高通量測序誤差模型分析及解碼方案設(shè)計(jì).pdf

1、高通量DNA測序技術(shù)是目前生命科學(xué)領(lǐng)域的一種重要的研究手段。經(jīng)過十幾年的發(fā)展，高通量測序技術(shù)無論在測序通量還是測序速度上都有了很大的提升，測序成本也有了大幅度的降低。然而高通量測序錯(cuò)誤率高等難題仍未得到有效解決。另外，目前市場上所有的商用測序儀器及其配套試劑都被國外測序儀公司所壟斷，要打破這種局面必須發(fā)展具有自主知識產(chǎn)權(quán)的國產(chǎn)測序儀。本課題針對東南大學(xué)生物電子學(xué)國家重點(diǎn)實(shí)驗(yàn)室自主研制的AG系列測序儀，研究系統(tǒng)誤差的來源及其糾錯(cuò)模型，以期

2、提高現(xiàn)有AG-100測序平臺數(shù)據(jù)產(chǎn)生的準(zhǔn)確率，在此基礎(chǔ)上，建立堿基識別算法并開發(fā)軟件系統(tǒng)，并同時(shí)為雙堿基編碼測序技術(shù)的AG-200平臺提供解碼方案。
　　本論文首先分析了高通量測序平臺中常見的測序誤差，介紹并比較了一些比較流行的誤差模型及校正的工具。在此基礎(chǔ)上，對自主研發(fā)的基于連接法測序的AG-100高通量測序平臺，我們分析了該平臺的誤差來源，建立了相應(yīng)的誤差校正模型，主要包括熒光光譜串?dāng)_校正和相位偏移校正。對于光譜串?dāng)_，我們將其

3、視作一個(gè)線性轉(zhuǎn)換問題，建立相應(yīng)的數(shù)學(xué)模型，明確了求解串?dāng)_矩陣是校正流程中的關(guān)鍵步驟。我們采取了逐步迭代的方法對串?dāng)_矩陣進(jìn)行估算，并在迭代的過程中對熒光強(qiáng)度數(shù)據(jù)進(jìn)行不斷地校正。在相位偏移的校正步驟中，我們將測序片段按照連接法測序時(shí)的順序分割成更小的片段，對分割后的片段分別建立相位偏移矩陣，然后逐一校正，再將其合成。最后我們?yōu)锳G-100平臺的堿基識別流程開發(fā)了軟件，該軟件接收熒光強(qiáng)度數(shù)據(jù)作為輸入，輸出fastq格式的包含序列和及其質(zhì)量的文

4、件。通過模擬試驗(yàn)證明該軟件能有效地校正光譜串?dāng)_偏差。
　　為提高測序效率，在連接測序的基礎(chǔ)上，我們實(shí)驗(yàn)室還提出了兩核苷酸同時(shí)合成DNA測序方案。相比較單核苷酸測序，兩核苷酸測序具有較高的精度，但同時(shí)也造成每一輪測序結(jié)果不直觀，我們需要對其進(jìn)行解碼。為此我們提出了相應(yīng)的解碼方案，并采用模擬數(shù)據(jù)集進(jìn)行了測試，取得了完全正確的解碼結(jié)果。然后將這個(gè)方案推廣到包含測序錯(cuò)誤的情況下，我們詳細(xì)分析了三組編碼序列的全部誤差模式，并分別為其可能出現(xiàn)