多樣本混合測(cè)序的編碼設(shè)計(jì)和解碼算法

1、多樣本混合測(cè)序的編碼設(shè)計(jì)和解碼算法多樣本混合測(cè)序的編碼設(shè)計(jì)和解碼算法BioinformaticsDNA測(cè)序技術(shù)快速發(fā)展2全球首批NovaSeq 進(jìn)駐南京2017. 03.30BioinformaticsDNA測(cè)序技術(shù)快速發(fā)展4全球首批Bioinformatics多樣本混合測(cè)序3充分利用測(cè)序通量 同時(shí)測(cè)序多個(gè)樣本關(guān)鍵問題區(qū)分不同樣本 編碼（1）Barcoding（顯性編碼）（2）Overlap pooling（隱性編碼）Nat Rev Genet. 2014 , 15(11):749-63Bioinformatics多樣本混合測(cè)序5充分利用測(cè)序通量Bioinformatics多樣本混合測(cè)序4 B

2、arcoding（顯性編碼）readBarcode樣本標(biāo)記Nat Methods. 2008, 5(3):235-7.關(guān)注的問題編碼的數(shù)量編碼的容錯(cuò)和糾錯(cuò)能力Bioinformatics多樣本混合測(cè)序6 BarcodBioinformatics多樣本重疊混合測(cè)序5 Overlap pooling（隱性編碼）Genome Res. 2009 19: 1243-1253Genome Res. 2009 19: 1254-1261Nature Biotechnology，2009.以樣本的混合模式作為編碼提高測(cè)序效率編碼設(shè)計(jì)復(fù)雜，解碼困難Bioinformatics多樣本重疊混合測(cè)序7 Overl多

3、樣本混合測(cè)序?qū)嶒?yàn)設(shè)計(jì)及數(shù)據(jù)解碼Cao CC, Sun X. Quantitative Biology, 2016, 4(1): 3646.重疊混合測(cè)序 編碼 解碼6Overlapping Pool Sequencing多樣本混合測(cè)序?qū)嶒?yàn)設(shè)計(jì)及數(shù)據(jù)解碼Cao CC, Sun X.重疊混合7混合池1混合池2混合池3樣本混合模式樣本之間重疊混合樣本混合矩陣一個(gè)混合池測(cè)序多個(gè)樣本一個(gè)樣本在多個(gè)池中測(cè)序重疊混合9混合池1樣本之間樣本混合矩陣一個(gè)混合池測(cè)序多個(gè)樣本重疊混合測(cè)序的編碼與解碼 篩選稀有變異攜帶者8問題：保證準(zhǔn)確解碼辨別測(cè)序誤差與突變辨別多個(gè)陽性樣本重疊混合測(cè)序的編碼與解碼 篩選稀有變異攜帶者1

4、0問題：重疊混合測(cè)序的優(yōu)化設(shè)計(jì)測(cè)序深度模型分組重疊混合模型Optimal sequencing depths of coverage for pooled sequencing of diploid samplesData requirement for different number of blocks9重疊混合測(cè)序的優(yōu)化設(shè)計(jì)測(cè)序深度模型分組重疊混合模型Optim重疊混合測(cè)序的優(yōu)化設(shè)計(jì)測(cè)序深度模型分組重疊混合模型優(yōu)化選擇 代價(jià)模型：文庫(kù)+數(shù)據(jù)+混合 根據(jù)代價(jià)選擇最優(yōu)設(shè)計(jì)Cao CC, Sun X. Genetic Epidemiology. 201310重疊混合測(cè)序的優(yōu)化設(shè)計(jì)測(cè)序深度模型C

5、ao CC, Sun X重疊混合測(cè)序的優(yōu)化設(shè)計(jì)優(yōu)化選擇樣本混合方案利用群試?yán)碚撨M(jìn)行解碼單獨(dú)測(cè)序成本大幅降低篩選稀有突變攜帶者的測(cè)序成本Cao CC, Sun X. Genetic Epidemiology. 2013在不同混合樣本數(shù)目下的測(cè)序代價(jià)11STD設(shè)計(jì)參數(shù)： n=200, d=2重疊混合測(cè)序的優(yōu)化設(shè)計(jì)優(yōu)化選擇樣本混合方案單獨(dú)測(cè)序成本大幅降基于定量群試的重疊混合測(cè)序設(shè)計(jì)及解碼前面只用到每個(gè)混合池的陽性樣本定性檢測(cè)結(jié)果攜帶突變的測(cè)序片段個(gè)數(shù)能夠反映攜帶者的比例定量群試：利用覆蓋變異位點(diǎn)測(cè)序片段個(gè)數(shù)信息1號(hào)2號(hào)3號(hào)4號(hào)5號(hào)6號(hào)7號(hào)8號(hào)I號(hào)II號(hào)III號(hào)IV號(hào)V號(hào)12基于定量群試的重疊混合測(cè)序

6、設(shè)計(jì)及解碼前面只用到每個(gè)混合池的陽基于定量群試的重疊混合測(cè)序設(shè)計(jì)及解碼 樣本混合設(shè)計(jì)定義PI指標(biāo)評(píng)價(jià)樣本混合設(shè)計(jì)PI為陽性混合池?cái)?shù)目比陽性樣本數(shù)目 與不確定屬性的陰性樣本數(shù)目之和還高的概率值 PI能夠反映識(shí)別稀有突變攜帶者的可能性大小 根據(jù)PI選擇隨機(jī)設(shè)計(jì)的最優(yōu)設(shè)計(jì)參數(shù) 解碼：識(shí)別突變攜帶者貝葉斯解碼算法A：樣本混合模式 O：測(cè)序結(jié)果13基于定量群試的重疊混合測(cè)序設(shè)計(jì)及解碼 樣本混合設(shè)計(jì)A：樣本混基于定量群試的重疊混合測(cè)序設(shè)計(jì)及解碼與普通群試相比，該方法能夠容許檢測(cè)更多的稀有變異攜帶者Cao CC, Sun X. BMC Bioinformatics. 2014Least sequencing

7、 data throughput required to achieve a 95% correct decoding rate. Only 36 pools were allowed to identify heterozygous variant carriers among 100 diploid samples. Performance of overlapping pool sequencing using random k-set pool design14正確解碼前提下的數(shù)據(jù)通量需求基于定量群試的重疊混合測(cè)序設(shè)計(jì)及解碼與普通群試相比，該方法能面向單倍型的混合測(cè)序解碼從混合測(cè)序結(jié)果

8、中準(zhǔn)確估計(jì)單倍型頻率，并判斷稀有單倍型攜帶者Ehapp新算法Cao CC, Sun X. Bioinformatics. 2015.15面向單倍型的混合測(cè)序解碼從混合測(cè)序結(jié)果中準(zhǔn)確估計(jì)單倍型頻率，面向單倍型的混合測(cè)序解碼Ehapp在較短的測(cè)序讀長(zhǎng)下具有較大的優(yōu)勢(shì)應(yīng)用重疊混合測(cè)序篩選稀有單倍型攜帶者Cao CC, Sun X. Bioinformatics. 2015.16面向單倍型的混合測(cè)序解碼Ehapp在較短的測(cè)序讀長(zhǎng)下具有較大基于重疊混合的單倍型測(cè)序方法研究動(dòng)機(jī)：嘗試將重疊混合測(cè)序方法應(yīng)用于單倍型測(cè)序，解決存在的問題，以期提高單倍型構(gòu)建性能17基于重疊混合的單倍型測(cè)序方法研究動(dòng)機(jī)：19Bi

9、oinformatics單倍型測(cè)序18單倍型測(cè)序的主要方法 物理分割 克隆測(cè)序 稀釋基因組DNAGlusman et al. Genome Medicine 2014, 6:73Nature Biotechnology，29: 3839 (2011)Bioinformatics單倍型測(cè)序20單倍型測(cè)序的主要方單倍型測(cè)序基于克隆或稀釋的單倍型測(cè)序 基因組片段混合在各個(gè)池子中 每個(gè)池中局部單倍型盡量不重疊Nat Rev Genet. 2015 Jun;16(6):344-58.單倍型測(cè)序基于克隆或稀釋的單倍型測(cè)序Nat Rev Gene基于重疊混合的單倍型測(cè)序方法待解決兩個(gè)問題 克隆重疊問題 錯(cuò)誤

10、連接問題解決問題的思路準(zhǔn)確識(shí)別覆蓋每個(gè)allele的克隆提高單倍體構(gòu)建的準(zhǔn)確性Chimeric fragmentsA ACA TGG TGA AG20基于重疊混合的單倍型測(cè)序方法待解決兩個(gè)問題Chimeric Bioinformatics基于重疊混合的單倍型測(cè)序方法21 多次混合 將克隆看成為重疊混合測(cè)序的樣本Some other overlapping pools利用不同的Overlap信息解碼根據(jù)不同混合池中的不同覆蓋判斷重疊部分的歸屬Bioinformatics基于重疊混合的單倍型測(cè)序方法23解決問題的基本策略核心準(zhǔn)確識(shí)別SNP位點(diǎn)以及覆蓋每個(gè)allele的所有克隆進(jìn)而確定每個(gè)克隆上各個(gè)

11、allele及其順序前提：覆蓋某allele的克隆個(gè)數(shù)相對(duì)于整個(gè)克隆文庫(kù)來說是稀有的SNP位置重疊混合測(cè)序解碼SNP集覆蓋SNP的克隆集形成局部單倍型并組裝22解決問題的基本策略核心準(zhǔn)確識(shí)別SNP位點(diǎn)以及覆蓋每個(gè)alle基于重疊混合的單倍型測(cè)序方法稀釋到多個(gè)混合池構(gòu)建測(cè)序文庫(kù)并測(cè)序比對(duì) & 檢測(cè)SNP重構(gòu)局部單倍型連接局部單倍體構(gòu)建個(gè)體克隆文庫(kù)完整單倍體基因組23基于重疊混合的單倍型測(cè)序方法稀釋到多個(gè)混合池構(gòu)建測(cè)序比對(duì) &解碼方法Figure 1. Illustration of alleles assignment. (A) Five clones are pooled into three

12、 pools, which means pool #1 contains clones 1, 4 and 5; pool #2 contains clones 2 and 4; and pool #3 contains clones 3 and 5. (B) The sequencing results. For example, allele 2 is sequenced three, two and one times in pools #1, #2 and #3, respectively. (C) According toMand Y, the vector x for every a

13、llele could be solved and the five clones could be reconstructed accordingly, as shown in (C). For example, the sequencing result of allele 2 is (3, 2, 1)T, equaling the dot-product of the vectorMwith the target vector x of (1, 1, 0, 1, 1)T, which means allele 2 is contained in clone 1, clone 2, clo

14、ne 4 and clone 5, but not in clone 3.Decoding Algorithm Alleles assignment M : pooling matrixY : count of allelej in the ith poolx: either 1 or 0, indicating if theclone contains the alleleLi C et al. Nucleic Acids Res. 201624解碼方法Figure 1. Illustration of 實(shí)驗(yàn)設(shè)計(jì) 25Experimental design （分組設(shè)計(jì)）HapMap samp

15、le NA12878：produced two haplotype sequencesThe length of the clones followed a Poisson distribution, where the average length was approximately 140 kb. 130 110 clones were generated, with 6 clone coverage. 實(shí)驗(yàn)設(shè)計(jì) 27Experimental design （分組實(shí)驗(yàn)結(jié)果 Li C et al. Nucleic Acids Res. 2016The correct decoding rat

16、e for different combinations of various k (the percent of clones that are pooled in each pool), t (the number of pools) and dt values (the data throughput for each pool). The color and size of the circle denote the correct decoding rate for each scenario 解碼正確率隨混合池個(gè)數(shù)及數(shù)據(jù)通量的變化選擇最優(yōu)的混合測(cè)序參數(shù)，以獲得最高的解碼正確率26實(shí)

17、驗(yàn)結(jié)果 Li C et al. Nucleic Acids實(shí)驗(yàn)結(jié)果 Li C et al. Nucleic Acids Res. 201627在1號(hào)染色體上，221,009個(gè)同時(shí)被來自于兩個(gè)同源染色體的克隆所覆蓋的變異位點(diǎn)中有220,734 (99.9%)個(gè)被準(zhǔn)確的恢復(fù)。Table 2. The statistics of the assembled haplotypes for chromosome 1 準(zhǔn)確地識(shí)別變異位點(diǎn) 構(gòu)建的單倍體更長(zhǎng)實(shí)驗(yàn)結(jié)果 Li C et al. Nucleic Acids實(shí)驗(yàn)結(jié)果The number of alleles in each reconstructed clone sequence that support each haplotype in the diploid individual. Li C et al. Nucleic Acids Res. 2016我們的方法 能夠準(zhǔn)確判定alleles的歸屬 沒有錯(cuò)誤切換28Alleles were