、SNPアレイに
基づく。
目的で、開発されている既存の方法はない。本願の開示では、これらのおよび他の欠点を
取り上げる。
ず、制限的ではないことが理解されよう。異常な核型を検出するための方法およびシステ
ムが開示される。方法の1例は、複数の試料中の各染色体について、リード・カバレッジ
・データ、ヘテロ接合SNPの対立遺伝子バランス分布、およびヘテロ接合性が観測され
ない染色体のセグメントを決定することであって、各染色体が複数のゲノム領域を含むこ
と;複数の試料中の各染色体について、期待リード・カバレッジ・データを決定すること
;複数の試料中の少なくとも1つの染色体について、リード・カバレッジ・データと期待
リード・カバレッジ・データとの間の偏差を決定すること:複数の試料中の少なくとも1
つの染色体について、複数の2対立遺伝子のSNPの期待比1:1から、対立遺伝子バラ
ンス分布における偏差を決定すること;複数の試料中の少なくとも1つの染色体について
、全体量のリード・カバレッジおよび対立遺伝子バランスのデータを使用し、偏差が染色
体全体にわたって発生するのか、または特定される染色体の一部にのみ発生するのかを決
定して、特定される偏差をさらに洗練させて正当性を立証すること;ならびに異常な核型
として少なくとも1つの染色体を特定することを含むことができる。
とになろう。利点は、添付の特許請求の範囲において特に指摘されている要素および組合
せによって、理解および達成されよう。
と併せて本方法および本システムの原理を説明するのに役立つ。
特定の方法、特定の構成要件、または具体的な実装に限定されないことが理解されよう。
また、本明細書に使用される用語が、具体的な実施形態を記載することのみを目的とし、
限定することを意図されないことが理解されよう。
よび「the」は、特段にその文脈が明確に指示しない限り、複数の指示対象を含む。範
囲は、「約」1つの具体的な値から、および/または「約」別の具体的な値までとして、
本明細書に表現されることがある。そのような範囲が表現される際に、別の実施形態は、
一方の具体的な値からおよび/または他方の具体的な値までを含む。同様に、値が、先行
する「約」の使用により概算として表現される際に、具体的な値が別の実施形態を形成す
ることが理解されよう。各範囲の終点は、他方の終点と関連して、および他方の終点とは
独立しての両方で、重要であることがさらに理解されよう。
起こることも起こらないこともあること、その記載は、前記事象または状況が起こる場合
およびそれがない場合を含むことを意味する。
よびこの語の変形、例えば「含む(comprising)」や「含む(compris
es)」などは、「以下に限定されないが含む、」を意味し、例えば、他の構成要素、整
数、またはステップを除外することを意図するものではない。「例示的な」とは、「〜の
1例」を意味し、好適なまたは理想的な実施形態の含意を伝えることを意図するものでは
ない。「など(such as)」は、制限的な意味合いで使用されないが、説明の目的
で使用される。
、プロトコール、および試薬に限定されないことが理解されよう。また、本明細書に使用
される用語は、具体的な実施形態を記載することのみを目的とし、添付の特許請求の範囲
によってのみ限定されることになる本願の方法およびシステムの範囲に限定することを意
図するものではないことが理解される。
される方法および組成物の属する当業者が共通に理解するのと同じ意味を有する。本明細
書に記載されるものと同様または同等の任意の方法および材料が、本願の方法および組成
物の実践および試験に使用することができるとはいえ、具体的に有用な方法、デバイス、
および材料は、記載される通りである。本明細書に引用される刊行物、およびそれらが引
用される理由である材料は、ここに参照により特に組み込まれる。先行発明のために本願
の発明がそのような開示に先行する権利を与えられないことを自認するものと解釈される
ことになるものは、本明細書にはない。何らかの参考文献が先行技術を構成することの自
認はない。参考文献に関する議論は、それらの著者が主張している事柄を述べており、出
願人は、引用された文書の正確性および適切性に挑む権利を保持している。複数の刊行物
が本明細書に参照されているものの、そのような参考文献は、これらの文書のいずれかが
当技術分野の一般常識の一部を形成することの自認を構成しないことが、明確に理解され
よう。
ントである。これらのおよび他のコンポーネントが本明細書に開示されるため、これらの
コンポーネントの組合せ、サブセット、相互影響、群などが開示される際に、これらの様
々な個々のおよび集合的な組合せのおよび並べ替えのそれぞれに関する特定の言及が明示
的に開示されないことがある一方で、それぞれは、あらゆる方法およびシステムのために
、本明細書に特に想定および記載されることが理解される。これは、このアプリケーショ
ンの全ての態様に適用され、そのようなアプリケーションとしては、以下に限定されない
が、開示される方法のステップが挙げられる。そのため、実施できる種々の追加のステッ
プがある場合に、これらの追加のステップのそれぞれを、開示される方法の任意の特定の
実施形態または実施形態の組合せを用いて実施できることが理解される。
れる実施例と、図ならびにそれらの既出のおよび以下の記載とを参照することによって、
さらに容易に理解されることがある。
る実施形態、全体がソフトウェアである実施形態、またはソフトウェアおよびハードウェ
アの態様を組み合わせた実施形態の形態をとることがある。さらに、この方法およびシス
テムは、記憶媒体に組み入れられたコンピュータ読み取り可能なプログラム命令(例えば
、コンピュータ・ソフトウェア)を有するコンピュータ読み取り可能な記憶媒体上のコン
ピュータ・プログラム製品の形態をとることがある。さらに具体的には、本願の方法およ
びシステムは、ウェブ実装されたコンピュータ・ソフトウェアの形態をとることがある。
任意の適したコンピュータ読み取り可能な記憶媒体が利用されることがあり、そのような
媒体としては、ハードディスク、CD−ROM、光学記憶デバイス、または磁気記憶デバ
イスが挙げられる。
プログラム製品のブロック図およびフローチャート図解を参照して、下記に記載される。
ブロック図およびフローチャート図解の各ブロック、ならびにブロック図およびフローチ
ャート図解中のブロックの組合せは、それぞれ、コンピュータ・プログラム命令によって
実装できることが理解されよう。これらのコンピュータ・プログラム命令を、汎用コンピ
ュータ、特殊用途コンピュータ、または他のプログラム可能なデータ処理装置上にロード
してマシンを生産してもよく、その結果、このコンピュータまたは他のプログラム可能な
データ処理装置上で実行する命令によって、1つまたは複数のフローチャート・ブロック
中に指定されている機能を実装するための手段が作り出される。
可能なデータ処理装置を具体的な方式で機能させるように仕向けることのできる、コンピ
ュータ読み取り可能なメモリに記憶されてもよく、それによって、そのコンピュータ読み
取り可能なメモリに記憶された命令は、1つまたは複数のフローチャート・ブロックに指
定されている機能を実装するためのコンピュータ読み取り可能な命令を含む製造品を生産
する。また、コンピュータ・プログラム命令を、コンピュータまたは他のプログラム可能
なデータ処理装置上にロードして、コンピュータまたは他のプログラム可能な装置上で実
施されてコンピュータ実装プロセスを生じる一連のオペレーション・ステップを引き起こ
してもよく、それによって、そのコンピュータまたは他のプログラム可能な装置上で実行
される命令は、1つまたは複数のフローチャート・ブロックに指定されている機能を実装
するためのステップを提供する。
を実施するための手段の組合せ、指定されている機能を実施するためのステップの組合せ
、および指定されている機能を実施するためのプログラム命令手段を支援する。また、ブ
ロック図およびフローチャート図解の各ブロック、ならびにブロック図およびフローチャ
ート図解中のブロックの組合せは、特殊用途ハードウェアおよびコンピュータ命令の指定
されている機能もしくはステップまたは組合せを実施する、特殊用途ハードウェアベース
のコンピュータシステムによって、実装することができることが理解されよう。
異常な核型を有する試料を検出するための方法であり、KaryoScanとも称する。
異常な核型は、染色体中にわたるリード深度分布を介して検出することができるが、複数
の要因が、真の染色体の変則性をノイズから区別する能力を攪乱する。PCR増幅は、G
C含量および実験条件によってバイアスがかけられ、しばしば結果として、不均一なDN
A断片の増幅をゲノム中にわたって生じる。さらに、エクソーム捕捉の手法は、均一な標
的カバレッジを産生しない。このように、いかなる具体的な染色体または染色体領域の期
待カバレッジも、複数の要因に依存しており、それらの中には測定可能なものもあればそ
うでないものもある。
、個々の試料についてのリード・カバレッジ・プロファイルを演算することができる。リ
ード・カバレッジ中のバイアスを低減するために、50%に近いGC含量と高いマッピン
グ可能性とを有する領域で変動が最も小さい際に、代表的なGC含量およびマッピング可
能性指標を、エクソン領域について104で決定することができる。各染色体iについて
、堅牢なリード・カバレッジ・プロファイルriを、ある範囲(例えば、45〜55%)
内のGC含量を伴いかつある閾値を超えるマッピング可能性を有するエクソーム領域中に
わたるリード深度の和として、決定することができる。この指標は、染色体タグ密度の中
央値とは対照的に、サブ染色体の分解能をもたらす。
染色体に対する各染色体についてのリード・カバレッジのエクソームワイドな比を表すこ
とができる。染色体iのエクソームワイドなカバレッジ比γiは、
トであり、γiは、全ての常染色体およびX染色体について決定される(Y染色体は独立
して考慮することができる)。染色体iのカバレッジ比は、それゆえ、他の全ての常染色
体と比べた際の染色体iに関するリードの比である。
倍体の)核型の試料の間ですら一定ではなく、実験条件に依存する。108では、線形回
帰モデルを使用して、γiの期待値
た後の22番染色体についての観測値(γi)値および期待値
グ品質管理(QC)指標を、このモデルの共変量として使用することができる。QC指標
は、例えば、GCDROPOUT、ATDROPOUT、MEANINSERTSIZE
、ONBAITVSSELECTED、PCTPFUQREADS、PCTTARGET
BASES10X、PCTTARGETBASES50X、および/またはなどのうち1
つまたは複数を含むことができる。
ことができる一方で、測定不能な追加のバイアスは、既知の方法を用いて得られる結果に
反映され得る。これらのバイアスは、同様のエクソ−ムGC含量分布を有する染色体間で
相関することから、類似の染色体のγi値を追加の共変量として含むことで、許容可能な
レベルにまで分散を低減することができる。一態様では、このことがモデルの特殊性に有
益である一方で、欠点の1つは、これらの他の染色体自体が核型上は異常となる可能性が
あることであり、それによって、標的染色体に関して偽陽性のコールを結果として生じ得
る。本明細書の本発明の方法によってもたらされる利点は、他の染色体由来の共変量の数
を制限することによって、標的染色体に関する偽陽性のコールを最小にすることである。
例えば、他の染色体由来の共変量の数を、2つに制限することができる。
して最小D統計量を有する、2つの常染色体として定義される。態様によっては、性別(
Y染色体のカバレッジの閾値によって定義されるような)を、X染色体についての追加の
共変量として使用することができる。
待値
標空間の極限にある試料について推定することは、より高い分散を伴う平均推定値を生じ
かねず、その結果、生の残差の解釈を全試料にわたって均一であるものと想定することが
できないものとなる。112では、開示される方法は、共変量xを有する個々の試料につ
いての平均推定値
である]、および:
常な核型を表す、有意に大きな残差を特定することができる。一態様では、p<0.05
およびq<0.05(FDR調整p)のp値のカットオフを使用して、有意に大きな残差
を特定することができる。線形回帰をフィッティングした後の観測値(γi)および期待
値
できる。
C指標空間における外れ値、または共変量染色体のうちの1つに関する異常な核型の、ど
ちらかに起因する)の両方の結果であることがある。116では、各染色体についての上
記線形モデル上で、極端なレバレッジ(多くの場合はhi,と表示され、1/n<hi<
1である)を有する試料に目印を付けることによって、並外れた共変量に起因して、外れ
値を検出することができる。レバレッジは、試料のx値(共変量)が上記モデルにどれほ
ど影響するかを定量する。レバレッジを使用して、目的の染色体に関して真の異常な核型
を表さない外れ値に、目印を付けることができる。レバレッジと標準誤差とは相関してい
るため、高いレバレッジ値は、高い(有意でない)p値を有するはずである。レバレッジ
は、nおよびpの関数:
様では、閾値よりも大きなhi(n,p)値を有する試料に、目印を付けることができる
。例えば、閾値を約3から約5までとすることができる。これを、最適なフィッティング
を促進するために一般に適用することができる。より控えめな閾値を使用して、最も極端
な値、例えば、99.5番目および99.9番目のパーセンタイル(約10および約26
)に対応する値に目印を付けることができる。場合によっては、高いレバレッジの試料を
除去してモデルを再フィッティングし、それによって、高いレバレッジを持つ試料につい
ての標準誤差を低減し、推定p値を改善(低減)することが有用である。
る。ステップ402では、複数の試料中の各染色体についてのリード・カバレッジ・デー
タを決定することができる。一態様では、各染色体は、複数のゲノム領域を含むことがあ
る。複数の試料中の各染色体についてリード・カバレッジ・データを決定することは、あ
る範囲内のGC含量およびある閾値を超えるマッピング可能性スコアを有するエクソーム
領域中にわたって、リード深度の和を決定することを含むことがある。
とがある。リード・カバレッジ・データをフィルタリングすることは、複数のゲノム領域
のうちの1つまたは複数のゲノム領域中のグアニン−シトシン(GC)含量のレベルに基
づいて、リード・カバレッジ・データをフィルタリングすることを含むことがある。複数
のゲノム領域のうちの1つまたは複数のゲノム領域中のグアニン−シトシン(GC)含量
のレベルに基づいて、リード・カバレッジ・データをフィルタリングすることは、複数の
ゲノム領域のそれぞれについてGC含量のレベルを決定すること、およびある範囲外のG
C含量のレベルを有する複数のゲノム領域のうちの1つまたは複数のゲノム領域を除外す
ることを含むことがある。
ィルタリングすることができる。GCの増幅バイアスは、そのバイアスが任意の具体的な
GC含量のレベルでほぼ一貫している場合に、補正することができる。しかし、GC含量
が非常に低いかまたは高い際には、確率論的なカバレッジの変動率が、劇的に増加するこ
とがあり、有効に正規化することが困難になる。したがって、本願の方法は、GCの割合
が構成変更の可能な(例えば、または所定の)範囲外または閾値外である、1つまたは複
数のゲノム領域をフィルタリングすることができる。図解のように、構成変更の可能な範
囲は、図5に示されるように[0.3, 0.7]を含むことができる。しかし、他の範
囲(例えば閾値)を適切であるものとして利用できることを認識すべきである。図5は、
GC含量とカバレッジとの関係を図説するグラフを示す。例えば、カバレッジの変動の係
数(例えば、平均値によって除される標準偏差)がy軸上に示され、GC含量がx軸に示
される。このグラフは、50試料(例えば、見易くするための小刻みに進む点)を示す。
構成変更の可能な範囲のデフォルト上限(例えば、GC=0.7)を超えたところでは、
カバレッジ分散は、平均値に対して非常に高いことがある。構成変更の可能な範囲のデフ
ォルト下限(例えば、GC含量=0.3)より下では、追加の問題が生じる。例えば、カ
バレッジ自体の分散が、試料間で高度に可変性であることがある。この分散があるために
、各参照パネル試料のカバレッジ値が、異なる分布由来の観測値である際に、具体的なウ
ィンドウで具体的な試料について、カバレッジの期待分散を正確に推定することが困難と
なる。
領域のうちの1つまたは複数のゲノム領域のマッピング可能性スコアに基づいて、複数の
ゲノム領域のうちの1つまたは複数のゲノム領域をフィルタリングすることを含むことが
ある。複数のゲノム領域のうちの1つまたは複数のゲノム領域のマッピング可能性スコア
に基づいて、複数のゲノム領域のうちの1つまたは複数のゲノム領域をフィルタリングす
ることは、上記複数のゲノム領域の各ゲノム領域についてマッピング可能性スコアを決定
すること、および複数のゲノム領域のうちの上記1つまたは複数のゲノム領域のマッピン
グ可能性スコアが、所定の閾値を下回る場合に、複数のゲノムのうち1つまたは複数のゲ
ノム領域を除外することを含むことがある。
(デフォルトk=75)についての平均マッピング可能性スコアが0.75未満である際
に、複数のゲノム領域のうちの1つまたは複数のゲノム領域をフィルタリングすることが
できる。上記複数のゲノム領域の各ゲノム領域についてマッピング可能性スコアを決定す
ることは、最初の塩基が複数のゲノム領域のうちのゲノム領域にオーバーラップする、k
−merの逆参照ゲノム頻度の平均を決定することを含むことがある。
むことがある。リード・カバレッジ・データを正規化することは、他の常染色体に対する
各染色体についてのリード・カバレッジのエクソームワイドな比を決定することを含むこ
とがある。エクソームワイドな比(γ)を、各染色体(i)について:
レッジである。
ータを決定することができる。複数の試料中の各染色体についての期待リード・カバレッ
ジ・データを決定することは、線形回帰モデルを適用して、各染色体についてエクソーム
ワイドな期待比を決定することを含むことがあり、その際に、複数の指標が、共変量とし
て使用される。この複数の指標は、シークエンシング品質管理指標(QC指標)を含むこ
とがある。シークエンシング条件の変動性ゆえに生じる体系的なカバレッジのバイアスは
、一般には「バッチ効果」と称される。一態様では、本願の方法およびシステムを、バッ
チ効果を補正するために構成することができる。例えば、リード・カバレッジ・プロファ
イル―高次元空間―に基づいてリード・カバレッジ・データを比較する代わりに、本願の
方法およびシステムを、シークエンシング品質管理(QC)指標に基づいて、低次元の指
標空間を考慮するように構成することができる。例えば、シークエンシングQC指標は、
7つのシークエンシングQC指標を含むことがある。シークエンシングQC指標は、Pi
cardなどのシークエンシングツール由来のシークエンシングQC指標を含むことがあ
る。この低次元空間で作業することによって、拡張性の向上が可能になる。例えば、試料
を前もって標示付けすることができる(例えば、任意の適切な標示付けおよび/または探
索アルゴリズムを使用して)。
統計量を有する、2つの常染色体として定義され、εiは、
レッジ・データと期待リード・カバレッジ・データとの間の偏差を決定することができる
。複数の試料中の少なくとも1つの染色体についてリード・カバレッジ・データと期待リ
ード・カバレッジ・データとの間の偏差を決定することは、複数の試料中の各染色体につ
いて、リード・カバレッジ・データと期待リード・カバレッジ・データとの間の差を決定
して、複数の残差を生成すること、および共変量xを有する複数の試料の個々の試料につ
いての平均推定値の標準誤差
。ここでは、共変量は、QC指標および染色体を含み、線形回帰をフィッティングした後
の観測値(γi)および期待値
生の残差の標準誤差(モデル全体に対し1つの値)か、または異分散性に整合的な標準誤
差を使用して行う。
ての異常な核型を表す有意に大きな残差を特定することをさらに含むことがある。有意に
大きな残差は、0.05未満のp値を有する残差を含むことがある。図6を参照されたい
。
きる。特定される異常な核型を出力することができる。例えば、特定される異常な核型を
、ユーザに(例えば、ユーザ・インターフェースを介して)出力することができる。特定
される異常な核型を、ネットワークを介して遠隔地に伝送することができる。特定される
異常な核型を、入力として別の実行可能なプログラムに提供することができる。特定され
る異常な核型を、データベースや他のファイル・フォーマットなどの記憶場所に記憶する
ことができる。出力の例は、図7〜図10に示されている。
伝子バランスの事象を示す、対立遺伝子バランスのプロットである。サブプロットの番号
は、染色体番号である。影付きバー701は、ヘテロ接合SNPの対立遺伝子バランス0
.5に期待される変動性の正常な範囲を示す。線702は、全染色体の対立遺伝子バラン
スの中央値を示す。破線703は、およそ20個のSNPのローリングウィンドウにおけ
る対立遺伝子バランスの局所中央値を示す。線704は、ホモ接合性連続領域を示す。図
8は、同じ試料について13番および20番染色体についてのリードの有意な提示不足を
示す、リード・カバレッジのプロットである。
ある。この対立遺伝子バランスのプロットは、ある試料中の21番染色体上の変則性と、
X染色体全てに及ぶホモ接合性連続領域とを示し、X染色体を1つのみ持つ核型上は正常
な雄の試料であることを示す。影付きバー(901)は、ヘテロ接合SNPの対立遺伝子
バランス0.5に期待される変動性の正常な範囲を示す。実線(902)は、全染色体の
対立遺伝子バランスの中央値を示す。破線(903)は、およそ20個のSNPのローリ
ングウィンドウにおける対立遺伝子バランスの局所中央値を示す。線(904)は、ホモ
接合性連続領域を示す。図10は、同じ試料についてのリード・カバレッジのプロットで
ある。
ラム状態などの既存の診断にさらに別の臨床上の見解を提供するために、施療者が患者に
報告することができる。
異常を有する患者における、公知または未知の妊孕性の課題を明確に持つ患者に提供する
ために、使用することができる。
きる。
本明細書に開示される方法を使用して、DNA試料が2個体由来のDNAを含有するか
否かを決定することもでき、そのようなDNAは例えば、1個体由来のDNA試料が別の
個体由来のDNAで汚染されている場合に起こる。DNAは、双生仔の死亡/ヒトのキメ
ラの事象、つまり多胎妊娠が起こった際にも、すなわち胎仔全てが生き延びずに、死亡し
た双生仔のDNAが生き延びた胎仔のDNA内に取り込まれるようになった際にも、2個
体に由来することがある。そのような状況では、結果は、双生仔のDNAが一致しないゲ
ノムの全ての領域について、偏った多モードの対立遺伝子バランスとなり、それは、二卵
性双生仔のゲノムの約75%である。DNAは、ある個体由来の血液または組織が別の個
体内に移植された際にも、2個体に由来することがある。DNAは、非侵襲的な出生前検
査の試料を得る際に母体−胎児DNAが混合される時にも、2個体に由来することがある
。
核型として特定するための考慮からその1つまたは複数の外れ値を除去することを、さら
に含むことがある。1つまたは複数の外れ値を検出することは、各染色体について線形回
帰モデル上で、ある閾値を超えるレバレッジ(hi、ここで1/n<hi<1)を有する
、複数の試料のうちの1つまたは複数に目印を付けることを含むことがあり、その際に、
レバレッジは、n およびpの関数:
についての共変量のベクトルを表し、
ることができる。
演算されることがあり、このシークエンスリードは、個々の試料について一塩基多型(S
NP)、挿入、および欠失(インデル)を検出することを目的として、本明細書のKar
yoScan法の前に生成される。観測される対立遺伝子を2つのみ有するSNP(また
は、ある観測されるホモ接合対立遺伝子であって、この具体的な試料のシークエンスリー
ド中に観測されない参照ゲノムによって定義される第2の対立遺伝子とは異なるもの)は
、2対立遺伝子SNPと称する。2対立遺伝子SNPに焦点を合わせることによって、ゲ
ノム中の具体的な部位の対立遺伝子バランスを計算することができる。
特定することができる。対立遺伝子バランスは、いくつのシークエンスリードが各対立遺
伝子を支持するかに関する測定量である。例えば、ヘテロ接合SNPが100シークエン
スリードによってカバーされ、かつ試料がこのゲノム領域中で2倍体である場合、50リ
ードの一方の対立遺伝子と50リードの他方の対立遺伝子とを期待することができ、それ
により0.5/0.5の対立遺伝子バランスが生じる。両対立遺伝子の対立遺伝子バラン
スは、合算すると1となり、約0.5の対称性があることから、焦点は、より少数派の対
立遺伝子バランス(例えば、2つの対立遺伝子がカバレッジの点で厳密に同等である場合
に、より少ないリードを持つ対立遺伝子か、または無作為に選択された対立遺伝子)に当
てられる。実践では、観測される対立遺伝子バランスは、厳密に50%であることは稀で
あるが、真の比率pを与えるサイズN(N=アラインメントされたシークエンスリードの
数)の試料にわたって各対立遺伝子のリードがいくつ発生するかを反映する確率分布には
従うものとなる。理想的には、2倍体試料中のヘテロ接合SNPがp=0.5を有するこ
とから、期待値0.5の2項分布を用いて、対立遺伝子バランスをモデル化することがで
きよう。
伝子のヘテロ接合SNPは、期待される対立遺伝子バランス0.5を有さないものとなる
。一方の染色体が重複している場合、例えばトリソミー21などでは、2/3の21番染
色体のコピーが一方の対立遺伝子を有することになり、1/3の21番染色体のコピーが
他方を有することになり、期待される対立遺伝子バランス約0.333を生じる。それゆ
え、中心傾向の測定量を用いて染色体全体にわたる対立遺伝子バランス分布をモデリング
することによって、対応の対立遺伝子バランスがおおよそ0.333に収束するのを確実
にすることで、リード深度モデルから得られるトリソミー21のコールの正当性を立証す
ることができる。染色体中にわたる推定対立遺伝子バランスの中央値などの指標を使用し
てもよい。同様に、モノソミーの染色体については、対立遺伝子が1つのみ存在すること
ができ、特定されるヘテロ接合SNPはないものとなる。それゆえ、対立遺伝子バランス
は0または全く観測されないものとなり、ホモ接合SNP(ヘミ接合性)のみ特定するこ
とができる。これらの領域は、ホモ接合性連続領域を介して特定することができる。
染色体の重複および欠失もまた、対立遺伝子バランス分布に観測することができる。部分
的な染色体の事象を区別するため、中心傾向の局所推定を使用し、残りの染色体からこの
局所推定における偏差を特定することができる。実践では、対立遺伝子バランス中の分散
は、SNPをカバーするリードの数に比例するため、局所推定は、充分に多数の部位にわ
たって平滑化されて、個々の部位のもたらす総分散を低減するはずである。この平滑化を
達成するため、20個のヘテロ接合2対立遺伝子のSNPのウィンドウ中にわたるローリ
ング中央値を演算することができる。深いシークエンシングであるほど、試料サイズの増
加に起因して具体的な各部位で低い分散を有することから、このウィンドウのサイズは、
シークエンシング深度に応じて増加することも減少させることもできる。同様に、染色体
の一部にのみ広がるホモ接合性連続領域を特定することができる。
バランス分布の偏差に反映されるものとなる。モザイク事象は、シークエンシングされた
試料用にDNAを提供した細胞集団のサブセットに起こる事象である。モザイク現象は、
体細胞の変異(がんにおけるものなど)の結果であるか、または初期の生殖系列の細胞分
裂におけるエラーを結果として生じることがある。例えば、全染色体の欠失が、シークエ
ンシングされた細胞の50%にのみ起こる場合、欠失染色体由来のヘテロ接合SNPは、
25%の期待される対立遺伝子バランスを、25%のリード・カバレッジの欠乏に加えて
有するものとなる。そのため、対立遺伝子バランスを使用して、モザイク事象を区別する
こともできる。
(UPD)は、例えば、染色体が同一親由来の2コピーを有し、かつ他方の親由来のコピ
ーがない際に起こる。これらの事象は、リード・カバレッジの偏差に検出されることはな
いが、ヘテロ接合の対立遺伝子バランス(事象がモザイクである場合)から、またはホモ
接合性連続領域(事象がモザイクでない場合)から特定することができる。
もある。例えば、染色体が4コピー(テトラソミー)に重複している場合、結果として得
られる核型は、各親を起源とする2つの染色体を有し、正常な対立遺伝子バランス約50
%を生じることがある。このことは、モザイク事象と非モザイク事象の両方で同じ効果を
もたらすことになる。
核型を検出するための方法の1例1100を図説するフローチャートである。方法110
0は、便宜上ここに記載され、かつ方法フローの記載中に参照される、1つまたは複数の
指標を決定することができる。方法1100は、バリアント対立遺伝子バランスを決定す
ることができ、この対立遺伝子バランスを、最小(代替の対立遺伝子リードの#,参照の
対立遺伝子リードの#)/総リード#を計算することによって決定されるバリアント特異
的な指標とすることができる。一態様では、方法1100は、1つまたは複数のVCFフ
ァイル由来の「AD」(対立遺伝子深度)タグおよび「DP」(リード深度)タグを利用
して、バリアント対立遺伝子バランスを決定することがある。
色体上のフィルタリングされていない最初と最後のエクソンの間の複数の塩基対の#−オ
ーバーラップするセントロメア塩基の#を計算することによって決定される、染色体特異
的な指標となり得る。セントロメア塩基について調整する際には、リード・カバレッジが
存在しないセントロメアに広がる一見大きな事象を考慮する。実践では、ゲノムのセント
ロメアの境界を、最も近いエクソン境界に調整することができる。同様に、フィルタリン
グされていない最初と最後のエクソンに制限する際には、エクソン・カバレッジのない長
いテロメア領域を、ならびにエクソン・カバレッジを欠いた腕全体を有する染色体(例え
ば、多くの末端動原体染色体)を考慮する。
ABと称する)を決定することができ、この対立遺伝子バランスは、推定上のヘテロ接合
SNPについてフィルタリングすることを可能にする染色体特異的な指標であり、それに
よって、バリアント対立遺伝子バランス>0.02(シークエンシング深度に応じて、閾
値を調整して0に近付けることも遠ざけることもできる)となる。ChromHetAB
は、染色体内のフィルタリングされていない全てのバリアント間の染色体ワイドなヘテロ
接合SNPの対立遺伝子バランスを表す要約統計量(例えば中央値)となり得る。例えば
、ChromHetABは、染色体内のフィルタリングされていない全てのバリアントに
ついての中央値(バリアント対立遺伝子バランス)を計算することによって、決定され得
る。特定のSNPに関してChromHetABを参照することによって、LocalH
etAB EventまたはROH Eventは、そのSNPまたは事象が起こる染色
体についてChromHetAB値を参照することができる。ChromHetABは、
染色体内のフィルタリングされていない全てのバリアント間の染色体ワイドなヘテロ接合
SNPの対立遺伝子バランスを表す要約統計量(例えば中央値)となり得る。
Bと称する)を決定することができ、その対立遺伝子バランスは、あり得るヘテロ接合S
NPについてフィルタリングすることを可能にする、バリアント特異的な指標であり、そ
れによって、バリアント対立遺伝子バランス>0.02(シークエンシング深度に応じて
、閾値を調整して0に近付けることも遠ざけることもできる)となる。LocalHet
ABは、20個のSNPのウィンドウおよび一定の末端を用いて、染色体全体にわたって
バリアント対立遺伝子バランスの移動中央値を計算することによって決定することができ
る。一態様では、LocalHetABを決定することは、染色体上のフィルタリングさ
れていない全てのバリアントにわたって、試料のヘテロ接合SNPの対立遺伝子バランス
の、平滑化されたサブ染色体スケールの(例えば局所的な)要約統計量(例えば移動中央
値)を決定することを含むことがある。
つ以上のSNPの連続する領域(LocalHetAB Eventと称する)を決定す
ることができる。方法1100は、LocalHetAB Event内の最初と最後の
SNPによって、座標(最初と最後の染色体位置)を定義することができる。染色体当た
りゼロから複数のLocalHetAB Eventがあり得る。方法1100は、Lo
calHetAB Eventについて正規化された「曲線下の面積」を計算することに
よって、LocalHetAB Event Areaを決定することができる。例えば
、LocalHetAB Event内の隣接SNPの対について、PairwiseA
rea=[ChromHetAB−平均(LocalHetAB(SNP1),Loca
lHetAB(SNP2))]*(SNP2位置−SNP1位置−オーバーラップするセ
ントロメア塩基対の#)を決定する。最も小さな形態では、LocalHetAB Ev
entは、厳密には2つの隣接SNPを有することがある。2つを超えるSNPを伴うL
ocalHetAB事象は、N−1隣接SNP対の鎖として見ることができ、ここでは、
N=その事象でのSNPの#である。2つ以上のSNPを伴うLocalHetAB事象
を、和(LocalHetAB Event中の全てのN−1隣接SNP対についてのP
airwiseArea)/(呼び出し可能な染色体長*ChromHetAB)を計算
することによって決定することができる。
中の全てのSNPに対する)を決定することによって、LocalHetAB Even
tについての要約対立遺伝子バランス(AB)統計量(LocalHetAB Even
t ABと称する)を決定することができる。LocalHetABは、対立遺伝子バラ
ンスの平滑化された(移動中央値)推定値であることから、上記の最小値は、事象全体に
ついての良い推定値である。しかし、代替の指標(例えば、平均値、中央値、第1の四分
位数など)が、他のアプリケーション(例えば、より大きなSNPウィンドウサイズ、よ
り深いシークエンシング、全ゲノムのシークエンシングなど)にさらに良好に適すること
もある。
リアント特異的な指標である、ホモ接合性連続領域(ROHと称する)を決定することが
できる。ROHは、バリアント毎の二元(あり/なし)の目印であるが、支持となる指標
(例えば信頼スコア)を持たないことがある。一態様では、ROHを決定することは、参
照により本明細書にその全体を組み込まれるNarasimhan,V.,et al.
(2016)Bioinformatics,32(11),1749−1751)によ
って記載される、BCFtools/RoH法の使用を含むことができる。ROH決定の
選択肢の例としては、以下に限定されないが、Autozygous−to−Hardy
Weinberg推移確率(−a選択肢)=6.6e−09、Hardy Weinb
erg−to−Autozygous推移確率(−H選択肢)=5.0e−10、インデ
ルを無視する(−I選択肢)、エクソン内のSNPに制限する(すなわち側面に位置する
領域SNPがない)、および内部RGC(EVE)バリアント頻度を利用する、が挙げら
れる。一態様では、1つまたは複数の代替の方法を使用することができよう。例えば、参
照により本明細書にその全体を組み込まれるPurcell S,Neale B,To
dd−Brown K,et al.PLINK:A Tool Set for Wh
ole−Genome Association and Population−Ba
sed Linkage Analyses.American Journal of
Human Genetics.2007;81(3):559−575によって記載
されるようなPlinkである。
OH Eventと称する)を決定することができる。事象の座標は、ROH Even
t内の最初と最後のSNPの染色体位置として定義することができる。
ングに供することができる。このデータは、例えば、VCFファイル(例えば、試料当た
り1つのVCFファイル)、カバレッジの深度のファイル、および/または外部の品質管
理指標(例えば、BAMリード−マッピングファイルから演算されるPicard指標)
を含むことがある。VCFファイルは、遺伝子配列のバリエーションについてマーカーお
よびジェノタイプデータを含むことがある。カバレッジの深度のファイルは、所与のヌク
レオチドまたはヌクレオチドの配列を含む複数のリードの標示を含むことがある。QCフ
ィルタリングは、カバレッジの深度のファイル、VCFファイル、および/または外部の
品質管理指標に1つまたは複数の試料フィルタリング基準を適用することを含むことがあ
る。この1つまたは複数の試料フィルタリング基準は、例えば、標準的なコンタミネーシ
ョンフィルター(高いヘテロ接合対ホモ接合SNPコール比など)、低い配列カバレッジ
に基づくフィルタリング(20Xカバレッジ以上で塩基の<75%)、および/または低
いDNA品質に基づくフィルタリング、それらの組合せなどを含むことがある。一態様で
は、QCフィルタリングは、VCFファイルへ1つまたは複数のバリアントのフィルタリ
ング基準を適用することを含むことがある。1つまたは複数のバリアントのフィルタリン
グ基準は、例えば、2対立遺伝子のSNPのみを解析すること(多対立遺伝子の部位およ
びインデルを除去する)、最小バリアント品質に基づくフィルタリング[QD>5、GT
>30、VQSRフィルター(バリアント品質スコアの再較正)をパスする]、最小リー
ド深度に基づくフィルタリング(DP>=20)、および/または遺伝子座の品質に基づ
くフィルタリング[1.マッピング可能性>90%のエクソンのみとする、2.>2コピ
ーが共通しているエクソンを除外する(例えば、多コピーのCNV遺伝子座)、3.マッ
ピング可能性の問題を持つ他の領域を除外する(例えばHLA遺伝子)]、それらの組合
せなどを含むことがある。
するデータ上で、性別の割り当てを実施することができる。性別の割り当ては、最小のY
染色体リード・カバレッジ比(X染色体リード・カバレッジ比に比べて)を決定して、試
料が雄である(閾値を超える)か雌である(閾値を下回る)か決定することを含むことが
ある。図13Aは、全試料についてのX染色体対Y染色体のカバレッジ比のプロットであ
り、雄(1302)および雌(1304)の試料を決定するため閾値が実線1306によ
って示されている。さらに、Y染色体の重複を持つ雄の試料を、Y染色体カバレッジ比の
閾値(破線1308)を用いて特定することができる。試料の性別が既知であるか、また
は試料について報告されていれば、既存の割り当てを使用して、適切な閾値を決定する一
助とすることができる。ブロック1104で性別が割り当てられた後、試料由来の各染色
体を、方法1100の1つまたは複数の残りのブロックを介して処理することができる。
ク1106では、方法1100は、Y染色体のカバレッジが閾値よりも大きいか、例えば
0.0015か否かを決定することができる。Y染色体のカバレッジが閾値よりも大きい
場合、方法1100は、Y染色体の重複があることをブロック1108で決定することが
でき、Y染色体を他の染色体とは独立に処理できる際にはブロック1138に進むことが
できる。Y染色体のカバレッジが閾値よりも低い場合、方法1100は、その試料が雄の
試料の正常なY染色体リードの遺伝子量を有し、それゆえY染色体上に起こる変則性が検
出されないことを、ブロック1108で決定することができる。
1つであるか2つであるか(雄か雌か)を決定することを含むことがあり、その場合に、
方法1100は、ブロック1110に進み、その試料についてX染色体を処理することに
なる。ブロック1110では、方法1100は、データが雄に由来するか否かを決定する
ことができる。ブロック1110で、データが雄に由来することが決定される場合、方法
1100は、ブロック1112および1114に進むことになる。ブロック1110で、
データが雄に由来しないことが決定される場合、方法1100は、ブロック1112、1
114、1116、および1118に進むことになる。ブロック1104に戻ると、性別
の割り当ては、データが常染色体を含むことを決定することを含むことがあり、その場合
に、方法1100は、ブロック1112、1114、1116、および1118に進むこ
とになる。
できる。図1および/または図4の1つまたは複数の部分に関して、ブロック1112を
、本明細書に記載されるように実施することができる。ブロック1114では、方法11
00は、ChromHetABの変則性を検出することができる。ブロック1116では
、方法1100は、ROHの変則性を検出することができる。ブロック1118では、方
法1100は、LocalHetABの変則性を検出することができる。
それぞれChromHetAB、ROH、およびLocalHetAB)の決定に関連し
た。これら3つの対立遺伝子バランス指標を、異なるタイプの変則性を検出するために使
用することができるが、オーバーラップする形跡を結果として生じることがある。例えば
、構成上の染色体の欠失(全体または部分染色体)を特定するため、これらの領域にヘテ
ロ接合性が観測されるはずがない際に、ROHを使用することができる。同様に、ROH
は、大きな片親ダイソミー(UPD)事象(コピーニュートラル、全体または部分染色体
)を特定することができるが、重複を特定するためには有用ではない。しかし、Loca
lHetAB指標およびChromHetAB指標もまた、0に近いバリアント対立遺伝
子バランス値を有する推定上のヘテロ接合性に類似した、少しのノイズ(シークエンシン
グ・エラーなどの技術的なアーチファクトに起因する)を特定することによって、ROH
事象内に変則的なシグナルを生じることがある。そして、これらのシグナルを、ROHの
変則性の代わりに無視することができる(図12を参照、オーバーラップするLocal
HetAB事象を用いてROH事象を表す)。図12は、4番染色体に関する試料の対立
遺伝子バランスのプロットの1例であり、ここでは、長いホモ接合性連続領域が検出され
(1202)、この連続領域は、変則的な領域中のホモ接合SNP間に少しの非ゼロの対
立遺伝子バランスがあるために、オーバーラップするLocalHetAB Event
((1204)を有する。全染色体の重複または他のモザイクの全染色体の事象の場合、
ChromHetABは、最も妥当な指標となり得る。そして、それは、トリソミーにつ
いてはおおよそ1/3、あるいはコピー数を表す割合およびモザイク事象の細胞の割合に
等しいはずである。部分染色体の事象については、LocalHetABは、事象の開始
および終了の座標を検出することになる際に、最も妥当な指標となり得る。しかし、大き
な部分染色体の事象は、染色体ワイドなChromHetAB指標に影響を与え、Loc
alHetAB事象によってさらに良好に捕捉される変則的なシグナルを作り出すことが
ある。
ード・カバレッジの変則性のシグナルに対して解釈すること)を、染色体の変則性の検出
および特徴付けを自動化するコンポーネントとすることができる。感度、特異性、規模、
および背景に差異があるこれらのシグナルの一元化を扱うために、推定上変則的な3段の
シグナルを各指標について定義することができ、そこでは、段1のシグナルが最も重要で
あり、段3は最も重要ではない。段の格付けを使用して、これらの不均一な指標を標準化
および一元化し、どのシグナルが最も妥当であるかという決定を簡便にすることができる
。他の数の段を使用および規定することができる。
利用することができる。段1は、リード・カバレッジのp値<閾値、例えば0.05/(
供試された染色体/試料対の#)などを含み得る。Bonferroniの補正を、ファ
ミリーワイズ・エラー率=5%を用いて適用することができる。段2は、段1および染色
体特異的なFDR補正されたp値(q値)<閾値、例えば0.05などをパスしないこと
を含み得る。Benjamini−HochbergのFDR補正を、染色体当たりの偽
発見率=5%を用いて適用することができる。段3は、段1または段2およびリード・カ
バレッジのp値<閾値、例えば0.05などをパスしないことを含み得る。1つまたは複
数の例外を、X染色体解析に適用することができる。例えば、推定される染色体遺伝子量
の割合の絶対値(大きさ)が>5%である場合に、X染色体に関する段3シグナルを、段
2に昇格させることができる。
を持つ2対立遺伝子SNPの対立遺伝子由来のリードの割合を常に反映することから、所
与の染色体に関する核型上は正常な2倍体の試料についての期待ChromHetAB値
は、厳密には50%となりそうにないが、シークエンシング深度の増加につれて50%に
近付く。それゆえ、線形回帰を、所与の染色体(X染色体については雌のみ)に関して全
試料についてのChromHetAB値に、PCTTARGETBASES50X品質管
理指標(Picardを用いて試料当たり計算される)に対してフィッティングすること
ができる[図13B、PCTTARGETBASES50X値の増加に対して、核型上は
正常な試料間でChromHetAB値が増加すること、および変則的なシグナル(着色
された点)を有意性の異なる段で特定することを示す]。ひとたび線形回帰モデルがフィ
ッティングされていれば、試料毎のChromHetAB値(観測ChromHetAB
−上記回帰によって規定されるような期待ChromHetAB)の残差について、Zス
コアを計算することができる。このZスコアを、Z=(試料の残差)/(回帰モデルの残
差の標準偏差)として計算することができる。このZスコアを、p値に変換することがで
きる。
用することができる。段1は、ChromHetABの残差のp値<閾値、例えば0.0
5/(供試された染色体/試料対の#)などを含み得る。Bonferroniの補正を
、ファミリーワイズ・エラー率=5%を用いて適用することができる。段2は、段1をパ
スしないこと、および染色体特異的なFDR補正されたp値(q値)<閾値、例えば0.
05などをパスすることを含み得る。Benjamini−Hochbergを、染色体
当たりFDR補正偽発見率=5%を用いて適用することができる。段3は、段1または段
2およびChromHetABの残差のp値<閾値、例えば0.05などをパスしないこ
とを含み得る。1つまたは複数の例外を、X染色体解析に適用することができる。試料が
雄である場合、指標の計算に>75 SNPが含まれず、かつChromHetAB>0
.15でない限り、ChromHetABを無視し、かつ試験しないことがある。これら
のフィルターは、核型上は正常な雄試料に由来するノイズを除去するとともに、期待され
る(すなわち単一のX染色体についてはゼロ)よりもはるかに大きなChromHetA
B値を雄でのX染色体の重複が有する場合に、それら重複を含めること、および信頼を以
てChromHetAB値を呼び出すのに使用される充分な数のSNPを有することを可
能にする(図14、雄の試料についてX染色体に関する供試されたChromHetAB
値および推定上のヘテロ接合SNPの数を示し、実線によって標示される最小閾値を伴う
)。この背景下では、雄の試料を規定することは、核型上正常な状態を想定して1つのX
と1つのY染色体の期待値を持つように、割り当て(XおよびYのリード・カバレッジに
基づいて)を差し向けることができる。これらのフィルターをパスするX染色体由来の任
意の雄ChromHetABシグナルを、段1に割り当てることができる(p値に関わら
ず)。一態様では、ChromHetABの変則性を検出することは、核型上は正常な試
料に期待されるChromHetAB値(または値の範囲)よりも有意に小さなChro
mHetAB値を持つ試料を特定することを含むことがある。
象は、核型上は正常な試料に比較的共通し、例えば、同族の試料間で特に頻度が高いこと
がある。それゆえ、ROH事象についての最小サイズの閾値が、大きな染色体規模の事象
のみを捕捉するように規定されることがある。真にホモ接合なバリアントが、技術的なア
ーチファクトに起因して、非ゼロのバリアント対立遺伝子バランスを有する際に、ROH
事象の検出は難題となることがある。その結果、いくつかの大きなROH事象は、2つ以
上のROH事象に断片化する(図12)。そのため、染色体内の独立したROH事象は、
組合せで考慮される。ROHの変則性の検出は、以下の段の定義を利用することができる
。長さ(オーバーラップするセントロメア塩基を除外する)<5,000,000bpを
有するROH事象は、フィルタリングされることがある。段1は、フィルタリングされて
いないROH事象>=20,000,000に由来する非セントロメアROH塩基の総(
ゲノムワイドな)数を含み得る。2は、段1をパスしないフィルタリングされていないR
OH事象を含み得る。段1つまたは複数の例外が、X染色体解析に適用されることがある
。X染色体に関する雄の試料についての全てのROHシグナルは、無視することができる
。この背景下では、雄の試料を規定することは、核型上正常な状態を想定して、1つのX
と1つのY染色体の期待値を持つように、割り当て(XおよびYのリード・カバレッジに
基づいて)を差し向けることができる。
質的には、有意なLocalHetAB Eventの変則性は、大きなLocalHe
tAB Event Area指標を有し、含まれる数多くのSNPによって支持されて
いるはずである。線形関数は、LocalHetAB Event AreaおよびLo
calHetAB Eventに含まれるSNPの#(「SNPの#」)に関連するエク
ソームデータセットに、経験的にフィッティングするように定義することができ、その際
に、同じ傾き係数(例えば、具体的なLocalHetAB Event Areaを有
する事象に必要なSNPの最小#)に異なる切片を用いて、段の定義を規定する。面積>
0.02(垂直線)を持つ全てのLocalHetAB事象(点)、および斜線間の領域
に基づく段へのそれらの分離(赤点は、オーバーラップするROH事象の存在を標示し、
LocalHetAB事象が変則性を検出しているという形跡を支持することを示す)を
示す、図15を参照されたい。LocalHetABの変則性の検出は、以下の段の定義
を利用することができる。LocalHetAB Event Area<0.02であ
る事象を、フィルタリングすることができる。段1は、SNPの#+(LocalHet
AB Event Area*第1の量、例えば3000など)>=第2の量、例えば2
30などを含み得る。段2は、SNPの#+(LocalHetAB Event Ar
ea*第1の量、例えば3000など)>=第2の量、例えば170などを含み得る。段
3は、SNPの#+(LocalHetAB Event Area*第1の量、例えば
3000など)>=第2の量、例えば110などを含み得る。1つまたは複数の例外が、
X染色体解析に適用されることがある。X染色体に関する雄の試料についての全てのLo
calHetABシグナルは、無視される。この背景下では、雄の試料を規定することは
、核型上正常な状態を想定して、1つのXと1つのY染色体の期待値を持つように、割り
当て(XおよびYのリード・カバレッジに基づいて)を差し向けることができる。一態様
では、LocalHetABの変則性を検出することは、LocalHetAB値が染色
体領域中にわたる対応のChromHetAB値を下回る(例えば、有意に下回る)際に
、部分染色体の変則性の可能性を標示することを含むことがある。
施される解析は、染色体の変則性の予測に寄与する。しかし、これらの指標は、ブロック
1138の核型の予測の前に、段の格付けと共にアノテートされ、非変則的な指標を除去
するためにフィルタリングされ、ブロック1136で統合されることがある。ブロック1
120では、方法1100は、ブロック1112、1114、1116、および1118
から得た各指標によって特定される変則的な事象を報告し、各事象を段(例えば、段1、
段2、段3など)にスコア付けすることができ、この段は、指標間でスケーリングを標準
化し、異常な核型(染色体の変則性)の評価のための統合を単純なものとする。一態様で
は、方法1100は、使用される1つまたは複数の段(例えば、段1、段2、段3など)
のそれぞれについて、事象を報告および/またはスコア付けすることができる。ブロック
1112では、リード・カバレッジの変則性の指標を、染色体の遺伝子量を評価するため
に使用することができ、残りの3つを使用して、対立遺伝子バランスおよび接合性(Ch
romMedAB、ROH、およびLocalHetABの事象)を評価することができ
る。
か、コピーニュートラルなのかを決定することができる。この評価を、リード・カバレッ
ジの変則性の存在または不在に主に基づいて作製することができるが、対立遺伝子バラン
ス関連指標から得られる補足的な情報も、考慮することができる。例えば、全ての段1の
リード・カバレッジの変則性は、独立して獲得または欠損として予想されることがあるが
、段2および/または段3のリード・カバレッジの変則性は、支持となる対立遺伝子バラ
ンスの変則性も同じ染色体上に検出される場合に、獲得または欠損とみなされるのみであ
ることがある。獲得または欠損を呼び出すために検出されるリード・カバレッジの変則性
がない場合に、その事象は、コピーニュートラルであるものと想定され、低い品質リード
・カバレッジの変則性が検出されるもののフィルタリングされるか否かが不明確であるも
のとして、さらに目印を付けられることがある。
0は、ブロック1124に進んで、染色体上の変則的なLocalHetAB事象とCh
romHetAB事象との比較に基づいて、基となる染色体が全染色体か部分染色体かを
決定することができる。例えば、LocalHetAB事象が、オーバーラップするCh
romHetAB事象よりも低い段の格付け(例えば、より有意な)を有する場合(また
は、報告されているChromHetAB事象がない場合)、この事象は、LocalH
etAB事象がより有意であることを前提として、部分染色体として予想されることがあ
る。逆に、より低い段のChromHetAB事象は、全染色体の事象がその場合である
可能性が高いことを示唆するものとなろう。両方の事象が、同じ段の格付けで起こる場合
、方法は、その変則性を不明確であるものと報告することがある、および/または一方の
事象をより重い重みづけのあるものとして偏重する(例えば、LocalHetABを偏
重し、部分染色体の事象として呼び出す)ことがある。さらに、方法は、リード・カバレ
ッジ11から演算された染色体の割合の獲得の推定値を、各対立遺伝子バランスの変則性
から得られる同様の推定値に比較することもあり、それらの推定値がリード・カバレッジ
由来の推定値にどれほど密に適合するかによって、対立遺伝子バランス事象を重み付けす
ることがある。基となる染色体の変則性が予想されるのが、全染色体(ChromHet
AB)であろうと部分染色体(LocalHetAB)であろうと、方法1100は、ブ
ロック1126に進み、それぞれの対立遺伝子バランス指標を利用して、コピー獲得がモ
ザイク事象であるか否かを、ヘテロ接合の対立遺伝子バランスの推定値がどれほど1/N
に近いかを決定することによって[ここで、Nは、予想される染色体のコピーの数である
(例えば、単コピーの常染色体の獲得については1/3である)]決定することができる
。この期待レート(例えば1/3±0.02)付近のエラー閾値を適用して、モザイク現
象について二元(ありまたはなし)の分類を作ることがある。オーバーラップするLoc
alHetAB事象もChromHetAB事象も報告されていない場合、染色体および
モザイクの割合の推定値を不明確であるものと割り当てることがある、および/またはデ
フォルト値を設定することがある。
100は、ブロック1128に進み、そのコピー欠損がモザイク事象であるか否かを、R
OHを利用することによって決定することができる。コピー欠損がモザイクではない(例
えば、ROH事象が検出されている)場合、方法1100は、ROHを利用し、どの呼び
出し可能な染色体の比率がROH事象によってカバーされるかを評価することによって、
基となる染色体の変則性が全体であるか部分であるかを決定することができる。コピー欠
損がモザイクである(例えば、報告されているROH事象がない)場合、方法1100は
、報告されたChromHetAB事象およびLocalHetAB事象から得られた段
の格付けを利用および比較して、基となる染色体が全体であるか部分であるかを決定する
ことができる。この評価は、コピー獲得のそれと同様であり(ブロック1124)、その
際に、より有意なLocalHetAB事象が、部分染色体の事象を標示することがあり
、より有意なChromHetAB事象が、全染色体の事象を標示することがあり、対立
遺伝子バランスに基づく染色体の割合の推定値は、リード・カバレッジ事象の染色体の割
合の推定値に比較することができる。
法1100は、ブロック1128に進み、そのコピーニュートラルな事象がモザイクであ
るか否かを、ROHを利用して決定することができる。コピーニュートラルな事象がモザ
イクではない(例えば、ROH事象が報告されている)場合、方法1100は、ROHを
利用して、基となる染色体が全体であるか部分であるかを決定することができる。コピー
ニュートラルな事象がモザイクである場合、方法1100は、ChromHetABおよ
びLocalHetABを利用して、基となる染色体が全体であるか部分であるかを決定
することができる。
こでは、どの変則性も、1)コピーニュートラル、コピー獲得、またはコピー欠損の予測
;2)全染色体または部分染色体の事象の予測;3)モザイクであるかモザイクでないか
の予測;4)最後の段の格付けであって、染色体に関して報告された全事象についての最
小の(最も有意な)段の格付けに等しいものとできるか、またはそれらが複数の中段の事
象を有する場合に、追加的に、上位のもしくは下位の重みの変則性に改変することができ
る(例えば、支持となる段2のLocalHetAB事象を伴う段2のリード・カバレッ
ジ事象は、段1とみなされることがある)もの;および5)染色体、それらの段の格付け
、およびそれらが主要なまたは支持となる事象として選ばれたか否か(例えば、非モザイ
ク、段1のリード・カバレッジを持つ全染色体の欠損、ROH、およびChromHet
AB事象について、リード・カバレッジおよびROHは、主要な事象であるが、Chro
mHetABは、オーバーラップするROHの事象によって出し抜かれたことを考えると
、段1であるとはいえ支持となる事象である)について報告される事象のいくつかまたは
全ての要約;のうち1つまたは複数と共に報告することができる。ブロック1136は、
ゼロまたは複数の染色体に由来する変則性を受信し、それらを試料について統合し、次い
で、ブロック1138に進んで、最終的な核型の予測を行う。
の変則性は、試料について統合されており、期待される核型に対して解釈されている(ブ
ロック1104から得られる性別の割り当てを想定して)。これは、従来の核型コーディ
ング(例えば、「47、XXY」)ならびに/または変則性およびそれらの支持となる情
報の一覧として表されることがある。自動化された核型予測の不明確性と、ある特定の複
雑な核型(例えば同腕染色体)が自動的に容易に解釈されないユニークなパターンを有す
るという事実とを考慮して、支持となるリード・カバレッジおよび対立遺伝子バランスの
診断用プロットを、試料毎にブロック1138によって演算することができ、それによっ
て、予想される染色体の変則性およびそれらの支持となる形跡を手動で精査することが可
能になる。一態様では、最終的な変則的な核型のコールは、試料;染色体;開始/終了座
標;遺伝子量の変化vsコピーニュートラルの予測(獲得、欠損、ニュートラル、不明)
;全染色体vs部分染色体の事象の予測(全体、部分、不明);予想されるモザイク事象
(あり、なし、不明);リード・カバレッジから得られる推定割合(すなわち、染色体の
割合*モザイク割合、ここで、単コピーかつ非モザイクの染色体の獲得=1、または欠損
=−1);対立遺伝子バランスから得られる推定割合(2つ以上存在する場合に最も妥当
であるものとみなされる、変則的な対立遺伝子バランスの指標に基づく);この試料/染
色体対についての全ての段3以上の変則的なシグナルの要約;最終的な一元化される段の
格付け;支持となるリード・カバレッジおよび対立遺伝子バランスの診断用プロット(図
2、図3、図5、図6、図7、図8、図9、および/または図10に図説されたタイプな
ど)であって、核型を手動で精査および分類することを可能にするもの;それらの組合せ
など;のうち1つまたは複数を含むことができる。
記載されるように、コンピュータ1701上に実装することができる。同様に、開示され
る方法およびシステムは、1つまたは複数のコンピュータを利用して、1つまたは複数の
場所にある1つまたは複数の機能を実施することができる。図17は、開示される方法を
実施するための例示的なオペレーティング環境を図説するブロック図である。この例示的
なオペレーティング環境は、オペレーティング環境の1例に過ぎず、オペレーティング環
境アーキテクチャの使用または機能性の範囲への何らかの限定を示唆することを意図する
ものではない。上記例示的なオペレーティング環境に図説されるコンポーネントのいずれ
か1つまたは組合せに関連して何らかの依存性または要求を有するものと解釈されるべき
オペレーティング環境はない。
ィングシステム環境または構成を用いて、稼働可能とすることができる。このシステムお
よび方法を用いた使用に適するものとし得る周知のコンピューティングシステム、環境、
および/または構成の例としては、以下に限定されないが、パーソナル・コンピュータ、
サーバ・コンピュータ、ラップトップ・デバイス、およびマルチプロセッサ・システムが
挙げられる。追加の例としては、セット・トップ・ボックス、プログラム可能な家庭用電
子製品、ネットワークPC、ミニコンピュータ、メインフレーム・コンピュータ、上記の
システムまたはデバイスのいずれかを含む分散コンピューティング環境などが挙げられる
。
することができる。開示されるシステムおよび方法は、プログラム・モジュールなど、1
つまたは複数のコンピュータまたは他のデバイスによって実行されるコンピュータ実行可
能な命令の一般的な文脈で記載することができる。一般に、プログラム・モジュールは、
具体的なタスクを実施するかまたは具体的な抽象データ・タイプを実装する、コンピュー
タ・コード、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを
含む。開示される方法は、グリッドベースおよび分散型のコンピューティング環境で実践
することもでき、そこでは、通信ネットワークを通じて連結されている遠隔処理デバイス
によって、タスクが実施される。分散コンピューティング環境では、プログラム・モジュ
ールは、メモリ記憶デバイスを含めた、局所と遠隔の両方でのコンピュータ記憶媒体に位
置することができる。
1の形態の汎用コンピューティング・デバイスを介して実装できることを認識することに
なる。コンピュータ1701のコンポーネントとしては、以下に限定されないが、1つま
たは複数のプロセッサ1703、システム・メモリ1712、および1つまたは複数のプ
ロセッサ1703を含む様々なシステム・コンポーネントをシステム・メモリ1712に
連結するシステム・バス1713を挙げることができる。このシステムは、並列演算を利
用することができる。
表し、そのようなものとしては、メモリ・バスまたはメモリ・コントローラ、周辺装置用
バス、高速グラフィックス・ポート、または種々のバス・アーキテクチャのいずれかを使
用したローカル・バスが挙げられる。バス1713およびこの記載に指定された全てのバ
スはまた、有線または無線のネットワーク接続中にわたって実装することもでき、1つま
たは複数のプロセッサ1703、大量記憶デバイス1704、オペレーティング・システ
ム1705、KaryoScanソフトウェア1706、KaryoScanデータ17
07、ネットワーク・アダプタ1708、システム・メモリ1712、入力/出力インタ
ーフェース1710、ディスプレイ・アダプタ1709、ディスプレイ・デバイス171
1、およびヒト機械インターフェース1702を含むサブシステムのそれぞれは、物理的
に隔てられた場所で1つまたは複数の遠隔コンピューティング・デバイス1714a、b
、c内に含有されることがあり、それらのデバイスは、完全に分散しているシステムを事
実上実装するこの形態のバスを通じて接続されている。
。例示的な読み取り可能な媒体は、コンピュータ1701がアクセス可能な任意の利用可
能な媒体とすることができ、例えば、以下に限定することを意味しないが、揮発性および
非揮発性の両方の媒体、取り外し可能なおよび取り外し不可能な媒体を含む。システム・
メモリ1712は、コンピュータ読み取り可能な媒体を、ランダム・アクセス・メモリ(
RAM)などの揮発性メモリ、および/またはリード・オンリ・メモリ(ROM)などの
非揮発性のメモリの形態で含む。システム・メモリ1712は、典型的には、Karyo
Scanデータ1707などのデータ、および/またはオペレーティング・システム17
05などのプログラム・モジュール、ならびに1つまたは複数のプロセッサ1703に直
ちにアクセス可能なおよび/もしくはそのプロセッサによって現在稼働しているKary
oScanソフトウェア1706を含有する。KaryoScanデータ1707は、リ
ード・カバレッジ・データおよび/または期待リード・カバレッジ・データを含むことが
できる。
、揮発性の/非揮発性のコンピュータ記憶媒体を含むことができる。例として、図17は
、コンピュータ・コードの非揮発性の記憶装置、コンピュータ読み取り可能な命令、デー
タ構造、プログラム・モジュール、およびコンピュータ1701についての他のデータを
提供することができる、大量記憶デバイス1704を図説する。例えば、以下に限定する
ことを意味しないが、大量記憶デバイス1704を、ハードディスク、取り外し可能な磁
気ディスク、取り外し可能な光学ディスク、磁気カセットまたは他の磁気記憶デバイス、
フラッシュメモリ・カード、CD−ROM、デジタル多用途ディスク(DVD)または他
の光学記憶装置、ランダム・アクセス・メモリ(RAM)、リード・オンリ・メモリ(R
OM)、電子的に消去可能なプログラム可能なリード・オンリ・メモリ(EEPROM)
などとすることができる。
テム1705およびKaryoScanソフトウェア1706を含む大量記憶デバイス1
704上に記憶することができる。オペレーティング・システム1705およびKary
oScanソフトウェア1706(またはそれらのいくつかの組合せ)のそれぞれは、プ
ログラミングおよびKaryoScanソフトウェア1706のエレメントを含むことが
ある。KaryoScanデータ1707も、大量記憶デバイス1704に記憶すること
ができる。KaryoScanデータ1707を、当技術分野に公知の1つまたは複数の
データベースのいずれかに記憶することができる。そのようなデータベースの例としては
、DB2(登録商標)、Microsoft(登録商標)Access、Microso
ft(登録商標)SQL Server、Oracle(登録商標)、mySQL、Po
stgreSQLなどが挙げられる。データベースを、複数のシステムにわたって集約化
または分散させることができる。
にコマンドおよび情報を入力することができる。そのような入力デバイスの例としては、
以下に限定されないが、キーボード、指示デバイス(例えば「マウス」)、マイクロホン
、ジョイスティック、スキャナー、グローブなどの触覚入力デバイス、および他の身体被
覆物などが挙げられる。これらのおよび他の入力デバイスは、システム・バス1713に
連結されているヒト機械インターフェース1702を介して、1つまたは複数のプロセッ
サ1703に接続することができるが、パラレル・ポート、ゲーム・ポート、IEEE
1394 Port(Firewireポートとしても知られる)、シリアル・ポートや
ユニバーサル・シリアル・バス(USB)などの他のインターフェースおよびバス構造に
よって接続することができる。
709などのインターフェースを介して、システム・バス1713に接続することもでき
る。コンピュータ1701は、2つ以上のディスプレイ・アダプタ1709を有すること
ができ、コンピュータ1701は、2つ以上のディスプレイ・デバイス1711を有する
ことができるものと考えられる。例えば、ディスプレイ・デバイスを、モニター、LCD
(液晶ディスプレイ)、またはプロジェクタとすることができる。ディスプレイ・デバイ
ス1711に加えて、他の出力周辺装置デバイスは、入力/出力インターフェース171
0を介してコンピュータ1701に接続できる、スピーカー(示さず)やプリンタ(示さ
ず)などのコンポーネントを含むことができる。任意の方法のステップおよび/または結
果は、任意の形態で出力デバイスに出力することができる。そのような出力は、任意の形
態の視覚的な表示とすることができ、そのようなものとしては、以下に限定されないが、
本文による、図に拠る、アニメーションの、音声の、触覚に拠るなどのものが挙げられる
。ディスプレイ1711およびコンピュータ1701は、1つのデバイスの一部、または
別々のデバイスとすることができる。
4a、b、cとの論理接続を用いて、ネットワーク化環境で稼働することができる。例と
して、遠隔コンピューティング・デバイスを、パーソナル・コンピュータ、ポータブル・
コンピュータ、スマートフォン、サーバ、ルータ、ネットワーク・コンピュータ、ピア・
デバイス、または他の共通ネットワーク・ノードなどとすることができる。コンピュータ
1701と遠隔コンピューティング・デバイス1714a、b、cとの間の論理接続は、
ローカル・エリア・ネットワーク(LAN)および/または一般ワイド・エリア・ネット
ワーク(WAN)などのネットワーク1715を介して作ることができる。そのようなネ
ットワーク接続は、ネットワーク・アダプタ1708を通じるものとすることができる。
ネットワーク・アダプタ1708は、有線および無線の両方の環境に実装することができ
る。そのようなネットワーキング環境は、住宅、職場、企業全体のコンピュータネットワ
ーク、イントラネット、およびインターネットでは、従来からあるありふれたものである
。
705などの他の実行可能なプログラムのコンポーネントが、別々のブロックとして本明
細書に図説されているが、もっとも、そのようなプログラムおよびコンポーネントは、コ
ンピューティング・デバイス1701の異なる記憶コンポーネントに様々な時点で存在し
、コンピュータの1つまたは複数のプロセッサ1703によって実行されることが認識さ
れよう。一態様では、KaryoScanソフトウェア1706および/またはKary
oScanデータ1707の少なくとも一部は、コンピューティング・デバイス1701
、遠隔コンピューティング・デバイス1714a、b、c、および/またはそれらの組合
せのうちの1つまたは複数上に、記憶されるおよび/または実行されることがある。それ
ゆえ、KaryoScanソフトウェア1706および/またはKaryoScanデー
タ1707は、クラウド・コンピューティング環境内で稼働可能とすることができ、それ
によって、KaryoScanソフトウェア1706および/またはKaryoScan
データ1707へのアクセスを、ネットワーク1715(例えばインターネット)中にわ
たって実施することができる。さらに、一態様では、KaryoScanデータ1707
を、コンピューティング・デバイス1701、遠隔コンピューティング・デバイス171
4a、b、c、および/またはそれらの組合せのうちの1つまたは複数にわたって、同調
させることができる。
み取り可能な媒体に記憶するかまたはそれらの媒体にわたって伝送することができる。開
示される方法のいずれも、コンピュータ読み取り可能な媒体上に組み入れられたコンピュ
ータ読み取り可能な命令によって実施することができる。コンピュータ読み取り可能な媒
体は、コンピュータがアクセスできる任意の利用可能な媒体とすることができる。例とし
て、そして以下に限定することを意味しないが、コンピュータ読み取り可能な媒体は、「
コンピュータ記憶媒体」および「通信媒体」を含むことができる。「コンピュータ記憶媒
体」としては、揮発性のおよび非揮発性の、取り外し可能なおよび取り外し不可能な媒体
が挙げられ、これらは、コンピュータ読み取り可能な命令、データ構造、プログラム・モ
ジュールや他のデータなどの情報の記憶のために、任意の方法または技術に実装される。
例示的なコンピュータ記憶媒体としては、以下に限定されないが、RAM、ROM、EE
PROM、フラッシュメモリもしくは他のメモリ技術、CD−ROM、デジタル多用途デ
ィスク(DVD)もしくは他の光学記憶装置、磁気カセット、磁気テープ、磁気ディスク
記憶装置もしくは他の磁気記憶デバイス、または所望の情報を記憶するのに使用でき、か
つコンピュータがアクセスできる任意の他の媒体が挙げられる。
る。そのような手法の例としては、以下に限定されないが、エキスパート・システム、事
例ベース推論、ベイジアン・ネットワーク、行動ベースAI、ニューラル・ネットワーク
、ファジーシステム、進化的計算(例えば遺伝アルゴリズム)、群知能(例えばアント・
アルゴリズム)、およびハイブリッド知能システム(例えば、ニューラル・ネットワーク
を通じて生成されるエキスパート推論ルール、または統計的学習から得られるプロダクシ
ョン・ルール)が挙げられる。
のGC含量およびシークエンシング性能の背景下で使用し、その結果、より正確なカバレ
ッジの正規化を達成することができる。これは、より小さなゲノムの変化の検出を標的と
する方法とは、それらが局所的なGC含量バイアスに完全に依存することから、異なるも
のである。より小さな変化を標的とする方法論が、より大きな事象の一部を時々検出する
ことがあるのに対して、より大きな事象の背景下で高分解能のコピー数の変化を理解する
ためにルーチンに使用される平滑化関数(例えば隠れMarkovモデル)は、染色体腕
の規模で分析する。さらに、対立遺伝子頻度のデータをKaryoScanコールへ一元
化することによって、カバレッジ空間に何のシグナルも示さないバランスされたゲノムの
変化を検出することを含めて、ユニークな特徴がもたらされるが、その特徴は、遺伝子の
バリエーションを失うことに起因して、有意な影響を表すことがある。
)などのCNVの割合について整数値のコールを押し付けるかまたは与える方法とは対照
的に、本明細書のKaryoScan法は、割合の推定値を与える。
方法がどのようになされて評価されたのかに関して、当業者に完全な開示および記載を提
供するように示されており、単に例示的であることを意図されており、この方法およびシ
ステムの範囲を限定することを意図されていない。数量(例えば量など)に関する正確性
を確保するために取り組みがなされているが、いくらかの誤りおよび逸脱が考慮されるべ
きである。
ソーム・バリアント・データベース由来の約100,000試料に適用された。合計で3
,150試料が、供試された少なくとも1つの染色体上で最も高いストリンジェンシーの
レベルで、核型上は異常として目印を付され、472個が獲得または欠損であった(コピ
ーニュートラルではない)。200試料超が、性染色体の変則性(X染色体またはY染色
体)を有するものとして目印を付され、そのようなものとしては、極めて稀な核型(48
、XXXX)および(48、XXXY)が挙げられる。
一方で、本明細書の実施形態が、あらゆる点で、制限的というより説明的であることが意
図されていることから、本範囲は、規定された具体的な実施形態に限定されることは意図
されていない。
を特定の順番で実施することを要求するものと解釈されることは、決して意図されていな
い。したがって、方法の請求項が、そのステップの従うことになる順番を実際に記載して
いないか、またはその他特に、そのステップが特定の順番に限定されることが、請求項ま
たは記載に述べられない場合、いかなる点でも順番が推察されることは決して意図されな
い。このことは、解釈のためのあり得る任意の不明確な基準に対して保たれ、そのような
基準としては、ステップまたはオペレーションの流れの配置に関する論理事項;文法構成
または句読点に由来する単純な意味;本明細書に記載される実施形態の数またはタイプが
挙げられる。
業者に明らかになろう。他の実施形態は、本明細書に開示される明細書および実践を考慮
することにより、当業者に明らかになろう。真の範囲および趣旨は以下の特許請求の範囲
によって示され、明細書および実施例は例示的であるに過ぎないものと考えられることが
意図されている。
Claims (30)
- 複数の試料中の各染色体についてリード・カバレッジ・データを決定することであって
、
各染色体が複数のゲノム領域を含むこと;
前記複数の試料中の各染色体について、期待リード・カバレッジ・データを決定するこ
と;
前記複数の試料中の少なくとも1つの染色体について、前記リード・カバレッジ・デー
タと前記期待リード・カバレッジ・データとの間の偏差を決定すること;および
異常な核型として前記少なくとも1つの染色体を特定すること、を含む方法。 - 複数の試料中の各染色体についてリード・カバレッジ・データを決定することが、ある
範囲内のGC含量とある閾値を超えるマッピング可能性スコアとを有するエクソーム領域
中にわたるリード深度の和を決定することを含み、各染色体が、複数のゲノム領域を含む
、請求項1に記載の方法。 - 前記リード・カバレッジ・データをフィルタリングすることをさらに含む、請求項1に
記載の方法。 - 前記リード・カバレッジ・データをフィルタリングすることが、前記複数のゲノム領域
のうちの1つまたは複数のゲノム領域中のグアニン−シトシン(GC)含量のレベルに基
づく前記リード・カバレッジ・データをフィルタリングすることを含む、請求項3に記載
の方法。 - 前記複数のゲノム領域のうちの1つまたは複数のゲノム領域中のグアニン−シトシン(
GC)含量のレベルに基づいて前記リード・カバレッジ・データをフィルタリングするこ
とが、
前記複数のゲノム領域のそれぞれについてGC含量のレベルを決定すること;および
ある範囲外のGC含量のレベルを有する前記複数のゲノム領域のうちの1つまたは複数
のゲノム領域を除外することを含む、請求項4に記載の方法。 - 前記リード・カバレッジ・データをフィルタリングすることが、前記複数のゲノム領域
のうちの1つまたは複数のゲノム領域のマッピング可能性スコアに基づいて、前記複数の
ゲノム領域のうちの前記1つまたは複数のゲノム領域をフィルタリングすることを含む、
請求項3に記載の方法。 - 前記複数のゲノム領域のうちの1つまたは複数のゲノム領域のマッピング可能性スコア
に基づいて、前記複数のゲノム領域のうちの前記1つまたは複数のゲノム領域をフィルタ
リングすることが、
前記複数のゲノム領域の各ゲノム領域についてマッピング可能性スコアを決定すること
;および
前記複数のゲノム領域のうちの1つまたは複数のゲノム領域のマッピング可能性スコア
が、所定の閾値を下回る場合に、前記複数のゲノムのうちの前記1つまたは複数のゲノム
領域を除外することを含む、請求項6に記載の方法。 - 前記リード・カバレッジ・データを正規化することをさらに含む、請求項1に記載の方
法。 - 前記リード・カバレッジ・データを正規化することが、他の常染色体に対する各染色体
についてのリード・カバレッジのエクソームワイドな比を決定することを含む、請求項8
に記載の方法。 - 前記エクソームワイドな比(γ)が、各染色体(i)について:
請求項9に記載の方法。 - 前記複数の試料中の各染色体について、期待リード・カバレッジ・データを決定するこ
とが、線形回帰モデルを適用して、各染色体についてエクソームワイドな期待比を決定す
ることを含み、複数の指標が、共変量として使用される、請求項1に記載の方法。 - 前記複数の指標が、シークエンシング品質管理指標(QC指標)を含み、前記エクソー
ムワイドな期待比
する2つの常染色体として規定される、請求項11に記載の方法。 - 前記複数の試料中の少なくとも1つの染色体について、前記リード・カバレッジ・デー
タと前記期待リード・カバレッジ・データとの間の偏差を決定することが、
前記複数の試料中の各染色体について、前記リード・カバレッジ・データと前記期待リ
ード・カバレッジ・データとの間の差を決定して、複数の残差を生成すること;および
共変量xを有する前記複数の試料の個々の試料についての平均推定値
- 各染色体についての前記Zスコアに基づきp値を決定して、染色体iについての異常な
核型を表す有意に大きな残差を特定することをさらに含む、請求項13に記載の方法。 - 有意に大きな残差が、0.05未満のp値を有する残差を含む、請求項14に記載の方
法。 - 1つまたは複数の外れ値を検出すること;および
異常な核型として特定するための考慮から前記1つまたは複数の外れ値を除去すること
、をさらに含む、請求項14に記載の方法。 - 1つまたは複数の外れ値を検出することは、各染色体について前記線形回帰モデル上で
、ある閾値を超えるレバレッジ(hi、ここで1/n<hi<1)を有する、前記複数の
試料のうちの1つまたは複数に目印を付けることを含み、レバレッジは、nおよびpの関
数:
された試料の数であり、xiは、試料iについての共変量のベクトルを表し、
- 前記閾値が、約3から約5までである、請求項17に記載の方法。
- 複数の試料中の各染色体についてリード・カバレッジ・データを受信することであって
、各染色体が、複数のゲノム領域を含むこと;
前記複数の試料中の各染色体について変動データを受信すること;
各染色体について、染色体が常染色体であるかまたは性染色体であるかを決定すること
;
染色体が常染色体である場合に、
リード・カバレッジの変則性を検出すること;
染色体ワイドなヘテロ接合の対立遺伝子バランス(ChromHetAB)を決定す
ること;
ホモ接合性連続領域(ROH)を決定すること;および
ヘテロ接合の対立遺伝子バランスの局所中央値(LocalHetAB)を決定する
こと;
染色体が性染色体であり、前記試料が雄に関連する場合に、
リード・カバレッジの変則性を検出すること;および
ChromHetABを決定すること;および
前記リード・カバレッジの変則性、ChromHetABの変則性、ROHの変則性、
またはLocalHetABの変則性のうち1つまたは複数に基づいて、異常な核型とし
て前記常染色体または前記性染色体を特定すること、を含む方法。 - 前記リード・カバレッジ・データおよび前記変動データをフィルタリングすることをさ
らに含む、請求項19に記載の方法。 - 前記試料が雄に関連することを決定することが、全試料についてX染色体とY染色体と
のカバレッジの比のプロットを生成すること、ならびに雄としてのある閾値を超える発生
および雌としての前記閾値を下回る発生を特定することを含む、請求項19に記載の方法
。 - 前記カバレッジ・リードの変則性を検出することが、
各染色体について、リード・カバレッジ・データを決定すること;
各染色体について、期待リード・カバレッジ・データを決定すること;および
各染色体について、前記リード・カバレッジ・データと前記期待リード・カバレッジ・
データとの間の偏差を決定すること、を含む、請求項19に記載の方法。 - ある染色体に関するある試料について前記ChromHetABを決定することが、あ
る染色体内のフィルタリングされていない全てのバリアント間の前記染色体ワイドなヘテ
ロ接合SNPの対立遺伝子バランスを表す、要約統計量を決定することを含む、請求項1
9に記載の方法。 - 前記要約統計量が中央値である、請求項23に記載の方法。
- ChromHetABの変則性を検出することをさらに含み、試料のChromHet
AB値が、核型上は正常な試料について期待されるChromHetAB値よりも有意に
小さい、請求項23に記載の方法。 - 前記ChromHetABの変則性を検出することが、
品質管理指標に対する、所与の染色体に関する全試料についての前記ChromHet
ABに、線形回帰をフィットさせること;
各試料のChromHetABの残差についてZスコアを計算すること;
前記Zスコアをp値に変換すること;および
ChromHetABの変則性として、閾値よりも小さなp値のいかなる発生も特定す
ること、を含む、請求項25に記載の方法。 - 前記LocalHetABを決定することが、ある染色体上のフィルタリングされてい
ない全てのバリアントにわたる試料のヘテロ接合SNPの対立遺伝子バランスの、平滑化
されたサブ染色体スケールの要約統計量を決定することを含む、請求項25に記載の方法
。 - 前記平滑化されたサブ染色体スケールの要約統計量が、移動中央値を含む、請求項27
に記載の方法。 - LocalHetABの変則性を検出することをさらに含み、前記LocalHetA
B値が、染色体領域中にわたる対応のChromHetAB値を下回り、このことが、部
分的な染色体の変則性の可能性を標示する、請求項27に記載の方法。 - 前記LocalHetABの変則性を検出することが、
LocalHetAB<ChromHetABをその全てが有する2つ以上のSNPが
連続する領域を含む、LocalHetAB Eventを決定すること;
前記染色体上のフィルタリングされていない最初と最後のエクソンの間の複数の塩基対
―複数のオーバーラップするセントロメア塩基を含む、呼び出し可能な染色体長を決定す
ること;
和(LocalHetAB Event中の全てのN−1隣接SNP対についてのPa
irwiseArea)/(呼び出し可能な染色体長*ChromHetAB)を計算す
ることによって、LocalHetAB Event Areaを決定すること;
LocalHetAB Event Areaおよび前記LocalHetAB Ev
entに含まれるSNPの数に関連する、前記変動データに経験的にフィットされた線形
関数を定義すること;および
LocalHetABの変則性として、SNPの数+(LocalHetAB Eve
nt Area*第1の量)>=第2の量のいかなる発生も特定すること、を含む、請求
項29に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662294669P | 2016-02-12 | 2016-02-12 | |
US62/294,669 | 2016-02-12 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018542281A Division JP6765433B2 (ja) | 2016-02-12 | 2017-02-13 | 異常な核型の検出のための方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021019586A true JP2021019586A (ja) | 2021-02-18 |
JP7144493B2 JP7144493B2 (ja) | 2022-09-29 |
Family
ID=58185625
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018542281A Active JP6765433B2 (ja) | 2016-02-12 | 2017-02-13 | 異常な核型の検出のための方法 |
JP2020154436A Active JP7144493B2 (ja) | 2016-02-12 | 2020-09-15 | 異常な核型の検出のための方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018542281A Active JP6765433B2 (ja) | 2016-02-12 | 2017-02-13 | 異常な核型の検出のための方法 |
Country Status (13)
Country | Link |
---|---|
US (1) | US20170233806A1 (ja) |
EP (1) | EP3414691A1 (ja) |
JP (2) | JP6765433B2 (ja) |
KR (2) | KR102465122B1 (ja) |
CN (2) | CN109074426B (ja) |
AU (2) | AU2017218149B2 (ja) |
CA (1) | CA3014292A1 (ja) |
HK (1) | HK1259478A1 (ja) |
IL (2) | IL261216B (ja) |
MX (1) | MX2018009823A (ja) |
NZ (1) | NZ745249A (ja) |
SG (1) | SG11201806812SA (ja) |
WO (1) | WO2017139801A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10395759B2 (en) | 2015-05-18 | 2019-08-27 | Regeneron Pharmaceuticals, Inc. | Methods and systems for copy number variant detection |
US11608533B1 (en) * | 2017-08-21 | 2023-03-21 | The General Hospital Corporation | Compositions and methods for classifying tumors with microsatellite instability |
SG11202110655UA (en) * | 2019-03-28 | 2021-10-28 | Phase Genomics Inc | Systems and methods for karyotyping by sequencing |
CN112037174B (zh) * | 2020-08-05 | 2024-03-01 | 湖南自兴智慧医疗科技有限公司 | 染色体异常检测方法、装置、设备及计算机可读存储介质 |
US20220108773A1 (en) * | 2020-10-07 | 2022-04-07 | Baidu Usa Llc | Systems and methods for genome analysis and visualization |
CN112599189A (zh) * | 2020-12-29 | 2021-04-02 | 北京优迅医学检验实验室有限公司 | 一种全基因组测序的数据质量评估方法及其应用 |
CN112687336B (zh) * | 2021-03-11 | 2021-06-22 | 北京贝瑞和康生物技术有限公司 | 确定upd类型的方法、计算设备和存储介质 |
CN113113085B (zh) * | 2021-03-15 | 2022-08-19 | 杭州杰毅生物技术有限公司 | 基于智能宏基因组测序数据肿瘤检测的分析系统及方法 |
CN114049914B (zh) * | 2022-01-14 | 2022-04-15 | 苏州贝康医疗器械有限公司 | 一体化检测cnv、单亲二体、三倍体和roh的方法及装置 |
CN114743593B (zh) * | 2022-06-13 | 2023-02-24 | 北京橡鑫生物科技有限公司 | 一种基于尿液进行前列腺癌早期筛查模型的构建方法、筛查模型及试剂盒 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150347676A1 (en) * | 2014-05-30 | 2015-12-03 | Sequenom, Inc. | Chromosome representation determinations |
WO2015184404A1 (en) * | 2014-05-30 | 2015-12-03 | Verinata Health, Inc. | Detecting fetal sub-chromosomal aneuploidies and copy number variations |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100216153A1 (en) * | 2004-02-27 | 2010-08-26 | Helicos Biosciences Corporation | Methods for detecting fetal nucleic acids and diagnosing fetal abnormalities |
US10017812B2 (en) * | 2010-05-18 | 2018-07-10 | Natera, Inc. | Methods for non-invasive prenatal ploidy calling |
US20140206552A1 (en) * | 2010-05-18 | 2014-07-24 | Natera, Inc. | Methods for preimplantation genetic diagnosis by sequencing |
US10643738B2 (en) * | 2013-01-10 | 2020-05-05 | The Chinese University Of Hong Kong | Noninvasive prenatal molecular karyotyping from maternal plasma |
WO2014165267A2 (en) * | 2013-03-12 | 2014-10-09 | Counsyl, Inc. | Systems and methods for prenatal genetic analysis |
US10385394B2 (en) * | 2013-03-15 | 2019-08-20 | The Translational Genomics Research Institute | Processes of identifying and characterizing X-linked disorders |
DK3656875T3 (da) * | 2014-07-18 | 2021-12-13 | Illumina Inc | Ikke-invasiv prænatal diagnostik |
-
2017
- 2017-02-13 MX MX2018009823A patent/MX2018009823A/es unknown
- 2017-02-13 CA CA3014292A patent/CA3014292A1/en not_active Abandoned
- 2017-02-13 AU AU2017218149A patent/AU2017218149B2/en active Active
- 2017-02-13 US US15/431,715 patent/US20170233806A1/en active Pending
- 2017-02-13 KR KR1020217040618A patent/KR102465122B1/ko active IP Right Grant
- 2017-02-13 CN CN201780021833.8A patent/CN109074426B/zh active Active
- 2017-02-13 JP JP2018542281A patent/JP6765433B2/ja active Active
- 2017-02-13 SG SG11201806812SA patent/SG11201806812SA/en unknown
- 2017-02-13 CN CN202210809402.0A patent/CN115273970A/zh active Pending
- 2017-02-13 WO PCT/US2017/017734 patent/WO2017139801A1/en active Application Filing
- 2017-02-13 KR KR1020187026160A patent/KR102341129B1/ko active IP Right Grant
- 2017-02-13 NZ NZ745249A patent/NZ745249A/en unknown
- 2017-02-13 EP EP17707732.8A patent/EP3414691A1/en not_active Withdrawn
-
2018
- 2018-08-19 IL IL261216A patent/IL261216B/en unknown
-
2019
- 2019-02-01 HK HK19101887.3A patent/HK1259478A1/zh unknown
-
2020
- 2020-09-15 JP JP2020154436A patent/JP7144493B2/ja active Active
- 2020-09-30 AU AU2020244451A patent/AU2020244451B2/en active Active
-
2021
- 2021-10-26 IL IL287595A patent/IL287595A/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150347676A1 (en) * | 2014-05-30 | 2015-12-03 | Sequenom, Inc. | Chromosome representation determinations |
WO2015184404A1 (en) * | 2014-05-30 | 2015-12-03 | Verinata Health, Inc. | Detecting fetal sub-chromosomal aneuploidies and copy number variations |
Also Published As
Publication number | Publication date |
---|---|
KR102341129B1 (ko) | 2021-12-21 |
EP3414691A1 (en) | 2018-12-19 |
IL261216B (en) | 2021-12-01 |
CN109074426A (zh) | 2018-12-21 |
AU2017218149B2 (en) | 2020-09-03 |
AU2017218149A1 (en) | 2018-09-06 |
CN115273970A (zh) | 2022-11-01 |
JP2019512122A (ja) | 2019-05-09 |
SG11201806812SA (en) | 2018-09-27 |
JP7144493B2 (ja) | 2022-09-29 |
US20170233806A1 (en) | 2017-08-17 |
AU2020244451B2 (en) | 2022-04-07 |
WO2017139801A1 (en) | 2017-08-17 |
CA3014292A1 (en) | 2017-08-17 |
NZ745249A (en) | 2021-07-30 |
KR20180116309A (ko) | 2018-10-24 |
KR102465122B1 (ko) | 2022-11-09 |
JP6765433B2 (ja) | 2020-10-07 |
KR20210154877A (ko) | 2021-12-21 |
IL287595A (en) | 2021-12-01 |
AU2020244451A1 (en) | 2020-10-29 |
MX2018009823A (es) | 2019-02-20 |
IL261216A (en) | 2018-10-31 |
CN109074426B (zh) | 2022-07-26 |
HK1259478A1 (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7144493B2 (ja) | 異常な核型の検出のための方法 | |
AU2021282416B2 (en) | Methods and processes for non-invasive assessment of genetic variations | |
CN105555968B (zh) | 遗传变异的非侵入性评估方法和过程 | |
CN110176273B (zh) | 遗传变异的非侵入性评估的方法和过程 | |
Chen et al. | PolyScan: an automatic indel and SNP detection approach to the analysis of human resequencing data | |
US20190066842A1 (en) | A novel algorithm for smn1 and smn2 copy number analysis using coverage depth data from next generation sequencing | |
JP2017527257A (ja) | 染色体提示の決定 | |
Wang et al. | Additive, epistatic, and environmental effects through the lens of expression variability QTL in a twin cohort | |
Leonard et al. | Graph construction method impacts variation representation and analyses in a bovine super-pangenome | |
Cooper et al. | Detection of copy number variation using SNP genotyping | |
EP3118323A1 (en) | System and methodology for the analysis of genomic data obtained from a subject | |
KR102441856B1 (ko) | 중요도 샘플링을 활용한 다중변이 연관연구 방법 | |
KR102665592B1 (ko) | 유전적 변이의 비침습 평가를 위한 방법 및 프로세스 | |
Papenfuss et al. | Bioinformatics Analysis of Sequence Data | |
KR20240068794A (ko) | 유전적 변이의 비침습 평가를 위한 방법 및 프로세스 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201012 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201012 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220404 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220915 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7144493 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |