TW202305818A - 使用電信號之鹼基修飾分析 - Google Patents
使用電信號之鹼基修飾分析 Download PDFInfo
- Publication number
- TW202305818A TW202305818A TW111113903A TW111113903A TW202305818A TW 202305818 A TW202305818 A TW 202305818A TW 111113903 A TW111113903 A TW 111113903A TW 111113903 A TW111113903 A TW 111113903A TW 202305818 A TW202305818 A TW 202305818A
- Authority
- TW
- Taiwan
- Prior art keywords
- nucleic acid
- nucleotide
- methylation
- nucleotides
- acid molecule
- Prior art date
Links
- 230000004048 modification Effects 0.000 title claims abstract description 119
- 238000012986 modification Methods 0.000 title claims abstract description 119
- 238000004458 analytical method Methods 0.000 title abstract description 71
- 125000003729 nucleotide group Chemical group 0.000 claims abstract description 230
- 239000002773 nucleotide Substances 0.000 claims abstract description 229
- 230000011987 methylation Effects 0.000 claims abstract description 197
- 238000007069 methylation reaction Methods 0.000 claims abstract description 197
- 238000000034 method Methods 0.000 claims abstract description 149
- 150000007523 nucleic acids Chemical class 0.000 claims abstract description 127
- 102000039446 nucleic acids Human genes 0.000 claims abstract description 124
- 108020004707 nucleic acids Proteins 0.000 claims abstract description 124
- 238000012163 sequencing technique Methods 0.000 claims abstract description 67
- 239000013598 vector Substances 0.000 claims abstract description 47
- 239000012472 biological sample Substances 0.000 claims abstract description 10
- 239000000523 sample Substances 0.000 claims description 92
- 238000012549 training Methods 0.000 claims description 52
- 108090000623 proteins and genes Proteins 0.000 claims description 39
- 230000001605 fetal effect Effects 0.000 claims description 38
- 230000008774 maternal effect Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 21
- 210000000746 body region Anatomy 0.000 claims description 8
- 210000003754 fetus Anatomy 0.000 claims description 7
- 230000004075 alteration Effects 0.000 claims description 5
- 230000003647 oxidation Effects 0.000 claims description 3
- 238000007254 oxidation reaction Methods 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims description 2
- 239000002777 nucleoside Substances 0.000 claims description 2
- 125000003835 nucleoside group Chemical group 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims 2
- 108020004414 DNA Proteins 0.000 description 175
- 108091029430 CpG site Proteins 0.000 description 61
- 238000013527 convolutional neural network Methods 0.000 description 53
- 238000007672 fourth generation sequencing Methods 0.000 description 48
- 210000004027 cell Anatomy 0.000 description 42
- 102000053602 DNA Human genes 0.000 description 39
- 230000006870 function Effects 0.000 description 29
- 210000001519 tissue Anatomy 0.000 description 29
- 230000000875 corresponding effect Effects 0.000 description 28
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 27
- 238000012360 testing method Methods 0.000 description 27
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 24
- CKOMXBHMKXXTNW-UHFFFAOYSA-N 6-methyladenine Chemical compound CNC1=NC=NC2=C1N=CN2 CKOMXBHMKXXTNW-UHFFFAOYSA-N 0.000 description 22
- 230000035945 sensitivity Effects 0.000 description 22
- 208000035475 disorder Diseases 0.000 description 19
- 230000007067 DNA methylation Effects 0.000 description 18
- 239000012634 fragment Substances 0.000 description 17
- 230000004913 activation Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 16
- 210000002381 plasma Anatomy 0.000 description 16
- LRSASMSXMSNRBT-UHFFFAOYSA-N 5-methylcytosine Chemical compound CC1=CNC(=O)N=C1N LRSASMSXMSNRBT-UHFFFAOYSA-N 0.000 description 15
- 108010063593 DNA modification methylase SssI Proteins 0.000 description 15
- 206010028980 Neoplasm Diseases 0.000 description 15
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 238000011144 upstream manufacturing Methods 0.000 description 14
- 229940104302 cytosine Drugs 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 13
- 102000004169 proteins and genes Human genes 0.000 description 13
- 241000282414 Homo sapiens Species 0.000 description 12
- 230000000295 complement effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- LSNNMFCWUKXFEE-UHFFFAOYSA-M Bisulfite Chemical compound OS([O-])=O LSNNMFCWUKXFEE-UHFFFAOYSA-M 0.000 description 11
- 230000015654 memory Effects 0.000 description 11
- 210000002569 neuron Anatomy 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- HPZMWTNATZPBIH-UHFFFAOYSA-N 1-methyladenine Chemical compound CN1C=NC2=NC=NC2=C1N HPZMWTNATZPBIH-UHFFFAOYSA-N 0.000 description 10
- FZWGECJQACGGTI-UHFFFAOYSA-N 2-amino-7-methyl-1,7-dihydro-6H-purin-6-one Chemical compound NC1=NC(O)=C2N(C)C=NC2=N1 FZWGECJQACGGTI-UHFFFAOYSA-N 0.000 description 10
- HCGHYQLFMPXSDU-UHFFFAOYSA-N 7-methyladenine Chemical compound C1=NC(N)=C2N(C)C=NC2=N1 HCGHYQLFMPXSDU-UHFFFAOYSA-N 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000000585 Mann–Whitney U test Methods 0.000 description 8
- 238000003556 assay Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- 238000010606 normalization Methods 0.000 description 8
- 230000035935 pregnancy Effects 0.000 description 8
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 7
- 229930024421 Adenine Natural products 0.000 description 7
- 208000002454 Nasopharyngeal Carcinoma Diseases 0.000 description 7
- 206010061306 Nasopharyngeal cancer Diseases 0.000 description 7
- 229960000643 adenine Drugs 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 201000011216 nasopharynx carcinoma Diseases 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000003752 polymerase chain reaction Methods 0.000 description 7
- RYVNIFSIEDRLSJ-UHFFFAOYSA-N 5-(hydroxymethyl)cytosine Chemical compound NC=1NC(=O)N=CC=1CO RYVNIFSIEDRLSJ-UHFFFAOYSA-N 0.000 description 6
- 238000001369 bisulfite sequencing Methods 0.000 description 6
- 230000002255 enzymatic effect Effects 0.000 description 6
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 6
- 239000011148 porous material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- RWQNBRDOKXIBIV-UHFFFAOYSA-N thymine Chemical compound CC1=CNC(=O)NC1=O RWQNBRDOKXIBIV-UHFFFAOYSA-N 0.000 description 6
- IIDONYMEGWHGRU-UHFFFAOYSA-N 3,5-dimethyluracil Chemical compound CC1=CNC(=O)N(C)C1=O IIDONYMEGWHGRU-UHFFFAOYSA-N 0.000 description 5
- KOLPWZCZXAMXKS-UHFFFAOYSA-N 3-methylcytosine Chemical compound CN1C(N)=CC=NC1=O KOLPWZCZXAMXKS-UHFFFAOYSA-N 0.000 description 5
- FHSISDGOVSHJRW-UHFFFAOYSA-N 5-formylcytosine Chemical compound NC1=NC(=O)NC=C1C=O FHSISDGOVSHJRW-UHFFFAOYSA-N 0.000 description 5
- BXJHWYVXLGLDMZ-UHFFFAOYSA-N 6-O-methylguanine Chemical compound COC1=NC(N)=NC2=C1NC=N2 BXJHWYVXLGLDMZ-UHFFFAOYSA-N 0.000 description 5
- 241000894006 Bacteria Species 0.000 description 5
- SGSSKEDGVONRGC-UHFFFAOYSA-N N(2)-methylguanine Chemical compound O=C1NC(NC)=NC2=C1N=CN2 SGSSKEDGVONRGC-UHFFFAOYSA-N 0.000 description 5
- PJKKQFAEFWCNAQ-UHFFFAOYSA-N N(4)-methylcytosine Chemical compound CNC=1C=CNC(=O)N=1 PJKKQFAEFWCNAQ-UHFFFAOYSA-N 0.000 description 5
- ICMSBKUUXMDWAQ-UHFFFAOYSA-N N3-Methyladenine Chemical compound CN1C=NC(N)C2=C1N=CN2 ICMSBKUUXMDWAQ-UHFFFAOYSA-N 0.000 description 5
- NWUTZAVMDAGNIG-UHFFFAOYSA-N O(4)-methylthymine Chemical compound COC=1NC(=O)N=CC=1C NWUTZAVMDAGNIG-UHFFFAOYSA-N 0.000 description 5
- 239000011324 bead Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 210000000601 blood cell Anatomy 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 210000002966 serum Anatomy 0.000 description 5
- 230000011664 signaling Effects 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 4
- 241000700605 Viruses Species 0.000 description 4
- 230000003321 amplification Effects 0.000 description 4
- 238000005119 centrifugation Methods 0.000 description 4
- 210000000349 chromosome Anatomy 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006403 short-term memory Effects 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- -1 5hmC Chemical compound 0.000 description 3
- 241000588724 Escherichia coli Species 0.000 description 3
- 102100036263 Glutamyl-tRNA(Gln) amidotransferase subunit C, mitochondrial Human genes 0.000 description 3
- 101001001786 Homo sapiens Glutamyl-tRNA(Gln) amidotransferase subunit C, mitochondrial Proteins 0.000 description 3
- 108060004795 Methyltransferase Proteins 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 3
- 239000000872 buffer Substances 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 108091092356 cellular DNA Proteins 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 210000004379 membrane Anatomy 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 108091008146 restriction endonucleases Proteins 0.000 description 3
- 201000000596 systemic lupus erythematosus Diseases 0.000 description 3
- 229940113082 thymine Drugs 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 2
- BLQMCTXZEMGOJM-UHFFFAOYSA-N 5-carboxycytosine Chemical compound NC=1NC(=O)N=CC=1C(O)=O BLQMCTXZEMGOJM-UHFFFAOYSA-N 0.000 description 2
- UBKVUFQGVWHZIR-UHFFFAOYSA-N 8-oxoguanine Chemical compound O=C1NC(N)=NC2=NC(=O)N=C21 UBKVUFQGVWHZIR-UHFFFAOYSA-N 0.000 description 2
- 101710092462 Alpha-hemolysin Proteins 0.000 description 2
- 108091033409 CRISPR Proteins 0.000 description 2
- 241001227713 Chiron Species 0.000 description 2
- 238000001712 DNA sequencing Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 208000001362 Fetal Growth Retardation Diseases 0.000 description 2
- 206010070531 Foetal growth restriction Diseases 0.000 description 2
- 241000233866 Fungi Species 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 102000016397 Methyltransferase Human genes 0.000 description 2
- 241000244206 Nematoda Species 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 2
- 102100030569 Nuclear receptor corepressor 2 Human genes 0.000 description 2
- 101710153660 Nuclear receptor corepressor 2 Proteins 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 2
- 238000012408 PCR amplification Methods 0.000 description 2
- 206010062936 Placenta Accreta Diseases 0.000 description 2
- 102000017033 Porins Human genes 0.000 description 2
- 108010013381 Porins Proteins 0.000 description 2
- 102000055027 Protein Methyltransferases Human genes 0.000 description 2
- 108700040121 Protein Methyltransferases Proteins 0.000 description 2
- MEFKEPWMEQBLKI-AIRLBKTGSA-N S-adenosyl-L-methioninate Chemical compound O[C@@H]1[C@H](O)[C@@H](C[S+](CC[C@H](N)C([O-])=O)C)O[C@H]1N1C2=NC=NC(N)=C2N=C1 MEFKEPWMEQBLKI-AIRLBKTGSA-N 0.000 description 2
- 241000269841 Thunnus albacares Species 0.000 description 2
- ISAKRJDGNUQOIC-UHFFFAOYSA-N Uracil Chemical compound O=C1C=CNC(=O)N1 ISAKRJDGNUQOIC-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 229960001570 ademetionine Drugs 0.000 description 2
- 238000013103 analytical ultracentrifugation Methods 0.000 description 2
- 208000036878 aneuploidy Diseases 0.000 description 2
- 231100001075 aneuploidy Toxicity 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 102000023732 binding proteins Human genes 0.000 description 2
- 108091008324 binding proteins Proteins 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 208000030941 fetal growth restriction Diseases 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000030279 gene silencing Effects 0.000 description 2
- 238000013412 genome amplification Methods 0.000 description 2
- 229910021389 graphene Inorganic materials 0.000 description 2
- 230000006607 hypermethylation Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 208000030159 metabolic disease Diseases 0.000 description 2
- 210000005059 placental tissue Anatomy 0.000 description 2
- 210000002706 plastid Anatomy 0.000 description 2
- 201000011461 pre-eclampsia Diseases 0.000 description 2
- 239000011535 reaction buffer Substances 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 229920002994 synthetic fiber Polymers 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 1
- HWPZZUQOWRWFDB-UHFFFAOYSA-N 1-methylcytosine Chemical compound CN1C=CC(N)=NC1=O HWPZZUQOWRWFDB-UHFFFAOYSA-N 0.000 description 1
- MJEQLGCFPLHMNV-UHFFFAOYSA-N 4-amino-1-(hydroxymethyl)pyrimidin-2-one Chemical compound NC=1C=CN(CO)C(=O)N=1 MJEQLGCFPLHMNV-UHFFFAOYSA-N 0.000 description 1
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 201000000046 Beckwith-Wiedemann syndrome Diseases 0.000 description 1
- 241000195597 Chlamydomonas reinhardtii Species 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 108091029523 CpG island Proteins 0.000 description 1
- 102000012410 DNA Ligases Human genes 0.000 description 1
- 108010061982 DNA Ligases Proteins 0.000 description 1
- 230000030914 DNA methylation on adenine Effects 0.000 description 1
- 230000030933 DNA methylation on cytosine Effects 0.000 description 1
- 230000033616 DNA repair Effects 0.000 description 1
- 102000016928 DNA-directed DNA polymerase Human genes 0.000 description 1
- 108010014303 DNA-directed DNA polymerase Proteins 0.000 description 1
- 208000012239 Developmental disease Diseases 0.000 description 1
- 108060002716 Exonuclease Proteins 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- 206010060919 Foetal malformation Diseases 0.000 description 1
- 208000001914 Fragile X syndrome Diseases 0.000 description 1
- 108020005004 Guide RNA Proteins 0.000 description 1
- 206010018910 Haemolysis Diseases 0.000 description 1
- 101000856513 Homo sapiens Inactive N-acetyllactosaminide alpha-1,3-galactosyltransferase Proteins 0.000 description 1
- 208000006031 Hydrops Fetalis Diseases 0.000 description 1
- 206010020529 Hydrops foetalis Diseases 0.000 description 1
- 102100025509 Inactive N-acetyllactosaminide alpha-1,3-galactosyltransferase Human genes 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 208000024875 Infantile dystonia-parkinsonism Diseases 0.000 description 1
- 208000005777 Lupus Nephritis Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 241000187480 Mycobacterium smegmatis Species 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 108091034117 Oligonucleotide Proteins 0.000 description 1
- 206010035138 Placental insufficiency Diseases 0.000 description 1
- 241000276427 Poecilia reticulata Species 0.000 description 1
- 201000010769 Prader-Willi syndrome Diseases 0.000 description 1
- 208000005107 Premature Birth Diseases 0.000 description 1
- 208000006399 Premature Obstetric Labor Diseases 0.000 description 1
- 206010036590 Premature baby Diseases 0.000 description 1
- 230000006093 RNA methylation Effects 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 108020004682 Single-Stranded DNA Proteins 0.000 description 1
- 241000202917 Spiroplasma Species 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- JLCPHMBAVCMARE-UHFFFAOYSA-N [3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-hydroxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methyl [5-(6-aminopurin-9-yl)-2-(hydroxymethyl)oxolan-3-yl] hydrogen phosphate Polymers Cc1cn(C2CC(OP(O)(=O)OCC3OC(CC3OP(O)(=O)OCC3OC(CC3O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c3nc(N)[nH]c4=O)C(COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3CO)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cc(C)c(=O)[nH]c3=O)n3cc(C)c(=O)[nH]c3=O)n3ccc(N)nc3=O)n3cc(C)c(=O)[nH]c3=O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)O2)c(=O)[nH]c1=O JLCPHMBAVCMARE-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 108010014387 aerolysin Proteins 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006470 autoimmune attack Effects 0.000 description 1
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 229960002685 biotin Drugs 0.000 description 1
- 235000020958 biotin Nutrition 0.000 description 1
- 239000011616 biotin Substances 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 210000004252 chorionic villi Anatomy 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 108091092240 circulating cell-free DNA Proteins 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000019975 dosage compensation by inactivation of X chromosome Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000013020 embryo development Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 239000003623 enhancer Substances 0.000 description 1
- 238000001976 enzyme digestion Methods 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000000925 erythroid effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 102000013165 exonuclease Human genes 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 208000001031 fetal erythroblastosis Diseases 0.000 description 1
- 230000009795 fibrotic process Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000011365 genetic imprinting Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 210000003958 hematopoietic stem cell Anatomy 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 210000003494 hepatocyte Anatomy 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 208000026278 immune system disease Diseases 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000001543 infantile parkinsonism-dystonia Diseases 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 208000027866 inflammatory disease Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 238000011901 isothermal amplification Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000012139 lysis buffer Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000010311 mammalian development Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003593 megakaryocyte Anatomy 0.000 description 1
- 238000007855 methylation-specific PCR Methods 0.000 description 1
- 230000011278 mitosis Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000008722 morphological abnormality Effects 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- 210000004940 nucleus Anatomy 0.000 description 1
- 230000005813 organ abnormality Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 229940035893 uracil Drugs 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000011534 wash buffer Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
- C12Q1/6869—Methods for sequencing
-
- 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
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- 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
- C12Q2563/00—Nucleic acid detection characterized by the use of physical, structural and functional properties
- C12Q2563/116—Nucleic acid detection characterized by the use of physical, structural and functional properties electrical properties of nucleic acids, e.g. impedance, conductivity or resistance
-
- 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
- C12Q2600/154—Methylation markers
-
- 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
Abstract
本文中描述使用電信號及其他資料判定鹼基修飾之系統及方法。實施例可利用自與測序相關之電信號獲得之特徵,諸如使用奈米孔獲得之彼等特徵,該等特徵受各種鹼基修飾影響,以及判定甲基化狀態之目標位置之周圍窗口中核苷酸之標識。其他特徵可包含對應於該核苷酸之區段電信號的統計值的向量及核酸分子之區域中之窗口中的電信號之統計值。所偵測之鹼基修飾可用於對生物樣本進行額外分析。
Description
核酸中鹼基修飾之存在在包含病毒、細菌、植物、真菌、線蟲、昆蟲及脊椎動物(例如人類)等的不同生物體中各不相同。最常見的鹼基修飾為將甲基添加至不同位置的不同DNA鹼基,亦即所謂的甲基化。在胞嘧啶、腺嘌呤、胸腺嘧啶及鳥嘌呤上均已發現甲基化,諸如5mC(5-甲基胞嘧啶)、4mC(N4-甲基胞嘧啶)、5hmC(5-羥甲基胞嘧啶)、5fC(5-甲醯基胞嘧啶)、5caC(5-羧基胞嘧啶)、1mA(N1-甲基腺嘌呤)、3mA(N3-甲基腺嘌呤)、N6-甲基腺嘌呤(6mA)、7mA(N7-甲基腺嘌呤)、3mC(N3-甲基胞嘧啶)、2mG(N2-甲基鳥嘌呤)、6mG(O6-甲基鳥嘌呤)、7mG(N7-甲基鳥嘌呤)、3mT(N3-甲基胸腺嘧啶)及4mT(O4-甲基胸腺嘧啶)。在脊椎動物基因體中,5mC為最常見的鹼基甲基化類型,其次為鳥嘌呤(亦即在CpG情況下)。
DNA甲基化對哺乳動物的發育至關重要,且在基因表現及沉默、胚胎發育、轉錄、染色質結構、X染色體失活、防止重複元件的活性、維持有絲分裂過程中基因體的穩定性及調控親源基因體印記方面具有顯著作用。
DNA甲基化在啟動子及強化子的沉默中以協調的方式發揮著許多重要作用(Robertson, 2005;Smith及Meissner, 2013)。已發現許多人類疾病與DNA甲基化之畸變有關,包含但不限於印記病症(例如貝克威思-威德曼症候群(Beckwith-Wiedemann syndrome)及普瑞德威利症候群(Prader-Willi syndrome))、重複不穩定性疾病(例如X脆折症候群)、自體免疫性病症(例如全身性紅斑狼瘡)、代謝障礙(例如I型及II型糖尿病)、神經病症、衰老等。
準確量測DNA分子上之甲基化修飾將具有許多臨床意義。一種廣泛使用的量測DNA甲基化之方法為經由使用亞硫酸氫鹽測序(BS-seq)(Lister等人, 2009;Frommer等人, 1992)。在此方法中,DNA樣本首先用亞硫酸氫鹽處理,將未甲基化之胞嘧啶(亦即C)轉化為尿嘧啶。相反,甲基化之胞嘧啶保持不變。隨後藉由DNA測序分析亞硫酸氫鹽修飾之DNA。在另一種方法中,在亞硫酸氫鹽轉化之後,接著使用可區分具有不同甲基化譜之經亞硫酸氫鹽轉化之DNA的引子對經修飾之DNA進行聚合酶鏈反應(PCR)擴增(Herman等人, 1996)。後一種方法稱為甲基化特異性PCR。
此類基於亞硫酸氫鹽之方法的一個缺點為,據報導亞硫酸氫鹽轉化步驟會顯著降解大多數經處理之DNA(Grunau, 2001)。另一個缺點為亞硫酸氫鹽轉化步驟會產生強烈的CG偏差(Olova等人, 2018),導致具有異質甲基化狀態之DNA混合物典型的信雜比降低。此外,由於在亞硫酸氫鹽處理期間DNA之降解,亞硫酸氫鹽測序將不係對長DNA分子進行測序的理想方法。
正在持續的努力實現核酸之鹼基修飾的無亞硫酸氫鹽測定。然而,很少有商業上可行的工具能夠達到與亞硫酸氫鹽測序相當的敏感度及特異度程度。奈米孔測序為一種不需要對樣本進行化學標記的具有吸引力的測序類型。用奈米孔測序偵測鹼基修飾可為成本相對較低的且高效的。
因此,需要用奈米孔測序來判定鹼基修飾。在本揭示案中,吾等描述了處理藉由具有高靈敏度及特異性之奈米孔測序所產生之電流信號以用於鹼基修飾測定的新穎方法及系統。
所描述之實施例允許在沒有模板DNA預處理(諸如酶促及/或化學轉化,或蛋白質及/或抗體結合)之情況下測定核酸中之鹼基修飾,諸如5mC。本揭示案中存在之實施例可用於偵測不同類型之鹼基修飾,例如,包含但不限於4mC、5hmC、5fC、5caC、1mA、3mA、6mA、7mA、3mC、2mG、6mG、7mG、3mT、4mT等。此類實施例可利用自與測序相關之電信號獲得之特徵(諸如使用奈米孔獲得之彼等特徵,該等特徵受各種鹼基修飾影響),以及判定甲基化狀態之目標位置之周圍窗口中核苷酸之標識。核苷酸之原始電信號亦可與核苷酸上游或下游之核苷酸有關。可以使用合適的技術將原始電信號分配給不同的核苷酸。
本發明之實施例可與奈米孔測序一起使用。奈米孔測序系統之一個實例為由牛津奈米孔科技有限公司(Oxford Nanopore Technologies)商業化之系統。方法可使用使用奈米孔測量之電信號。方法可使用核苷酸之標識、核苷酸相對於目標位置之位置、包含對應於該核苷酸之區段電信號的統計值的向量及核酸分子之區域中之窗口中的電信號之統計值。
吾等開發之方法可充當偵測生物樣本中鹼基修飾之工具,以評定樣本中之甲基化譜,用於各種目的,包含但不限於研究及診斷目的。偵測到的甲基化譜可用於不同的分析。甲基化譜可用於偵測細胞DNA之來源(例如母體或胎兒、組織、細菌)。偵測組織中之異常甲基化譜有助於鑑別個體之發育病症及其他病症。
可參考以下詳細描述及隨附圖式來獲得對本發明之實施例之性質及優勢的較佳理解。
相關申請案之交叉參考
本申請案主張2021年4月12日申請之美國臨時專利申請案63/173,728之優先權益,其以全文引用之方式併入本文中且用於所有目的。
術語
「
組織」對應於一組細胞,其共同歸類為一個功能單元。可在單一組織中找到超過一種類型之細胞。不同類型的組織可由不同類型的細胞(例如肝細胞、肺泡細胞或血細胞)組成,但亦可對應於來自不同生物體之組織(母親與胎兒;接受移植之個體的組織;經微生物或病毒感染之生物體的組織)或健康細胞與腫瘤細胞。「參考組織」可對應於用於判定組織特異性甲基化程度之組織。來自不同個體之相同組織類型之多個樣本可用於測定該組織類型之組織特異性甲基化程度。
「
生物樣本」係指取自人類個體之任何細胞樣本。生物樣本可為組織生檢、細針抽吸物或血細胞。樣品亦可為獲自孕婦之游離樣本,例如血漿或血清或尿液。在各種實施例中,已富集游離DNA的來自孕婦之生物樣本(例如經由離心方案獲得之血漿樣本)中的大多數DNA可為游離的,例如大於50%、60%、70%、80%、90%、95%或99%之DNA可為游離的。離心方案可包含例如3,000 g × 10分鐘獲得流體部分,及以例如30,000 g再離心10分鐘以移除殘餘細胞。在某些實施例中,在3,000 g離心步驟之後,吾人可接著對流體部分進行過濾(例如使用孔徑(直徑)為5 μm或更小的過濾器)。
「
序列讀數」係指自核酸分子之任何部分或全部測序的一串核苷酸。舉例而言,序列讀數可為自核酸片段測序之短核苷酸串(例如20至150個)、在核酸片段之一端或兩端之短核苷酸串或存在於生物樣本中之整個核酸片段的測序。序列讀數可以多種方式獲得,例如使用測序技術或使用探針,例如雜交陣列或捕獲探針;或擴增技術,諸如聚合酶鏈反應(PCR)或使用單一引子的線性擴增或等溫擴增。
「
位點」(亦稱作「基因體位點」)對應於單一位點,其可為單一鹼基位置或相關鹼基位置群,例如CpG位點或相關鹼基位置之較大群。「基因座」可對應於包含多個位點之區域。基因座可僅包含一個位點,此將使得基因座在彼情形下等效於一個位點。
「
甲基化狀態」係指既定位點處之甲基化狀態。舉例而言,位點可為甲基化的、未甲基化的或在一些情況下不能判定。
各基因體位點(例如CpG位點)之「
甲基化指數」可指在該位點處顯示甲基化之DNA片段(例如,如由序列讀數或探針判定)相對於涵蓋彼位點之讀數總數的比例。「讀數」可對應於獲自DNA片段之資訊(例如,位點處之甲基化狀態)。讀數可使用優先雜交至在一或多個位點處具有特定甲基化狀態之DNA片段的試劑(例如引子或探針)來獲得。通常,該等試劑係在用視DNA分子之甲基化狀態而有差異地修飾或有差異地辨識DNA分子之方法處理後施用,該方法例如為亞硫酸氫鹽轉化、或甲基化敏感限制酶、或甲基化結合蛋白、或抗甲基胞嘧啶抗體、或辨識甲基胞嘧啶及羥甲基胞嘧啶之單分子測序技術(例如單分子即時測序(例如,來自美國太平洋生物科學公司(Pacific Biosciences))及奈米孔測序(例如來自牛津奈米孔科技有限公司))。
區域之「
甲基化密度」可指顯示甲基化之區域內之位點處之讀數數目除以覆蓋該區域中之位點之讀數總數。該等位點可具有特定特性,例如為CpG位點。因此,區域之「CpG甲基化密度」可指顯示CpG甲基化之讀數數目除以覆蓋該區域中之CpG位點(例如特定CpG位點、CpG島或較大區域內之CpG位點)之讀數總數。例如,人類基因體中各100 kb區段(bin)之甲基化密度可自亞硫酸氫鹽處理之後在CpG位點處未轉化之胞嘧啶(其對應於甲基化胞嘧啶)的總數測定為映射至100 kb區域之序列讀數所覆蓋之所有CpG位點的比例。亦可針對其他區段大小,例如500 bp、5 kb、10 kb、50 kb或1 Mb等執行此分析。區域可為整個基因體或染色體或染色體之一部分(例如染色體臂)。替代地,甲基化密度可在無亞硫酸氫鹽轉化之情況下使用奈米孔測序使用本揭示案所描述之實施例來測定。當區域僅包含CpG位點時,CpG位點之甲基化指數與區域之甲基化密度相同。「甲基化胞嘧啶之比例」可指相對於所分析之胞嘧啶殘基,亦即包含該區域中除CpG情形之外的胞嘧啶的總數而言顯示為甲基化(例如在亞硫酸氫鹽轉化之後未經轉化)的胞嘧啶位點「C's」數目。甲基化指數、甲基化密度、在一或多個位點處甲基化之分子計數及在一或多個位點處甲基化之分子(例如胞嘧啶)比例為「
甲基化程度」之實例。除亞硫酸氫鹽轉化以外,可使用本領域中熟習此項技術者已知之其他方法來查詢DNA分子之甲基化狀態,包含但不限於對甲基化狀態敏感的酶(例如甲基化敏感限制酶)、甲基化結合蛋白、使用對甲基化狀態敏感之平台進行的單分子測序(例如奈米孔測序(Schreiber等人,《國家科學院院刊(Proc Natl Acad Sci)》 2013; 110: 18910-18915)及藉由單分子即時測序(例如來自美國太平洋生物科學公司的單分子即時測序)(Flusberg等人 《自然-方法(Nat Methods)》 2010; 7: 461-465))。
「
甲基化組」提供基因體中之複數個位點或基因座處之DNA甲基化之量的量度。甲基化組可對應於所有基因體、基因體之相當大部分或基因體之一或多個相對小的部分。
「
妊娠血漿甲基化組」為自妊娠動物(例如人類)之血漿或血清測定的甲基化組。妊娠血漿甲基化組為游離甲基化組之實例,因為血漿及血清包含游離DNA。妊娠血漿甲基化組亦為混合甲基化組之實例,因為其為來自體內不同器官或組織或細胞之DNA的混合物。在一個實施例中,此類細胞為造血細胞,包含但不限於紅血球系(亦即紅血球)、骨髓系(例如嗜中性白血球及其前驅體)及巨核細胞系之細胞。在妊娠期,血漿甲基化組可含有來自胎兒及母親之甲基化組資訊。「細胞甲基化組」對應於自患者之細胞(例如血球)測定之甲基化組。血細胞之甲基化組稱為血球甲基化組。
「
甲基化譜」包含與多個位點或區域之DNA或RNA甲基化相關的資訊。與DNA甲基化相關之資訊可包含但不限於CpG位點之甲基化指數、區域中之CpG位點之甲基化密度(簡稱MD)、CpG位點在相連區域上之分佈、含有超過一個CpG位點之區域內的各個別CpG位點之甲基化模式或程度,及非CpG甲基化。在一個實施例中,甲基化譜可包含超過一種類型之鹼基(例如胞嘧啶或腺嘌呤)之甲基化或非甲基化模式。基因體之相當大部分之甲基化譜可視為等效於甲基化組。哺乳動物基因體中之「DNA甲基化」通常指將甲基添加至CpG二核苷酸當中之胞嘧啶殘基的5'碳(亦即5-甲基胞嘧啶)。DNA甲基化可在例如CHG及CHH之其他情形下發生於胞嘧啶中,其中H為腺嘌呤、胞嘧啶或胸腺嘧啶。胞嘧啶甲基化亦可呈5-羥甲基胞嘧啶形式。亦已報導非胞嘧啶甲基化,諸如N
6-甲基腺嘌呤。
「
甲基化模式」係指甲基化及非甲基化鹼基之次序。舉例而言,甲基化模式可為單個DNA股、單個雙股DNA分子或另一類型之核酸分子上之甲基化鹼基之次序。作為一實例,三個連續CpG位點可具有以下甲基化模式中之任一者:UUU、MMM、UMM、UMU、UUM、MUM、MUU或MMU,其中「U」指示未甲基化位點且「M」指示甲基化位點。當吾人將此概念擴展至包含但不限於甲基化之鹼基修飾時,吾人將使用術語「
修飾模式」,其係指經修飾及未經修飾鹼基之次序。舉例而言,修飾模式可為單個DNA股、單個雙股DNA分子或另一類型之核酸分子上之經修飾鹼基之次序。作為一實例,三個連續潛在地可修飾位點可具有以下修飾模式中之任一者:UUU、MMM、UMM、UMU、UUM、MUM、MUU或MMU,其中「U」指示未經修飾位點且「M」指示經修飾位點。不基於甲基化之鹼基修飾之一個實例為諸如於8-側氧基-鳥嘌呤中之氧化變化。
術語「
高甲基化」及「
低甲基化」可指單個DNA分子之甲基化密度,如藉由其單分子甲基化程度所量測,例如分子內之甲基化鹼基或核苷酸之數目除以彼分子內之可甲基化鹼基或核苷酸之總數。高甲基化分子為其中單分子甲基化程度等於或高於臨限值之分子,該臨限值可根據不同應用而界定。臨限值可為5%、10%、20%、30%、40%、50%、60%、70%、80%、90%或95%。低甲基化分子為其中單分子甲基化程度等於或低於臨限值之分子,該臨限值可根據不同應用而界定且可根據不同應用而變化。臨限值可為5%、10%、20%、30%、40%、50%、60%、70%、80%、90%或95%。
術語「高甲基化」及「低甲基化」亦可指DNA分子群體之甲基化程度,如藉由此等分子之多分子甲基化程度所量測。高甲基化分子群體為其中多分子甲基化程度等於或高於臨限值之分子群體,該臨限值可根據不同應用而界定且可根據不同應用而變化。臨限值可為5%、10%、20%、30%、40%、50%、60%、70%、80%、90%或95%。低甲基化分子群體為其中多分子甲基化程度等於或低於臨限值之分子群體,該臨限值可根據不同應用而界定。臨限值可為5%、10%、20%、30%、40%、50%、60%、70%、80%、90%及95%。在一個實施例中,可將分子群體與一或多個經選擇之基因體區域進行比對。在一個實施例中,一或多個經選擇之基因體區域可與諸如遺傳病症、印記病症、表觀遺傳病症、代謝病症或神經病症之疾病相關。一或多個經選擇之基因體區域之長度可為50個核苷酸(nt)、100 nt、200 nt、300 nt、500 nt、1000 nt、2 knt、5 knt、10 knt、20 knt、30 knt、40 knt、50 knt、60 knt、70 knt、80 knt、90 knt、100 knt、200 knt、300 knt、400 knt、500 knt或1 Mnt。
如本文所使用之術語「分類」係指與樣本之特定特性相關之任何數字或其他字符。舉例而言,「+」符號(或字組「陽性」)可表示將樣本分類為具有缺失或擴增。分類可為二元的(例如陽性或陰性)或具有更多分類水準(例如1至10或0至1之標度)。
術語「
閾值」及「
臨限值」係指操作中所使用之預定數值。舉例而言,截止大小可指一種大小,大於此大小則排除片段。臨限值可為高於或低於特定分類適用之值。在此等情形中之任一者下均可使用此等術語中之任一者。閾值或臨限值可為表示特定分類或在兩種或更多種分類之間進行辨別的「參考值」或源自該參考值。如技術人員應瞭解,此類參考值可以各種方式測定。例如,可針對具有不同已知分類的兩個不同個體群組測定度量,且可選擇參考值作為一個分類的代表(例如平均值)或介於度量的兩個集群之間的值(例如經選擇以獲得所需的靈敏度及特異性)。作為另一實例,參考值可基於樣本之統計分析或模擬來測定。
「
病理等級」(或病症等級)可指與生物體相關之病理的量、程度或嚴重性,其可經由對其細胞之分析來量測。病理之另一實例為移植器官之排斥。其他例示性病理可包含基因體印記病症、自體免疫攻擊(例如損害腎臟之狼瘡性腎炎或損害神經系統之多發性硬化症)、發炎性疾病(例如肝炎)、纖維化過程(例如肝硬化)、脂肪浸潤(例如脂肪性肝病)、退行性過程(例如阿茲海默氏病(Alzheimer's disease))及缺血性組織損傷(例如心肌梗塞或中風)。個體之健康狀態可視為無病理之分類。
「
妊娠相關病症」包含以母體及/或胎兒組織中基因之相對表現水準異常為特徵的任何病症。此等病症包含但不限於子癇前症、宮內發育遲緩、侵入性胎盤形成、早產、新生兒溶血性疾病、胎盤功能不全、胎兒水腫、胎兒畸形、HELLP(溶血、肝酵素升高及血小板計數低)症候群、全身性紅斑狼瘡(SLE)及母親之其他免疫性疾病。在一些實施例中,妊娠相關病症為與妊娠期間的生理或形態異常相關的任何病狀。
縮寫「
bp」係指鹼基對。在一些情況下,「bp」可用於表示DNA片段之長度,即使DNA片段可為單股的且不包含鹼基對。在單股DNA之情形下,「bp」可解釋為提供核苷酸之長度。
縮寫「
nt」係指核苷酸。在一些情況下,「nt」可用於表示以鹼基為單位之單股DNA長度。此外,「nt」可用於表示相對位置,諸如所分析之基因座之上游或下游。在關於技術概念化、資料顯示、處理及分析之一些情形下,「nt」及「bp」可互換使用。
術語「
序列上下文( sequence context )」可指一段DNA中之鹼基組成(A、C、G或T)及鹼基順序。此段DNA可圍繞進行鹼基修飾分析或作為鹼基修飾分析之目標的鹼基。舉例而言,序列上下文可指進行鹼基修飾分析之鹼基的上游及/或下游的鹼基。
術語「
機器學習模型」可包含基於使用樣本資料(例如訓練資料)對測試資料作出預測之模型,且因此可包含監督式學習。機器學習模型常常使用電腦或處理器來研發。機器學習模型可包含統計模型。
術語「
資料分析框架」可包含可將資料視為輸入且隨後輸出所預測結果之演算法及/或模型。「資料分析框架」之實例包含統計模型、數學模型、機器學習模型、其他人工智慧模型及其組合。
術語「
即時測序」可指涉及在測序所涉及之過程期間進行資料收集或監測的技術。舉例而言,即時測序可涉及當核苷酸股易位奈米孔時對通過該奈米孔之離子電流進行電信號監測。
術語「
電信號」可指傳達資訊之電壓或電流。電信號可以多種規律及/或不規律的信號波形類型及/或形狀,諸如方形波、矩形波、三角形波、鋸齒形波形,或多種脈衝及尖峰來表示。電信號可包含電壓或電流隨時間推移之變化的視覺表示。可在特定時間(例如,毫秒)對電信號之量測進行採樣。舉例而言,以1 kHz、2 kHz、3 kHz、4 kHz、5 kHz、10 kHz、20 kHz、30 kHz、40 kHz、50 kHz、100 kHz等之頻率對電流進行採樣。
術語「信號區段」或「區段」可指與對特定核苷酸進行測序相關之電信號之跡線的一部分。該區段可對應於由奈米孔測序中之鹼基識別判定的核苷酸。該區段可涵蓋跡線之某一持續時間。不同區段可具有不同的持續時間。各區段可不重疊。在一些實施例中,電信號幅度可在區段中具有一定的變化。舉例而言,電信號幅度可在該區段中之電信號幅度平均值或中值之5%、10%、20%、30%或40%內。
術語「
約(
about/approximately)」可意謂在如藉由本領域中一般熟習此項技術者所測定之特定值之可接受誤差範圍內,其將部分地視該值如何經量測或測定,亦即量測系統之限制而定。舉例而言,根據本領域中之實踐,「約」可意謂在1或大於1個標準差內。可替代地,「約」可意謂既定值之至多20%、至多10%、至多5%或至多1%之範圍。可替代地,尤其關於生物系統或方法,術語「約」可意謂在值之一定數量級內、在5倍內且更佳地在2倍內。當特定值描述於本申請案及申請專利範圍中時,除非另外說明,否則應假定術語「約」意謂在特定值之可接受誤差範圍內。術語「約」可具有如本領域中一般熟習此項技術者通常所理解之含義。術語「約」可指±10%。術語「約」可指±5%。
需要使用奈米孔測序偵測鹼基修飾(例如甲基化)的準確及有效的方法。調研性研究已研究使用由奈米孔測序產生之電信號分析DNA甲基化之可行性(Simpson等人,《自然方法學(Nat Methods)》2017;14:407-410;Liu等人,《自然通訊(Nat Commun.)》2019;10:2449;Ni等人,《生物資訊(Bioinformatics)》2019;35:4586-4595)。5-甲基胞嘧啶(5mC)之報導效能在許多驗證研究中為次佳的。舉例而言,當基於樣本NA12878分析
H. sapiensR9.4 1D資料時,使用名為DeepSignal之計算工具進行5mC偵測之靈敏度據報導為79%,特異性為88%,(Ni等人,《生物資訊》2019;35:4586-4595)。若吾人旨在實現較高特異性(例如>95%),則預期靈敏度將進一步惡化。對於稱為nanopolish之另一工具(Liu等人,《自然通訊》2019;10:2449),當分析相同的資料集時,靈敏度僅為0.61,特異性為0.46。nanopolish軟體係基於具有以下假設之隱藏式馬可夫模型(hidden Markov model):(1)DNA序列中之6-核苷酸寡聚物(亦即6-單體單元)之電信號遵循高斯分佈(Gaussian distributions);(2)特定鹼基之甲基化狀態(甲基化或未甲基化)僅取決於前一鹼基之甲基化狀態的概率;(3)輸出僅取決於產生電流信號之甲基化狀態而不取決於任何其他甲基化狀態或任何其他電流信號之特定電流水準的概率。彼等假設在奈米孔測序期間產生之真實電流信號中可能不正確,因此會導致較低敏感度及特異性。
用於基於牛津奈米孔測序進行DNA甲基化分析的名為DeepMod之最新計算工具嘗試使用雙向遞迴神經網路(RNN)。然而,此類方法之設計旨在藉由利用電信號合計測序讀數之預測結果來量測基因體位置中之甲基化程度,因此不具有分析單分子水準下之甲基化模式的能力。另外,整個資料集(包含大腸桿菌(
Escherichia coli )、萊茵衣藻(
Chlamydomonas reinhardtii )及智人(
Homo sapiens ))之中值測序深度為約33×。在許多商業應用中,將需要較低的測序深度以節省經濟成本及分析時間。尚不清楚DeepMod軟體是否能夠以實際上有意義的準確性分析單分子水準下之甲基化模式。
在一項研究中,Yuen等人系統地衡量用於由奈米孔測序進行CpG甲基化偵測之工具,且得出結論:大多數工具展示高分散性及與每個CpG位點之預期甲基化百分比的低一致性(Yuen等人,bioRxiv.2020; doi: doi.org/10.1101/2020.10.14.340315)。
Tse等人使用來自太平洋生物科學公司(PacBio)之單分子即時測序(SMRT-seq)報導了DNA聚合酶之動力學特徵,包含藉由在DNA聚合期間併入經螢光團標記之核苷酸所產生之光信號,諸如脈衝間隔持續時間(IPD)及脈波寬度(PW),該等經螢光團標記之核苷酸可用於基於使用卷積類神經網路分析由超過一個鹼基組成之量測窗口來區分甲基化及未甲基化CpG位點(Tse等人,《美國國家科學院院刊》2021;118: e2019768118;美國專利第11,091,794號)。此類量測窗口將IPD及PW分組成不同的測序背景及測序位置。然而,奈米孔測序使用完全不同的測序機制,視由穿過奈米孔之雙股DNA之一個股所引起之電流信號而定。此類原始電信號視穿過奈米孔之不同核苷酸而變化,且特定核苷酸之電信號將受該核苷酸附近之上游及下游核苷酸影響。因此,不同核苷酸將具有偵測到的不同長度的電信號跡線,且甚至相同的核苷酸將具有不同長度的電信號跡線。當分析與特定核苷酸或超過一個穿過奈米孔之核苷酸相關之電信號時,在各鹼基上偵測到的電信號跡線之長度隨時間推移為不固定的。相比之下,使用PacBio SMRT-seq進行5mC偵測之前述研究係基於兩個與各核苷酸之光信號相關之固定量測,亦即IPD及PW(Tse等人,《美國國家科學院院刊》2021; 118:e2019768118)。因此,Tse等人之研究中提出之訓練模型(Tse等人,《美國國家科學院院刊》2021; 118:e2019768118)不適用於此類藉由奈米孔測序產生之電信號。
本文所描述之實施例使用自奈米孔測序獲得之電信號來偵測核苷酸修飾。核苷酸修飾可包含本文所描述之任何甲基化。自奈米孔測序獲得之資訊可包含核苷酸之標識、核苷酸相對於目標位置之位置、包含對應於該核苷酸之區段電信號的統計值的向量及核酸分子之區域中之窗口中的電信號之統計值。
本揭示案中提供之實施例可用於自獲自生物體之細胞樣本(例如,細胞株、實體器官、實體組織、經由內窺鏡檢獲得之樣本、絨毛膜樣本)獲得的DNA。本揭示案中之實施例亦可用於自環境(例如,細菌、細胞污染物)、食品(例如肉)獲得的細胞樣本。本揭示案提供之實施例亦可用於自孕婦獲得之血漿或血清。在一些實施例中,本揭示案中提供之方法亦可在首先例如使用雜交探針(Albert等人, 2007;Okou等人, 2007;Lee等人, 2011),或基於物理分離(例如基於大小等)之方法或在限制酶消化(例如MspI)後,或基於Cas9之富集(Watson等人, 2019)富集基因體碎片的步驟之後應用。儘管本發明不需要酶促或化學轉化來起作用,但在某些實施例中,可包含此類轉化步驟以進一步增強本發明之效能。
本揭示案之實施例改良奈米孔測序以能夠準確且有效地偵測經修飾之鹼基。可直接偵測鹼基修飾。實施例可避免可能無法保留所有修飾資訊以供偵測之酶促或化學轉化。另外,某些酶促或化學轉化可能與某些類型之修飾不相容。本揭示案之實施例亦可避免藉由PCR擴增,其可能不會將鹼基修飾資訊轉移至PCR產物。另外,DNA之兩個股可一起測序,從而使一個股之序列與其互補序列配對至另一個股。相比之下,PCR擴增會分開雙股DNA之兩個股,因此難以對兩個組成股之序列進行此類組合分析。
此外,相比於其他測序技術,奈米孔測序更具有成本效益及便攜性。舉例而言,奈米孔測序系統Oxford Nanopore Technologies MinION
TM為約5,000 USD,而基於光信號之測序系統PacBio SMRT
TMSequel II系統為約500,000至700,000 USD。奈米孔測序速度為約450個核苷酸/秒,而PacBio SMRT
TM測序為約5個核苷酸/秒。因此,在相同的時間段內,奈米孔測序可獲得比基於光信號之測序系統更多的資料。
在有或沒有酶促或化學轉化之情況下測定的甲基化譜可用於分析生物樣本。在一個實施例中,甲基化譜可用於偵測細胞DNA之來源(例如母體或胎兒、組織或病毒)。偵測組織中之異常甲基化譜有助於鑑別個體之發育障礙。單分子中之甲基化模式可鑑別嵌合(例如在病毒與人類之間)及雜合DNA(例如在天然基因體中正常未融合之兩個基因之間);或在兩個物種之間(例如經由基因或基因體操縱)。
I. 奈米孔測序原理
單分子測序技術之一實例為奈米孔測序(牛津奈米孔科技有限公司)。圖1展示用於DNA分子(例如DNA分子104)之奈米孔測序的原理。當單DNA分子穿過具有奈米大小之孔隙時,由離子電流流動跨過膜所引起之電信號模式用於測定核酸之序列。此類孔隙可例如但不限於由蛋白質(例如α溶血素、氣單胞菌溶素(aerolysin)及包皮垢分枝桿菌孔蛋白A(Mycobacterium smegmatis porin A,MspA))或合成材料(諸如矽或石墨烯)產生(Magi等人, 《生物諮詢學簡報(Brief Bioinform.)》2018;19:1256-1272)。
在一個實施例中,雙股DNA分子會經歷末端修復過程。此過程將DNA轉化至鈍端DNA,接著添加促進測序轉接子連接之A尾端。各自攜載馬達蛋白之測序轉接子(亦即,馬達轉接子)(例如,馬達蛋白108)連接至DNA分子之兩端。測序過程係在馬達蛋白(例如,馬達蛋白112)鬆解雙股DNA時開始,使得第一股能夠穿過奈米孔。當DNA股穿過奈米孔116時,感測器(例如電極)根據序列上下文以及相關鹼基修飾(稱作一維(1D)讀數))量測隨時間推移(毫秒,ms)之離子電流變化(以皮安(pA)為單位)。曲線圖120展示實例電流信號與時間。在另一實施例中,髮夾序列轉接子將用於將第一股及其互補股共價栓繫在一起以形成雙股DNA分子。因此,在測序期間,測序雙股DNA分子之一個股,接著測序互補股(稱作1D
2或二維(2D)讀數),此可潛在地改良測序準確性。在又一實施例中,藉由蛋白質栓繫之雙股DNA分子之一個末端將增加在完成測序同一分子之第一股之後測序互補股之可能性,從而產生1D
2讀數。
原始信號(例如曲線圖120中之電流)用於鹼基識別及鹼基修飾分析。在一些實施例中,藉助於機器學習方法,例如但不限於遞迴神經網路(RNN)、卷積類神經網路(CNN)、隱藏式馬可夫模型(HMM)或其一或多個組合實施鹼基識別及鹼基修飾分析。
在一個實施例中,吾等研發出一種處理藉由奈米孔測序產生之電流信號的新穎方法,且分析經處理之信號以基於卷積類神經網路(CNN)或遞迴神經網路(RNN)判定單分子水準下之DNA甲基化。
II. 電流信號分析
可分析來自奈米孔測序之電流信號以鑑別鹼基修飾。然而,圖1中描述之機器學習方法不僅僅使用使用奈米孔獲得之原始電流之輸入。本文所描述之實施例使用電流之部分之一或多個統計值。此等一或多個統計值之向量可與對應於核苷酸之窗口的其他資訊(包含核苷酸之標識及核苷酸之位置)組合。核苷酸之位置可相對於窗口內之目標位置,其中目標位置為偵測到修飾或缺失的位置。可包含核苷酸之窗口之資訊以及核酸分子之區域中之電信號之統計值以形成輸入資料結構。在此等輸入資料結構上訓練之模型可用於偵測鹼基修飾。
A. 電流向量參數
對於穿過奈米孔之核苷酸股,吾人將偵測
N 個事件(亦即,與鑑別出之不同核苷酸相關之信號區段)。在一個實施例中,一個事件對應於在鹼基識別期間鑑別出的一個核苷酸,其中在特定單位時間(例如,毫秒)採樣一系列電信號。在一個實例中,以4 kHz之頻率對電流進行採樣(Rang等人,《基因體生物學(Genome Biol.)》 2018;19:90)。在另一實施例中,一個事件對應於在鹼基識別期間鑑別出的超過一個核苷酸,其中以特定時間速率採樣一系列電信號。
圖 2展示電流信號之曲線圖。y軸為以皮安為單位之電流振幅。x軸為以毫秒為單位之時間。圓點(例如圓點204)展示個別信號量測。通過相鄰圓點之線(例如線208)指示具有與核苷酸相關之信號量測的信號區段(例如線208之A)。對於事件
i ,假設存在
m
i 電流信號,關於事件
i 之電流信號
j 之振幅由
P
ij 表示。在一個實施例中,對於一個核苷酸,包含
X1 、
X2 、
X3 、
X4 及
X5 之 信號特徵向量用於表徵與該核苷酸相關之電信號之模式。
X1 、
X2 及
X3 之定義在圖2中示出。
X1 為
P
ij 之平均值。
X2 為
P
ij 之標準差。
X3 為
P
ij 之中值。
X4 為電流相對於
X3 之絕對偏差的中值(在圖2中僅標記一個絕對偏差)。
X5 為
X1 相對於電流信號之平均值的差除以標準差。
X5 可視為一個區段之電流信號之z-評分。
在一個實施例中,
P
ij 可為正規化信號。正規化可涉及藉由使用與部分或整個核苷酸股相關的最小值及最大值自初始範圍重新調整電流信號以使得經正規化信號值在0與1之範圍內。正規化可涉及重新調整電流信號以使得經正規化信號值之平均值為0且標準差為1。正規化可涉及藉由使用與部分或整個核苷酸股相關的中位值及偏差來重新調整電流信號。
X1 及
X2 表示與事件
i 相關之
P
ij 之平均值及標準差。
X3 藉由以下界定:
,
其中
i 在
l 至
r 範圍內,包含查詢鹼基修飾分析之鹼基周圍的事件(例如CpG位點處之甲基化)。變數
l 及
r 表示一系列事件(對應於核苷酸序列)之窗口的左右側。
l 與
r 之間的核苷酸序列應通常比下文論述之電流信號模式之整合式表示矩陣(稱為IPM)長。對於既定事件
i , j 在1至
之範圍內。
X3 可為用於判定所有區段之中值電流信號。
X3 對於所有區段可為相同的值,因為
X3 係使用不止一個區段之電流測定的。在一些實施例中,
X3 可用於特定窗口。在其他實施例中,
X3 可為跨越多個窗口之中值。
X4 藉由以下定義:
,
其中
表示絕對值;且
i 在
l 至
r 範圍內,包含查詢鹼基修飾分析之鹼基周圍的事件(例如,CpG位點處之甲基化)。對於既定
i ,
j 在1至
之範圍內。
X4 可為用於判定所有區段之電流信號之絕對偏差的中值。
X4 可使用不止一個區段之電流(例如使用所有採樣之電流值)來計算且因此對於所有區段可為相同的值。
X5 藉由以下定義:
,
其中
且 其中
i在
l至
r範圍內,包含查詢鹼基修飾分析之鹼基周圍的事件(例如CpG位點處之甲基化)。對於既定
i,
j在1至
之範圍內。
M為針對在
l至
r範圍內之事件採樣之電流信號的總數目。與複數個電流信號相關且用於測定X3之區域大小可為DNA片段之大小。舉例而言,若DNA片段為500 bp,則區域之大小為500。若片段為300 bp,則區域之大小為300。在一些實施例中,將DNA片段進一步劃分成較小子片段以測定X3可能為有用的。用於測定X3之區域大小可為5 nt、10 nt、20 nt、30 nt、40 nt、50 nt、60 nt、70 nt、90 nt、100 nt、200 nt、300 nt、400 nt、500 nt、600 nt、800 nt、900 nt、1 kb、2 kb、3 kb、4 kb、5 kb、10 kb、50 kb等。
X1 及
X2 可用於反映在事件
i 內的信號變化,表示各核苷酸之電信號之局部模式。
X3 、
X4 及
X5 可用於反映事件
i 相對於在
l 至
r 範圍內之其他周圍事件的信號變化。在一些實施例中,周圍事件可為查詢鹼基修飾分析之鹼基之X-nt上游及Y-nt下游。X可包含但不限於0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、100、150、200、300、400、500、1000、2000、4000、5000及10000;Y可包含但不限於0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、100、150、200、300、400、500、1000、2000、4000、5000及10000。在一個實施例中,周圍事件可為穿過奈米孔之整個核苷酸股。
B. 單股分析
圖 3展示電流信號之曲線圖。y軸為以皮安為單位之電流振幅。x軸為以毫秒為單位之時間。跡線304為隨時間推移之電流振幅。信號區段(例如區段308)為跡線304之與核苷酸相關的部分。電流變化將視穿過奈米孔之不同核苷酸而變化。奈米孔測序中之鹼基識別通常依賴於將電流信號轉化成不同的局部靜止狀態(亦即,事件)。將電流信號轉化成不同事件的過程稱為電信號分段。離子電流變化包含但不限於對應於信號區段中之一或多個核苷酸的事件振幅(例如以皮安,pA為單位量測)、離子電流之方向、對應於信號區段中之一或多個核苷酸的電流事件之持續時間、離子電流之變化率及不同信號區段之間的相對振幅。振幅可指電流之強度或量值且不一定暗示交流電。使用例如命名Tombo之軟體將彼等電流事件分配至不同鹼基(Stoiber等人,bioRxiv.2016; doi.org/10.1101/094672)。一個核苷酸將與一系列具有不同振幅之事件相關。此類工具(Tombo)試圖測試分配至兩個樣本之間的基因體鹼基的奈米孔信號的差異以基於曼-惠特尼U-測試(Mann-Whitney U-test)來推斷此類鹼基經修飾抑或未經修飾(Stoiber等人,bioRxiv.2016; doi.org/10.1101/094672)。此工具(Tombo)不考慮上游及下游信號以及序列上下文,且不能分析單分子水準下之甲基化模式,因為來自不同序列讀數之所有信號會彙聚至基因體鹼基中。已比較Tombo之效能與諸如Nanopolish及DeepSginal之其他工具之彼等效能(Yuen等人,bioRxiv.2020; doi: doi.org/10.1101/2020.10.14.340315)。
在一個實施例中,為表徵信號區段內與核苷酸相關之電流模式,計算該信號區段內之事件之彼等電流振幅的平均值(X1)及標準差(X2)。測定與整個分子相關之事件之電流振幅的中值(X3)及與整個分子相關之事件之電流振幅之中值絕對偏差(X4)藉由下式測定信號區段之正規化信號(X5):
,
其中
X1為該信號區段內與所討論之核苷酸相關之事件之彼等電流振幅的平均值;
μ為所研究之整個分子內的事件之彼等電流振幅的平均值;
σ為所研究之整個分子內的事件之彼等電流振幅的標準差。在一個實施例中,可在移除最大值及最小之指定小百分比之後得到平均值及標準差。
對於一個核苷酸,信號特徵向量,包含X1、X2、X3、X4及X5,用於反映與該核苷酸相關的電信號之模式。舉例而言,區段308可具有[X1, X2, X3, X4, X5]之信號特徵向量。
X1及X2表示在信號區段
i內的事件之電流振幅之平均值及標準差。X3表示與整個分子相關之事件之電流振幅的中值。X4表示與整個分子相關之事件之電流振幅的中值絕對偏差。X5表示信號區段
i之正規化信號。
圖 4為信號區段之長度之頻率的曲線圖。與核苷酸相關之電流事件之長度(亦即,以毫秒為單位之持續時間)係在x軸上。長度之頻率展示於y軸上。圖4展示與核苷酸相關之各信號區段之長度為可變的,其中中值為9(範圍:1至3540)。
鹼基修飾將影響與其上游及下游核苷酸相關之電信號。在本揭示案中,吾等共同地利用與用於鹼基修飾分析之核苷酸相關之電流信號、與所關注之核苷酸附近的核苷酸相關之電流信號以及測序背景,以便改良效能。CpG位點處之DNA甲基化(亦即,胞嘧啶之第5碳處之甲基化)為脊椎動物基因體中最常見的鹼基甲基化類型。對CpG位點處之DNA甲基化的分析用作本揭示案之說明性實例。
圖 5展示使用一個股之電流信號經由奈米孔測序來判定甲基化的方法。在方塊504處,提供雙股DNA分子。在方塊508處,使雙股DNA分子與適用於奈米孔測序之測序轉接子連接。在方塊512處,進行奈米孔測序。單雙股分子之一個股移動通過內嵌於膜中之孔隙,從而改變流動通過奈米孔之離子電流信號。在方塊516處,獲得電流信號。可例如藉由跨電極來量測離子電流信號。
將藉由使用例如Tombo之分段步驟處理電流信號(Stoiber等人,bioRxiv.2016; doi.org/10.1101/094672)。此等分段式電事件將分配至不同核苷酸。在方塊520處,建構整合式表示矩陣(IPM)。IPM為電流信號模式之矩陣,其包含每個鹼基之電流信號、測序背景及跨越用於鹼基修飾分析之基因座附近或周圍的一系列核苷酸的測序位置資訊。在一個實施例中,與核苷酸相關之分段式電事件藉由信號特徵向量,亦即,[X1, X2, X3, X4, X5]描述。CpG位點內之胞嘧啶及例如該胞嘧啶之上游及下游10-nt(亦即,例如總共21 nt)以及多個信號特徵向量用於形成電流信號模式之IPM。出於說明之目的,5'-T[CCATGC]CAT
C GTC[GATGCA]G-3'之21-nt序列用作一實例,得到IPM 524。為簡單起見,省略括號中之鹼基(由「…」表示)。對於與腺嘌呤之鹼基(「A」)對應的-2位置,與「A」相關之信號特徵向量,[X1=1.7, X2=0.29, X3=24.2, X4=436, X5=-0.3]填寫在「-2」行與「A」列之間的對應單元格中。相同行中之其他單元格填寫為「0」。使用相同的規則填寫與21-nt序列上下文相關之每個核苷酸的剩餘信號特徵向量,由此形成21-nt IPM。因此,此IPM將同時對電流信號模式、測序背景、測序位置以及隨時間推移而改變之模式進行編碼。源自甲基化及未甲基化DNA資料集之多個IPM用於訓練CNN或RNN模型,該模型隨後將用於判定測試樣本中CpG位點處之甲基化狀態。
方塊528展示CNN分析。對於CNN分析,將IPM饋入輸入層中,接著為卷積層及輸出層之處理。CPG之甲基化概率(亦即,輸出甲基化評分,在0至1之範圍內)係基於輸出層中之sigmoid函數來測定。此方法稱為IPM-CNN。在一個實施例中,甲基化CpG位點(經M.SssI處理之DNA)及未甲基化CpG位點(全基因體擴增(WGA)之DNA)之IPM用於訓練CNN模型。自經M.Sss處理之DNA獲得的資料集中CpG位點之甲基化目標值定義為「1」,而自WGA DNA獲得的資料集中CpG位點之甲基化目標值定義為「0」。藉由經由迭代地更新模型參數使由sigmoid函數計算之輸出評分與所要目標輸出(二進位值:0或1)之間的總預測誤差最小化來獲得IPM-CNN之最佳參數。總預測誤差係藉由深度學習演算法(keras.io/)中之sigmoid交叉熵損失函數來測定。自訓練資料集得知之模型參數用於分析測試資料集中之甲基化狀態,輸出表明CpG位點被甲基化之可能性的概率性評分(亦即甲基化概率)。在一個實施例中,CNN模型利用四個二維(2D)卷積層,各自具有32、64、128、256 個核尺寸為25的過濾器。彼等卷積層使用矯正線性單元(ReLU)之激活函數。隨後應用批次正規化層。進一步增加一個扁平化層,接著丟棄速率為0.5之丟棄層,且接著為全連接層,該全連接層包括200 個使用ReLU激活函數之神經元。最終應用具有一個神經元之輸出層,利用sigmoid激活函數得到CpG位點甲基化之概率評分(亦即甲基化概率)。CNN模型之程式係基於Keras深度學習框架(https://keras.io/)實施。
方塊532展示RNN分析。對於RNN分析,將IPM饋入輸入層中,接著為長短期記憶(LSTM)層及輸出層之處理。CpG之甲基化概率(在0至1之範圍內)係基於輸出層中之sigmoid函數來測定。此方法稱為IPM-RNN。使用與IPM-RNN中使用之訓練程序類似的訓練程序,藉由經由迭代地更新模型參數而使由sigmoid函數計算之輸出評分與所要目標輸出(二進位值:0或1)之間的總預測誤差最小化來獲得IPM-RNN之最佳參數。自訓練資料集得知之模型參數用於分析測試資料集中之甲基化狀態,輸出表明CpG位點被甲基化之可能性的概率性評分(亦即甲基化概率)。在一個實施例中,將具有LSTM單元之RNN模型與兩個全連接隱藏層一起使用,該兩個全連接隱藏層各自具有256 個隱藏節點。最後一層之後為具有丟棄速率0.2之丟棄層。最終應用具有一個神經元之輸出層,利用sigmoid激活函數得到CpG位點甲基化之概率性評分(亦即甲基化概率)。CNN模型之程式係基於Keras深度學習框架(keras.io/)實施。
C. 雙股分析
圖 6展示使用兩個DNA股之電流信號經由奈米孔測序判定甲基化的方法。在一個實施例中,當雙股DNA分子以第二核苷酸股(稱為互補股或克里克股(Crick strand))將在第一核苷酸股(稱為沃森股(Watson strand))完成穿過奈米孔之後緊接著穿過同一奈米孔的方式測序時,可獲得此類雙股DNA分子之兩個核苷酸股的電流信號。用於在同一奈米孔對雙股DNA之兩個核苷酸股進行依序測序的此類技術稱為1D
2或2D測序。在方塊604處,提供雙股DNA分子。在方塊608處,使雙股DNA分子與適用於奈米孔測序之測序轉接子連接。在方塊612處,使單雙股分子之一個股移動通過內嵌於膜中之孔隙,接著使互補股移動通過該孔隙。在方塊616處,獲得每個雙股DNA分子之兩個股的電流信號。可藉由跨電極來量測離子電流信號。所獲得的電流信號用於推導DNA分子之核苷酸資訊,該資訊係使用Guppy(牛津奈米孔科技有限公司(Oxford Nanopore Technologies Ltd))進行測序(亦即,鹼基識別)。在一些實施例中,可使用其他鹼基識別工具,包含但不限於Albacore(nanoporetech.com/)、WaveNano(Wang等人,《定量生物學(Quantitative Biology.)》,2018;6:359-368)、Chiron(Teng等人,《大數據科學(GigaScience.)》2018;7:giy037)、Flappie(github.com/nanoporetech/flappie)、Scrappie(github.com/nanoporetech/ scrappie)等。
以特定時間速率(例如毫秒)採樣點電流信號將分配至所偵測的不同核苷酸用於鹼基修飾分析。將藉由使用例如Tombo之分段步驟處理電流信號(Stoiber等人,bioRxiv.2016; doi.org/10.1101/094672)。此等分段式電事件將分配至不同核苷酸。在方塊620處,建構包含每個雙股DNA分子之兩個股的整合式表示矩陣(IPM)。在一個實施例中,與核苷酸相關之分段式電事件藉由信號特徵向量,亦即,[
X1, X2, X3, X4, X5 ]描述。獲得互補股之對應鹼基的信號特徵向量,亦即[
X1', X2', X3', X4', X5' ]。CpG位點內之胞嘧啶及例如該胞嘧啶之上游及下游10-nt(亦即,例如總共21 nt)以及多個信號特徵向量用於形成電流信號模式之IPM。獲得相同的雙股DNA分子之互補股中的對應鹼基之IPM。合併自沃森股及克里克股得到的IPM,進而形成具有較高維度之新穎IPM矩陣以用於鹼基修飾分析。
在一些實施例中,可使用其他計算工具將電流信號指配至不同核苷酸,包含NanoMod(Liu等人,《英國醫學委員會基因體學(BMC Genomics.)》2019;20:78)、Albacore(nanoporetech.com/)、Chiron(Teng等人,《大數據科學(GigaScience.)》2018;7:giy037)、Nanopolish(Simpson等人,《自然方法學(Nat Methods.)》2017;13:407-410)、Scrappie(https://github.com/nanoporetech/ scrappie)、UNCALLED(Kovaka等人,《自然生物技術(Nat Biotechnol.)》 2020; doi:10.1038/s41587-020-0731-9)等。此等計算工具及其他描述用於雙股分析之技術可用於單股分析。
出於說明之目的,5'-T[CCATGC]CAT
C GTC[GATGCA]G-3'之21-nt序列作為一實例用作IPM 624之基礎。IPM 624可類似於IPM 524,但包含沃森股及克里克股兩者。為簡單起見,省略括號中之鹼基(由「…」表示)。對於與沃森股中之腺嘌呤之鹼基(「A」)對應的-2位置,與「A」相關之信號特徵向量,亦即[X1 = 1.7, X2 = 0.29, X3 = 436, X4 = 24.2, X5 = -0.3]填寫在由「沃森股」指示之區域中的「-2」行與「A」列之間的對應單元格中。對於其在互補股(亦即克里克股)中之對應鹼基「T」,與「T」相關之信號特徵向量,[X1' = -1.9, X2' = 0.23, X3' = 24.2, X4' = 436, X5'= -1.4]填寫在由「克里克股」指示之區域中的「-2」行與「T」列之間的對應單元格中。相同行中之其他單元格填寫為「0」。在一些實施例中,可改變信號特徵向量中要素之次序。舉例而言,可使用[X2, X1, X3, X4, X5]、[X2, X3, X4, X5, X1]、[X1, X3, X5, X4, X2]或其他組合。在一些實施例中,信號特徵向量之大小可不侷限於5。舉例而言,藉由增加更多處理之電信號特徵或原始電信號,信號特徵向量之大小可包含但不限於6、7、8、9、10、15、20、30、40、50、100等。藉由編輯或刪除信號特徵向量中之一些特徵,信號特徵向量之大小可包含但不限於1、2、3、4。
使用相同的規則填寫與21-nt序列上下文相關之每個核苷酸之剩餘信號特徵向量,由此形成21-nt IPM。因此,此IPM將同時對電流信號模式、測序背景、測序位置以及隨時間推移而改變之模式進行編碼。源自甲基化及未甲基化DNA資料集之多個IPM用於訓練CNN或RNN模型,該模型隨後將用於判定測試樣本中CpG位點處之甲基化狀態。
方塊628展示CNN分析。在實施例中,CNN模型利用四個二維(2D)卷積層,各自具有32、64、128、256個核尺寸為1×25的過濾器。彼等卷積層使用矯正線性單元(ReLU)之激活函數。隨後應用批次正規化層。進一步增加一個扁平化層,接著丟棄速率為0.5之丟棄層,且接著為全連接層,該全連接層包括200個使用ReLU激活函數之神經元。最終應用具有一個神經元之輸出層,利用sigmoid激活函數得到CpG位點甲基化之概率性評分(亦即甲基化概率)。CNN模型之程式係基於Keras深度學習框架(keras.io/)實施。在一些實施例中,吾人可改變核尺寸
n ×
m , 其中「
n 」可包含但不限於1、2、3、4、5、10、15、20、30、35、40、45、50、100等,且「
m 」可包含但不限於1、2、3、4、5、10、15、20、30、35、40、45、50、100等。
圖 7為核尺寸對鹼基修飾分析之效能的影響的表。第一行展示不同的核尺寸。第二行展示訓練資料集之AUC(ROC[接受者操作特徵]曲線下面積)。第三行展示測試資料集之AUC。圖7展示一系列核尺寸,諸如1×5、1×10、1×15、1×20及1×25將在區分甲基化CpG位點及未甲基化CpG位點中提供相當的效能,如藉由分別為0.96、0.96、0.97、0.96及0.96之AUC所指示。
方塊632展示RNN分析。在實施例中,將具有LSTM單元之RNN模型與兩個全連接隱藏層一起使用,該兩個全連接隱藏層各自具有256個隱藏節點。LSTM隱藏單元之電流輸出係藉由電流輸入及儲存於LSTM單元中之先前資訊來測定。作為一個實例,與21-nt IPM之第一列指示的位置相關之信號特徵向量[
X1, X2, X3, X4, X5 ]被視為在特定時間步長下的LSTM單元之輸入
X
t 。正向LSTM RNN將基於如下之運算根據時間步長遞迴地計算隱藏層
H (Gers等人,《IEEE神經網路彙刊(IEEE Transactions on Neural Networks)》2001;12:1333-1340):
,
,
,
,
。
反向LSTM RNN將基於如下之運算根據時間步長遞迴地計算隱藏層
H (Gers等人,《IEEE神經網路彙刊》2001;12:1333-1340):
,
,
,
,
。
其中
W 及
b 為 權重及偏差;
X is輸入向量;
A 為輸入門之激活向量;
F 為遺忘門之sigmoid函數;
C 為單元狀態;
O 為輸出門之sigmoid函數且
H 為LSTM隱藏單元之輸出。
LSTM RNN輸出之最後一層之後為具有丟棄速率0.2之丟棄層。最終應用具有一個神經元之輸出層,利用sigmoid激活函數得到CpG位點甲基化之概率性評分(亦即甲基化概率)。CNN模型之程式係基於Keras深度學習框架(keras.io/)實施。
D. 參數分析
分析不同電流向量參數及不同窗口大小對AUC(ROC[接受者操作特徵]曲線下面積)之影響。吾等根據本揭示案提供之實施例基於IPM-CNN模型分析在使用IPM中之不同參數的情況下的區分能力。為此目的,分別分析來自WGA DNA及經M.SssI處理之DNA資料集的8,282個分子(38,238個CpG位點)及8,247個分子(39,708個CpG位點)。
圖 16展示不同參數組合對AUC之影響的曲線圖。電流向量參數之不同組合係在x軸上,且AUC係在y軸上。圖16展示使用IPM中但不限於X1、X2、X3、X4及X5之不同參數組合會產生CpG甲基化分析之不同效能。舉例而言,使用IPM中之X1產生0.954之AUC,而IPM中X1及X2之組合產生0.893之AUC。IPM中X1、X2及X3之組合使AUC提高至0.963。IPM中X1、X2、X3及X4之組合使AUC進一步提高至0.978,接著在此實例中使用X1、X2、X3、X4及X5的情況下使效能平穩在0.977之AUC。因此,在一些實施例中,IPM中之不同參數組合將允許吾人測定在區分甲基化及未甲基化CpG位點中之所需效能。
測試單獨地而非組合地使用X1、X2、X3、X4及X5。單獨地使用X1、X2、X3、X4及X5之結果分別為0.95、0.92、0.98、0.88及0.95之AUC。X3(亦即,區域中之
P
ij 之中值)得到0.98之高AUC。高AUC可至少部分為完整片段水準上之甲基化差異的結果。所使用之資料集涉及WGA(完全未甲基化)及M.Sssl(完全甲基化)。然而,實際上片段將不為完全甲基化或完全未甲基化的。對於並非完全甲基化或完全未甲基化之樣本,單獨使用X3可不會產生高AUC。
圖 17展示窗口大小對AUC之影響的曲線圖。x軸展示以核苷酸為單位之窗口大小。y軸展示AUC。IPM中使用之核苷酸數目(又稱窗口大小)將捕獲在奈米孔測序期間產生之電流信號的不同資訊內容,且可影響甲基化分析之效能。圖17展示使用IPM-CNN模型區分甲基化及未甲基化CpG位點的效能呈現:隨著IPM中使用之核苷酸數目自1 nt增加至10 nt,AUC自0.715逐步增加至0.969。在此實例中,在7 nt之窗口大小處達到效能平穩。因此,在一些實施例中,調節IPM之窗口大小將允許吾人測定在區分甲基化及未甲基化CpG位點中之所需效能。
實施例可不需要使用產生最高AUC的電流向量參數或窗口大小之組合。較低AUC對於某些用途可能足夠,或較高AUC可不值得與額外參數相關的額外計算及儲存成本。此外,可調節不同參數以實現期望AUC、特異性及/或靈敏度。舉例而言,較大窗口大小可用於補償較少使用X1、X2、X3、X4及X5中之參數。
E. 6mA修飾之偵測
為測定電流信號分析對除5mC以外之修飾的適用性,使用電流信號分析來偵測N6-甲基腺嘌呤(6mA)。
圖 18展示使用一個股之電流信號經由奈米孔測序來判定6mA甲基化的方法。圖18類似於展示用於判定5mC甲基化之方法的圖5。在方塊1804處,提供雙股DNA分子。在方塊1808處,使雙股DNA分子與適用於奈米孔測序之測序轉接子連接。在方塊1812處,進行奈米孔測序。在方塊1816處,獲得電流信號。在方塊1820處,建構整合式表示矩陣(IPM)。方塊1804至1820可與方塊504至520相同。
出於判定6mA甲基化之說明目的,5'-G[TACCCG]GGT
A CTG[TCTAGA]G-3'之21-nt序列作為一實例用作IPM之基礎,以進行甲基化分析之核苷酸A(例如對應於0位置)為中心。IPM 1824展示使用21-nt序列之結果。為簡單起見,省略括號中之鹼基(由「…」表示)。對於與一個股中之腺嘌呤之鹼基(「A」)對應的0位置,與「A」相關之信號特徵向量(亦即,[X1 = 0.39, X2 = 0.04, X3 = 389, X4 = 46.3, X5 = 0.32])填寫在矩陣之「0」行與「A」列之間的對應單元格。相同行中之其他單元格填寫為「0」。在一些實施例中,可改變信號特徵向量中要素之次序。舉例而言,可使用[X2, X1, X3, X4, X5]、[X2, X3, X4, X5, X1]、[X1, X3, X5, X4, X2]或其他組合。在一些實施例中,信號特徵向量之大小可不僅為5。舉例而言,藉由增加更多處理之電信號特徵或原始電信號,信號特徵向量之大小可包含但不限於6、7、8、9、10、15、20、30、40、50、100等。藉由編輯或刪除信號特徵向量中之一些特徵,信號特徵向量之大小可包含但不限於1、2、3或4。
使用相同的規則填寫與21-nt序列上下文相關之每個核苷酸之剩餘信號特徵向量,由此形成21-nt IPM。因此,此IPM將同時對電流信號模式、測序背景、測序位置以及隨時間推移而改變之模式進行編碼。源自與核苷酸A相關聯之甲基化及未甲基化DNA資料集之多個IPM用於訓練CNN或RNN模型,該模型隨後將用於判定測試樣本中A位點處之甲基化狀態。方塊1828展示CNN分析,且方塊1832展示RNN分析。此等方塊可與方塊528及532相同。
為測試上文示出之吾等方法(IPM-CNN或IPM-RNN)是否能夠判定腺嘌呤甲基化(6mA),吾等下載包括來自先前研究(Rand等人,《自然方法》2017;14:411-413)之pUC19質體DNA之奈米孔測序結果的兩個公共資料集。第一資料集(6mA資料集)係由在含有
dam及
dcm甲基轉移酶兩者之大腸桿菌(
E.coli )中生長之pUC19 質體DNA產生,其中所有GATC模體經推測為A位點均甲基化。第二資料集(uA資料集)係由用未經修飾之核苷酸進行PCR擴增的DNA產生,其中所有A位點經推測為未甲基化。在訓練程序中,吾等使用IPM-CNN模型分析來自6mA資料集的2052個含有GATC模體之分子及來自uA資料集的2081個分子。
圖 19展示使用IPM-CNN模型得到的AUC。x軸展示特異性。y軸展示靈敏度。線1904展示訓練資料集的結果。訓練資料集之AUC為0.94。在訓練程序中,吾等將訓練之IPM-CNN模型應用於來自6mA資料集的522個含有GATC模體之分子及來自uA資料集的481個分子。測試資料集之AUC為0.92。另外,當使用IPM-RNN模型時,對於訓練及測試資料集兩者均得到0.89之AUC。此等資料表明IPM-CNN及IPM-RNN可允許區分6mA位點與未甲基化A位點。
在實施例中,用於人類或非人類DNA之6mA判定的訓練資料集可基於分別使用6mA核苷酸及未甲基化A核苷酸進行PCR擴增來建構。在幾個PCR週期之後,大部分DNA分子將攜載6mA核苷酸以用於由6mA核苷酸進行擴增之DNA產生之資料集,而大部分DNA分子將攜載未甲基化A核苷酸以用於由未甲基化A核苷酸進行擴增之DNA產生之資料集。此兩種類型之資料集可用於訓練CNN及/或RNN模型以判定測試樣本中A核苷酸之甲基化狀態。
使用電流信號分析偵測除5mC之外的6mA證實此分析適用於其他甲基化類型。因此,此等方法應準確地偵測本文所描述之其他甲基化。
F. 人類個體之非腫瘤與腫瘤組織之間的CpG甲基化分析
藉由使用本文所描述之實施例判定的位點之甲基化可用於區分不同類型的組織。使用根據本揭示案之實施例的IPM-RNN模型,吾等分析源自鼻咽癌(NPC)腫瘤及白血球層樣本之細胞DNA分子的甲基化模式。為此目的,吾等使用來自NPC腫瘤之147個分子,其中中值大小為4,406 bp(四分位數範圍(IQR):1,962至8,128 bp)且中值為32個CpG/分子(IQR:13至61)。吾等分析來自白血球層之另外147個分子,其中中值大小為6,823 bp(四分位數範圍(IQR):2,515至9,304 bp)且中值為49個CpG/分子(IQR:23至118)。
圖 20展示來自白血球層樣本及NPC腫瘤組織樣本之DNA分子的比較圖。x軸展示組織類型。y軸展示呈百分比形式的甲基化程度。發現白血球層中之單分子甲基化程度(亦即,分子中判定為甲基化之CpG位點的百分比)(中值:74.8%;IQR:71.1%至80.1%)顯著高於NPC腫瘤中之單分子甲基化程度(中值:50;IQR:45.7至53.1)(
P值<0.0001,威爾卡森秩和檢定(Wilcoxon rank-sum test))。源自腫瘤組織之DNA分子呈現為低甲基化,其與基於短讀數亞硫酸氫鹽測序之先前結論一致(Chan等人,《美國國家科學院院刊》 2013; 110:18761-8)。然而,本文所述之新穎奈米孔測序技術允許對幾乎整個長DNA分子進行測序,且分析DNA分子之甲基化模式。舉例而言,奈米孔測序可分析大小大於600 bp之DNA分子,其不能藉由短讀數測序平台(例如Illumina)進行查詢。
圖 21示出腫瘤DNA分子及白血球層DNA分子中之甲基化模式。實心黑色圓(例如圓2104)指示甲基化CpG位點。空心圓(例如圓2108)指示未甲基化CpG位點。圓展示CpG位點相對於所分析之DNA分子之5'端的相對位置(亦即,圖中DNA分子之左側更接近5'端)。如圖21中所示,相比於源自白血球層樣本之彼等DNA分子,源自腫瘤組織之DNA分子傾向於在分子中攜載更多未甲基化CpG位點。僅5.4%的來自白血球層樣本之分子具有<50%之單分子甲基化程度及2,091 bp之中值長度。相比之下,39.5%的來自NPC腫瘤組織之分子具有<50%之單分子甲基化程度及2,924 bp之中值長度。DNA分子之長度在897 bp至10,424 bp範圍內。
此等資料展示本文所描述之用於偵測甲基化之奈米孔測序技術可用於單分子甲基化模式分析以區分來自組織活檢體樣本的各DNA分子之組織來源(例如非腫瘤DNA與腫瘤DNA分子)。組織活檢體之單分子甲基化模式分析將允許檢查腫瘤級別或亞型、監測癌症或其他疾病之治療、評估器官異常(例如腎臟衰竭)等。
G. 胎兒與母體DNA分子之間的分析
藉由使用本文所描述之實施例判定的位點之甲基化可用於區分胎兒與母體DNA分子。根據IPM-CNN模型,吾等藉由1,262個胎兒特異性游離DNA分子(中值大小:530 bp;IQR:361至779 bp)及6,108個母體特異性游離DNA分子(中值大小:668 bp;IQR:448至1,089 bp)之至少5個CpG位點,利用母體白血球層與胎盤組織之間的SNP資訊來判定單分子甲基化模式,該等分子係獲自妊娠三個月之孕婦。此孕婦之血漿DNA中之胎兒DNA分數為26.0%。
圖
22展示母體特異性與胎兒特異性DNA分子之間的單分子甲基化程度。x軸展示游離DNA分子之類別:母體特異性或胎兒特異性。y軸展示呈百分比形式的單分子甲基化程度。單血漿DNA分子之中值甲基化程度(亦即,分子中判定為甲基化之CpG位點的百分比)對於胎兒特異性游離DNA分子為66.6%(IQR:28.5%至86.6%),其顯著低於母體特異性游離DNA分子之中值甲基化程度(中值:78.5%;IQR:50%至93.7%)(
P值:<0.0001,曼-惠特尼
U 測試)。結果表明使用游離DNA分子之甲基化資訊允許區分各血漿DNA分子之母體及胎兒來源。
另外,藉由比較由IPM-CNN模型判定之甲基化模式與如2021年2月5日申請之美國專利申請案第17/168,950號中所描述之白血球層及胎盤組織之各別參考甲基化模式,吾人可得到0.87之AUC,以用於區分孕婦中胎兒及母體來源之血漿DNA分子。
圖 23展示基於由IPM-CNN模型判定之甲基化模式對孕婦中之游離DNA分子進行胎兒及母體來源分析的ROC曲線。x軸為特異性,且y軸為靈敏度。
III. 用於評估基於IPM之甲基化測定的資料集
未甲基化資料集含有經由全基因體擴增(WGA)製備的經擴增DNA之測序結果(表示為WGA DNA資料集)。使用WGA中之未經修飾之核苷酸得到幾乎不含鹼基修飾之擴增DNA(除了少量輸入基因體DNA以外)。甲基化資料集含有在測序之前藉由M.SssI(CpG甲基轉移酶,自含有來自螺原體屬菌株MQ1之甲基轉移酶基因的大腸桿菌菌株分離,將使雙股DNA中之所有CpG位點甲基化)處理之DNA的測序結果(表示為經M.SssI處理之DNA資料集)。M.SssI甲基轉移酶致使CpG位點甲基化。
為製備WGA DNA資料集,藉由將反應混合物(含有phi29反應緩衝液及dNTP)在95℃下之加熱塊中培育5分鐘接著冷卻至4℃,將核酸外切酶抗性隨機引子預退火為DNA模板之1 ng。接著將phi29聚合酶添加至反應混合物中且在30℃下培育4小時。DNA用Ampure XP珠粒純化且用Qubit螢光計定量。通常,200 ng DNA可獲自20 μl反應物。
為製備經M.SssI處理之DNA資料集,在WGA之後,將一半DNA用M.SssI酶處理。將甲基轉移酶反應緩衝液、S-腺苷甲硫胺酸(SAM)及M.SssI與DNA混合,且在37℃下培育2小時。藉由在65℃下加熱20分鐘使反應停止。連接測序套組(SQK-LSK109)(牛津奈米孔)用於庫製備.用NEBNext FFPE DNA修復混合物以及NEBNext Ultra II末端修復/dA-加尾模組處理DNA。在Ampure XP珠粒清除之後,藉由添加轉接子混合物、連接緩衝液及NEBNext Quick T4 DNA連接酶將測序轉接子連接至經修復之DNA。經連接之DNA用Ampure XP珠粒清潔且用短片段緩衝液洗滌。將庫再懸浮於溶離緩衝液中。R9.4.1流通池用於對WGA(樣本_01)及經M.SssI處理(樣本_02)庫中之每一者進行測序。流通池首先用含有沖洗繫鏈液(Flush Tether)及沖洗緩衝液之流通池預處理混合物進行預處理(primed)。接著藉由混合測序緩衝液、負載珠粒及DNA庫來製備負載庫之混合物。以逐滴方式將負載庫之混合物添加至流通池樣本口中。將負載之流通池插入PromethION中之狹槽中且使用默認參數測序64小時。
針對樣本_01及樣本_02,吾等分別獲得15.6及15.3百萬奈米孔測序讀數,其中13.8(88.7%)及13.8(90.7%)百萬讀數可藉由使用Minimap2(Li H,《生物資訊(Bioinformatics)》2018;34(18):3094-3100)與人類參考基因體(UCSC hg19)對準。樣本_01及樣本_02之中值讀數長度分別為510 nt(四分位數範圍(IQR):333 至778 nt)及606 nt(IQR:382 至911 nt)。在一些實施例中,BLASR(Mark J Chaisson等人, 《BMC生物資訊(BMC Bioinformatics)》2012; 13: 238)、BLAST(Altschul SF等人, 《分子生物學期刊(J Mol Biol.)》 1990;215(3):403-410)、BLAT(Kent WJ, 《基因體研究》2002;12(4):656-664)、BWA (Li H等人, 《生物資訊》2010;26(5):589-595)、NGMLR(Sedlazeck FJ等人, 《自然方法》2018;15(6):461-468)及LAST(Kielbasa SM等人, 《基因體研究》 2011;21(3):487-493)可用於將經測序讀數與參考基因體進行比對。
圖 8為展示基於IPM用於訓練及測試CNN及RNN模型之測序分子之數目的表。第一行為資料集。經M.SssI處理之DNA為甲基化DNA資料集,且WGA DNA為未甲基化DNA資料集。第二行為用於訓練之分子數目及CpG位點數目。第三行為用於測試之分子數目及CpG位點數目。對於訓練資料集,吾等隨機使用分別來自經M.SssI處理之DNA(甲基化DNA)及WGA DNA(未甲基化DNA)的7,989及8,052個測序分子。此訓練資料集包括38,470個甲基化CpG位點及37,150個未甲基化CpG位點。對於測試資料集,吾等隨機使用分別來自經M.SssI處理之DNA(甲基化DNA)及WGA DNA(未甲基化DNA)的4、826及5,041個測序分子。此訓練資料集包括9,716個甲基化CpG位點及11,444個未甲基化CpG位點。
圖 9A 至 圖 9D為使用IPM-CNN及IPM-RNN方法的WGA DNA與經M.SssI處理之DNA資料集之間的CpG之甲基化概率的盒狀圖。圖具有在x軸上之資料集。甲基化概率係在y軸上。圖9A及圖9B展示使用IPM-CNN分析之結果。圖9A展示對訓練資料集之IPM-CNN分析,其中經M.SssI處理之DNA資料集中CpG之甲基化概率(中值:0.99;IQR:0.987 至0.999 )顯著高於WGA DNA資料集中之甲基化概率(中值:0.03;IQR:0.001至0.15)(
P值<0.0001,曼-惠特尼U測試)。圖9B展示對測試資料集之IPM-CNN分析,其亦展示WGA(中值:0.4;IQR:0.002 至0.18)與經M.SssI處理之DNA資料集(中值:0.99;IQR:0.980 至0.999)之間的CpG之甲基化概率的顯著差異(
P值<0.0001,曼-惠特尼U測試)。
圖9C及圖9D展示使用IPM-RNN分析之結果。圖9C展示對訓練資料集之IPM-RNN分析,其中經M.SssI處理之DNA資料集中CpG之甲基化概率(中值:0.994;IQR:0.92 至0.99 )顯著高於WGA DNA資料集中之甲基化概率(中值:0.079;IQR:0.059 至0.118)(P值<0.0001,曼-惠特尼U測試)。圖9D展示對測試資料集之IPM-RNN分析,其亦展示WGA(中值:0.077;IQR:0.057 至0.115)與經M.SssI處理之DNA資料集(中值:0.994;IQR:0.919 至0.999)之間的CpG之甲基化概率的顯著差異(P值<0.0001,曼-惠特尼U測試)。此等結果表明,根據本揭示案提供之實施例用途由奈米孔測序產生之電信號判定CpG位點之甲基化狀態係可行的。在一個實施例中,0.5之甲基化概率閾值可用於判定CpG位點之甲基化狀態。在使用此閾值的情況下,對於IPM-CNN分析,DNA甲基化偵測之特異性及靈敏度對於訓練資料集分別為96%及91%,且對於測試資料集分別為93%及88%。對於IPM-RNN分析,DNA甲基化偵測之特異性及靈敏度對於訓練及測試資料集兩者分別為97%及88%。在一些實施例中,可根據各種應用調節甲基化概率之閾值。
圖 10A及
圖 10B展示接受者操作特徵(ROC)曲線分析。特異性展示於x軸上。靈敏度展示於y軸上。圖10A展示訓練資料集之結果。圖10B展示測試資料集之結果。IPM-CNN結果以線1004及1008展示。IPM-RNN結果以線1012及1016展示。DeepMod(Liu等人,《自然通訊》2019; 10:2449)結果以線1020及1024展示。Nanopolish(Liu等人,《自然通訊》2019; 10:2449)結果以線1028及1032展示。基於IPM之CNN及RNN分析為訓練及測試資料集兩者供應良好效能,其中ROC曲線下面積(AUC)不小於0.95。相比於DeepMod(0.83)及nanopolish(0.91),基於IPM之CNN及RNN模型在測試資料集中產生ROC曲線下面積(AUC)為0.95及0.97的更佳效能。發現基於IPM之RNN或CNN與其他包含DeepMod及nanopolish之工具的所有比較的
P值(DeLong測試)<0.0001。此等結果表明IPM-CNN及IPM-RNN在DNA甲基化分析方面優於其他工具。
圖 11為針對不同分析之既定特異性之靈敏度的表。第一行展示分析類型。第二行展示靈敏度。第三行展示特異性。圖11展示在既定特異性下,IPM-CNN及IPM-RNN分析實現高得多的靈敏度。舉例而言,在90%之特異性下,IPM-CNN及IPM-RNN分別分析實現90%及93%之靈敏度,而DeepMod及nanopolish方法分別實現僅53%及74%之靈敏度。在95%之特異性下,IPM-CNN及IPM-RNN分析分別實現86%及90%之靈敏度,而DeepMod及nanopolish方法僅分別實現38%及55%之靈敏度。在99%之特異性下,IPM-CNN及IPM-RNN分析分別實現70%及83%之靈敏度,而DeepMod及nanopolish分別實現僅13%及16%之靈敏度。此等結果進一步證實,序列區段之電流信號模式之整合式表示矩陣將大大地提高DNA甲基化測定之準確性。特定言之,IPM-RNN在彼等方法中產生最佳的效能。
在一些實施例中,對於IPM,經歷鹼基修飾分析之鹼基周圍的DNA鏈段之長度可為對稱或不對稱的。舉例而言,該鹼基之上游X-nt及下游Y-nt可用於鹼基修飾分析。X可包含但不限於0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、100、150、200、300、400、500、1000、2000、4000、5000及10000;Y可包含但不限於0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、100、150、200、300、400、500、1000、2000、4000、5000及10000。X及Y可相同或不同。
在一些實施例中,核酸中之鹼基修飾將根據本揭示案中之實施例在不同生物體中進行分析,該等生物體包含病毒、細菌、植物、真菌、線蟲、昆蟲及脊椎動物(例如人類)等。最常見的鹼基修飾為將甲基添加至不同位置之不同DNA鹼基中,亦即所謂的甲基化。在胞嘧啶、腺嘌呤、胸腺嘧啶及鳥嘌呤上均已發現甲基化,諸如5mC(5-甲基胞嘧啶)、4mC(N4-甲基胞嘧啶)、5hmC(5-羥甲基胞嘧啶)、5fC(5-甲醯基胞嘧啶)、5caC(5-羧基胞嘧啶)、1mA(N1-甲基腺嘌呤)、3mA(N3-甲基腺嘌呤)、6mA(N6-甲基腺嘌呤)、7mA(N7-甲基腺嘌呤)、3mC(N3-甲基胞嘧啶)、2mG(N2-甲基鳥嘌呤)、6mG(O6-甲基鳥嘌呤)、7mG(N7-甲基鳥嘌呤)、3mT(N3-甲基胸腺嘧啶)及4mT(O4-甲基胸腺嘧啶)。
在一些實施例中,可藉由不同的統計及/或數學模型分析電流信號模式之整合式表示矩陣,該等模型包含但不限於線性回歸、邏輯回歸、深度遞迴神經網路(例如長短期記憶,LSTM)、貝氏分類(Bayes classifier)、隱藏式馬可夫模型(HMM)、線性判別分析(LDA)、k均值聚類、具有雜訊的基於密度之空間聚類應用(DBSCAN)、隨機森林演算法及支持向量機(SVM)。在又一實施例中,自然語言處理將應用於電信號分析以進行鹼基修飾分析。
在一些實施例中,可使用不同類型的奈米孔,包含但不限於生物奈米孔,諸如蛋白質α-溶血素及其藉由蛋白質工程化技術之變化形式、由程式化細菌產生之孔蛋白、由合成材料、、石墨烯製成之固態奈米孔等。
在實施例中,此等方法可用於藉由參考諸如人類參考基因體(hg19)之參考基因體設計引導RNA,例如長散佈核元件(LINE)重複序列來靶向大量共用同源序列之長DNA分子。在一個實例中,此類分析可用於分析孕婦之母體血漿中之循環游離DNA,以偵測胎兒非整倍體(Kinde等人《公共科學圖書館·綜合(PLOS One)》2012;7(7):e41162。在實施例中,經去活化或『死亡』Cas9(dCas9)及其相關單引導RNA(sgRNA)可用於在不切割雙股DNA分子之情況下富集經靶向長DNA。舉例而言,sgRNA之3'端可經設計以攜帶額外通用短序列。吾人可使用與彼通用短序列互補之經生物素標記之單股寡核苷酸以捕獲dCas9所結合的彼等目標長DNA分子。在另一實施例中,吾人可使用經生物素標記之dCas9蛋白或sgRNA或兩者以促進富集。
在實施例中,吾人可執行尺寸選擇以在對所關注之一或多個特定基因體區域無限制之情況下使用包含但不限於化學方法、物理方法、酶促方法、基於凝膠之方法及基於磁珠之方法或合併遠不止該等途徑的方法的途徑富集長DNA片段。
IV. 實例方法
此部分展示使用機器學習模型偵測鹼基修飾及訓練用於偵測鹼基修飾之機器學習模型的實例方法。
A. 修飾之偵測
圖 12為與偵測核酸分子中核苷酸之修飾相關的例示性方法1200之流程圖。修飾可包含本文所描述之任何甲基化或任何氧化。氧化可為8-側氧基-鳥嘌呤。在一些實施方案中,圖12之一或多個程序方塊可藉由系統(例如量測系統1400)執行。在一些實施方案中,圖12之一或多個程序方塊可由與系統分離或包含該系統之另一裝置或裝置群組執行。另外或可替代地,圖12之一或多個程序方塊可藉由量測系統1400之一或多個組件執行,諸如偵測器1420、邏輯系統1430、局部記憶體1435、外部記憶體1440、儲存裝置1445及/或處理器1450。
在方塊1210處,接收輸入資料結構。輸入資料結構可對應於樣本核酸分子中測序之核苷酸的窗口。藉由量測對應於核苷酸之電信號來對樣本核酸分子進行測序。電信號可為電流、電壓、電阻、電感、電容或阻抗。可藉由使用奈米孔進行測序。方法1200可進一步包含使用奈米孔對樣本核酸進行測序。奈米孔可為本文所描述之任何奈米孔。
輸入資料結構可包含若干特性之值。針對窗口內之每個核苷酸的特性可包含核苷酸之標識、核苷酸相對於各個窗口內之目標位置的位置及包含電信號之對應於核苷酸之區段之第一區段統計值的向量。特性可包含核酸分子之等於或大於窗口之區域中電信號之第一區統計值。舉例而言,輸入資料結構可包含整合式表示矩陣[IPM]。
核苷酸之標識可為鹼基(例如A、T、C或G)。可經由利用奈米孔測序之鹼基識別技術來判定鹼基。鹼基識別技術可使電信號之區段與核苷酸相關聯。核苷酸之位置可為相對於目標位置之核苷酸距離。舉例而言,當核苷酸在一個方向上距離目標位置一個核苷酸時,位置可為+1,且當核苷酸在相反方向上距離目標位置一個核苷酸時,位置可為-1。
第一區段統計值可表示電信號之對應於核苷酸之區段的平均值。在一些實施例中,第一區段統計值可表示電信號之對應於核苷酸之區段的電信號變化(例如標準差)。在實施例中,第一區段統計值可表示電信號之對應於核苷酸之區段的平均值的正規化值。正規化可包含重新調整以使得第一區段統計值在某一範圍(例如0至1之範圍)內。正規化可包含使用部分或所有核苷酸股之中值、平均值及/或偏差。正規化可為本文所描述之任何正規化,包含z-評分(例如X5)。
向量可包含第二區段統計值,其表示電信號之對應於核苷酸之區段的變化。向量可包含第三區段統計值,其表示第一區段統計值之正規化值。向量可包含本文所描述之變數X1、X2及X5的任何組合。
第一區統計值可表示該區域中電信號之平均值或中值。舉例而言,第一區統計值可為X3。在實施例中,第一區統計值可表示電信號相對於該區域中之電信號之平均值或中值的變化的絕對值之中值或平均值。變化可為標準差。舉例而言,第一區統計值可為X4。在一些實施例中,第一區統計值可為可選的。
輸入資料結構可進一步包含第二區統計值,其表示電信號相對於該區域中之電信號之平均值或中值的變化的絕對值的中值或平均值。舉例而言,第二區統計值可為X4。
對於窗口內之不同核苷酸,第一區統計值可為相同值。對於窗口內之不同核苷酸,第二區統計值可為相同值。因此,第一區統計值及第二區統計值可視為與具有第一區段統計值及/或第二區段統計值之向量不同。替代地,對於每個核苷酸,向量亦可包含第一區統計值及/或第二區統計值可包含在向量中,即使該等值在核苷酸之間為相同的。在IPM 524及IPM 624中示出重複該等區域統計值的途徑。
該區域可在樣本核酸分子之一個股上。在一些實施例中,該區域可在樣本核酸分子之兩個股上。窗口可包含樣本核酸分子之兩個股上的核苷酸。該區域可為樣本核酸分子。該區域可包含至少5、10、15、20、25、30、50、100、200、300、400、500、1k、5k、10k、50k或1M個核苷酸。在一些實施例中,該區域可少於50、100、200、300、400、500、1k、5k、10k、50k或1M個核苷酸。該區域可以目標位置處之核苷酸為中心。
核苷酸之窗口可以目標位置處之核苷酸為中心。在一些實施例中,窗口可不以目標位置處之核苷酸為中心。窗口可包含目標位置處之核苷酸的上游X-nt及下游Y-nt。X可包含但不限於0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、100、150、200、300、400、500、1000、2000、4000、5000及10000;Y可包含但不限於0、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、100、150、200、300、400、500、1000、2000、4000、5000及10000。窗口中核苷酸之最小數目可為2、3、4、5、6、7、8、9、10、20、30、40、50、100、200,或大於目標位置之上游及下游之核苷酸數目中任一者之和的數目。窗口可類似於圖5中展示及描述的窗口。
窗口可包含核酸分子之兩個股,類似於圖6所描述之技術。
在方塊1220處,將輸入資料結構輸入至模型中。藉由接收第一複數個第一資料結構來訓練模型。第一複數個資料結構之每個第一資料結構對應於複數個第一核酸分子之各個核酸分子中測序之核苷酸的各個窗口。藉由量測對應於核苷酸之電信號來對第一核酸分子中之每一者進行測序。修飾在每個第一核酸分子之每個窗口中目標位置處的核苷酸中具有已知的第一狀態。每個第一資料結構包含與輸入資料結構相同之特性的值。模型可為本文所描述之任何機器學習模型。
藉由儲存複數個第一訓練樣本來進一步訓練模型。每個第一訓練樣本包含第一複數個第一資料結構中之一者及指示目標位置處之核苷酸之第一狀態的第一標記。另外,當將第一複數個第一資料結構輸入至模型時,藉由基於模型之匹配或不匹配第一標記之相應標記的輸出使用複數個第一訓練樣本使模型之參數最佳化而訓練模型。模型之輸出指定在各個窗口中目標位置處之核苷酸是否具有修飾。訓練可如稍後圖13所描述來進行。
在方塊1230處,使用該模型判定修飾是否存在於輸入資料結構中窗口內之目標位置處的核苷酸中。
修飾狀態可用於進一步分析中。在自孕婦獲得之樣本中,在本揭示案中之實施例可用於基於甲基化狀態判定血漿DNA分子之胎兒或母體來源。可藉由具有比參考值更高或更低的甲基化程度之基因體區域判定母體或胎兒來源。在實施例中,自孕婦獲得之樣本可為游離的,例如血漿或血清。在一些實施例中,樣本核酸分子可鑑別為與預定基因體區域對準。可已知預定基因體區域在胎兒或母體基因體中為高甲基化或低甲基化的。該方法可包含使用目標位置處之核苷酸之修飾狀態及視情況樣本核酸分子之一或多個其他核苷酸之修飾狀態來判定樣本核酸為胎兒來源抑或母體來源。
判定樣本核酸分子為胎兒來源抑或母體來源可包含使用一或多個核苷酸之甲基化狀態來判定樣本核酸分子之甲基化程度。可將樣本核酸分子之甲基化程度與參考值進行比較。參考值可由一或多個母體核酸分子之甲基化程度來測定。將樣本核酸分子之甲基化程度與參考值進行比較可包含判定樣本核酸分子之甲基化程度低於參考值。判定樣本核酸分子為胎兒來源抑或母體來源可包含使用該比較判定樣本核酸分子為胎兒來源。
在一些實施例中,樣本核酸分子可為複數個樣本核酸分子中之一個樣本核酸分子。該方法可進一步包含使用甲基化狀態判定複數個樣本核酸分子中之每一者為胎兒來源抑或母體來源。可使用對複數個樣本核酸分子之胎兒或母體來源的判定來測定胎兒分數。
在一些實施例中,修飾狀態可用於判定拷貝數畸變是否存在於一區域中。修飾可為甲基化。樣本核酸分子可為游離的且獲自懷有胎兒之女性個體之生物樣本。樣本核酸分子可為複數個樣本核酸分子中之一個樣本核酸分子。該方法可進一步包含將複數個樣本核酸分子鑑別為與胎兒基因體之區域對準。可判定複數個樣本核酸分子中之每個樣本核酸分子之一或多個核苷酸的修飾狀態。可使用複數個樣本核酸分子中之每個樣本核酸分子之一或多個核苷酸之甲基化狀態判定該區域之甲基化程度。該方法可進一步包含使用甲基化程度判定拷貝數畸變是否存在於胎兒基因體之區域中。該區域可為染色體,且該方法可進一步包含判定存在拷貝數畸變及判定胎兒具有染色體非整倍體。
可判定修飾存在於一或多個核苷酸處。可使用在一或多個核苷酸處之修飾的存在來判定病症之分類。病症之分類可包含使用修飾之數目。可將修飾之數目與臨限值進行比較。替代或另外地,分類可包含一或多個修飾之位置。一或多個修飾之位置可藉由將核酸分子之序列讀數與參考基因體比對來判定。若已知與病症相關之某些位置顯示為具有修飾,則可判定病症。舉例而言,甲基化位點之模式可與病症之參考模式進行比較,且可基於該比較判定病症。與參考模式之匹配或與參考模式之實質性匹配(例如,80%、90%或95%或更高)可指示病症或病症之可能性較高。病症可為任何妊娠相關之病症(例如子癇前症、宮內發育遲緩、侵入性胎盤形成及早產)。
可分析統計學上顯著數目個核酸分子以便提供對一或多個懷孕個體中之病症、組織來源或臨床相關之DNA分數的準確判定。在一些實施例中,分析至少1,000個核酸分子。在其他實施例中,可分析至少10,000或50,000或100,000或500,000或1,000,000或5,000,000個核酸分子。作為另一實例,可產生至少10,000或50,000或100,000或500,000或1,000,000或5,000,000個序列讀數。
該方法可包含判定病症之分類為個體患有該病症。分類可包含使用修飾之數目及/或修飾之位點的病症等級。
可使用一或多個核苷酸處之修飾的存在判定胎兒DNA分數、胎兒甲基化譜、母體甲基化譜、印記基因區域之存在。
方法1200可包含額外實施方案,諸如任何單一實施方案或下文描述及/或結合本文中在別處描述之一或多個其他方法之實施方案的任何組合。
儘管圖12展示方法1200之實例方塊,但在一些實施方案中,相比於圖12中所描繪之彼等方塊,方法1200可包含額外方塊、更少方塊、不同方塊或以不同方式配置之方塊。另外或替代地,可並行地執行方法1200之方塊中之兩者或多於兩者。
B. 模型訓練
圖 13展示偵測核酸分子中核苷酸之修飾的例示性方法1300。例示性方法1300可為訓練用於偵測修飾之模型的方法。該修飾可包含甲基化。甲基化可包含本文所描述之任何甲基化。該修飾可具有離散狀態,諸如甲基化及未甲基化,且可能指定甲基化之類型。因此,核苷酸可能有多於兩種狀態(分類)。圖13中之訓練可與圖12之方法1200一起使用。
在方塊1310處,接收複數個第一資料結構。本文描述資料結構之各種實例,例如在圖5及圖6中。第一複數個第一資料結構中之每個第一資料結構可對應於複數個第一核酸分子之各個核酸分子中測序之核苷酸的各個窗口。與第一複數個資料結構相關之每個窗口可包含4個或更多個連續核苷酸,包含5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21或更多個連續核苷酸。每個窗口可具有相同數目之連續核苷酸。窗口可為重疊的。每個窗口可包含第一核酸分子之第一股上的核苷酸及第一核酸分子之第二股上的核苷酸。第一資料結構亦可包含窗口內之每個核苷酸的股特性之值。股特性可指示核苷酸存在於第一股或第二股。窗口可包含第二股中與第一股中對應位置之核苷酸不互補的核苷酸。在一些實施例中,第二股上之所有核苷酸均與第一股上之核苷酸互補。在一些實施例中,每個窗口可包含第一核酸分子之僅一股上的核苷酸。
第一複數個第一資料結構可包含5,000至10,000、10,000至50,000、50,000至100,000、100,000至200,000、200,000至500,000、500,000至1,000,000或1,000,000或更多個第一資料結構。複數個第一核酸分子可包含至少1,000、10,000、50,000、100,000、500,000、1,000,000、5,000,000或更多個核酸分子。作為另一實例,可產生至少10,000或50,000或100,000或500,000或1,000,000或5,000,000個序列讀數。
藉由量測與核苷酸對應之電信號來對第一核酸分子中之每一者進行測序。電信號可來自奈米孔測序。
修飾在每個第一核酸分子之每個窗口中目標位置處的核苷酸中具有已知的第一狀態。第一狀態可為核苷酸中不存在修飾,或可為核苷酸中存在修飾。可已知第一核酸分子中不存在修飾,或可對第一核酸分子進行處理以使得修飾不存在。可已知第一核酸分子中存在修飾,或可對第一核酸分子進行處理以使得修飾存在。若第一狀態為不存在修飾,則修飾可在每個第一核酸分子之每個窗口中不存在,而非僅在目標位置不存在。已知的第一狀態可包含第一資料結構之第一部分的甲基化狀態及第一資料結構之第二部分的未甲基化狀態。可經由使用亞硫酸氫鹽測序或使用單分子即時測序之光信號的技術來判定已知的甲基化第一狀態。
目標位置可為各個窗口之中心。對於具有跨越偶數個核苷酸之窗口,目標位置可為緊靠窗口中心的上游或緊靠下游的位置。在一些實施例中,目標位置可在各個窗口之任何其他位置,包含第一位置或最後位置。舉例而言,若窗口跨越一個股之n個核苷酸,自第1位至第n位(上游或下游),則目標位置可在第1位至第n位的任何位置。
每個第一資料結構包含窗口內之特性的值。特性可為方塊1210處描述之特性中之任一者。
在方塊1320處,儲存複數個第一訓練樣本。每個第一訓練樣本包含第一複數個第一資料結構中之一者及指示目標位置處之核苷酸之修飾的第一狀態的第一標記。
在方塊1330處,接收第二複數個第二資料結構。方塊1330為情況選用的。第二複數個第二資料結構中之每個第二資料結構對應於複數個第二核酸分子中之各個核酸分子中測序之核苷酸的各個窗口。第二複數個核酸分子可與複數個第一核酸分子相同或不同。修飾在每個第二核酸分子之每個窗口內的目標位置處的核苷酸中具有已知的第二狀態。第二狀態為與第一狀態不同的狀態。舉例而言,若第一狀態為存在修飾,則第二狀態為不存在修飾,反之亦然。每個第二資料結構包含與第一複數個第一資料結構相同之特性的值。
在方塊1340處,儲存複數個第二訓練樣本。方塊1340為視情況選用的。每個第二訓練樣本包含第二複數個第二資料結構中之一者及指示目標位置處之核苷酸之修飾的第二狀態的第二標記。
在方塊1350處,使用複數個第一訓練樣本及視情況選用之複數個第二訓練樣本訓練模型。當將第一複數個第一資料結構及視情況選用之第二複數個第二資料結構輸入至模型時,藉由基於模型之匹配或不匹配第一標記及視情況選用之第二標記的相應標記的輸出使模型之參數最佳化來進行訓練。模型之輸出指定在各個窗口中目標位置處之核苷酸是否具有修飾。該方法可僅包含複數個第一訓練樣本,因為模型可將離群值鑑別為與第一狀態不同的狀態。該模型可為統計模型,亦稱為機器學習模型。
在一些實施例中,模型之輸出可包含處於複數個狀態中之每一者的概率。可將具有最高概率之狀態視為狀態。
該模型可包含卷積神經網路(CNN)。CNN可包含一組卷積過濾器,其經組態以過濾第一複數個資料結構及視情況選用之第二複數個資料結構。過濾器可為本文所描述之任何過濾器。每層之過濾器的數目可為10至20、20至30、30至40、40至50、50至60、60至70、70至80、80至90、90至100、100至150、150至200或更多。過濾器之內核尺寸可為2、3、4、5、6、7、8、9、10、11、12、13、14、15、15至20、20至30、30至40或更多。CNN可包含經組態以接收經過濾之第一複數個資料結構及視情況選用之經過濾之第二複數個資料結構的輸入層。CNN亦可包含複數個隱藏層,其包含複數個節點。複數個隱藏層中之第一層耦合至輸入層。CNN可進一步包含輸出層,其耦合至複數個隱藏層之最後一層且經組態以輸出輸出資料結構。輸出資料結構可包含該等特性。
該模型可包含遞迴類神經網路(RNN)。RNN模型包含多個與量測窗口中之複數個核苷酸相關聯的長短期記憶(LSTM)單元。LSTM單元之數目可等於量測窗口中核苷酸之數目。在一些實施例中,LSTM單元之數目可少於量測窗口中核苷酸之數目。LSTM單元之數目可為但不限於1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、30、40、50、100、200、300、400、500、1,000、2,000、3,000、4,000、5,000、10,000、50,000等。一個LSTM單元可將與電流信號特徵相關之資訊傳輸至下一個LSTM單元,該資訊將經歷多輪線性或非線性變換。此類跨越LSTM單元之資訊傳輸通常以順序方式(例如根據時間步長)組構。此類跨越LSTM單元之資訊傳輸可為雙向的(亦即,包含時間順序及備用時間順序)。每個LSTM單元包含可程式化運算,諸如遺忘門、輸入門、單元狀態及輸出門。經由彼等運算,一個LSTM可判定來自前一時間步長之電流信號資訊是否為記住的或不相關的且可被遺忘(遺忘門)。一個LSTM單元嘗試學習自輸入達至此單元(輸入門)的新資訊。該單元將更新的資訊自當前時間步長傳遞至下一個時間步長(輸出門)。本文中之單元狀態攜載該資訊以及所有時間步長。可使用LSTM單元之多個層。LSTM層之數目可為1、2、3、4、5、6、7、8、9、10、15、20、30等。可使用各層之間的全連接。sigmoid函數通常用作輸入門、輸出門及遺忘門之門函數(gating function)。sigmoid函數之輸出值可在0與1之間,從而判定沒有資訊流動通過該等門或資訊完全流動通過該等門。雙曲正切激活函數(又稱Tanh)可用作輸出激活函數,其處理來自輸出門之資訊值以形成值在-1與1之間的新資訊,該資訊可傳遞至下一個LSTM單元。在一些實施例中,吾人可使用其他激活函數,包含但不限於二進制階梯函數、線性激活函數、sigmoid函數、矯正線性單元等。由LSTM之最終層產生的值可傳遞至輸出層(亦即,密集層,具有一定數目之神經元)上,其中每個神經元均為全連接。密集層中之神經元數目可為但不限於2、3、4、5、6、7、8、9、10、20、30、40、50、100、200、300、400、500、1000、2000個等。吾人可使用多個密集層,包含但不限於1、2、3、4、5、6、7、8、9、10、20、30、40、50、100、5000、1000個等。輸出層可輸出甲基化評分,例如基於sigmoid激活函數或SoftMax激活函數,其可用於對甲基化狀態進行分類。舉例而言,若甲基化評分大於0.5,則判定鹼基為甲基化。否則,判定鹼基為未甲基化。在一些實施例中,用於對甲基化狀態進行分類之臨限值可為但不限於至少0.1、0.2、0.3、0.4、0.6、0.7、0.8、0.9等。在一些實施例中,可丟棄模型中之一些神經元以使過度擬合問題最小化。丟棄之神經元百分比可為但不限於1%、5%、10%、15%、20%、25%、30%、40%、50%、60%、70%等,其可根據不同層而不同。
該模型可包含監督式學習模型。監督式學習模型可包含不同的方法及演算法,包含分析學習、人工神經網路、後向傳播、提昇(boosting)(元演算法)、貝氏統計、案例式推理、決策樹學習、歸納邏輯程式設計、高斯過程回歸(Gaussian process regression)、基因程式設計、資料分組處理方法、核估計法(kernel estimator)、學習自動機、學習分類系統、最小訊息長度(決策樹、決策圖等)、多線性子空間學習、單純貝氏分類(naive Bayes classifier)、最大熵分類、條件隨機場、最近相鄰演算法、可能近似正確學習(PAC)學習、漣波下降規則(ripple down rule)、知識獲取方法、符號機器學習演算法、子符號機器學習演算法、支持向量機、最小複雜度機器(MCM)、隨機森林、分類集成、有序分類、資料預處理、處理不平衡資料集、統計關係學習或Proaftn(一種多準則分類演算法)。模型可線性回歸、邏輯回歸、深度遞迴類神經網路(例如長短期記憶體,LSTM)、貝氏分類器、隱藏式馬可夫模型(HMM)、線性判別分析(LDA)、k均值聚類、具有雜訊的基於密度之空間聚類應用(DBSCAN)、隨機森林演算法、支持向量機(SVM)或本文所描述之任何模型。
作為訓練機器學習模型之一部分,機器學習模型之參數(諸如權重、臨限值,例如可用於神經網路中之激活函數等)可基於訓練樣本(訓練集)而經最佳化,以提供對目標位置處之核苷酸的修飾進行分類的最佳化準確度。可進行各種形式之最佳化,例如反向傳播、經驗風險最小化及結構風險最小化。可使用驗證樣本集(資料結構及標記)來驗證模型之準確度。可使用訓練集中用於訓練及驗證之各個部分來進行交叉驗證。該模型可包括複數個子模型,從而提供集合模型。子模型可為較弱的模型,一旦組合就提供更準確的最終模型。
V. 例示性系統
圖 14示出根據本發明之一實施例的量測系統1400。如圖所示之系統包含在樣本架1410內之樣本1405,諸如DNA分子,其中樣本1405可與檢定1408接觸,以提供物理特徵1415的信號。樣本架之一實例可為包含檢定之探針及/或引子的流通池或液滴藉以移動之套管(在包含液滴之檢定的情況下)。藉由偵測器1420偵測樣本之物理特徵1415(例如,螢光強度、電壓或電流)。偵測器1420可按時間間隔(例如,週期性間隔)進行量測,以獲得構成資料信號之資料點。在一個實施例中,類比數位轉換器在複數個時間將來自偵測器之類比信號轉換成數位形式。樣品架1410及偵測器1420可形成檢定裝置,例如根據本文所描述之實施例進行測序之測序裝置。資料信號1425自偵測器1420發送至邏輯系統1430。資料信號1425可儲存於局部記憶體1435、外部記憶體1440或儲存裝置1445中。
邏輯系統1430可為或可包含電腦系統、ASIC、微處理器等。其亦可包含顯示器(例如監測器、LED顯示器等)及使用者輸入裝置(例如滑鼠、鍵盤、按鈕等)。邏輯系統1430及其他組件可為獨立的或網路連接之電腦系統的一部分,或其可直接連接至或併入包含偵測器1420及/或樣品架1410之裝置(例如測序裝置)中。邏輯系統1430亦可包含在處理器1450中執行之軟體。邏輯系統1430可包含電腦可讀媒體,其儲存用於控制系統1400執行本文所描述之方法中之任一者的指令。舉例而言,邏輯系統1430可向包含樣品架1410之系統提供命令,使得執行測序或其他物理操作。此類物理操作可以特定次序進行,例如在試劑以特定次序添加及移除之情況下。此類物理操作可由可用於獲得樣本且執行分析之例如包含機械臂之機器人系統執行。
本文所提及之任一種電腦系統可利用任何適合數目個子系統。此類子系統之實例展示於
圖 15中之電腦系統10中。在一些實施例中,電腦系統包含單一電腦設備,其中子系統可為電腦設備之組件。在其他實施例中,電腦系統可包含具有內部組件之多個電腦設備,其各自為一個子系統。電腦系統可包含桌上型及膝上型電腦、平板電腦、行動電話、其他行動裝置及基於雲端之系統。
圖15中所示之子系統經由系統匯流排75互連。展示額外子系統,諸如列印機74、鍵盤78、一或多個儲存裝置79、與顯示適配器82耦接之監測器76(例如顯示屏幕,諸如LED)及其他裝置。耦接至輸入/輸出(I/O)控制器71之周邊裝置及I/O裝置可藉由此項技術中已知之多種手段(諸如輸入/輸出(I/O)埠77(例如,USB、Lightning、Thunderbolt™))連接至電腦系統。舉例而言,I/O埠77或外部介面81(例如乙太網路(Ethernet)、Wi-Fi等)可用於將電腦系統10連接至廣域網路(諸如網際網路)、滑鼠輸入裝置或掃描儀。經由系統匯流排75互連允許中央處理器73與各子系統通信且控制系統記憶體72或儲存裝置79(例如,固定磁碟,諸如硬碟機,或光碟)執行複數個指令,以及子系統之間的資訊交換。系統記憶體72及/或一或多個儲存裝置79可實施為電腦可讀媒體。另一子系統為資料收集裝置85,諸如照相機、麥克風、加速計及其類似物。本文中所提及之資料中之任一者可自一個組件輸出至另一組件且可輸出至使用者。
電腦系統可包含複數個相同組件或子系統,例如藉由外部介面81、藉由內部介面或經由可移式儲存裝置連接在一起,該等可移式儲存裝置可自一個組件連接至另一組件且移除。在一些實施例中,電腦系統、子系統或設備可經由網路通信。在此類情況下,一台電腦可視為用戶端,且另一台電腦視為伺服器,其中各電腦可為同一電腦系統之一部分用戶端及伺服器各自可包含多個系統、子系統或組件。
實施例之態樣可以控制邏輯形式使用硬體電路(例如特殊應用積體電路或場域可程式化閘陣列)及/或使用具有大體上可程式化處理器之電腦軟體以模組化或整合式方式來實施。如本文所使用,處理器可包含單核處理器、同一個積體晶片上之多核處理器或單一電路板或網路硬體以及專用硬體上之多個處理單元。基於本文所提供之揭示內容及教示內容,本領域中之一般熟習此項技術者將知道及瞭解使用硬體及硬體與軟體之組合來實施本發明之實施例的其他方式及/或方法。
本申請案中所描述之任何軟體組件或功能可使用例如習知或面向對象技術,以軟體程式碼形式實施,該軟體程式碼係由使用任何適合電腦語言(諸如Java、C、C++、C#、Objective-C、Swift)或腳本處理語言(諸如Perl或Python)的處理器執行。軟體程式碼可以一系列指令或命令形式儲存於電腦可讀取媒體上以進行儲存及/或傳輸。適合之非暫時性電腦可讀媒體可包含隨機存取記憶體(RAM)、唯讀記憶體(ROM)、磁性媒體(諸如硬碟機或軟碟機)或光學媒體,諸如光碟(CD)或數位化通用光碟(DVD)或藍光碟、快閃記憶體及其類似者。電腦可讀媒體可為此類儲存或傳輸裝置之任何組合。
此類程式亦可使用適用於經由符合多種協定之有線、光學及/或無線網路(包含網際網路)傳輸的載波信號來編碼及傳輸。因此,電腦可讀取媒體可使用以此類程式編碼之資料信號建立。以程式碼編碼之電腦可讀媒體可與相容裝置一起封裝或與其他裝置分開提供(例如經由網際網路下載)。任何此類電腦可讀媒體可存在於單一電腦產品(例如硬碟機、CD或整個電腦系統)上或其內部,且可存在於系統或網路內之不同電腦產品上或其內部。電腦系統可包含用於向使用者提供本文所提及之任何結果的監測器、列印機、或其他適合之顯示器。
本文中所描述之方法中之任一者可完全或部分地使用電腦系統來執行,該電腦系統包含可經組態以執行步驟之一或多個處理器。因此,實施例可針對經組態以執行本文所描述之任何方法之步驟的電腦系統,潛在地使用不同組件執行各別步驟或各別步驟群組。儘管以帶編號之步驟形式呈現,但本文中之方法之步驟可同時或在不同時間或以不同順序執行。另外,此等步驟之一部分可與其他方法之其他步驟之部分一起使用。另外,可視情況選用步驟之全部或部分。此外,任何方法之任何步驟可使用用於執行此等步驟之系統的模組、單元、電路或其他構件來執行。
可在不脫離本發明之實施例的精神及範疇的情況下以任何合適方式組合特定實施例之特定細節。然而,本發明之其他實施例可針對與各個別態樣或此等個別態樣之特定組合相關的特定實施例。
已出於說明及描述之目的呈現本揭示案之例示性實施例的上述描述。其並不意欲為詳盡的或將本揭示案限於所描述之精確形式,且鑒於以上教示,許多修改及變化為可能的。
除非相反地特定指示,否則「一(a/an)」或「該(the)」之敍述欲意謂「一或多個(種)」。除非相反地特定指示,否則「或」之使用欲意謂「包括性的或」,而非「互斥性的或」。提及「第一」組件不一定需要提供第二組件。此外,除非明確陳述,否則提及「第一」或「第二」組件不會將所提及組件限制於特定位置。術語「基於」意指「至少部分地基於」。
出於所有目的,本文所提及之所有專利、專利申請案、公開案及描述均以全文引用之方式併入。不承認任一者為先前技術。
10:電腦系統
71:輸入/輸出(I/O)控制器
72:系統記憶體
73:中央處理器
74:列印機
75:系統匯流排
76:監測器
77:I/O埠
78:鍵盤
79:一或多個儲存裝置
81:外部介面
82:顯示適配器
85:資料收集裝置
104:DNA分子
108:馬達蛋白
112:馬達蛋白
116:奈米孔
120:曲線圖
204:圓點
208:線
304:跡線
308:區段
504:方塊
508:方塊
512:方塊
516:方塊
520:方塊
524:方塊
528:方塊
532:方塊
604:方塊
608:方塊
612:方塊
616:方塊
620:方塊
624:方塊
628:方塊
632:方塊
1004:線
1008:線
1012:線
1016:線
1020:線
1024:線
1028:線
1032:線
1200:方法
1210:方塊
1220:方塊
1230:方塊
1300:方法
1310:方塊
1320:方塊
1330:方塊
1340:方塊
1350:方塊
1400:量測系統
1405:樣本
1408:檢定
1410:樣本架
1415:物理特徵
1420:偵測器
1425:資料信號
1430:邏輯系統
1435:局部記憶體
1440:外部記憶體
1445:儲存裝置
1450:處理器
1804:方塊
1808:方塊
1812:方塊
1816:方塊
1820:方塊
1824:方塊
1828:方塊
1832:方塊
1904:線
2104:實心黑色圓
2108:空心圓
圖 1示出奈米孔測序。
圖 2示出根據本發明之實施例的不同信號特徵。
圖 3示出根據本發明之實施例的電流信號分段及信號特徵向量之建構。
圖 4為根據本發明之實施例的每個核苷酸穿過奈米孔之事件長度(亦即,持續時間)的分佈圖。
圖 5示出根據本發明之實施例的使用包括電流模式、測序位置及測序背景(sequencing context)之整合式表示矩陣的5mC偵測之原理。
圖 6示出根據本發明之實施例的使用包括電流模式、測序位置及基於雙股DNA之兩個股的測序背景之整合式表示矩陣的鹼基修飾偵測之原理。
圖 7展示根據本發明之實施例的核尺寸對鹼基修飾分析之效能的影響。
圖 8展示根據本發明之實施例的關於甲基化偵測之用於訓練及測試之測序分子數目。
圖 9A 至圖 9D為根據本發明之實施例的使用IPM-CNN及IPM-RNN方法的WGA DNA與經M.SssI處理之DNA資料集之間的CpG甲基化概率的盒狀圖。
圖 10A 及圖 10B展示根據本發明之實施例的訓練資料集及測試資料集之接受者操作特徵(ROC)曲線。
圖 11為根據本發明之實施例的用於甲基化分析之不同工具之效能的表。
圖 12為根據本發明之實施例的偵測核酸分子中核苷酸之修飾的方法之流程圖。
圖 13為根據本發明之實施例的偵測核酸分子中核苷酸之修飾的方法之流程圖。
圖 14示出根據本發明之實施例的量測系統。
圖 15展示可與根據本發明之實施例的系統及方法一起使用的實例電腦系統之方塊圖。
圖 16展示根據本發明之實施例的不同參數組合對ROC曲線下面積(AUC)之影響的圖。
圖 17展示根據本發明之實施例的窗口大小對AUC之影響的圖。
圖 18示出根據本發明之實施例的使用包括電流模式、測序位置及測序背景之整合式表示矩陣的6mA偵測之原理。
圖 19展示根據本發明之實施例的6mA偵測之AUC的圖。
圖 20為針對根據本發明之實施例的源自白血球層(buffy coat)及NPC腫瘤樣本之DNA,藉由IPM-RNN模型測定之單分子甲基化程度的比較。
圖 21展示根據本發明之實施例的單分子甲基化模式之實例。
圖 22為根據本發明之實施例的母體特異性及胎兒特異性游離DNA分子之單分子甲基化程度的圖。
圖 23為根據本發明之實施例的使用由IPM-CNN模型判定之甲基化模式判定游離DNA分子之胎兒及母體來源的ROC曲線。
104:DNA分子
108:馬達蛋白
112:馬達蛋白
116:奈米孔
120:曲線圖
Claims (50)
- 一種用於偵測核酸分子中核苷酸之修飾的方法,該方法包括: 接收輸入資料結構,該輸入資料結構對應於樣本核酸分子中測序之核苷酸的窗口,其中該樣本核酸分子係藉由量測對應於該等核苷酸之電信號來測序,該輸入資料結構包括以下特性之值: 對於該窗口內之每個核苷酸: 該核苷酸之標識, 該核苷酸相對於各個窗口內之目標位置的位置,及 包括該電信號之對應於該核苷酸之區段的第一區段統計值的向量; 將該輸入資料結構輸入至模型中,該模型藉由以下操作進行訓練: 接收第一複數個第一資料結構,該第一複數個第一資料結構中之每個第一資料結構對應於複數個第一核酸分子之各個核酸分子中測序之核苷酸的各個窗口,其中該等第一核酸分子中之每一者係藉由量測對應於該等核苷酸之該電信號來測序,其中該修飾在每個第一核酸分子之每個窗口中目標位置處之核苷酸中具有已知的第一狀態,每個第一資料結構包括與該輸入資料結構相同特性之值, 儲存複數個第一訓練樣本,每個樣本包含該第一複數個第一資料結構中之一者及指示該目標位置處之核苷酸之第一狀態的第一標記,及 當將該第一複數個第一資料結構輸入至該模型時,基於該模型之匹配或不匹配該等第一標記之相應標記的輸出,使用該複數個第一訓練樣本來使該模型之參數最佳化,其中該模型之輸出指定該各個窗口中該目標位置處之核苷酸是否具有該修飾, 使用該模型判定該修飾是否存在於該輸入資料結構中之該窗口內之該目標位置處的核苷酸中。
- 如請求項1之方法,其中該第一區段統計值表示該電信號之對應於該核苷酸之該區段的平均值。
- 如請求項1之方法,其中該第一區段統計值表示該電信號之對應於該核苷酸之該區段的該電信號之變化。
- 如請求項1之方法,其中該第一區段統計值表示該電信號之對應於該核苷酸之該區段的平均值的正規化值。
- 如請求項1、2或4中任一項之方法,其中該向量包括表示該電信號之對應於該核苷酸之該區段之變化的第二區段統計值。
- 如請求項1、2或3中任一項之方法,其中該向量包括表示該電信號之對應於該核苷酸之該區段的平均值之正規化值的第二區段統計值。
- 如請求項2之方法,其中: 該向量包括表示該電信號之對應於該核苷酸之該區段的變化的第二區段統計值,且 該向量包括表示該第一區段統計值之正規化值的第三區段統計值。
- 如前述請求項中任一項之方法,其中該輸入資料結構包括該核酸分子之區域中的該電信號之第一區統計值等於或大於該窗口的值。
- 如請求項8之方法,其中該第一區統計值表示該區域中的該電信號之平均值或中值。
- 如請求項8之方法,其中該第一區統計值表示相對於該區域中之該電信號之該平均值或中值的該電信號之變化絕對值的中值或平均值。
- 如請求項9之方法,其中該輸入資料結構進一步包括第二區統計值,該第二區統計值表示相對於該區域中之該電信號之該平均值或中值的該電信號之變化絕對值的中值或平均值。
- 如請求項8至11中任一項之方法,其中該區域係在該樣本核酸分子之一個股上。
- 如請求項8至12中任一項之方法,其中該區域為該樣本核酸分子或包括至少5、10、15、20、25、30、50、100、200、300、400、500或1k、5k、10k、50k或1M個核苷酸。
- 如請求項8至13中任一項之方法,其中該區域係以該核苷酸為中心。
- 如前述請求項中任一項之方法,其中該窗口包括該樣本核酸分子之兩個股上的核苷酸。
- 如前述請求項中任一項之方法,其中該修飾為甲基化或氧化。
- 如前述請求項中任一項之方法,其中該電信號為電流、電壓、電阻、電感、電容或阻抗。
- 如前述請求項中任一項之方法,其進一步包括使用奈米孔對該樣本核酸分子進行測序。
- 如請求項1之方法,其中: 該修飾為甲基化,且 該樣本核酸分子為游離的且獲自懷有胎兒之女性個體之生物樣本, 該方法進一步包括: 使用該目標位置處之核苷酸之修飾狀態判定該樣本核酸分子為胎兒來源抑或母體來源,其中該修飾狀態為該修飾是否存在,且視情況判定該樣本核酸分子之一或多個其他核苷酸之修飾狀態。
- 如請求項19之方法,其中判定該樣本核酸分子為胎兒來源抑或母體來源包括: 使用該一或多個核苷酸之該等修飾狀態判定該樣本核酸分子之甲基化程度;及 將該樣本核酸分子之該甲基化程度與參考值進行比較。
- 如請求項20之方法,其中該參考值係由一或多個母體核酸分子之甲基化程度測定。
- 如請求項20之方法,其中: 將該樣本核酸分子之該甲基化程度與該參考值進行比較包括判定該樣本核酸分子之該甲基化程度低於該參考值,及 判定該樣本核酸分子為胎兒來源抑或母體來源包括使用該比較判定該樣本核酸分子為胎兒來源。
- 如請求項19之方法,其進一步包括: 將該樣本核酸分子鑑別為與預定基因體區域對齊。
- 如請求項19之方法,其中: 該樣本核酸分子為複數個樣本核酸分子中之一個樣本核酸分子, 該方法進一步包括: 使用該等修飾狀態判定該複數個樣本核酸分子中之每一者為胎兒來源抑或母體來源,及 使用對該複數個樣本核酸分子之胎兒或母體來源的判定來測定胎兒分數。
- 如請求項1之方法,其中: 該修飾為甲基化, 該樣本核酸分子為游離的且獲自懷有胎兒之女性個體之生物樣本,且 該樣本核酸分子為複數個樣本核酸分子中之一個樣本核酸分子, 該方法進一步包括: 將該複數個樣本核酸分子鑑別為與胎兒基因體之區域對齊, 判定該複數個樣本核酸分子中之每一個樣本核酸分子之一或多個核苷酸的修飾狀態, 使用該複數個樣本核酸分子中之每一個樣本核酸分子的該一或多個核苷酸之該等修飾狀態來判定該區域之甲基化程度,及 使用該甲基化程度判定該胎兒基因體之該區域中是否存在拷貝數畸變。
- 一種用於偵測核酸分子中核苷酸之修飾的方法,該方法包括: 接收第一複數個第一資料結構,該第一複數個第一資料結構中之每個第一資料結構對應於複數個第一核酸分子中之各個核酸分子中測序的核苷酸之各個窗口,其中該等第一核酸分子中之每一者係藉由量測對應於該等核苷酸之電信號來測序,其中該修飾在每個第一核酸分子之每個窗口中目標位置處之核苷酸中具有已知的第一狀態,每個第一資料結構包括以下特性之值: 對於該窗口內之每個核苷酸: 該核苷酸之標識, 該核苷酸相對於各個窗口內之目標位置的位置,及 包括該電信號之對應於該核苷酸之區段的第一區段統計值的向量; 儲存複數個第一訓練樣本,每個樣本包含該第一複數個第一資料結構中之一者及指示該目標位置處之核苷酸之修飾之第一狀態的第一標記;及 當將該第一複數個第一資料結構輸入至模型時,基於該模型之匹配或不匹配該等第一標記之相應標記的輸出,使用該複數個第一訓練樣本使該模型之參數最佳化而訓練該模型,其中該模型之輸出指定該各個窗口中該目標位置處之核苷酸是否具有該修飾。
- 如請求項26之方法,其進一步包括: 接收第二複數個第二資料結構,該第二複數個第二資料結構中之每個第二資料結構對應於複數個第二核酸分子之各個核酸分子中測序之核苷酸的各個窗口,其中該修飾在每個第二核酸分子之每個窗口內之目標位置處之核苷酸中具有已知的第二狀態,每個第二資料結構包括與該第一複數個第一資料結構相同的特性之值; 儲存複數個第二訓練樣本,每個樣本包含該第二複數個第二資料結構中之一者及指示該目標位置處之核苷酸之第二狀態的第二標記; 其中訓練: 該第一狀態或該第二狀態為存在該修飾,且另一狀態為不存在該修飾, 該模型進一步包括當將該第二複數個第二資料結構輸入至該模型時,基於該模型之匹配或不匹配該等第二標記之相應標記的輸出,使用該複數個第二訓練樣本使該模型之參數最佳化。
- 如請求項27之方法,其中該複數個第一核酸分子與該複數個第二核酸分子相同。
- 如請求項26之方法,其中: 與該第一複數個第一資料結構相關之每個窗口包括該第一核酸分子之第一股上的核苷酸及該第一核酸分子之第二股上的核苷酸,及 每個第一資料結構進一步包括對於該窗口內之每個核苷酸之股特性的值,該股特性指示該核苷酸存在於該第一股或該第二股上。
- 如請求項26之方法,其中該修飾包括該目標位置處之核苷酸的甲基化。
- 如請求項30之方法,其中該等已知的第一狀態包含該等第一資料結構之第一部分的甲基化狀態及該等第一資料結構之第二部分的未甲基化狀態。
- 如請求項26之方法,其中該第一區段統計值表示該電信號之對應於該核苷酸之該區段的平均值。
- 如請求項26之方法,其中該第一區段統計值表示該電信號之對應於該核苷酸之該區段的該電信號之變化。
- 如請求項26之方法,其中該第一區段統計值表示該電信號之對應於該核苷酸之該區段的平均值的正規化值。
- 如請求項26、32或34中任一項之方法,其中該向量包括表示該電信號之對應於該核苷酸之該區段之變化的第二區段統計值。
- 如請求項26、32或33中任一項之方法,其中該向量包括表示該電信號之對應於該核苷酸之該區段的平均值之正規化值的第二區段統計值。
- 如請求項32之方法,其中: 該向量包括表示該電信號之對應於該核苷酸之該區段的變化的第二區段統計值,且 該向量包括表示該第一區段統計值之正規化值的第三區段統計值。
- 如請求項26至37中任一項之方法,其中每個第一資料結構包括該各個核酸分子之區域中的該電信號之第一區統計值等於或大於該窗口的值。
- 如請求項38之方法,其中該第一區統計值表示該區域中的該電信號之平均值或中值。
- 如請求項38之方法,其中該第一區統計值表示相對於該區域中之該電信號之該平均值或中值的該電信號之變化絕對值的中值或平均值。
- 如請求項39之方法,其中該第一資料結構進一步包括第二區統計值,該第二區統計值表示相對於該區域中之該電信號之該平均值或中值的該電信號之變化絕對值的中值或平均值。
- 如請求項38至41中任一項之方法,其中該區域係在該各個核酸分子之一個股上。
- 如請求項38至45中任一項之方法,其中該區域為該各個核酸分子或包括至少5、10、15、20、25、30、50、100、200、300、400、500或1k、5k、10k、50k或1M個核苷酸。
- 如請求項38至43中任一項之方法,其中該區域係以該核苷酸為中心。
- 如請求項26至44中任一項之方法,其中該窗口包括該各個核酸分子之兩個股上的核苷酸。
- 一種電腦產品,其包括儲存複數個指令之非暫時性電腦可讀媒體,該複數個指令在執行時控制電腦系統以執行如前述請求項中任一項之方法。
- 一種系統,其包括: 如請求項46之電腦產品;及 一或多個處理器,其用於執行儲存於該電腦可讀媒體上之指令。
- 一種系統,其包括用於執行上述方法中之任一者的構件。
- 一種系統,其包括經組態以執行上述方法中之任一者的一或多個處理器。
- 一種系統,其包括分別執行上述方法中之任一者的步驟的模組。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163173728P | 2021-04-12 | 2021-04-12 | |
US63/173,728 | 2021-04-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202305818A true TW202305818A (zh) | 2023-02-01 |
Family
ID=83509521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111113903A TW202305818A (zh) | 2021-04-12 | 2022-04-12 | 使用電信號之鹼基修飾分析 |
Country Status (10)
Country | Link |
---|---|
US (1) | US20220328135A1 (zh) |
EP (1) | EP4323539A1 (zh) |
JP (1) | JP2024516365A (zh) |
KR (1) | KR20240007159A (zh) |
CN (1) | CN117545855A (zh) |
AU (1) | AU2022258155A1 (zh) |
CA (1) | CA3215066A1 (zh) |
IL (1) | IL307398A (zh) |
TW (1) | TW202305818A (zh) |
WO (1) | WO2022218290A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112481363A (zh) * | 2020-03-09 | 2021-03-12 | 南京大学 | 突变Aerolysin单体在检测RNA碱基序列及RNA修饰方面的应用 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115620809B (zh) * | 2022-12-16 | 2023-04-07 | 北京齐碳科技有限公司 | 纳米孔测序数据分析方法、装置以及存储介质和应用 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020197639A1 (en) * | 2001-06-08 | 2002-12-26 | Shia Michael A. | Methods and products for analyzing nucleic acids based on methylation status |
ATE535621T1 (de) * | 2006-10-18 | 2011-12-15 | Epigenomics Ag | Molekül zur bereitstellung eines standards zur quantitativen analyse des methylierungsstatus einer nukleinsäure |
WO2008070144A2 (en) * | 2006-12-06 | 2008-06-12 | Duke University | Imprinted genes and disease |
US9238836B2 (en) * | 2012-03-30 | 2016-01-19 | Pacific Biosciences Of California, Inc. | Methods and compositions for sequencing modified nucleic acids |
TWI793586B (zh) * | 2015-08-12 | 2023-02-21 | 香港中文大學 | 血漿dna之單分子定序 |
NZ784999A (en) * | 2019-08-16 | 2022-08-26 | Univ Hong Kong Chinese | Determination of base modifications of nucleic acids |
-
2022
- 2022-04-12 EP EP22787514.3A patent/EP4323539A1/en active Pending
- 2022-04-12 US US17/719,166 patent/US20220328135A1/en active Pending
- 2022-04-12 WO PCT/CN2022/086260 patent/WO2022218290A1/en active Application Filing
- 2022-04-12 CN CN202280037190.7A patent/CN117545855A/zh active Pending
- 2022-04-12 IL IL307398A patent/IL307398A/en unknown
- 2022-04-12 KR KR1020237038839A patent/KR20240007159A/ko unknown
- 2022-04-12 TW TW111113903A patent/TW202305818A/zh unknown
- 2022-04-12 CA CA3215066A patent/CA3215066A1/en active Pending
- 2022-04-12 AU AU2022258155A patent/AU2022258155A1/en active Pending
- 2022-04-12 JP JP2023562533A patent/JP2024516365A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112481363A (zh) * | 2020-03-09 | 2021-03-12 | 南京大学 | 突变Aerolysin单体在检测RNA碱基序列及RNA修饰方面的应用 |
Also Published As
Publication number | Publication date |
---|---|
US20220328135A1 (en) | 2022-10-13 |
AU2022258155A1 (en) | 2023-11-30 |
JP2024516365A (ja) | 2024-04-15 |
CN117545855A (zh) | 2024-02-09 |
WO2022218290A1 (en) | 2022-10-20 |
EP4323539A1 (en) | 2024-02-21 |
CA3215066A1 (en) | 2022-10-20 |
IL307398A (en) | 2023-12-01 |
KR20240007159A (ko) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7462993B2 (ja) | 核酸の塩基修飾の決定 | |
WO2022218290A1 (en) | Base modification analysis using electrical signals | |
KR20230113840A (ko) | 임신 중 긴 세포유리 단편을 사용한 분자 분석 | |
JP2021531016A (ja) | 無細胞dna損傷分析およびその臨床応用 | |
WO2023093782A1 (en) | Molecular analyses using long cell-free dna molecules for disease classification | |
KR102662186B1 (ko) | 임신 중 긴 세포유리 단편을 사용한 분자 분석 |