CN114467144B 减少测序平台特异性错误的体细胞突变检测装置及方法 （首尔大学校产学协力团）

2022.04.02PCT/KR2019/0141092019.10.25WO2021/080043KO2021.04.29US10354747B1,2019.07.16减少测序平台特异性错误的体细胞突变检标细胞的第一基因组数据以及提取自正常细胞平台(sequencingplatform)上发生的特异假阳2所述处理器用于生成提取自检测目标细胞的第一基因组数据以及提取自正常细胞的经过学习，可以更正测序平台（sequencingplatform）上发生的特异假阳性（false基于相同学习用细胞的分别执行的长读测序（longreadsequencing）及短读测序所述神经网络是卷积神经网络（CNN,convolutionalneuralnetwork其从所述图像数据提取特征（feature基于所述特征，计算所述检测目标细胞的基因发生突变的概所述处理器基于映射质量及深度（depth补正所述第一基因组数据和所述第二基因从所述检测目标细胞检测出的突变是体细胞单核苷酸变异（sSNV,somaticsingle经过学习，可以更正测序平台（sequencingplatform）上发生的特异假阳性（false基于相同学习用细胞的分别执行的长读测序（longreadsequencing）及短读测序3所述神经网络是卷积神经网络（CNN,convolutionalneuralnetwork其从所述图像数据提取特征（feature基于所述特征，计算所述检测目标细胞的基因发生突变的概从所述检测目标细胞检测出的突变是体细胞单核苷酸变异（sSNV,somaticsingle4[0002]二代测序(NGS,nextgenerationsequencing)是指将DNA分成多个片段，进行并经网络经过学习，可以更正测序平台(sequencingplat5正测序平台(sequencingplatform)上发生的特异假阳轻易从本发明的说明书和实施例类推的内容均应属于本公开的权利要求神经网络200还可以实现为循环神经网络(RNN)或卷积神经网络(CNN)等多种6一系列处理过程的各个步骤可以通过实施特定功能的模块实现，如图像生成模块330或突在LINUXCentOSrelease7.6[0032]第一基因组数据310可以意味着提取自检测目标细胞的基因组数据。检测目标细测目标细胞提取第一基因组数据310的过程以及从正常细胞提取第二基因组数据320的过际患癌细胞以及与此相对比的正常细胞提取第一基因组数据310和第二基因组数据320检[0035]图像生成模块330可以从第一基因组数据310和第二基因组数据320提取图像数中，何种基因发生了突变。例如，如图5及图6所示，神经网络200可以从图像提取特征7[0039]另外，通过装置300，从检测目标细胞检测出的突变可以是体细胞单核苷酸变异200的若干个层和若干个节点相关的数据、在若干个节点执行的运算和运算过程中适用的[0044]存储器410可以实现为非易失性存储器，如，ROM(readonlymemory)、PROM(programmableROM)、EPROM(electricallyprogrammableROM)、EEPROM(electricallyerasableandprogrammableROM)、快闪存储器(flashmemory)、PRAM(phase-change[0045]处理器420可以运行存储于存储器410的软件检测出突变。处理器420执行检测突[0047]处理器420可以生成提取自检测目标细胞的第一基因组数据和提取自正常细胞的组数据。另外，第一基因组数据和第二基因组数据可以是全基因组数据(wholegenone8[0051]处理器420可以基于映射质量(mappingquality)及深度(depth)补正第一基因组神经网络200经过学习，可以更正测序平台(sequencing)上发生的特异假阳性(false[0055]可以通过装置400执行神经网络200的学习乃至训练。为了使神经网络200进行学[0057]测序平台上发生的特异假阳性意味着：或被特定测序平9[0061]图5示出了神经网络530的结构以及神经网络530基于第一学习图像数据510和第二学习图像数据520进行学习的过程。图5所示神经网络530可以是图2至图4所示神经网络[0063]神经网络530可以实现为包括第一网络531和第二网络532的卷积神经网络(CNN第一网络531可以包括卷积层和池化层，第二网络532可以包括全连接网络(fully[0065]神经网络530可以将第一学习图像数据510和第二学习图像数据520当作学习数据[0066]第一学习图像数据510可以显示与实际突变相关的学习数据。某一测序平台可以[0067]第二学习图像数据520可以表示由于假阳性被误检为突变的相关学习数据。如上[0068]为了使神经网络530进行学习，第一学习图像数据510和第二学习图像数据520可[0070]图6举例示出了用于生成第一学习图像数据510和第二学习图像数据520的不同测对比结果640相对应的误检突变相关数据可以标注为第二学习图像数据520。神经网络530检突变相关数据可以通过HCC1143cellline等实现为虚拟癌细胞基因组数据，并可以通过从虚拟癌细胞基因组数据获取基因序列(genesequence)、插入/缺失(indel,[0079]图7所示突变检测方法可以由图3至图6所示装置300或装置400按照时序处理的步置400的上述内容同样适用于图7所示突变检测方[0085]可以基于相同学习用细胞的长读测序(longreadsequencing)及短读测序入/缺失(indel,insertion/deletion)和映射质量(mappingquality)中[0088]从检测目标细胞检测出的突变可以是体细胞单核苷酸变异(sSNV,somatic[0089]图7示出的突变检测方法可以记录在计算机可读记录介质中，该计算机可读记录[0090]计算机可读记录介质例如可以包括特别构成的硬件装置，其用于存储并执行硬光磁软盘(flopticaldisk)等磁光介质(magneto-opticalmedia)以及只读存储器(ROM)、当解释为本公开所属技术领域的从业人员利用所附