JP7064654B2 - 遺伝子変異認識方法、装置および記憶媒体 - Google Patents
遺伝子変異認識方法、装置および記憶媒体 Download PDFInfo
- Publication number
- JP7064654B2 JP7064654B2 JP2021514554A JP2021514554A JP7064654B2 JP 7064654 B2 JP7064654 B2 JP 7064654B2 JP 2021514554 A JP2021514554 A JP 2021514554A JP 2021514554 A JP2021514554 A JP 2021514554A JP 7064654 B2 JP7064654 B2 JP 7064654B2
- Authority
- JP
- Japan
- Prior art keywords
- gene
- locus
- sequence
- sequencing fragment
- gene sequencing
- 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.)
- Active
Links
- 206010064571 Gene mutation Diseases 0.000 title claims description 74
- 238000000034 method Methods 0.000 title claims description 58
- 108090000623 proteins and genes Proteins 0.000 claims description 498
- 238000012163 sequencing technique Methods 0.000 claims description 303
- 239000012634 fragment Substances 0.000 claims description 260
- 230000035772 mutation Effects 0.000 claims description 105
- 230000000052 comparative effect Effects 0.000 claims description 40
- 230000000392 somatic effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 102000053602 DNA Human genes 0.000 description 4
- 108020004414 DNA Proteins 0.000 description 4
- 229920002477 rna polymer Polymers 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000004602 germ cell Anatomy 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 210000001082 somatic cell Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- IQFYYKKMVGJFEH-XLPZGREQSA-N Thymidine Chemical compound O=C1NC(=O)C(C)=CN1[C@@H]1O[C@H](CO)[C@@H](O)C1 IQFYYKKMVGJFEH-XLPZGREQSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012864 cross contamination Methods 0.000 description 2
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 229930024421 Adenine Natural products 0.000 description 1
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- DWRXFEITVBNRMK-UHFFFAOYSA-N Beta-D-1-Arabinofuranosylthymine Natural products O=C1NC(=O)C(C)=CN1C1C(O)C(O)C(CO)O1 DWRXFEITVBNRMK-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229960000643 adenine Drugs 0.000 description 1
- IQFYYKKMVGJFEH-UHFFFAOYSA-N beta-L-thymidine Natural products O=C1NC(=O)C(C)=CN1C1OC(CO)C(O)C1 IQFYYKKMVGJFEH-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229940104302 cytosine Drugs 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000869 mutational effect Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 229940104230 thymidine Drugs 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
- C12N15/10—Processes for the isolation, preparation or purification of DNA or RNA
- C12N15/1034—Isolating an individual clone by screening libraries
- C12N15/1093—General methods of preparing gene libraries, not provided for in other subgroups
-
- 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
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
- C12N15/10—Processes for the isolation, preparation or purification of DNA or RNA
- C12N15/1034—Isolating an individual clone by screening libraries
- C12N15/1082—Preparation or screening gene libraries by chromosomal integration of polynucleotide sequences, HR-, site-specific-recombination, transposons, viral vectors
-
- 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
-
- C—CHEMISTRY; METALLURGY
- C40—COMBINATORIAL TECHNOLOGY
- C40B—COMBINATORIAL CHEMISTRY; LIBRARIES, e.g. CHEMICAL LIBRARIES
- C40B40/00—Libraries per se, e.g. arrays, mixtures
- C40B40/04—Libraries containing only organic compounds
- C40B40/06—Libraries containing nucleotides or polynucleotides, or derivatives thereof
- C40B40/08—Libraries containing RNA or DNA which encodes proteins, e.g. gene libraries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biotechnology (AREA)
- Genetics & Genomics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Organic Chemistry (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Immunology (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
Description
変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することと、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の、遺伝子座の位置に関連する配列特徴および非配列特徴を特定することと、
前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識することと、を含む遺伝子変異認識方法が提供される。
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の配列特徴を特定することは、
前記変異遺伝子座候補の遺伝子位置情報に基づいて、前記変異遺伝子座候補が位置する所定の遺伝子座区間を特定することと、
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の、遺伝子座の位置に関連しかつ遺伝子属性を表す配列属性情報を取得することと、
前記所定の遺伝子座区間に位置する各遺伝子座の配列属性情報に基づいて、前記変異遺伝子座候補の配列特徴を生成することと、を含む。
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の配列属性情報を取得することは、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の遺伝子型を特定することと、
前記各遺伝子座において遺伝子を各遺伝子型毎にカウントすることと、を含む。
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の配列属性情報を取得することは、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の欠失遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の欠失遺伝子を各遺伝子型毎にカウントすることと、を含む。
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の配列属性情報を取得することは、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の挿入遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の挿入遺伝子を各遺伝子型毎にカウントすることと、を含む。
前記配列属性情報は、参照遺伝子の遺伝子型、各遺伝子型毎の遺伝子数、各遺伝子型毎の欠失遺伝子数、各遺伝子型毎の挿入遺伝子数の少なくとも1つを含む。
前記属性情報は非配列属性情報を含み、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することは、
前記少なくとも1つの遺伝子シーケンシング断片の、遺伝子座の位置に関連しなくかつ遺伝子属性を表す非配列属性情報を取得することと、
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することと、を含む。
前記非配列属性情報は、比較品質、プラス鎖およびマイナス鎖の偏り、遺伝子シーケンシング断片の長さ、エッジの偏りの少なくとも1つを含む。
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することは、
各遺伝子シーケンシング断片の各遺伝子座の比較品質に基づいて、各遺伝子シーケンシング断片の比較品質を特定することであって、前記比較品質は、遺伝子シーケンシング断片の各遺伝子配列毎のシーケンシングの正確性を表すことと、
各遺伝子シーケンシング断片の比較品質に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することと、を含む。
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することは、
各遺伝子シーケンシング断片の属する遺伝子鎖がプラス鎖またはマイナス鎖のいずれであるかの情報に基づいて、前記少なくとも1つの遺伝子シーケンシング断片の、プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合を特定することと、
前記プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することと、を含む。
前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識することは、
前記配列特徴および前記非配列特徴を統合し、前記変異遺伝子座候補の統合特徴を得ることと、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識することと、を含む。
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識することは、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子の変異性を示す変異値を得ることと、
前記変異値が所定の閾値以上である場合、前記変異遺伝子座候補の遺伝子に変異があると判定することと、を含む。
前記変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することは、
体細胞遺伝子による遺伝子シーケンシングで得られた遺伝子シーケンシング断片を取得することと、
前記遺伝子シーケンシング断片の遺伝子配列を参照ゲノム配列と比較し、比較結果を得ることと、
前記比較結果に基づいて、前記体細胞遺伝子に異常がある変異遺伝子座候補を特定することと、
前記変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することと、を含む。
変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得するための取得モジュールと、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の、遺伝子座の位置に関連する配列特徴および非配列特徴を特定するための特定モジュールと、
前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識するための認識モジュールと、を含む遺伝子変異認識装置が提供される。
前記属性情報は、配列属性情報を含み、
前記特定モジュールは、
前記変異遺伝子座候補の遺伝子位置情報に基づいて、前記変異遺伝子座候補が位置する所定の遺伝子座区間を特定する第1の特定サブモジュールと、
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の、遺伝子座の位置に関連しかつ遺伝子属性を表す配列属性情報を取得する第1の取得サブモジュールと、
前記所定の遺伝子座区間に位置する各遺伝子座の配列属性情報に基づいて、前記変異遺伝子座候補の配列特徴を生成する第1の生成サブモジュールと、を含む。
前記第1の取得サブモジュールは、具体的に、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の遺伝子型を特定することと、
前記各遺伝子座において遺伝子を各遺伝子型毎にカウントすることと、に用いられる。
前記第1の取得サブモジュールは、具体的に、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の欠失遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の欠失遺伝子を各遺伝子型毎にカウントすることと、に用いられる。
前記第1の取得サブモジュールは、具体的に、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の挿入遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の挿入遺伝子を各遺伝子型毎にカウントすることと、に用いられる。
前記配列属性情報は、参照遺伝子の遺伝子型、各遺伝子型毎の遺伝子数、各遺伝子型毎の欠失遺伝子数、各遺伝子型毎の挿入遺伝子数の少なくとも1つを含む。
前記属性情報は非配列属性情報を含み、
前記特定モジュールは、
前記少なくとも1つの遺伝子シーケンシング断片の、遺伝子座の位置に関連しなくかつ遺伝子属性を表す非配列属性情報を取得する第2の取得サブモジュールと、
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定する第2の特定サブモジュールと、を含む。
前記非配列属性情報は、比較品質、プラス鎖およびマイナス鎖の偏り、遺伝子シーケンシング断片の長さ、エッジの偏りの少なくとも1つを含む。
前記第2の特定サブモジュールは、具体的に、
各遺伝子シーケンシング断片の各遺伝子座の比較品質に基づいて、各遺伝子シーケンシング断片の比較品質を特定することであって、前記比較品質は、遺伝子シーケンシング断片の各遺伝子配列毎のシーケンシングの正確性を表すことと、
各遺伝子シーケンシング断片の比較品質に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することとに用いられることを特徴とする。
前記第2の特定サブモジュールは、具体的に、
各遺伝子シーケンシング断片の属する遺伝子鎖がプラス鎖またはマイナス鎖のいずれであるかの情報に基づいて、前記少なくとも1つの遺伝子シーケンシング断片の、プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合を特定することと、
前記プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することとに用いられることを特徴とする。
前記認識モジュールは、
具体的に前記配列特徴および前記非配列特徴を統合し、前記変異遺伝子座候補の統合特徴を得る統合サブモジュールと、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識する認識サブモジュールと、を含む。
前記認識サブモジュールは、具体的に、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子の変異性を示す変異値を得ることと、
前記変異値が所定の閾値以上である場合、前記変異遺伝子座候補の遺伝子に変異があると判定することと、に用いられる。
前記取得モジュールは、具体的に、
体細胞遺伝子による遺伝子シーケンシングで得られた遺伝子シーケンシング断片を取得することと、
前記遺伝子シーケンシング断片の遺伝子配列を参照ゲノム配列と比較し、比較結果を得ることと、
前記比較結果に基づいて、前記体細胞遺伝子に異常がある変異遺伝子座候補を特定することと、
前記変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することと、に用いられる。
前記変異遺伝子座候補の遺伝子位置情報に基づいて、前記変異遺伝子座候補が位置する所定の遺伝子座区間を特定するステップ121aと、
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の、遺伝子座の位置に関連しかつ遺伝子属性を表す配列属性情報を取得するステップ122aと、
前記所定の遺伝子座区間に位置する各遺伝子座の配列属性情報に基づいて、前記変異遺伝子座候補の配列特徴を生成するステップ123aと、を含んでもよい。
前記少なくとも1つの遺伝子シーケンシング断片の、遺伝子座の位置に関連しなくかつ遺伝子属性を表す非配列属性情報を取得するステップ121bと、
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を生成するステップ122bと、を含んでもよい。
前記配列特徴および前記非配列特徴を統合し、前記変異遺伝子座候補の統合特徴を得るステップ131と、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識するステップ132と、を含み得る。
変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得する取得モジュール71と、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の、遺伝子座の位置に関連する配列特徴および非配列特徴を特定する特定モジュール72と、
前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識するための認識モジュール73と、を含む。
前記属性情報は、配列属性情報を含み、
前記特定モジュール72は、
前記変異遺伝子座候補の遺伝子位置情報に基づいて、前記変異遺伝子座候補が位置する所定の遺伝子座区間を特定する第1の特定サブモジュールと、
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の、遺伝子座の位置に関連しかつ遺伝子属性を表す配列属性情報を取得する第1の取得サブモジュールと、
前記所定の遺伝子座区間に位置する各遺伝子座の配列属性情報に基づいて、前記変異遺伝子座候補の配列特徴を生成する第1の生成サブモジュールと、を含む。
前記第1の取得サブモジュールは、具体的に、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の遺伝子型を特定することと、
前記各遺伝子座において遺伝子を各遺伝子型毎にカウントすることと、に用いられる。
前記第1の取得サブモジュールは、具体的に、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の欠失遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の欠失遺伝子を各遺伝子型毎にカウントすることと、に用いられる。
前記第1の取得サブモジュールは、具体的に、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の挿入遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の挿入遺伝子を各遺伝子型毎にカウントすることと、に用いられる。
前記配列属性情報は、参照遺伝子の遺伝子型、各遺伝子型毎の遺伝子数、各遺伝子型毎の欠失遺伝子数、各遺伝子型毎の挿入遺伝子数の少なくとも1つを含む。
前記属性情報は、非配列属性情報を含み、
前記特定モジュールは、
前記少なくとも1つの遺伝子シーケンシング断片の、遺伝子座の位置に関連しなくかつ遺伝子属性を表す非配列属性情報を取得する第2の取得サブモジュールと、
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定する第2の特定サブモジュールと、を含む。
前記非配列属性情報は、比較品質、プラス鎖およびマイナス鎖の偏り、遺伝子シーケンシング断片の長さ、エッジの偏りの少なくとも1つを含む。
前記第2の特定サブモジュールは、具体的に、
各遺伝子シーケンシング断片の各遺伝子座の比較品質に基づいて、各遺伝子シーケンシング断片の比較品質を特定することであって、前記比較品質は、遺伝子シーケンシング断片の各遺伝子配列毎のシーケンシングの正確性を表すことと、
各遺伝子シーケンシング断片の比較品質に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することとに用いられる。
前記第2の特定サブモジュールは、具体的に、
各遺伝子シーケンシング断片の属する遺伝子鎖がプラス鎖またはマイナス鎖のいずれであるかの情報に基づいて、前記少なくとも1つの遺伝子シーケンシング断片の、プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合を特定することと、
前記プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することとに用いられる。
前記認識モジュール73は、
具体的に前記配列特徴および前記非配列特徴を統合し、前記変異遺伝子座候補の統合特徴を得る統合サブモジュールと、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識する認識サブモジュールと、を含む。
前記認識サブモジュールは、具体的に、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子の変異性を示す変異値を得ることと、
前記変異値が所定の閾値以上である場合、前記変異遺伝子座候補の遺伝子に変異があると判定することと、に用いられる。
前記取得モジュール71は、具体的に、
体細胞遺伝子による遺伝子シーケンシングで得られた遺伝子シーケンシング断片を取得することと、
前記遺伝子シーケンシング断片の遺伝子配列を参照ゲノム配列と比較し、比較結果を得ることと、
前記比較結果に基づいて、前記体細胞遺伝子に異常がある変異遺伝子座候補を特定することと、
前記変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することと、に用いられる。
Claims (15)
- 変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することと、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の、遺伝子座の位置に関連する配列特徴および非配列特徴を特定することと、
前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識することと、を含むことを特徴とする、遺伝子変異認識方法。 - 前記属性情報は、配列属性情報を含み、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の配列特徴を特定することは、
前記変異遺伝子座候補の遺伝子位置情報に基づいて、前記変異遺伝子座候補が位置する所定の遺伝子座区間を特定することと、
前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の、遺伝子座の位置に関連しかつ遺伝子属性を表す配列属性情報を取得することと、
前記所定の遺伝子座区間に位置する各遺伝子座の配列属性情報に基づいて、前記変異遺伝子座候補の配列特徴を生成することと、を含むことを特徴とする、請求項1に記載の方
法。 - 前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の配列属性情報を取得することは、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の遺伝子型を特定することと、
前記各遺伝子座において遺伝子を各遺伝子型毎にカウントすることと、を含むことを特徴とする、請求項2に記載の方法。 - 前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の配列属性情報を取得することは、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の欠失遺伝子の遺伝子型を特定する
ことと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の欠失遺伝子を各遺伝子型毎にカウントすることと、を含むことを特徴とする、請求項2に記載の方法。 - 前記少なくとも1つの遺伝子シーケンシング断片の、前記所定の遺伝子座区間内に位置する各遺伝子座の配列属性情報を取得することは、
各遺伝子シーケンシング断片の遺伝子配列と参照ゲノム配列との比較結果に基づいて、前記各遺伝子座において各遺伝子シーケンシング断片の挿入遺伝子の遺伝子型を特定することと、
前記各遺伝子座において前記少なくとも1つの遺伝子シーケンシング断片の挿入遺伝子を各遺伝子型毎にカウントすることと、を含むことを特徴とする、請求項2に記載の方法。 - 前記配列属性情報は、
参照遺伝子の遺伝子型、各遺伝子型毎の遺伝子数、各遺伝子型毎の欠失遺伝子数、各遺伝子型毎の挿入遺伝子数の少なくとも1つを含むことを特徴とする、請求項2から5のいずれか一項に記載の方法。 - 前記属性情報は、非配列属性情報を含み、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することは、
前記少なくとも1つの遺伝子シーケンシング断片の、遺伝子座の位置に関連しなくかつ遺伝子属性を表す非配列属性情報を取得することと、
前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することと、を含むことを特徴とする、請求項1から6のいずれか一項に記載の方法。 - 前記非配列属性情報は、比較品質、プラス鎖およびマイナス鎖の偏り、遺伝子シーケンシング断片の長さ、エッジの偏りの少なくとも1つを含むことを特徴とする、請求項7に記載の方法。
- 前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することは、
各遺伝子シーケンシング断片の各遺伝子座の比較品質に基づいて、各遺伝子シーケンシング断片の比較品質を特定することであって、前記比較品質は、遺伝子シーケンシング断片の各遺伝子配列毎のシーケンシングの正確性を表すことと、
各遺伝子シーケンシング断片の比較品質に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することと、を含むことを特徴とする、請求項8に記載の方法。 - 前記少なくとも1つの遺伝子シーケンシング断片の非配列属性情報に基づいて、前記変異遺伝子座候補の非配列特徴を特定することは、
各遺伝子シーケンシング断片の属する遺伝子鎖がプラス鎖またはマイナス鎖のいずれであるかの情報に基づいて、前記少なくとも1つの遺伝子シーケンシング断片の、プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合を特定することと、
前記プラス鎖である遺伝子鎖とマイナス鎖である遺伝子鎖との割合に基づいて、前記変異遺伝子座候補に対応する非配列特徴を特定することと、を含むことを特徴とする、請求項8に記載の方法。 - 前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識することは、
前記配列特徴および前記非配列特徴を統合し、前記変異遺伝子座候補の統合特徴を得ることと、
前記変異遺伝子座候補の統合特徴に基づいて、前記変異遺伝子座候補の遺伝子の変異性を示す変異値を得ることと、
前記変異値が所定の閾値以上である場合、前記変異遺伝子座候補の遺伝子に変異があると判定することと、を含むことを特徴とする、請求項1から10のいずれか一項に記載の方法。 - 前記変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することは、
体細胞遺伝子による遺伝子シーケンシングで得られた遺伝子シーケンシング断片を取得することと、
前記遺伝子シーケンシング断片の遺伝子配列を参照ゲノム配列と比較し、比較結果を得ることと、
前記比較結果に基づいて、前記体細胞遺伝子に異常がある変異遺伝子座候補を特定することと、
前記変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得することと、を含むことを特徴とする、請求項1から11のいずれか一項に記載の方法。 - 変異遺伝子座候補に対応する少なくとも1つの遺伝子シーケンシング断片を取得するための取得モジュールと、
前記少なくとも1つの遺伝子シーケンシング断片の属性情報に基づいて、前記変異遺伝子座候補の、遺伝子座の位置に関連する配列特徴および非配列特徴を特定するための特定モジュールと、
前記配列特徴および前記非配列特徴に基づいて、前記変異遺伝子座候補の遺伝子変異を認識するための認識モジュールと、を含むことを特徴とする、遺伝子変異認識装置。 - プロセッサと、
プロセッサが実行可能な命令を記憶するメモリと、を含み、
前記プロセッサは、前記実行可能な命令を呼び出すことによって請求項1から12のいずれか一項に記載の方法を実現することを特徴とする遺伝子変異認識装置。 - コンピュータプログラム命令が記憶されている不揮発性コンピュータ可読記憶媒体であ
って、前記コンピュータプログラム命令がプロセッサにより実行されると、請求項1から
12のいずれか一項に記載の方法を実現することを特徴とする、不揮発性コンピュータ可
読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251891.0A CN109994155B (zh) | 2019-03-29 | 2019-03-29 | 一种基因变异识别方法、装置和存储介质 |
CN201910251891.0 | 2019-03-29 | ||
PCT/CN2019/089499 WO2020199336A1 (zh) | 2019-03-29 | 2019-05-31 | 一种基因变异识别方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022500773A JP2022500773A (ja) | 2022-01-04 |
JP7064654B2 true JP7064654B2 (ja) | 2022-05-10 |
Family
ID=67131990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021514554A Active JP7064654B2 (ja) | 2019-03-29 | 2019-05-31 | 遺伝子変異認識方法、装置および記憶媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210082539A1 (ja) |
JP (1) | JP7064654B2 (ja) |
KR (1) | KR20210116454A (ja) |
CN (1) | CN109994155B (ja) |
SG (1) | SG11202011523VA (ja) |
TW (1) | TWI748263B (ja) |
WO (1) | WO2020199336A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111081318B (zh) * | 2019-12-06 | 2023-06-06 | 人和未来生物科技(长沙)有限公司 | 一种融合基因检测方法、系统和介质 |
CN111081313A (zh) * | 2019-12-13 | 2020-04-28 | 北京市商汤科技开发有限公司 | 基因变异的识别方法及装置、电子设备和存储介质 |
CN111081314A (zh) * | 2019-12-13 | 2020-04-28 | 北京市商汤科技开发有限公司 | 基因变异的识别方法及装置、电子设备和存储介质 |
CN111091873B (zh) * | 2019-12-13 | 2023-07-18 | 北京市商汤科技开发有限公司 | 基因变异的识别方法及装置、电子设备和存储介质 |
CN111091867B (zh) * | 2019-12-18 | 2021-11-09 | 中国科学院大学 | 基因变异位点筛选方法及系统 |
CN111304308A (zh) * | 2020-03-02 | 2020-06-19 | 北京泛生子基因科技有限公司 | 一种审核高通量测序基因变异检测结果的方法 |
CN113539357B (zh) * | 2021-06-10 | 2024-04-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 基因检测方法、模型训练方法、装置、设备及系统 |
CN113517022B (zh) * | 2021-06-10 | 2024-06-25 | 阿里巴巴达摩院(杭州)科技有限公司 | 基因检测方法、特征提取方法、装置、设备及系统 |
CN113299344A (zh) * | 2021-06-23 | 2021-08-24 | 深圳华大医学检验实验室 | 基因测序分析方法、装置、存储介质和计算机设备 |
CN113628683B (zh) * | 2021-08-24 | 2024-04-09 | 慧算医疗科技(上海)有限公司 | 一种高通量测序突变检测方法、设备、装置及可读存储介质 |
CN115458052B (zh) * | 2022-08-16 | 2023-06-30 | 珠海横琴铂华医学检验有限公司 | 基于一代测序的基因突变分析方法、设备和存储介质 |
CN115620802B (zh) * | 2022-09-02 | 2023-12-05 | 蔓之研(上海)生物科技有限公司 | 一种基因数据的处理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462869A (zh) | 2014-11-28 | 2015-03-25 | 天津诺禾致源生物信息科技有限公司 | 检测体细胞单核苷酸突变的方法和装置 |
JP2017033046A (ja) | 2015-07-28 | 2017-02-09 | 株式会社理研ジェネシス | 変異判定方法、変異判定プログラムおよび記録媒体 |
JP2017070240A (ja) | 2015-10-07 | 2017-04-13 | 国立研究開発法人国立がん研究センター | 稀少突然変異の検出方法、検出装置及びコンピュータプログラム |
CN106611106A (zh) | 2016-12-06 | 2017-05-03 | 北京荣之联科技股份有限公司 | 基因变异检测方法及装置 |
JP2020529851A (ja) | 2017-08-07 | 2020-10-15 | 延世大学校 産学協力団Yonsei University,University−Industry Foundation(Uif) | 遺伝子パネルに基づいた塩基配列の変異検出方法およびこれを用いた塩基配列の変異検出デバイス |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK2748192T3 (en) * | 2011-08-23 | 2019-02-25 | Found Medicine Inc | KIF5B-RET-FUSION MOLECULES AND APPLICATIONS THEREOF |
EP2959011A1 (en) * | 2013-02-19 | 2015-12-30 | Cergentis B.V. | Sequencing strategies for genomic regions of interest |
CN105408496A (zh) * | 2013-03-15 | 2016-03-16 | 夸登特健康公司 | 检测稀有突变和拷贝数变异的系统和方法 |
KR20160010277A (ko) * | 2014-07-18 | 2016-01-27 | 에스케이텔레콤 주식회사 | 산모의 무세포 dna의 차세대 서열분석을 통한 태아의 단일유전자 유전변이의 예측방법 |
CN104293940B (zh) * | 2014-09-30 | 2017-07-28 | 天津华大基因科技有限公司 | 构建测序文库的方法及其应用 |
CN105989246B (zh) * | 2015-01-28 | 2018-10-26 | 深圳华大智造科技有限公司 | 一种基于基因组组装的变异检测方法和装置 |
EP4343788A3 (en) * | 2015-05-01 | 2024-09-11 | Guardant Health, Inc. | Diagnostic methods |
CN105574361B (zh) * | 2015-11-05 | 2018-11-02 | 上海序康医疗科技有限公司 | 一种检测基因组拷贝数变异的方法 |
CN106529211A (zh) * | 2016-11-04 | 2017-03-22 | 成都鑫云解码科技有限公司 | 变异位点的获取方法及装置 |
KR101936933B1 (ko) * | 2016-11-29 | 2019-01-09 | 연세대학교 산학협력단 | 염기서열의 변이 검출방법 및 이를 이용한 염기서열의 변이 검출 디바이스 |
CN106683081B (zh) * | 2016-12-17 | 2020-10-30 | 复旦大学 | 基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统 |
CN108021788B (zh) * | 2017-12-06 | 2022-08-05 | 北京新合睿恩生物医疗科技有限公司 | 基于细胞游离dna的深度测序数据提取生物标记物的方法和装置 |
CN107944228B (zh) * | 2017-12-08 | 2021-06-01 | 广州漫瑞生物信息技术有限公司 | 一种基因测序变异位点的可视化方法 |
EP3587586A1 (en) * | 2018-06-22 | 2020-01-01 | Julius-Maximilians-Universität Würzburg | Method for statistically determining a quantification of old and new rna |
CN109326316B (zh) * | 2018-09-18 | 2020-10-09 | 哈尔滨工业大学(深圳) | 一种癌症相关SNP、基因、miRNA和蛋白质相互作用的多层网络模型构建方法和应用 |
-
2019
- 2019-03-29 CN CN201910251891.0A patent/CN109994155B/zh active Active
- 2019-05-31 WO PCT/CN2019/089499 patent/WO2020199336A1/zh active Application Filing
- 2019-05-31 SG SG11202011523VA patent/SG11202011523VA/en unknown
- 2019-05-31 JP JP2021514554A patent/JP7064654B2/ja active Active
- 2019-05-31 KR KR1020217020204A patent/KR20210116454A/ko not_active Application Discontinuation
- 2019-10-16 TW TW108137265A patent/TWI748263B/zh active
-
2020
- 2020-11-23 US US17/102,136 patent/US20210082539A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462869A (zh) | 2014-11-28 | 2015-03-25 | 天津诺禾致源生物信息科技有限公司 | 检测体细胞单核苷酸突变的方法和装置 |
JP2017033046A (ja) | 2015-07-28 | 2017-02-09 | 株式会社理研ジェネシス | 変異判定方法、変異判定プログラムおよび記録媒体 |
JP2017070240A (ja) | 2015-10-07 | 2017-04-13 | 国立研究開発法人国立がん研究センター | 稀少突然変異の検出方法、検出装置及びコンピュータプログラム |
CN106611106A (zh) | 2016-12-06 | 2017-05-03 | 北京荣之联科技股份有限公司 | 基因变异检测方法及装置 |
JP2020529851A (ja) | 2017-08-07 | 2020-10-15 | 延世大学校 産学協力団Yonsei University,University−Industry Foundation(Uif) | 遺伝子パネルに基づいた塩基配列の変異検出方法およびこれを用いた塩基配列の変異検出デバイス |
Also Published As
Publication number | Publication date |
---|---|
SG11202011523VA (en) | 2020-12-30 |
JP2022500773A (ja) | 2022-01-04 |
WO2020199336A1 (zh) | 2020-10-08 |
CN109994155B (zh) | 2021-08-20 |
US20210082539A1 (en) | 2021-03-18 |
TWI748263B (zh) | 2021-12-01 |
TW202036582A (zh) | 2020-10-01 |
KR20210116454A (ko) | 2021-09-27 |
CN109994155A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7064654B2 (ja) | 遺伝子変異認識方法、装置および記憶媒体 | |
Alachiotis et al. | RAiSD detects positive selection based on multiple signatures of a selective sweep and SNP vectors | |
JP7064655B2 (ja) | 遺伝子変異認識方法、装置および記憶媒体 | |
Sessegolo et al. | Transcriptome profiling of mouse samples using nanopore sequencing of cDNA and RNA molecules | |
CN110832596B (zh) | 基于深度学习的深度卷积神经网络训练方法 | |
Lu et al. | Oxford Nanopore MinION sequencing and genome assembly | |
Telenti et al. | Deep learning of genomic variation and regulatory network data | |
Schraiber et al. | Methods and models for unravelling human evolutionary history | |
Schiffels et al. | Inferring human population size and separation history from multiple genome sequences | |
Lopez et al. | The demographic history and mutational load of African hunter-gatherers and farmers | |
Modolo et al. | UrQt: an efficient software for the Unsupervised Quality trimming of NGS data | |
Biller et al. | Breaking good: accounting for fragility of genomic regions in rearrangement distance estimation | |
CN109979530B (zh) | 一种基因变异识别方法、装置和存储介质 | |
CN113963749B (zh) | 高通量测序数据自动化组装方法、系统、设备及存储介质 | |
Klein et al. | LOCAS–a low coverage assembly tool for resequencing projects | |
Kao et al. | naiveBayesCall: an efficient model-based base-calling algorithm for high-throughput sequencing | |
Ferrario et al. | Transferring entropy to the realm of GxG interactions | |
Wang et al. | Tool evaluation for the detection of variably sized indels from next generation whole genome and targeted sequencing data | |
Kuo et al. | Illuminating the dark side of the human transcriptome with TAMA Iso-Seq analysis | |
Rivera-Rivera et al. | LS³: A method for improving phylogenomic inferences when evolutionary rates are heterogeneous among taxa | |
Peischl et al. | A sequential coalescent algorithm for chromosomal inversions | |
WO2014145503A2 (en) | Sequence alignment using divide and conquer maximum oligonucleotide mapping (dcmom), apparatus, system and method related thereto | |
CN110570908B (zh) | 测序序列多态识别方法及装置、存储介质、电子设备 | |
US20180239866A1 (en) | Prediction of genetic trait expression using data analytics | |
Milosavljevic et al. | ARPEGGIO: automated reproducible polyploid EpiGenetic GuIdance workflOw |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210316 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210316 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220118 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220401 |
|
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: 20220419 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220422 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7064654 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |