[发明专利]通过分析无细胞DNA确定肿瘤基因拷贝数的方法

说明书

本文提供了方法以改进核酸样品中拷贝数变异的自动检测。这些方法提供了用于确定样品内遗传基因座的基线拷贝数的改进方法，减少了由于遗传基因座的特征、样品制备和探针耗尽导致的变异。

交叉引用

本申请要求于2015年12月17日提交的美国临时申请号62/269,051的优先权，其在此通过引用以其整体并入。

背景

癌症是由个体正常细胞内突变的积累引起的，其中至少一些导致细胞分裂调节不当。这种突变通常包括拷贝数变异，其中肿瘤基因组内基因的拷贝数相对于受试者的非癌性细胞增加或减少。

利用检测和表征肿瘤细胞中的拷贝数变异来监测肿瘤的进展，预测患者的结果，和改善治疗选择。然而，常规方法是对细胞样品进行的，细胞样品通常通过痛苦和时间密集的活检获得。这种活检通常也只能检查受试者体内的一小部分肿瘤细胞，因此并不总是代表肿瘤细胞的群体。对于不需要细胞活检、荧光原位杂交(FISH)、比较基因组杂交阵列或定量荧光聚合酶链式反应(PCR)测定的用于肿瘤中拷贝数变异的更简单、更快速的检测存在需求。

使用测序数据确定拷贝数变异的一个特殊挑战是，出于与真实拷贝数无关的原因，遗传基因座的覆盖深度会出现变异。例如，即使对于样品中存在的在同样拷贝数的单独遗传基因座，扩增效率、PCR效率和鸟嘌呤-胞嘧啶含量也可导致不同的覆盖深度。为了改善拷贝数检测，需要消除由于这种效应的偏倚的改进方法。

概述

对在来源于无细胞体液的样品的肿瘤细胞中检测拷贝数变异的改进方法存在相当大的需求。本方面解决了这种需求并且提供了另外的优点。在一方面，本公开内容提供了一种方法，包括：(a)获得受试者的无细胞体液样品的脱氧核糖核酸(DNA)分子的测序读段；(b)从序列读段生成第一数据集，对于多个遗传基因座中的每个遗传基因座，所述第一数据集包含与测序读段覆盖(“读段覆盖”)有关的定量量度；(c)通过进行饱和平衡校正和探针效率校正来校正第一数据集；(d)确定第一数据集的基线读段覆盖，其中基线读段覆盖涉及饱和平衡和探针效率；和(e)确定多个遗传基因座中每个遗传基因座相对于基线读段覆盖的拷贝数状态。在一些实施方案中，对于多个遗传基因座中的每个遗传基因座，第一数据集包含(i)遗传基因座的鸟嘌呤-胞嘧啶含量(“GC含量”)相关的定量量度。在一些实施方案中，该方法包括在(c)之前从第一数据集去除为高变异遗传基因座的遗传基因座，其中去除包括：(i)拟合涉及鸟嘌呤-胞嘧啶含量相关的定量量度和遗传基因座的测序读段覆盖的定量量度的模型；和(ii)从遗传基因座去除至少10％的遗传基因座，其中去除遗传基因座包括去除与该模型最不同的遗传基因座，由此提供基线定线(baselining)遗传基因座的第一数据集。在一些实施方案中，该方法包括去除至少45％的遗传基因座。

在一些实施方案中，进行饱和平衡校正包括通过以下将基线定线数据遗传基因座的第一数据集转换为饱和校正数据集：(i)对于来自基线定线遗传基因座的第一数据集每个遗传基因座，确定来源于遗传基因座的DNA分子链在测序读段内被代表的概率有关的定量量度；(ii)通过将基线定线遗传基因座的第一数据集的读段覆盖与基线定线遗传基因座的第一数据集的GC含量和与来源于基线定线遗传基因座的第一数据集中的每个基因座的DNA链在测序读段内被代表的概率有关的定量量度相关联来确定读段覆盖的第一转换；和(iii)将所述第一转换应用于来自基线定线遗传基因座的第一数据集的每个遗传基因座的读段覆盖以提供饱和校正数据集，其中所述饱和校正数据集包括基线定线遗传基因座的第一数据集的转换的读段覆盖的第一集。