JPH09507027A - 自動遺伝子型決定 - Google Patents

Abstract

(57)【要約】 生物サンプルから得られた遺伝子物質内の選択された座における遺伝子型を決定する方法及び装置である。１または２以上のデータ組が形成され、予測分布が確立される。それらの分布は仮定反応値を同一の座または異なる座における対象の各遺伝子型に対する対応確率に組み合わせる。遺伝子型はそれからそれらの測定値に基づいて決定される。上述の方法は遺伝子遺伝子ビット分析を用いる評価に基づいて自動的に遺伝子型を決定するために用いられる。上述の方法は、対象から得られた遺伝子物質内の選択された座における遺伝子型を決定するための適切な装置を用いて実行することができる。

Description

【発明の詳細な説明】 自動遺伝子型決定技術分野 本願発明は遺伝子物質内の座において遺伝子型を決定する方法および装置に関 する。本願発明の概要 本願発明は１つの実施例において生物サンプルから得た遺伝子物質内の座にお いて遺伝子型を決定する方法および装置に関する。その方法によると、物質は座 において反応されてその座における所定の対立遺伝子の存在を示す第１の反応値 を作る。その第１の反応値を含むデータセットを形成する。１または２以上の確 率分布の組も確立される。つまり、それらの分布は仮定の反応値を座における対 象の各遺伝子型ごとの対応確率と関連する。第１の反応値を各確率分布に適用し て座における対象の各遺伝子型の条件付き確率の測定値を決定する。遺伝子型は その後にそれらの測定に基づいて決定される。 その方法の他の例によると、座における物質は第２の反応を受けてその座にお ける第２の対立遺伝子の存在を独立して示す第２の反応値を作る。第２のデータ セットが形成され、第２の反応値が第２データセットに含まれる。各確率分布は 第１および第２反応値の仮定の対を対象の各遺伝子型の単一の確率に関連付ける 。第１データ組は他の反応値を含みそれは第１反応値が作られた条件に匹敵する 条件下で得られ、また第２データ組は他の反応値を含みそれは第２反応値が作ら れた条件に匹敵する条件下で得られる。例えば、対象の２つの対立遺伝子が存在 する場合には、第１の反応は一方の対立遺伝子に対する評価となり、第２反応は 他方の対立遺伝子に対する別個の評価となることができる。第１および第２のデ ータ組はそれぞれ第１および第２反応に対する反応値を含むことができ、それら は同一の座に関して他方のサンプルへの比較できる条件下で処理される。他の例 としてまたはそれに加えて、データ組反応に対する反応値を含むことができ、そ れは同一のサンプル内の異なる座に関する比較できる条件下で処理される。 別の実施例によると、確率分布は反復により決定することができる。その実施 例によると、各確率分布が最初に推定される。各初期確率分布を用いると、その データ組内の反応値を用いることによって初期遺伝子型確率が決定される。その 結果のデータはその後初期確率分布を変えるために用いられ、それにより、その 変えられた分布はより正確にそのデータ組内の反応値を反映する。この手続きは 所望の回数だけ統合することができ、これにより確率分布を改善することができ る。実際問題として、単一の反復で十分であることが概略わかっている。 先の方法は、遺伝子ビット分析（ＧＢＡ）を用いる評価に基づく自動的遺伝子 型決定に対し成功裡に用いられた。その場合には、各対立遺伝子は典型的には単 一の特定のヌクレオチドであってもよい。ＧＢＡによると、反応が、遺伝子物質 内の座における特定の対立遺伝子の存在を示す値を生成するように意図される。 ＧＢＡにおいて、そのアプローチは典型的には、尋問予定のヌクレオチドのすぐ 近くの座における遺伝子物質に特定のオリゴヌクレオチドの交配をおこなうため のものである。次に、ＤＮＡポリメラーゼが、別々にラベル付けされたダイドオ キシニュークレオサイド(dideoxynucleoside)三燐酸塩(triphosphates)の存在に 適用される。 読み出しステップが１または２以上のラベルを検出し、それはオリゴヌクレオ チドの３´終端に共有結合的に取り付けられるようになった。詳細がシーオ・ア ール・ニキフォロウ(Theo R．Nikiforov)他の「遺伝子ビット分析、単一ヌクレ オチド多形性(polymorphisms)」２２「核酸研究」(Nucleic Acids Research)、N o.20、４１６７−４１７５(1994)に示されており、それは参考までにここに組み 込む。しかし、本願発明は、対立遺伝子の特定の交配（ＡＳＨ）、交配による配 列（ＣＢＨ）、オリゴヌクレオチドリガーゼ(ologonucleotide ligase)評価（Ｏ ＬＡ）および対立遺伝子特定拡大のような対立遺伝子決定のための他の反応装置 にも、リガーゼチェーン反応（ＬＣＲ）またはポリメラーゼチェーン反応（ＰＣ Ｒ）のいずれかを用いて適用することができる。評価された対立遺伝子は、例え ば、単一ヌクレオチド、一対のヌクレオチド、制限部位または（少なくとも部分 的に）ヌクレオチドにおけるその長さによって定義することができる。 本願発明の他の実施例においては、選択された座の対象から得られた遺伝子物 質を反応することによってその対象の遺伝子型を決定する方法を提供する。その 実施例においては、各座は識別された単一のヌクレオチドまたは一軍のヌクレオ チドとすることができ、選択された座の各々に関してその選択された座の各々に おける所定の対立遺伝子の存在を示す反応値を提供する。それらの反応値は対象 の遺伝子型または代わりに対象の遺伝子物質の特定の領域に関連するＤＮＡ配列 を決定するために用いられる。（実のところ、選択された隣接する座に対する一 組の遺伝子型は遺伝子物質の配列を特定するために用いることができる。）別の 実施例においては、座は対象に関する情報の１または２以上の情報を提供するた めに選択され、それは特徴の継承、血統、同定およびドナー(donor)との組織の 適合を含む。別の例としては、座は対象のゲノムの全体の端から端まで距離をお くことができ、これにより、対象の種のゲノムを特徴付けることを補助すること ができる。 本願発明の他の実施例においては、対象から得られた遺伝子物質内の座におけ る遺伝子型を決定する装置を提供する。本願発明の装置は反応値発生構成を持ち 、第１反応値としての計量可能な第１自然状態を作り、それは座における所定の 対立遺伝子の存在を表しており、その値は座における物質の反応に関連する。そ の装置はデータ組を格納する格納構成を持ち、そのデータ組は第１の反応値と比 較条件で得られた他の反応値とを含む。分布確立構成は一組の確率分布を確立し 、それは少なくとも１つの分布を含み、座における対象の各遺伝子型ごとの対応 確率を持つ仮定反応値に関連する。遺伝子型の計算構成が第１反応値を各適切な 確率分布に適用して、座の対象の各遺伝子型の条件付き確率を決定する。遺伝子 型決定構成は遺伝子型計算構成からのデータに基づいて遺伝子型を決定する。 他の実施例においては、その装置は選択された座の遺伝子型を決定することが できる。その実施例においては、反応発生構成は選択された座の各々における所 定の対立遺伝子の存在を示す反応値を生成することができ、そのデータ組は選択 された座の各々に関して得られた反応値を含む。遺伝子型の計算構成は選択され た座の各々に関して得られた反応値を適切な確率分布の各々に適用する。 他の別の実施例においては、その装置は複数のサンプルの各々から遺伝子物質 内の座における遺伝子型を決定することができる。その実施例においては、反応 発生構成は各サンプルから得られた物質の座における所定の対立遺伝子の存在を 示す反応値を生成することができ、そのデータ組は各サンプルに関して得られた 反応値を含む。遺伝子型計算構成は各サンプルに関して得られた反応値を各適切 な確率分布に与える。 それらの実施例の各々においては、反応値発生構成は第２の反応値を生成する 構成も含み、それは独立して座における第２の対立遺伝子の存在を示す。格納構 成はそれから第２反応値および比較的条件の下で得られた他の反応値を格納する ための設備を含む。遺伝子型計算構成は第１および第２反応値を各適切な分布に 与えて座における対象の各遺伝子型の確率を決定する。各確率分布は仮定の一対 の第１および第２反応値を、対象の各遺伝子型の単一確率に結合するような種類 とすることができる。座は単一のヌクレオチドであっても良く、反応値構成は反 応の結果を読み取るために光変換器を含み、さらに、実質的一致する原理に基づ いて、各サンプルに関する反応値を決定する。 分布確立構成は初期確率分布をデータ組に割り当てるように構成することがで き、そのデータ組は仮定反応値を座における対象の各遺伝子に対する対応確率を 結合するであろう。分布確立構成はそれから各初期確率分布を用いるために遺伝 子型計算手段を含み、座における対象の遺伝子型に対する初期条件付き確率を決 定する。その後、各分布確立構成は各初期可能性を変え、これにより、各変えら れた分布は格納手段に格納された反応値をより正確に反映する。 この説明で用いている用語「反応値」および以下の請求の範囲は単一の数値ま たは反応によって作られた自然状態に関連する数の修正のいずれかに言及するこ とができる。上で言及したニキフォロフ(Nikiforov)の論文に説明されたＧＢＡ 方法においては、例えば、信号数値として読取られることができる光信号が生成 される。他には、例えば、光信号は時間にわたって単純化することができ、反応 値はそのような信号のサンプルの収集とすることができる。ＧＢＡまたは他の反 応方法によって発生された光信号の１つまたは連続するものの走査画像を形成す ることができ、さらに、その画像をデジタル化することができ、画像の一部また はすべてにおけるピクセル値の収集が反応値を構成する。図面の簡単な説明 前記の本願発明の観点は以下の図面を参考に入れ、以下の詳細な説明を参照す ることによって容易に理解されるものと思われる。 図１は本願発明の望ましい実施例による装置のダイアグラムである。 図２は図１に関する論理流れのダイアグラムである。 図３は図１の実施例により発生された数値反応値（データ）及びそれらのデー タからの実施例によって作られた遺伝子型決定のグラフである。 図４乃至図７は対象の３つの遺伝子（ＡＡ、ＡＴ及びＴＴ）に対する図１の実 施例によって導かれた確率分布及び座における失敗モードを示す。 図８は図１の装置の出力の例である。特定実施例の詳細な説明 本願発明は遺伝子型の決定方法及び装置の望ましい実施例を提供するもので、 その決定は対立遺伝子固有の量的信号を発生する遺伝標識システムを用いること によって行う。１つの実施例は、われわれが開発し「GetGenos」と呼ぶコンピュ ータソフトウエアを用いて、われわれがＧＢＡデータ生成するためにさらに開発 した機器によって作られたデータのコンピュータ処理を用いる。その機器は特に 以下のことを達成する。 ・量的データから完全に自動的に遺伝子型を決定すること。ソフトウエアは対 話式で用いるぐらいに高速であるがデータプールのオフライン分析が予定されて いる。 ・ＤＮＡサンプルごとの多くの対立遺伝子を同時に試験する性能を持つ。１つ の遺伝子型および信頼測定がそれぞれのデータから生成される。 ・適切に換算された真の蓋然性のある信頼測定（ＬＯＤスコア）が各遺伝子型 ごとに生成される。 ・確固たる統計学上の方法の使用。選択的データプーリングおよびデータプー ル内のすべての点に対する同時調査によるノイズ削減。バイアス防止。 ・不定パラメータの最大限の回避。つまり、入力データ内の多数の変数へ反応 しないこと。基礎的な統計学上のモデルによって必要とされる少数のパラメータ が、特にそれ自体の内部管理のようなデータセットを用いることによって、観察 データに適合される。 ・多数のデータ種類を取り扱うための柔軟性。特に、以下に説明する確率分布 計算だけは新しいデータの種類に換算する必要がある。本願発明はＧＢＡ、ＯＬ Ａ、ＡＳＨおよびＲＡＰＤ型の標識に用いることができると思う。 ソフトウエアのわれわれの最新の実施例は容易にカスタムラボラトリー情報シ ステム(custom laboratory information system)に統合できるようにするために ポータブルＡＮＳＩ Ｃにおいて実行される。そのコードは以下のもので十分に 走ることができた。 ・Ｍａｃｉｎｔｏｓｈ ・Ｓｕｎ ・ＭＳ−ＤＯＳ ・ＭＳ−Ｗｉｎｄｏｗｓ ソフトウエアのわれわれの最新の実施例においては、多数の一貫したチェック が、生ＧＢＡ値および制御ウエル(control wells)の両方を用いることによって ＧＢＡデータの検査のために実行される。簡単な「遺伝子型レポート」(Genotyp e Reports)が発生されるが、それは各データセットごとに結果を要約したもので 、失敗を含む。「DataDesk」（登録商標）のような対話型統計パッケージに引き 入れるためにすべてのデータが適当な形態で出力される。最も新しい実行は直ち に倍数の２対立遺伝子試験に限定される。つまり、現在のＧＢＡ応用を用いる状 況である。 図１を参照すると、そこには本願発明に係る機器の望ましい実施例を示す。そ の機器は光検出装置１１を備え、１または２以上の反応から得られる反応値を作 る。それらの反応は遺伝子物質のサンプル状の１または２以上の対立遺伝子に対 し分析を行う。われわれはその検出装置１１を、カリフォルニア州、コスタメサ 、私書箱５０２３のアイシーエヌ・バイオメディカル・インク(ICN Biomedical, Inc)の二色性マイクロプレート(microplate)読取装置モデル３４８およびマイク ロプレートスタッカーモデル８３を用いて組み立てた。そのマイクロプレートは ９６のウエルフォーマット(well format)であり、読取装置は単一のバッチ処理 の際に２０のマイクロプレートを収容する。従って、その実施例の機器によると 多数のバッチ処理が可能である。我々の実行の際の反応は上述のようにＧＢＡを 用いる。検出装置１１はコンピュータ１２によって制御されて各ウエルから反応 値の選択された読出し値を生じさせる。コンピュータ１２は所定の期間にわたっ て所定のウエルから反応値を多数読み出すことができるようにプログラムされて いる。その値は一時的にメモリに格納されてその後データベース１４に蓄えられ る。コンピュータ１３はライン１５を経由してデータベース１４にアクセスして 、以下に説明する流れに従ってデータを処理する。当然ではあるが、コンピュー タ１２、１３およびデータベース１４は統合した制御装置およびデータ記憶構成 によって組み立てることができる。そのような構成は実際には光検出装置１１の ハウジング内に配置することができる。 図２には、コンピュータ１３によって実行される手続を示す。この手続のステ ップは以下の通りである。 データ入力： １組のデータがステップ２１で読取られる。多くの応用では、その組の実験の 各々は、比較可能な生化学組成（例えば、同一の反応剤群他）を用いることによ って、（i）同一の遺伝子標識及び（ii）その標識の対立遺伝子の同一の組を試 験するものでなければならない。適切な寸法データ組は対立遺伝子（及びその結 果各遺伝子型クラスの予想個体の数）に依存するが膨大なデータ組はノイズを取 り除くことに役立つ。入力データ内の各データ点は数値のＮ個からなる集合とし て考えることができるが、ただしＮはこの遺伝子座に対する各ＤＮＡサンプルか ら収集された信号数である。（Ｎは通常はその標識で試験された対立遺伝子の数 となり、Ａで表示されるが、反復試験が採用されるときには除かれ、その際には ＮはＡより大きくなるであろう。） データ処理： 次にデータは予備処理の対象となる（ステップ２２）。入力信号の内部Ｍ次元 ユークリッドの表示が作られ、ここでは各入力データ（Ｎ個の要素からなる集合 ）はＭ空間内の点である。通常、ＭはＮと同一であり、その点の座標は入力の値 からなる集合体であり、その結果予備処理は自明なことになろう（ただし、上述 の変形に関する第１段落を見よ）。ユークリッド空間は非線形で、信号発生の最 も 入手可能なモデルに依存する。（完全に数学的に等値のどの非線形性も以下に説 明するように初期確率分布において具体化することができる。） 図３は８０ＤＮＡサンプルのＧＢＡ遺伝子座１７７−２に対するステップ２２ からの予備処理された反応値を示す。Ｘ軸は対立遺伝子１(A)に対する予備的処 理された反応値を示し、Ｙ軸は対立遺伝子２(T)に対する予備的処理された反応 値を示す。明瞭化のために、遺伝子決定の結果は各ポイントごとにも示す。つま り、三角形はＴＴ遺伝子型、菱形はＡＡ、円はＡＴおよび四角は失敗（無信号） である。 確率分布： 図２を参照すると、ステップ２２では、初期確率分布がＧの可能性ある遺伝子 型に対し確立される。例えば、無作為の倍数でＡを含む母集団が対立遺伝子を試 験した。 Ｇ・(A) + (A-1) + ．．． + １・A(A ＋ 1) (1) どの仮定的入力データ（Ｍ空間においてＸi で示されたもの）および遺伝子型 （ｇで示されたもの）に対する初期条件付き確率も、ｇはそのデータの正しい遺 伝子型であると仮定した場合に信号Ｘi を見る事前確率として定義される。つま り、 図４乃至図７は図３におけるデータに対し確立された初期確率分布を示す。確 率分布は図４、５、６および７においてそれぞれ対象の４つの遺伝子型のクラス 、ＡＡ、ＡＴ、ＴＴおよび無信号に対し示される。各ＸＹ位置での形状は、より 暗い影がＸおよびＹ反応値を持つ仮定的データ点に対し増加した確率を示すよう な確率を示す。 まさにそれらの分布が生じたところは入力データの性質に対し非常に固有なも のである。確率分布は、そのテップで予備的に計算されて量子化されたデータと して格納することができ、または、以下のステップ２３において必要とされるよ うに進行中に計算して求めることができる。確率分布は一定とすることができ、 または、そのアルゴリズムの前の反復によって決定されたように、観察されたデ ータに適合することができ、若しくは、仮定遺伝子型に適合することができる。 （以下の追加の特徴を参照のこと） ステップ２３では、各遺伝子型の条件付き確率を計算する。各データＸiに対 し、上述の確率がそのデータに対する各遺伝子型の全体の条件付き次の確率に収 集される。 ここで、Ｐｒ（遺伝子型＝ｇ）は遺伝子型ｇを持ついずれかのデータの前の確 率である。 Ｐｒ（信号Ｘi）は信号（無視することができる定数）の前の確率である。ま た、 Ｐｒ（信号Ｘi）｜遺伝子型＝ｇ）は上で定義された初期確率である。 ステップ２４では、遺伝子型の選択を決定し信頼点数を計算する。各データに 対し、上述の次の確率を用いて、最も可能性のある遺伝子型の指定ｇ′（最高の 次の確率を持つ遺伝子）およびその信頼点数を決定する。信頼点数Ｃは奇数比率 の対数にすぎない。 この手続は重要である点に注意すべきであるが、それは、数ある理由の中で、 それにより各遺伝子の型の決定に関連する確固たる確率信頼点数を決定すること ができるからである。 ステップ２５では、適応性のある適合を採用することができる。推定の最大値 の求め(Estimation-Maximization)(E-M)のような標準的な繰り返し適応性のある 適合アルゴリズムを用いてかなり異なる入力データ組を取り扱う能力を高め、ノ イズの影響を減少させることができる。その場合において、ステップ２４で計算 された遺伝子型を用いて（ステップ２２からの）分布を再適合する。ステップ２ ５においては、収束度試験が実行され、それにより、ステップ２３への戻りルー ププログラムが生じるが、そこでは新たな分布を用いる。 １つの例としては、Ｅ−Ｍ調査手続を用いて総合的な見込みを最大化すること 、つまり、入力データ組に与えられた遺伝子型の割当ての最も可能性のある組を 見つけることができる。（正味の可能性は上で定義したベイシーン(Baysean)確 率から計算することができる。）適切な可能性計算および確率分布に対し、ＥＭ 原理は、そのアルゴリズムは常に初期の推測にかかわらず真の最大可能性値をつ くることおよびそれは通常収束することを保証する。 出力データ： ステップ２６では、結果（遺伝子型および信頼点数）をユーザーまたはコンピ ュータデータベースに出力する。そのような出力の例を図８に示す。追加の特徴 追加の特徴を上記の手続きに組み合わせることができる。それらをその手続き 加えてまたは別個に統合することができ、望ましい実施例においてすべてを実行 することができる。 手続き： ステップ２１または２２の間に、データ（入力からなる集合または空間データ 点）を、多くの標準的な統計または信号処理技術のいずれかを用いることによっ てノイズを減少するために予備処理することができる。制御データ点をそのステ ップで用いることができる。実際、信号のフィルタまたは正規化をアルゴリズム のほとんどのどのステップにでも適用することができる。 適合確率分布： ステップ２２および２３で計算された確率分布を入力データに適合することが できる。つまり、各分布を入力データから部分的に計算された値の関数賭するこ とができる。例えば、いくつかの遺伝子型に対する信号点の条件付き確率をその 点とその信号に対する観察手段との間の距離の関数となるように定義することが できる。 初期遺伝子推測： ステップ２２において、単純なまたは帰納的アルゴリズムのいずれかを用いて 各入力データに対する初期遺伝子型推測を作ることができる。適正な正確な推測 を作ることができたときには、各遺伝子型に対する確率分布をその遺伝子型のク ラスとなるであろうと推測されたデータの部分集合に適合することができる。遺 伝子型の推測の他の利用は、アルゴリズムの他の部分を適用する前の、初期入力 有効性チェックおよび／または予備処理（例えばステップ２２）に存在する。有 用なものとなるために推測はしかしながら完全な遺伝子型を生成する必要はない 。 無効遺伝子クラスの利用： ステップ２２および別のステップにおいて、１（または２以上）の追加の確率 分布を追加してデータを信号に適合することができ、信号の１つにより実験（例 えば、そのデータ）が失敗したか否かがわかるであろう。例えば、 上記の最新の実行は現在はＭ＝２およびＮ＝２＊Ｒに限定される。ただし、Ｒ は両方の対立遺伝子の繰り返し試験数である。ＸおよびＹとして２つの対立遺伝 子に言及する。プログラムはデータの「プレート」(Plates)の概念を理解し、そ の数はデータ組を作る。 初期推測変更は以下に説明する帰納性を用いて最初に分布を適合するために採 用する。その初期推測は、入力データを正規化および背景減数をし、明白なアウ トライヤー点も除く予備的処理の間に作られる。それらのステップは各対立遺伝 子の信号（つまり、１次元分析）ごとに別々に実行される。実際、この予備的処 理はＲの繰り返し試験の各々に別々に適用され、小さな全体的２次元残差を用い る試験が後続のステップで用いられるために選択される。様々な他の予備的処理 および後処理ステップがＧＢＡデータ確認およびＱＣのために用いられる。特に 、既知の反応値を作る制御を用いて生化学プロセスの完全な状態を保証すること ができる。望ましい実施例においては、信号が小さな正の数であると仮定する（ その数は０．０と５．０との間にあり、０．０は、対立遺伝子がサンプルに 存在しない可能性があることを示し、また、大きな値はそれであろうことを示す ）。 入力データ信号強度の広範囲を取り扱うためには、適応可能な適合性の変形を 用いる。しかし、プログラムはステップ２５を介しての１または２以上の相互作 用通過を正確に実行するようにはほとんどコード化されておらず、そのステップ は良好に存在するためにＧＢＡデータを働かすことがわかっている。 現在ステップ２２において適合した確率分布はそれらの唯一のパラメータとし て(i) ヘテロ接合体(heterozygotes)に対するＸおよびＹ信号の比率および(ii) 各軸線に別々に沿った正規化された手段からの分散（その対立遺伝子には０．０ 負、その対立遺伝子には１．０正）を持つ。実際、それらの後の方の数は少なく とも一定の最小値にされ、それはほとんど越えられることはなく、それにより、 アルゴリズムはデータの非常に少ない量で働き、また、必要な作用を作る。それ らの数は各マイクロタイタープレートごとに別々に計算される。確率分布は取り 付けられたコード（Ｃで表す）を用いて発生され、そこで参考として添付Ａのよ うに組み込む。 ゼロクラス変形を用いて無信号を示す遺伝子型クラスを提供する。 質の制御はここで説明する手続きを用いることによって驚くべき方法で高める こともできる。特に、式(4)の信頼点数Ｃは生化学反応装置の実行の健個な指示 装置として役に立つ。例えば、単一のバッチ内または連続バッチ内の信頼点数に おける下方向きは重要な反応力のもしくはサンプルの劣化または器具の較正失敗 を示す。 従って、望ましい実施例においては、コンピュータを用いて以下の変形の各々 に関して計算された時間にわたる信頼点数における下方向きの存在を決定する。 つまり、座（他の試験済み座に関する単一座の信頼点数において下方向きが存在 するか。）、サンプル（他の試験済みサンプルに関する単一サンプルの信頼点数 において下方向きが存在するか。）、プレーと（他のプレートに関するそのプレ ートの信頼点数において下方向きが存在するか。）およびバッチ（他のバッチに 対するもの）である。統計上の重要性の下方向きを（例えば、カイ二乗試験を用 いて）検出し、警報条件を入力する。 信頼性点数は反応装置および遺伝子型決定の信頼性の正確な指示であるので、 所定の決定に関連する低い信頼性点数は再試験の必要性を示すときに得られる。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 クナップ、マイケル・アール アメリカ合衆国 メリーランド州 21218、 ボルチモワ、カルバート・ストリート 2630・エヌ

Claims (1)

1. 【特許請求の範囲】 １ 生物サンプルから得られる遺伝子物質内の座における遺伝子型を決定する方 法であって、 A.前記座における物質を反応させて前記座における所定の対立遺伝子の存在示 す第１反応値を生成し、 B.前記第１反応値を含むデータを形成し、 C.確率分布の分布組を確立し、少なくとも１つの分布を含み、仮定反応値を前 記座における対象の各々の遺伝子型に対する対応確率に組み合わせ、 D.前記第１反応値を各適切な確率分布に適用して前記座における対象の各遺子 型の条件付き確率の測定を決定し、 E.前記(D)ステップから得たデータに基づいて遺伝子型を決定する方法。 ２ 請求項１の方法において、前記分布組が対象の複数の遺伝子に対する複数の 確率分布を含む方法。 ３ 請求項１の方法において、さらに、 (i) 前記座における物質を反応して前記座における第２の対立遺伝子の存在を 独立して示す第２の反応値を生成し、 (ii) 前記第２反応値を含む第２データ組を形成し、 (iii) 前記第１及び第２反応値を各適切な分布に適用して前記座における各遺 伝子型の条件付き確率の測定を決定する方法。 ４ 請求項２の方法において、さらに、 (i) 前記座における物質を反応して前記座における第２の反応値を生成し、 (ii) 前記第１及び第２反応値を各適切な分布に適用して前記座における各遺 伝子型の確率を決定し、 (iii) 前記第１及び第２反応値を各適切な分布に適用して前記座における各遺 伝子型の条件付き確率の測定を決定する方法。 ５ 請求項３の方法において、各確率分布が第１及び第２の反応値の仮定対を対 象の各遺伝子型の単一確率に組み合わせる方法。 ６ 請求項４の方法において、各確率分布が第１及び第２の反応値の仮定対を対 象の各遺伝子型の単一確率に組み合わせる方法。 ７ 請求項１の方法において、 ステップ(B)はデータ組内に前記第１反応値が生成された条件に匹敵する条 件下で得られた他の反応値を含むステップを含み、 ステップ(C)はデータ組内の前記反応値を使用して確率分布を確立するステ ップを含み、さらに、前記ステップ(D)及び(E)を反応値の各々に関して実行する 方法。 ８ 請求項２の方法において、 ステップ(B)はデータ組内に前記第１反応値が生成された条件に匹敵する条 件下で得られた他の反応値を含むステップを含み、 ステップ(C)はデータ組内の前記反応値を使用して確率分布を確立するステ ップを含み、さらに、前記ステップ(D)及び(E)を反応値の各々に関して実行する 方法。 ９ 請求項３の方法において、 ステップ(B)はデータ組内に前記第１反応値が生成された条件に匹敵する条 件下で得られた他の反応値を含むステップを含み、 ステップ(C)はデータ組内の前記反応値を使用して確率分布を確立するステ ップを含み、さらに、前記ステップ(D)及び(E)を前記第１及び第２データ組内の 反応値の各々に関して実行する方法。 10 請求項４の方法において、 ステップ(B)はデータ組内に前記第１反応値が生成された条件に匹敵する条 件下で得られた他の反応値を含むステップを含み、 ステップ(C)はデータ組内の前記反応値を使用して確率分布を確立するステ ップを含み、さらに、前記ステップ(D)及び(E)を前記第１及び第２データ組内の 反応値の各々に関して実行する方法。 11 請求項７の方法において、複数のサンプルの各々から得られた遺伝子物質内 の座における遺伝子型を決定することに関し、さらに、 (1) 各サンプルから得られた物質の座に関してステップ(A)を実行し、 (2) ステップ(B)において各サンプルから得られた反応値をデータ組に含む方 法。 12 請求項７の方法において、サンプルから得られた遺伝子物質内の選択された 座の遺伝子型を決定することに関し、さらに、 (1) 選択された座の各々においてステップ(A)を実行し、 (2) ステップ(B)において前記選択された座の各々から得られた反応値をデー 組に含む方法。 13 請求項７の方法において、前記ステップ(C)は、 (1) 仮定反応値を前記座における対象の各遺伝子型ごとに対応確率に組み合わ せる一組の初期確率分布を確立し、 (2) 前記初期確率分布を用いて前記座における各遺伝子ごとの初期条件付き確 率の測定を決定し、 (3) 前記ステップ(2)の結果を用いて前記初期確率分布を変え、これにより、 変えられた分布が前記データ組内の前記反応値をより正確に反映する方法。 14 請求項８の方法において、前記ステップ(C)は、 (1) 仮定反応値を前記座における対象の各遺伝子型ごとに対応確率に組み合わ せる一組の初期確率分布を確立し、 (2 )前記初期確率分布を用いて前記座における各遺伝子ごとの初期条件付き確 率の測定を決定し、 (3) 前記ステップ(2)の結果を用いて前記初期確率分布を変え、これにより、 変えられた分布が前記データ組内の前記反応値をより正確に反映する方法。 15 請求項９の方法において、前記ステップ(C)は、 (1) 仮定反応値を前記座における対象の各遺伝子型ごとに対応確率に組み合わ せる一組の初期確率分布を確立し、 (2) 前記初期確率分布を用いて前記座における各遺伝子ごとの初期条件付き確 率の測定を決定し、 (3) 前記ステップ(2)の結果を用いて前記初期確率分布を変え、これにより、 変えられた分布が前記データ組内の前記反応値をより正確に反映する方法。 16 請求項１０の方法において、前記ステップ(C)は、 (1) 仮定反応値を前記座における対象の各遺伝子型ごとに対応確率に組み合わ せる一組の初期確率分布を確立し、 (2) 前記初期確率分布を用いて前記座における各遺伝子ごとの初期条件付き確 率の測定を決定し、 (3) 前記ステップ(2)の結果を用いて前記初期確率分布を変え、これにより、 変えられた分布が前記データ組内の前記反応値をより正確に反映する方法。 17 請求項１３の方法において、前記ステップ(C)が、さらに、 (4) 所定数前記ステップ(1)乃至(3)を繰り返す方法。 18 請求項１４の方法において、前記ステップ(C)が、さらに、 (4) 所定数前記ステップ(1)乃至(3)を繰り返す方法。 19 請求項１５の方法において、前記ステップ(C)が、さらに、 (4) 所定数前記ステップ(1)乃至(3)を繰り返す方法。 20 請求項１６の方法において、前記ステップ(C)が、さらに、 (4) 所定数前記ステップ(1)乃至(3)を繰り返す方法。 21 請求項１の方法において、前記ステップ(E)が、さらに、前記ステップ(D)か ら得られたデータに基づいて、決定すべき遺伝子型に関連して、信頼点数を計算 するステップを含む方法。 22 請求項３の方法において、前記ステップ(E)が、さらに、前記ステップ(D)か ら得られたデータに基づいて、決定すべき遺伝子型に関連して、信頼点数を計算 するステップを含む方法。 23 請求項７の方法において、前記ステップ(E)が、さらに、前記ステップ(D)か ら得られたデータに基づいて、決定すべき遺伝子型に関連して、信頼点数を計算 するステップを含み、さらに、(F)信頼点数におけるかなりの下方傾向が生じた か否かを決定し、その場合には警報条件に入る方法。 24 請求項９の方法において、前記ステップ(E)が、さらに、前記ステップ(D)か ら得られたデータに基づいて、決定すべき遺伝子型に関連して、信頼点数を計算 するステップを含み、さらに、(F)信頼点数におけるかなりの下方傾向が生じた か否かを決定し、その場合には警報条件に入る方法。 25 請求項１の方法において、各対立遺伝子が単一特定のヌクレオチドである方 法。 26 請求項４の方法において、各対立遺伝子が単一特定のヌクレオチドである方 法。 27 請求項１の方法において、各対立遺伝子が少なくとも２つの特定ヌクレオチ ドを含む方法。 28 請求項４の方法において、各対立遺伝子が少なくとも２つの特定ヌクレオチ ドを含む方法。 29 請求項１の方法において、各対立遺伝子が少なくとも部分的にヌクレオチド におけるその長さによって定義される方法。 30 請求項４の方法において、各対立遺伝子が少なくとも部分的にヌクレオチド におけるその長さによって定義される方法。 31 請求項１の方法において、各対立遺伝子が少なくとも１つの制限部位の存在 及び不存在の一方によって定義される方法。 32 請求項４の方法において、各対立遺伝子が少なくとも１つの制限部位の存在 及び不存在の一方によって定義される方法。 33 請求項４の方法において、前記ステップ(B)がデータ組内に比較できる条件 下で得られた座における前試験からの反応値を含むステップを含む方法。 34 請求項１２の方法において、前記座はそれらの能力を基礎として選択されて 対象の間を識別する方法。 35 請求項３の方法において、物質を反応させるステップA′がステップAと異な る反応を用いるステップを含み、第２の対立遺伝子が所定の対立遺伝子とは異な る方法。 36 請求項１の方法において、前記ステップ(A)が遺伝子ビット分析を用いて所 定の対立遺伝子を評価するステップを含む方法。 37 請求項１の方法において、前記ステップ(A)が交配を用いて所定の対立遺伝 子を評価するステップを含む方法。 38 請求項１の方法において、前記ステップ(A)が対立遺伝子特定増幅を用いて 所定の対立遺伝子を評価するステップを含む方法。 39 請求項１の方法において、前記ステップ(A)がポリメラーゼチェーン反応を 用いて所定の対立遺伝子を評価するステップを含む方法。 40 請求項１の方法において、前記ステップ(A)がリガーゼチェーン反応を用い て所定の対立遺伝子を評価するステップを含む方法。 41 請求項１２の方法において、前記座は互いに隣接しており、それにより、生 成された一組の遺伝子型が遺伝子物質に関連するヌクレオチドの配列を示すこと ができる方法。 42 対象の遺伝子型を決定する方法であって、 A.選択された座における対象から得られた遺伝子物質を反応させ、各座が識別 された信号ヌクレオチドであり、それにより、前記選択された座の各々に関して 、前記選択された座の各々における所定の対立遺伝子の存在を示す反応値を生成 し、 B.前記反応値を用いて決定すべき遺伝子型に関連する信頼点数及び対象の遺伝 子型を決定する方法。 43 請求項４２の方法において、前記座が形質の遺伝に関連する情報を提供する ように選択される方法。 44 請求項４２の方法において、前記座が対象の血統に関連する情報を提供する ように選択される方法。 45 請求項４２の方法において、前記座が対象の同定に関連する情報を提供する ように選択される方法。 46 請求項４２の方法において、前記座がドナーの組織と適合する対象の組織に 関連する情報を提供するように選択される方法。 47 請求項４２の方法において、前記座が前記対象の全体ゲノムを通じて距離が あけられていて対象の種のゲノムの特徴付けを補助する方法。 48 対象から得られた遺伝子物質内の座における遺伝子型を決定する装置であっ て、 (a) 第１反応値として軽量可能な第１物質状態を作る反応値発生手段であって 、前記第１物質状態が座の所定の対立遺伝子の存在を示し、前記値が前記座にお ける物質の反応に関連するような反応値発生手段と、 (b) 前記第１反応値及び匹敵する条件下で得られた他の反応値を含むデータ組 を格納する格納手段と、 (c) 少なくとも１つの分布を含む１組の確率分布を確立する分配確立手段で あって、仮定反応値を前記座における対象の各遺伝子ごとの対応確率に組み込む 分配確立手段と、 (d) 前記第１反応値を各適切な確率分布に適用して前記座における対象の各遺 伝子型の条件付き確率を決定する遺伝子型計算手段と、 (e) 該遺伝子型計算手段から得られたデータに基づいて遺伝子型を決定する遺 伝子型決定手段とを備える装置。 49 請求項４８の装置において、対象から得られた遺伝子物質内の選択された座 における遺伝子型を決定するために、 (i) 前記反応値発生手段が反応値として軽量可能で前記選択された座の各々に おける所定の対立遺伝子の存在を示す物質状態を作る手段を含み、 (ii) 前記データ組が前記選択された座の各々に関して得られた反応値を含み 、 (iii) 前記遺伝子計算手段が前記選択された座の各々に関して得た反応値を各 適切な確率分布に適用する装置。 50 請求項４８の装置において、複数のサンプルの各々から得られた遺伝子物質 内の座における遺伝子型を決定するために、 (i) 前記反応値発生手段が反応値として軽量可能で各サンプルから得られた物 質の座における所定の対立遺伝子の存在を示す物質状態を作る手段を含み、 (ii) 前記データ組が各サンプルに関して得られた反応値を含み、 (iii) 前記遺伝子計算手段が各サンプルに関して得た反応値を各適切な確率分 布に適用する装置。 51 請求項４８の装置において、 (i) 前記反応値発生手段が第２反応値として軽量可能で前記座における第２対 立遺伝子の存在を独立して示す物質状態を作る手段を含み、 (ii) 前記格納手段が前記第２反応値及び匹敵する条件下で得られた他の反応 値を含む第２のデータ組を格納する手段を含み、 (iii) 前記遺伝子計算手段が前記第１及び第２反応値を各適切な確率分布に適 用して前記座における対象の各遺伝子型の条件付き確率の測定を決定する手段を 含む装置。 52 請求項５１の装置において、各確率分布が第１及び第２の反応値の仮定対を 対象の各遺伝子型の単一確率に組み合わせる装置。 53 請求項４８の装置において、前記反応値発生手段が電磁エネルギー変換器を 含む装置。 54 請求項５０の装置において、前記反応値発生手段が電磁エネルギー変換器を 含む装置。 55 請求項５２の装置において、前記反応値発生手段が電磁エネルギー変換器を 含む装置。 56 請求項５３の装置において、前記座が複数の隣接ヌクレオチドを含む装置。 57 請求項５３の装置において、前記変換器が光変換器である装置。 58 請求項５７の装置において、前記光変換器がデジタル化された画像を提供す る手段を含む装置。 59 請求項５０の装置において、前記反応値発生手段が、実質的に一致する原理 に基づいて、各サンプルに関する反応値を決定する手段を含む装置。 60 請求項５４の装置において、前記反応値発生手段が、実質的に一致する原理 に基づいて、各サンプルに関する反応値を決定する手段を含む装置。 61 請求項４８の装置において、分布確立手段が、（a）初期確率分布をデータ 組に確立し、該データ組が仮定反応値を前記座における対象の各遺伝子型に対す る対応確率に組み合わせる割り当て手段と、（b）前記遺伝子型計算手段により 各初期確率分布を利用して前記座における対象の遺伝子型に対する初期条件付き 確率の測定を決定する試験手段と、（c）各初期確率分布を変更して、各変更さ れた分布が前記格納手段に格納された反応値をより正確に反映する変更手段とを 備える装置。