[发明专利]一种通过寡核苷酸多态性芯片识别基因型的方法

说明书

技术领域

本发明涉及基因型的识别，特别是一种通过寡核苷酸多态性芯片识别基因型的方法，该方法同时适用于小样本的基因型识别以及能够极大简化大样本基因型识别的流程和时间。

背景技术

寡核苷酸多态性(SNP)基因芯片，是将以知DNA序列的SNP寡核苷酸链(以下称探针)有规律的排列在基片上，将待测样品DNA标记后与探针按碱基互补配对进行杂交。通过荧光检测系统对杂交后芯片进行扫描，将得到的光信号数据进行处理与分析，就可以识别出样本的SNP基因型。利用基因芯片，可以同时对10万个甚至以上不同的SNP进行基因型的识别和检测，从而为下游基因工程，如疾病基因的检测，基因治疗等提供强有力的数据支持。现在SNP芯片现已作为高通量基因型识别工具，广泛应用于生命科学研究及实践，医学科研及临床药物设计等领域。Affymetrix SNP芯片，包括GeneChip Human Mapping 100k微阵列和500k微阵列，更是因为它们的标准化和自动化成为最为流行的研究平台之一。随着微阵列密度的不断增大，这也给芯片的数据处理和统计推断带来了新的挑战。

在SNP基因型识别过程中，最根本的一个问题是如何给出一个精确有效的判别方法。对于早期的Affymetrix 10k SNP芯片，可以使用修正数据分割法(Modified Partitioning Around Medoids，MDAM)(Liu，W.，Di，X.，Yang，G.，Matsuzaki，H.，Huang，J.(2003)Algorithms for large-scale genotypingmicroarrays，Bioinformatics，19，2397-2403.)，但是这种方法在某些等位基因出现频率比较低的情况下，结果会不够精确，而在100k和500k芯片大量使用的情况下这个问题显得更为严重。2005年，Affymetrix公司提出了一种称为动态模型(Dynamic Model，DM)法，这个模型是通过Wilcoxon符号秩检验得到的基因型识别结果和相应的可靠性水平(Di，X.，Matsuzaki，H.，Webster，T.A.，Hubbell，E.，Liu，G.，Dong，S.，Bartell，D.，Huang，J.，Chiles，R.，Yang，G.，Shen，M.M.，Kulp，D.，Kennedy，G.C.，Mei，R.，Jones，K.W.，Cawley，S.(2005)Dynamic model based algorithmsfor screening and genotyping over 100K SNPs onoligonucleotidemicroarrays，Bioinformatics，21，1958-1963.)。虽然DM不需要训练样本，但倾向于漏判异质性基因型。随着100k和500k芯片的流行，很多新方法纷纷出现。Rabbee和Speed提出了基于马氏距离分类的稳健线性模型法(Robust Linear Model with Mahalanobis Distance Classifier，RLMM)，它使用HapMap数据作为训练样本(Rabbee，N.，Speed，T.P.(2006)Agenotype calling algorithm for affymetrix SNP arrays，Bioinformatics，22，7-12.)。Affymetrix公司针对RLMM进行改进，开发了基于马氏距离聚类的贝叶斯稳健线性回归法(Bayian Robust Linear Model with MahalanobisDistance Classifier，BRLMM)，这个方法使用DM算法的结果作为训练样本来消除不同实验的差异。Carvalho等提出了基于极大似然分类的修正稳健线性模型法(Corrected Robust Linear Model with Maximum Likel ihoodClassification，CRLMM)，取得了很不错的结果(Carvalho，B.，Speed，T.P.，Irizarry，R.A.(2007)Exploration，Normalization，and Genotype Callsof High Density Oligonucleotide SNP Array Data，Biostatistics，8，485-499.)。但是由于CRLMM需要对所用的芯片数据进行预处理，因此它要求计算机具有很高的运行能力来处理大量的数据操作，而且当有新样本出现的时候，重新进行预处理可能会得到与上次不一样的基因型的判别结果，更严重的是，CRLMM法在小样本的情况下也容易失去精确度。