CN114196736A - 一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用 - Google Patents

一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用 Download PDF

Info

Publication number
CN114196736A
CN114196736A CN202111307383.3A CN202111307383A CN114196736A CN 114196736 A CN114196736 A CN 114196736A CN 202111307383 A CN202111307383 A CN 202111307383A CN 114196736 A CN114196736 A CN 114196736A
Authority
CN
China
Prior art keywords
gene
probe
copy number
sack
probes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111307383.3A
Other languages
English (en)
Other versions
CN114196736B (zh
Inventor
余永国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yuanshang Biotechnology Co ltd
Original Assignee
Shanghai Yuanshang Biotechnology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Yuanshang Biotechnology Co ltd filed Critical Shanghai Yuanshang Biotechnology Co ltd
Priority to CN202111307383.3A priority Critical patent/CN114196736B/zh
Publication of CN114196736A publication Critical patent/CN114196736A/zh
Application granted granted Critical
Publication of CN114196736B publication Critical patent/CN114196736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6813Hybridisation assays
    • C12Q1/6834Enzymatic or biochemical coupling of nucleic acids to a solid phase
    • C12Q1/6837Enzymatic or biochemical coupling of nucleic acids to a solid phase using probe arrays or probe chips
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/50Mutagenesis
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/156Polymorphic or mutational markers

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Organic Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用。该芯片用于检测由基因拷贝数变异和单核苷酸变异引起的多种出生缺陷遗传病。本发明在全基因组水平覆盖的基因拷贝数变异探针基础上,针对性选择基因组不重要区域减少或不设计探针,并针对性对相关单倍体剂量不足及三倍体剂量敏感性致病基因进行加密,在相关常见出生缺陷遗传病基因相关单核苷酸变异位点设计探针,增加相应基因区域探针密度,从而在减少临床意义不明基因拷贝数变异检出的同时,增加致病性基因单核苷酸变异检出,延展传统芯片的高性能,提高检出有效性,提高临床对于出生缺陷相关基因拷贝数变异和单核苷酸变异疾病的诊断、治疗、预后及遗传咨询水平。

Description

一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及 其方法和应用
技术领域
本发明属于出生缺陷综合防治领域,特别涉及一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用。
背景技术
我国每年新增出生缺陷患儿约90万例,约80%是由基因组变异造成的,涉及变异类型多、表型症状复杂、临床诊断困难,是产后儿童致残、致死的主要原因之一。其中,约24.3%是由于基因拷贝数变异(CNV)而引起的微缺失微重复综合征,包括很多不明原因的智力障碍、生长发育迟缓、自闭症和多发性先天异常;约17.4%是严重的单基因遗传病,其发病机制是单核苷酸变异(SNV),广义上包括点突变和小片段***/缺失(InDel)。基因拷贝数变异(CNV)和单核苷酸变异(SNV)导致的累计婴儿致死率约为19.1%,累计儿科住院率约为18%。可见,精准同步检测基因拷贝数变异(CNV)和单核苷酸变异(SNV)对于出生缺陷遗传病的早发现、早防控和早治疗具有重要的临床意义。
基因拷贝数变异(CNV)主要检测方法有G显带,荧光原位杂交(Fluorescence InSitu Hybridization,FISH)和染色体微阵列分析技术(Chromosome MicroarrayAnalysis,CMA)。G显带和FISH可检测部分染色体区域,但难以提供基因组水平更高分辨率的变异信息,且操作繁琐,通量低,整体阳性检出率仅3%。CMA技术包括比较基因组杂交(Array Comparative Genomic Hybridization,aCGH)和单核苷酸多态性微阵列芯片(Single Nucleotide Polymorphism-based Array,SNP array),国内各大医院普遍开展了CMA技术作为基因拷贝数变异(CNV)一线临床诊断策略,用于产前诊断以及产后不明原因的发育异常检测,全基因组水平的阳性基因拷贝数变异(CNV)检出率可以达到31.6%。但是无论是G显带、FISH还是CMA均不能用于检测引起单基因遗传病的单核苷酸变异(SNV),单核苷酸变异(SNV)目前通过Sanger测序、定量PCR、长PCR以及二代测序等方法来检测,这些技术不能检测基因拷贝数变异(CNV)导致的遗传病,目前临床策略是先检测CNV再检测SNV,所以开发同时检测CNV和SNV的方法对出生缺陷遗传病的早发现、早防控和早治疗及降低成本均有具有重要的意义。
有报道记载,对于113例患儿的对比检测中,高通量测序技术CNV检出率为81.4%,Array-CGH的检出率为67.3%[1];采用荧光定量PCR联合全基因组拷贝数变异测序(CNV-Seq)技术对270例胎儿常见染色体非整倍体进行快速产前诊断并检测>100kb的全基因组拷贝数变异,荧光定量PCR共计检测19例,检出率7.03%;CNV-Seq检测异常总数43例,检出率15.9%[2];对52例孕妇进行羊水穿刺,利用CMA技术进行产前诊断,共检出与NIPT结果较一致的拷贝数变异15例,检出率达28.85%[3];1674例孕中期孕妇样本中G带核型分析异常206例(12.31%),其中73例CMA未检出异常;CMA分析异常147例(8.81%),其中26例G带核型分析结果正常,多为小片段的重复或缺失[4]。
此外,很多单基因遗传病的变异热点既包括基因拷贝数变异(CNV)也包含单核苷酸变异(SNV),例如杜氏肌营养不良DMD基因的突变中约70%都是大片段外显子缺失/重复,约23%是由DMD内部外显子区域和侧翼区域单核苷酸变异(SNV)导致。此类疾病临床检测不到点突变的情况下,还需要额外用到多重连接探针扩增(MLPA)、聚合酶链式限制性片段长度多态性分析(PCR-RFLP)等方法来检测基因内部的基因拷贝数变异(CNV),大大增加了检测的时间成本和经济成本。
综上可知,由于现有技术的局限性,临床检查时往往需要联合运用多种技术手段,如CMA结合MLPA,PCR结合Sanger等方式,才能检测出基因拷贝数变异(CNV)和单核苷酸变异(SNV)。CN110592213A公开的预测新抗原负荷和检测基因组突变的基因Panel,基于二代测序,主要用于一次性检测肿瘤细胞多个位点的DNA突变,也可用于肿瘤免疫领域测量SNV、InDel、CNV、HLA等多种类型的突变,但仅能测量肿瘤细胞各种变异类型的突变频率(VAF),无法用于出生缺陷遗传疾病的诊断检测。
参考文献:
[1]秦谦,刘博,杨琳等.基于高通量测序技术的拷贝数变异筛选分析流程的建立及应用[J].中国循证儿科杂志,2018,08(13):275.
[2]李琴,魏兆莲,乔金平等.高通量测序技术在胎儿染色体拷贝数变异检测中的应用[J].国际生殖健康/计划生育杂志,2020,39(6):450-455.
[3]姜楠,张印帅,宋丽杰等.高通量测序技术在胎儿染色体拷贝数变异检测中的应用[J].中华医学遗传学杂志,2020,37(7):779-784.
[4]靳倩,令狐克燕,卓召振等.1674例孕妇羊水细胞G显带核型与染色体微阵列结果对比分析[J].中国计划生育学杂志,2021,29(05):1046-1049.
发明内容
鉴于上述现有遗传性出生缺陷疾病的诊断检测中存在的问题,本发明针对引起出生缺陷遗传病的基因拷贝数变异(CNV)和单核苷酸变异(SNV),提供了一种同步检测多种出生缺陷遗传病全染色体基因分型芯片和方法。基于SNV-array技术,针对16个单基因和已经公开的350个致病性单倍剂量不足(HI)基因以及三倍剂量敏感(TS)基因设计了genome_framework探针组,同时在genome_framework探针组基础之上,进一步针对190个重要出生缺陷遗传病基因的致病性单核苷酸变异(SNV)设计了special_gene探针组,通过这样的设计,有效克服现有检测方法仅能单一性检测基因拷贝数变异(CNV)/单核苷酸变异(SNV)的不足,实现引起出生缺陷遗传病的基因拷贝数变异(CNV)和单核苷酸变异(SNV)的同步检测。
本发明的一个目的是提供一种同步检测多种出生缺陷遗传病全染色体基因分型芯片,用于同步检测基因拷贝数变异(CNV)和单核苷酸变异(SNV),仅需一次实验,就可实现多重结果,有效减轻部分患者家庭的经济负担,提升临床经济适用性,该芯片包括genome_framework探针组和special_gene探针组;
所述genome_framework探针组覆盖染色体全基因组,探针总数为642338个,探针平均分布密度为1个/5Kb;所述染色体全基因组覆盖探针数目如下表1所示;
表1全基因组覆盖探针数目(基因组版本:Hg38)
Figure BDA0003340749600000031
Figure BDA0003340749600000041
所述genome_framework探针组包括针对常染色体以及针对性染色体按照一定间距设计的骨架探针;所述骨架探针减少/去除各条染色体首、末端区域,着丝粒区域和其他无关键基因区域探针;不重要基因组区域不设计或少设计探针,以减少临床意义不明的所述基因拷贝数变异(CNV)区域,
所述genome_framework探针组包括针对16个单基因水平的所述基因拷贝数变异区域设计的探针,探针平均分布密度≥15个/5Kb;该探针密度为高度加密,根据各疾病的遗传特征,由单基因内部CNV报道的相关疾病进行设置;
所述16个单基因包括如下表2所示的VHL、QDPR、SMN1、CYP21A2、HBB、PTS、PAH、ATP7B、GCH1、HBA1、HBA2、NF1、PHEX、DMD、OTC、MECP2;
表2 16个重要单基因水平CNV区域覆盖探针数目及探针平均分布密度(基因组版本:Hg38)
Figure BDA0003340749600000042
Figure BDA0003340749600000051
所述genome_framework探针组包括针对致病性单倍剂量不足基因以及三倍剂量敏感基因的所述基因拷贝数变异区域设计的探针,根据Clingen数据库和文献报道,设置探针平均分布密度≥1个/5Kb,为中度加密,超过全基因组覆盖探针平均分布密度;所述致病性单倍剂量不足(HI)基因以及三倍剂量敏感(TS)基因为350个,包括如下表3所示的AHDC1、ARID1A、ASH1L、CAMTA1、FH、FLG、GATAD2B、GLMN、IRF6、LHX4、LMNA、NFIA、PBX1、POGZ、SDHB、SDHC、SF3B4、SLC2A1、ZBTB18、BAG3、BMPR1A、EMX2、GATA3、KAT6B、KIF11、PAX2、PTEN、RPS24、WAC、ZMYND11、ALX4、ARCN1、ATM、CDKN1C、EXT2、FZD4、HMBS、KCNQ1、KCNQ1OT1、KMT2A、LRP5、MEN1、MYBPC3、PAX6、PHF21A、SDHAF2、SDHD、SHANK2、WT1、ACVRL1、ARID2、CDKN1B、GRIN2B、HMGA2、KMT2D、LEMD3、MED13L、PTHLH、PTPN11、RPS26、SLC17A8、SOX5、TBX3、BRCA2、CHAMP1、EDNRB、NBEA、POLR1D、RB1、ZIC2、BMP4、CHD8、DICER1、FOXG1、GPHN、PAX9、AAGAB、CHD2、FBN1、IGF1R、MEIS2、RPS17、SIN3A、SMAD3、SPRED1、TCF12、UBE3A、ANKRD11、CDH1、CREBBP、CTCF、FOXC2、FOXF1、PKD1、SALL1、SETD1A、SH2B1、TSC2、AXIN2、BRCA1、BRIP1、COL1A1、EFTUD2、FLCN、HNF1B、KANSL1、PAFAH1B1、PMP22、RAD51C、RAD51D、RAI1、RNF135、TBX4、TP53、ASXL3、DSC2、GATA6、SETBP1、SMAD4、TCF4、TGIF1、CACNA1A、CIC、ERF、KMT2B、LDLR、RPS19、SMARCA4、STK11、APOB、BARD1、BCL11A、CFC1、COL3A1、CUL3、GIGYF2、GLI2、MBD5、MSH2、MSH6、MYCN、MYT1L、NCKAP1、NRXN1、PAX3、PAX8、SATB2、SCN1A、SCN2A、SIX3、SOX11、SPAST、TBR1、TRIP12、ZEB2、ADNP、ASXL1、GDF5、GNAS、JAG1、KCNQ2、SALL4、APP、DSCAM、DYRK1A、RUNX1、SON、CHEK2、EP300、NF2、SHANK3、SMARCB1、SOX10、TBX1、TCF20、TNRC6B、BAP1、CTNNB1、FOXL2、FOXP1、GATA2、MITF、MLH1、SCN5A、SETD2、SETD5、SLC6A1、SOX2、TBL1XR1、TGFBR2、ZIC1、ZIC4、ANK2、NAA15、NR3C2、PITX2、PKD2、APC、CTNND2、FGF10、GABRA1、LMNB1、MEF2C、NKX2-5、PURA、RASA1、SPINK1、TRIO、ARID1B、EYA4、FOXC1、HIVEP2、PHIP、SYNGAP1、TFAP2B、AUTS2、CAMK2B、ELN、GLI3、KCNH2、KMT2C、MNX1、PMS2、SGCE、SHH、TWIST1、CHD7、EXT1、GATA4、KAT6A、TRPS1、ZFPM2、COL5A1、DMRT1、EHMT1、ENG、HNRNPK、LMX1B、NR5A1、PTCH1、STXBP1、TGFBR1、TSC1、ZNF462、ABCD1、ACSL4、AFF2、ANOS1、AP1S2、AR、ARHGEF9、ARX、ATP7A、ATRX、AVPR2、BCOR、BRWD3、BTK、CASK、CD40LG、CDKL5、CHM、CHRDL1、CLCN4、CLCN5、CNKSR2、COL4A5、CUL4B、CYBB、DCX、DDX3X、DLG3、EBP、EDA、EFNB1、F8、F9、FANCB、FGD1、FLNA、FMR1、FRMD7、FTSJ1、GDI1、GK、GLA、GPC3、GRIA3、HCCS、HDAC8、HPRT1、IDS、IKBKG、IL1RAPL1、IQSEC2、KDM5C、KDM6A、L1CAM、LAMP2、MAGT1、MID1、MTM1、NDP、NHS、NR0B1、NSDHL、NYX、OCRL、OFD1、OPHN1、PAK3、PCDH19、PDHA1、PGK1、PHF6、PIGA、PLP1、PORCN、PQBP1、PRPS1、PTCHD1、RAB39B、RP2、RPS6KA3、RS1、SH2D1A、SLC16A2、SLC35A2、SLC6A8、SLC9A6、SMC1A、SMS、STS、SYN1、TBX22、TIMM8A、TRAPPC2、TSPAN7、UBE2A、UPF3B、USP9X、WDR45、XIAP、XIST、ZC4H2、ZDHHC9、ZIC3、ZNF711、SHOX、SRY;
表3 350个致病性HI基因和TS基因区域覆盖探针数目及探针平均分布密度(基因组版本:Hg38)
Figure BDA0003340749600000061
Figure BDA0003340749600000071
Figure BDA0003340749600000081
Figure BDA0003340749600000091
Figure BDA0003340749600000101
Figure BDA0003340749600000111
Figure BDA0003340749600000121
Figure BDA0003340749600000131
Figure BDA0003340749600000141
Figure BDA0003340749600000151
Figure BDA0003340749600000161
所述special_gene探针组覆盖190个重要出生缺陷遗传病基因的单核苷酸变异位点37083个,对应探针总数为330272个,平均每个所述单核苷酸变异位点设计9个重复探针;
所述190个重要出生缺陷遗传病基因是结合临床实验室的文献报道,针对出生缺陷产后遗传病防治领域,依据等位基因携带率、外显率、发病率、患者发病时间、临床可防可治措施等原则挑选而出,通过ClinVar、HGMD、gnomAD和本地临床实验室的数据库,对所述190个重要出生缺陷遗传病基因的相关位点进行人群频率的统计和筛选,确认了每个基因的中国人群高发SNV位点,为了增加对应SNV位点的结果准确度和阳性检出率,在所述芯片不同位置随机放置这些探针,并保证每个SNV位点最低4个重复探针,所述190个重要出生缺陷遗传病基因为ABCB1、ABCC8、ABCD1、ABCD4、ABCG5、ABCG8、ACADM、ACADS、ACADVL、ACAT1、ACE、ACSF3、AGL、AMH、AMHR2、APOA5、APOB、APOC3、AR、ARG1、ARSA、ARSB、ASS1、ATP7A、ATP7B、BCKDHA、BCKDHB、BMP1、BTD、CBS、CD320、CLCN5、COCH、COL1A1、COL1A2、COL2A1、COMP、CPS1、CPT1A、CPT2、CRHR1、CYP11B1、CYP17A1、CYP1A1、CYP21A2、CYP2C19、CYP2D6、CYP3A5、DBT、DIABLO、DLD、DMD、DMP1、DNAJC12、DRD2、DSPP、ELN、ENPP1、EPHX1、ETFA、ETFDH、FAH、FGF23、FGFR1、FGFR2、FGFR3、FKBP5、G6PC、G6PD、GAA、GALC、GALE、GALK1、GALNS、GALT、GBA、GBE1、GCDH、GCH1、GCK、GJB2、GJB3、GLA、GLB1、GNPTAB、GNPTG、GNS、GUSB、GYS2、HADH、HBA1、HBA2、HBB、HEXA、HEXB、HGSNAT、HLA_B、HLCS、HNF4A、HPD、HSD3B2、HTR2C、HYAL1、IDS、IDUA、IFITM5、IFNL4、IVD、KCNJ11、LDLR、LHCGR、LIPI、LMBRD1、LPL、MC4R、MCCC1、MCCC2、MCEE、MCOLN1、MLYCD、MMAA、MMAB、MMACHC、MMADHC、MMUT、MT-CO1、MT-RNR1、MT-TH、MT-TL1、MT-TS1、MTHFR、MTR、MYO15A、MYO7A、NAGLU、NDN、NPC1、NPC2、NR0B1、NR5A1、OTC、PAH、PCBD1、PCCA、PCCB、PHEX、PHKA2、PHKB、PHKG2、PLA2G4A、PLP1、POLG、PPIB、PRPS1、PTS、PYGL、PYGM、QDPR、RP1、SDHA、SGSH、SLC16A1、SLC22A5、SLC25A13、SLC25A15、SLC25A20、SLC26A4、SLC34A3、SLC37A4、SLCO2B1、SMN1/SMN2、SMPD1、SNRPN、SPR、SPRN、SRD5A2、SRY、STAR、SUMF1、TAT、TBX1、TECTA、TMC1、TPMT、TYRP1、UCP2、UGT1A、UGT1A4、VKORC1、WFS1;所述芯片针对所述190个重要出生缺陷遗传病基因的37083个人致病性SNV统计信息如下表4所示。
表4出生缺陷遗传病190个基因的SNV数目
Figure BDA0003340749600000171
Figure BDA0003340749600000181
Figure BDA0003340749600000191
优选地,所述special_gene探针组兼顾提升所述genome_framework探针组对应基因区域的探针分布密度。
优选地,所述genome_framework探针组和special_gene探针组的核苷酸序列包括如SEQ ID No.1~SEQ ID No.720所示的探针序列,但该部分序列仅为小部分示例。
优选地,所述genome_framework探针组针对所述16个单基因、所述致病性单倍剂量不足基因以及所述三倍剂量敏感基因的变异,计算每个探针拷贝数CN;常染色体和女性X染色体正常所述探针拷贝数CN1为2,计算出现的所述探针拷贝数CN1变异情况为2种,其中所述探针拷贝数CN1为0或1属于缺失,为3或4属于重复;男性X和Y染色体正常所述探针拷贝数CN2为1,计算出现的所述探针拷贝数CN2变异情况为2种,其中所述探针拷贝数CN2为0属于缺失,为2属于重复;
当出现连续50个探针的所述探针拷贝数CN异常情况,判定为基因拷贝数变异;
计算拷贝数度量值是log2 Ratio,其中Ratio=每个探针拷贝数的观测值÷每个探针拷贝数的参考值,每个探针拷贝数的参考值是来自于正常人群的一组数据:
当log2 Ratio≈-1.5±0.05时,CN=0;
当log2 Ratio≈-1±0.05时,CN=1;
当log2 Ratio≈0±0.05时,CN=2;
当log2 Ratio≈0.58±0.05时,CN=3;
当log2 Ratio≈1±0.05时,CN=4。
优选地,所述special_gene探针组针对所述190个重要出生缺陷遗传病基因的相应SNV位点进行检测,结果的判读基于该部分探针的检测值来实现的,所用的方法为Genotype_SNV和ES聚类算法。
Genotype_SNV方法是通过对SNV array探针进行双色荧光标记实现的,所述探针会得到两种荧光检测值A和B,通过对A和B值进行计算得到基因分型结果,计算公式如下:
t(snv)=(A-B)/(A+B)
当t(snv)≈1±0.05时,分型结果为AA;
当t(snv)≈-1±0.05时,分型结果为BB;
当t(snv)≈0±0.05时,分型结果为AB;
基因分型结果包括三种,AA、AB和BB,其中所述AA和BB代表纯和类型,一个代表野生型,一个代表纯合子,根据聚类结果判读野生型和纯合子,所述AB代表杂合子。
所述ES聚类算法用于对所述基因分型结果进行聚类,计算公式如下:
t(x)=log2(A/B);
t(y)=[log2(A)+log2(B)]/2;
所述ES聚类算法以t(x)为横轴,t(y)为纵轴进行聚类,所述检测结果的阳性或阴性根据样本分型结果和聚类数目进行判断。
优选地,所述芯片还包括变性混合液、扩增混合液、片段化混合液、沉淀混合液和杂交混合液。
所述变性混合液由10×变性液用纯水稀释10倍而成。
所述扩增混合液由1体积的扩增酶加45体积的扩增液混合制备而成。
所述片段化混合液由1体积的片段化酶、10.3体积的片段化稀释液加45.7体积的10×片段化缓冲液混合制备所得。
所述沉淀混合液由1体积的沉淀溶液2加119体积的沉淀溶液1混合制备所得。
所述杂交混合液由1体积的杂交液1、18体积的杂交液2和140体积的杂交缓冲液混合制备所得。
优选地,所述芯片在
Figure BDA0003340749600000201
微阵列芯片扫描仪中进行检测使用。
所述
Figure BDA0003340749600000202
微阵列芯片扫描仪配套试剂包括染料混合物A、染料混合物B、稳定混合物、连接混合物A和连接混合物B。
所述染料混合物A由1体积的染色液1-A、1体积的染色液1-B、2体积的染色缓冲液和96体积的洗液A混合制备所得。
所述染料混合物B由1体积的染色液2-A、1体积的染色液2-B、2体积的染色缓冲液和96体积的洗液A混合制备所得。
所述稳定混合物由1体积的稳定液、8体积的固定稀释液用纯水稀释7.9倍而成。
所述连接混合物A由1体积的连接液1、0.4体积的连接液2和5体积的连接缓冲液混合制备所得。
所述连接混合物B由1体积的连接酶、6.6体积的探针混合液1、6.6体积的探针混合液2和52体积的连接混合物A混合制备所得。
本发明的另一个目的是提供一种同步检测多种出生缺陷遗传病基因的方法,
所述方法包括以下步骤,
S1、采集样品;
S2、样品制备与质控;
S3、检测反应:
S31、DNA扩增:取100ng DNA样本(5ng/μL),加入2μl 10×变性混合液和18μl纯水,室温孵育10min;加入130μl中和液,混匀后加入225μl扩增混合液和5μl扩增酶,37℃孵育23±1h,然后转移到65℃孵育20min,最后在37℃继续孵育45min;
S32、DNA片段化和沉淀:对步骤S31孵育的样本加入45.7μl 10×片段化缓冲液、10.3μl片段化稀释液、1.0μl片段化酶混匀,简短离心后37℃孵育30min,而后室温下加入19μl终止液,震荡混匀离心;在室温环境下加入238μl沉淀溶液1、2μl沉淀溶液2和600μl异丙醇,用移液器上下充分混匀,-20℃冰冻16~24h;
S33、干燥、重悬及质控:对步骤S32处理后的样本进行4℃3200rpm离心40min,倒出废液后置于37℃晾干20min,加入35μl重悬缓冲液振荡混匀,震荡10min后,加入70.5μl杂交缓冲液、0.5μl杂交液1、9μl杂交液2,震荡混匀离心,即得115μl变性杂交液;质控使用10μl的所述变性杂交液,包括用Nanodrop测量吸光度和凝胶电泳,其中胶上样染料为InvitrogenTMTrackIt Cyan/Orange Loading Buffer;25bp Invitrogen Ladder;凝胶电泳***为Invitrogen E-GelTM48agarose gels 4%,G8008-04;
S34、变性和杂交:将步骤S33产生的所述变性杂交液放于杂交板,而后放置于PCR仪中,开始变性程序(Denature program):95℃变性10min,48℃变性3min,冷却。用移液器小心将剩余105μl变性杂交液转移至杂交盘中,载入
Figure BDA0003340749600000221
微阵列芯片扫描仪,持续杂交23.5h~24h;
S35、芯片扫描仪检测:对步骤S34产生的混合物进行染料盘对应分装:其中染料混合物A的染料盘2个,其中提前准备好100.8μl洗液A、2.1μl染色缓冲液、1.05μl染色液1-A和1.05μl染色液1-B;染料混合物B的染料盘1个,其中提前准备好100.8μl洗液A、2.1μl染色缓冲液、1.05μl染色液2-A和1.05μl染色液2-B;稳定混合物的染料盘1个,其中提前准备好93.2μl纯水、10.5μl固定稀释液和1.3μl稳定液;连接混合物的染料盘1个,其中提前准备好66.2μl连接缓冲液、13.1μl连接液1、3.1μl连接液2、10.5μl探针混合液1、10.5μl探针混合液2和-20℃现取出的连接酶1.6μl;后直接载入芯片扫描仪,同时向上述各扫描盘每孔中加入150μl固定缓冲液,避免接触扫描盘底部。将盖子的切口角对准扫描盘的切口边缘,盖住扫描盘,而后放置于工作台顶部,最后开始扫描检测流程;
S4、数据质控和分析;
S5、结果分析与注释。
本发明还提供一种上述的芯片在同步检测多种出生缺陷遗传病CNV和SNV中的应用。
本发明提供的一种同步检测多种出生缺陷遗传病全染色体基因分型芯片,能够同步检测基因拷贝数变异和单核苷酸变异,操作简单,诊断高效,仅需一次实验实现对全基因组范围的CNV和190个常见出生缺陷遗传病基因相关SNV位点进行针对性检测。
本发明提供的一种同步检测多种出生缺陷遗传病基因的方法,采用全染色体基因分型芯片,能够显著提升医生对出生缺陷相关CNV和单基因疾病临床检测的标准化程度,是一种高时效性、高准确率和高操作性的分子诊断方法,能够显著提升此类疾病的诊断、治疗、预后及遗传咨询水平。
附图说明
图1为本发明的方法检测流程图;
图2为本发明的芯片的杂交信号图;
图3-1为本发明的基因拷贝数缺失结果图,纵坐标代表log2Ratio;
图3-2为本发明的基因拷贝数重复结果图,纵坐标代表log2Ratio;
图4-1为单核苷酸变异阳性结果图;
图4-2为单核苷酸变异阳性结果图;
图5-1为单核苷酸变异阴性结果图;
图5-2为单核苷酸变异阴性结果图。
具体实施方式
下面结合具体实施例,进一步阐述本发明设计、阳性样本验证和结果分析。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1
本实施例的一种同步检测多种出生缺陷遗传病全染色体基因分型芯片,该芯片包括genome_framework探针组和special_gene探针组。
genome_framework探针组包括针对常染色体以及针对性染色体设计的骨架探针;骨架探针减少/去除各条染色体首、末端区域,着丝粒区域和其他无基因区域探针;
genome_framework探针组包括针对16个单基因水平的基因拷贝数变异(CNV)区域设计的探针,16个单基因包括VHL、QDPR、SMN1、CYP21A2、HBB、PTS、PAH、ATP7B、GCH1、HBA1、HBA2、NF1、PHEX、DMD、OTC、MECP2;
genome_framework探针组包括针对350个致病性单倍剂量不足(HI)基因以及三倍剂量敏感(TS)基因的基因拷贝数变异(CNV)区域设计的探针,致病性单倍剂量不足(HI)基因以及三倍剂量敏感(TS)基因包括AHDC1、ARID1A、ASH1L、CAMTA1、FH、FLG、GATAD2B、GLMN、IRF6、LHX4、LMNA、NFIA、PBX1、POGZ、SDHB、SDHC、SF3B4、SLC2A1、ZBTB18、BAG3、BMPR1A、EMX2、GATA3、KAT6B、KIF11、PAX2、PTEN、RPS24、WAC、ZMYND11、ALX4、ARCN1、ATM、CDKN1C、EXT2、FZD4、HMBS、KCNQ1、KCNQ1OT1、KMT2A、LRP5、MEN1、MYBPC3、PAX6、PHF21A、SDHAF2、SDHD、SHANK2、WT1、ACVRL1、ARID2、CDKN1B、GRIN2B、HMGA2、KMT2D、LEMD3、MED13L、PTHLH、PTPN11、RPS26、SLC17A8、SOX5、TBX3、BRCA2、CHAMP1、EDNRB、NBEA、POLR1D、RB1、ZIC2、BMP4、CHD8、DICER1、FOXG1、GPHN、PAX9、AAGAB、CHD2、FBN1、IGF1R、MEIS2、RPS17、SIN3A、SMAD3、SPRED1、TCF12、UBE3A、ANKRD11、CDH1、CREBBP、CTCF、FOXC2、FOXF1、PKD1、SALL1、SETD1A、SH2B1、TSC2、AXIN2、BRCA1、BRIP1、COL1A1、EFTUD2、FLCN、HNF1B、KANSL1、PAFAH1B1、PMP22、RAD51C、RAD51D、RAI1、RNF135、TBX4、TP53、ASXL3、DSC2、GATA6、SETBP1、SMAD4、TCF4、TGIF1、CACNA1A、CIC、ERF、KMT2B、LDLR、RPS19、SMARCA4、STK11、APOB、BARD1、BCL11A、CFC1、COL3A1、CUL3、GIGYF2、GLI2、MBD5、MSH2、MSH6、MYCN、MYT1L、NCKAP1、NRXN1、PAX3、PAX8、SATB2、SCN1A、SCN2A、SIX3、SOX11、SPAST、TBR1、TRIP12、ZEB2、ADNP、ASXL1、GDF5、GNAS、JAG1、KCNQ2、SALL4、APP、DSCAM、DYRK1A、RUNX1、SON、CHEK2、EP300、NF2、SHANK3、SMARCB1、SOX10、TBX1、TCF20、TNRC6B、BAP1、CTNNB1、FOXL2、FOXP1、GATA2、MITF、MLH1、SCN5A、SETD2、SETD5、SLC6A1、SOX2、TBL1XR1、TGFBR2、ZIC1、ZIC4、ANK2、NAA15、NR3C2、PITX2、PKD2、APC、CTNND2、FGF10、GABRA1、LMNB1、MEF2C、NKX2-5、PURA、RASA1、SPINK1、TRIO、ARID1B、EYA4、FOXC1、HIVEP2、PHIP、SYNGAP1、TFAP2B、AUTS2、CAMK2B、ELN、GLI3、KCNH2、KMT2C、MNX1、PMS2、SGCE、SHH、TWIST1、CHD7、EXT1、GATA4、KAT6A、TRPS1、ZFPM2、COL5A1、DMRT1、EHMT1、ENG、HNRNPK、LMX1B、NR5A1、PTCH1、STXBP1、TGFBR1、TSC1、ZNF462、ABCD1、ACSL4、AFF2、ANOS1、AP1S2、AR、ARHGEF9、ARX、ATP7A、ATRX、AVPR2、BCOR、BRWD3、BTK、CASK、CD40LG、CDKL5、CHM、CHRDL1、CLCN4、CLCN5、CNKSR2、COL4A5、CUL4B、CYBB、DCX、DDX3X、DLG3、EBP、EDA、EFNB1、F8、F9、FANCB、FGD1、FLNA、FMR1、FRMD7、FTSJ1、GDI1、GK、GLA、GPC3、GRIA3、HCCS、HDAC8、HPRT1、IDS、IKBKG、IL1RAPL1、IQSEC2、KDM5C、KDM6A、L1CAM、LAMP2、MAGT1、MID1、MTM1、NDP、NHS、NR0B1、NSDHL、NYX、OCRL、OFD1、OPHN1、PAK3、PCDH19、PDHA1、PGK1、PHF6、PIGA、PLP1、PORCN、PQBP1、PRPS1、PTCHD1、RAB39B、RP2、RPS6KA3、RS1、SH2D1A、SLC16A2、SLC35A2、SLC6A8、SLC9A6、SMC1A、SMS、STS、SYN1、TBX22、TIMM8A、TRAPPC2、TSPAN7、UBE2A、UPF3B、USP9X、WDR45、XIAP、XIST、ZC4H2、ZDHHC9、ZIC3、ZNF711、SHOX、SRY;
special_gene探针组覆盖190个重要出生缺陷遗传病基因的单核苷酸变异位点37083个,对应探针总数为330272个,平均每个所述单核苷酸变异位点设计9个重复探针;
90个重要出生缺陷遗传病基因为ABCB1、ABCC8、ABCD1、ABCD4、ABCG5、ABCG8、ACADM、ACADS、ACADVL、ACAT1、ACE、ACSF3、AGL、AMH、AMHR2、APOA5、APOB、APOC3、AR、ARG1、ARSA、ARSB、ASS1、ATP7A、ATP7B、BCKDHA、BCKDHB、BMP1、BTD、CBS、CD320、CLCN5、COCH、COL1A1、COL1A2、COL2A1、COMP、CPS1、CPT1A、CPT2、CRHR1、CYP11B1、CYP17A1、CYP1A1、CYP21A2、CYP2C19、CYP2D6、CYP3A5、DBT、DIABLO、DLD、DMD、DMP1、DNAJC12、DRD2、DSPP、ELN、ENPP1、EPHX1、ETFA、ETFDH、FAH、FGF23、FGFR1、FGFR2、FGFR3、FKBP5、G6PC、G6PD、GAA、GALC、GALE、GALK1、GALNS、GALT、GBA、GBE1、GCDH、GCH1、GCK、GJB2、GJB3、GLA、GLB1、GNPTAB、GNPTG、GNS、GUSB、GYS2、HADH、HBA1、HBA2、HBB、HEXA、HEXB、HGSNAT、HLA_B、HLCS、HNF4A、HPD、HSD3B2、HTR2C、HYAL1、IDS、IDUA、IFITM5、IFNL4、IVD、KCNJ11、LDLR、LHCGR、LIPI、LMBRD1、LPL、MC4R、MCCC1、MCCC2、MCEE、MCOLN1、MLYCD、MMAA、MMAB、MMACHC、MMADHC、MMUT、MT-CO1、MT-RNR1、MT-TH、MT-TL1、MT-TS1、MTHFR、MTR、MYO15A、MYO7A、NAGLU、NDN、NPC1、NPC2、NR0B1、NR5A1、OTC、PAH、PCBD1、PCCA、PCCB、PHEX、PHKA2、PHKB、PHKG2、PLA2G4A、PLP1、POLG、PPIB、PRPS1、PTS、PYGL、PYGM、QDPR、RP1、SDHA、SGSH、SLC16A1、SLC22A5、SLC25A13、SLC25A15、SLC25A20、SLC26A4、SLC34A3、SLC37A4、SLCO2B1、SMN1/SMN2、SMPD1、SNRPN、SPR、SPRN、SRD5A2、SRY、STAR、SUMF1、TAT、TBX1、TECTA、TMC1、TPMT、TYRP1、UCP2、UGT1A、UGT1A4、VKORC1、WFS1。
special_gene探针组兼顾提升genome_framework探针组对应基因区域的探针分布密度。
其中,genome_framework探针组针对基因拷贝数变异(CNV)设计,基本设计原则而如下:
(1)必须保证全基因组覆盖,以实现基本的检测性能,因此对常染色体和性染色体分别按照一定的间距设计骨架探针,探针总数为642338个;
(2)不重要基因组区域不设计或少设计探针,以减少临床意义不明的基因拷贝数变异(CNV)区域,主要位于各条染色体首、末端区域、着丝粒区域和其他无关键基因区域;
(3)根据各疾病的遗传特征,有单基因内部的基因拷贝数变异(CNV)报道的相关疾病进行了高度加密,保证探针平均分布密度≥15个/5Kb;
(4)根据Clingen数据库和文献报道,对已知的350个致病性单倍剂量不足(HI)基因以及三倍剂量敏感(TS)基因进行了中度加密,保证这些区域探针平均分布密度≥1个/5Kb,即超过全基因组覆盖探针平均分布密度。
special_gene探针组针对单核苷酸变异(SNV)设计,基本设计原则而如下:
结合临床实验室的文献报道,针对出生缺陷产后遗传病防治领域,依据等位基因携带率、外显率、发病率、患者发病时间、临床可防可治措施等原则,挑选出190个基因,通过ClinVar、HGMD、gnomAD和本地临床实验室的数据库,对这些基因相关位点进行人群频率的统计和筛选,确认了每个基因的中国人群高发SNV位点,为了增加对应SNV位点的结果准确度和阳性检出率,在芯片不同位置随机放置这些探针,并保证每个SNV位点最低4个重复探针;
genome_framework探针组和special_gene探针组的核苷酸序列包括如下表5中SEQ ID No.1~SEQ ID No.720所示的探针序列,但该部分序列仅为小部分示例。
表5部分genome_framework探针组和special_gene探针组的核苷酸序列
Figure BDA0003340749600000261
Figure BDA0003340749600000271
Figure BDA0003340749600000281
Figure BDA0003340749600000291
Figure BDA0003340749600000301
Figure BDA0003340749600000311
Figure BDA0003340749600000321
Figure BDA0003340749600000331
Figure BDA0003340749600000341
Figure BDA0003340749600000351
Figure BDA0003340749600000361
Figure BDA0003340749600000371
Figure BDA0003340749600000381
Figure BDA0003340749600000391
Figure BDA0003340749600000401
Figure BDA0003340749600000411
Figure BDA0003340749600000421
Figure BDA0003340749600000431
Figure BDA0003340749600000441
Figure BDA0003340749600000451
Figure BDA0003340749600000461
Figure BDA0003340749600000471
Figure BDA0003340749600000481
Figure BDA0003340749600000491
Figure BDA0003340749600000501
Figure BDA0003340749600000511
Figure BDA0003340749600000521
Figure BDA0003340749600000531
Figure BDA0003340749600000541
Figure BDA0003340749600000551
Figure BDA0003340749600000561
Figure BDA0003340749600000571
Figure BDA0003340749600000581
Figure BDA0003340749600000591
Figure BDA0003340749600000601
Figure BDA0003340749600000611
Figure BDA0003340749600000621
Figure BDA0003340749600000631
Figure BDA0003340749600000641
Figure BDA0003340749600000651
Figure BDA0003340749600000661
Figure BDA0003340749600000671
Figure BDA0003340749600000681
Figure BDA0003340749600000691
Figure BDA0003340749600000701
Figure BDA0003340749600000711
Figure BDA0003340749600000721
Figure BDA0003340749600000731
Figure BDA0003340749600000741
Figure BDA0003340749600000751
Figure BDA0003340749600000761
Figure BDA0003340749600000771
Figure BDA0003340749600000781
genome_framework探针组针对16个单基因、350个致病性单倍剂量不足(HI)基因、三倍剂量敏感(TS)基因的变异,计算每个探针拷贝数CN;常染色体和女性X染色体正常探针拷贝数CN1为2,计算出现的探针拷贝数CN1变异情况为2种,其中探针拷贝数CN1为0或1属于缺失,为3或4属于重复;男性X和Y染色体正常探针拷贝数CN2为1,计算出现的探针拷贝数CN2变异情况为2种,其中探针拷贝数CN2为0属于缺失,为2属于重复;当出现连续50个探针的探针拷贝数CN异常情况,判定为基因拷贝数变异;
计算拷贝数度量值是log2 Ratio,其中Ratio=每个探针拷贝数的观测值÷每个探针拷贝数的参考值,每个探针拷贝数的参考值是来自于正常人群的一组数据:
当log2 Ratio≈-1.5±0.05时,CN=0;
当log2 Ratio≈-1±0.05时,CN=1;
当log2 Ratio≈0±0.05时,CN=2;
当log2 Ratio≈0.58±0.05时,CN=3;
当log2 Ratio≈1±0.05时,CN=4。
special_gene探针组针对190个重要出生缺陷遗传病基因的相应SNV位点进行检测,结果的判读基于该部分探针的检测值来实现的,所用的方法为Genotype_SNV和ES聚类算法。
Genotype_SNV方法是通过对SNV array探针进行双色荧光标记实现的,所述探针会得到两种荧光检测值A和B,通过对A和B值进行计算得到基因分型结果,计算公式如下:
t(snv)=(A-B)/(A+B)
当t(snv)≈1±0.05时,分型结果为AA;
当t(snv)≈-1±0.05时,分型结果为BB;
当t(snv)≈0±0.05时,分型结果为AB;
基因分型结果包括三种,AA、AB和BB,其中AA和BB代表纯和类型,一个代表野生型,一个代表纯合子,根据聚类结果判读野生型和纯合子,AB代表杂合子。
ES聚类算法对基因分型结果进行聚类,计算公式如下:
t(x)=log2(A/B);
t(y)=[log2(A)+log2(B)]/2;
ES聚类算法以t(x)为横轴,t(y)为纵轴进行聚类,检测结果的阳性或阴性根据样本分型结果和聚类数目进行判断,如图4-1和图4-2所示,检测结果属于单核苷酸变异阳性,如图5-1和图5-2所示,检测结果属于单核苷酸变异阴性。
芯片的组分还包括变性混合液、扩增混合液、片段化混合液、沉淀混合液和杂交混合液。
变性混合液由10×变性液用纯水稀释10倍而成。
扩增混合液由1体积的扩增酶加45体积的扩增液混合制备而成。
片段化混合液由1体积的片段化酶、10.3体积的片段化稀释液加45.7体积的10×片段化缓冲液混合制备所得。
沉淀混合液由1体积的沉淀溶液2加119体积的沉淀溶液1混合制备所得。
杂交混合液由1体积的杂交液1、18体积的杂交液2和140体积的杂交缓冲液混合制备所得。
芯片在
Figure BDA0003340749600000791
微阵列芯片扫描仪中进行检测使用,
Figure BDA0003340749600000792
微阵列芯片扫描仪配套试剂包括染料混合物A、染料混合物B、稳定混合物、连接混合物A和连接混合物B。
染料混合物A由1体积的染色液1-A、1体积的染色液1-B、2体积的染色缓冲液和96体积的洗液A混合制备所得。
染料混合物B由1体积的染色液2-A、1体积的染色液2-B、2体积的染色缓冲液和96体积的洗液A混合制备所得。
稳定混合物由1体积的稳定液、8体积的固定稀释液用纯水稀释7.9倍而成。
连接混合物A由1体积的连接液1、0.4体积的连接液2和5体积的连接缓冲液混合制备所得。
连接混合物B由1体积的连接酶、6.6体积的探针混合液1、6.6体积的探针混合液2和52体积的连接混合物A混合制备所得。
试剂盒中所用试剂可以选自下列产品(购自江苏源隆医疗科技有限公司),如下表6所示:
表6试剂名称及货号
Figure BDA0003340749600000801
实施例2
本实施例中例中的一种同步检测多种出生缺陷遗传病CNV和SNV的方法包括以下步骤,如图1所示,
S1:采集样品:共计96例样本,男性54例,女性42例,其中48例为已经验证过的携带CNV的患者,另外48例为已经验证过的携带SNV的患者,作为发明的阳性验证样品。
S2:样品制备与质控,验证样品进行DNA抽提后通过凝胶电泳,Nanodrop等进行质控,确保每个DNA样品无降解,无杂质污染,高纯度。光密度(Optical Density,OD)260/280nm比值介于1.8~2.0,OD 260/230nm比值介于1.5~2.0,不满足任一条件的样品需进行纯化等处理;其中胶上样染料为InvitrogenTMTrackIt Cyan/Orange Loading Buffer(Invitrogen P/N 10482-028);25bp Invitrogen Ladder(Invitrogen P/N10488-022);凝胶电泳***为Invitrogen E-GelTM48agarose gels 4%,G8008-04。
S3:检测反应:
S31、DNA扩增:取100ng DNA样本(5ng/μL),加入2μl 10×变性混合液和18μl纯水,室温孵育10min;加入130μl中和液,混匀后加入225μl扩增混合液和5μl扩增酶,37℃孵育23±1h,然后转移到65℃孵育20min,最后在37℃继续孵育45min100ng DNA样本(5ng/μL)中加入20μl变性混合液,室温孵育10min;加入130μl中和液,震荡混匀加入230μl扩增混合液,震荡混匀1000rpm离心1min;37℃孵育箱中孵育23±1h;65℃孵育箱中孵育20min;37℃孵育箱中继续孵育45min;
S32、DNA片段化和沉淀:对步骤S31孵育的样本加入45.7μl 10×片段化缓冲液、10.3μl片段化稀释液、1.0μl片段化酶混匀,简短离心后37℃孵育30min,而后室温下加入19μl终止液,震荡混匀离心;在室温环境下加入238μl沉淀溶液1、2μl沉淀溶液2和600μl异丙醇,用移液器上下充分混匀,-20℃冰冻16~24h加入57μl片段化混合液,混匀、简短离心;37℃孵育30min,室温环境下加入19μl终止液,进行震荡混匀离心;室温环境下加入240μl沉淀混合液和600μl异丙醇,充分混匀;-20℃环境放置16~24h;
S33、干燥、重悬及质控:对步骤S32处理后的样本进行4℃3200rpm离心40min,倒出废液后置于37℃晾干20min,加入35μl重悬缓冲液振荡混匀,震荡10min后,加入70.5μl杂交缓冲液、0.5μl杂交液1、9μl杂交液2,震荡混匀离心,即得115μl变性杂交液;4℃3200rpm离心40min,去除废液,置于37℃杂交炉中20min晾干,加入35μl重悬缓冲液进行振荡混匀,震荡仪中震荡10min,加入80μl杂交混合液,进行震荡混匀离心,产生115μl变性杂交液;
质控使用10μl的所述变性杂交液,包括用Nanodrop测量吸光度和凝胶电泳,其中胶上样染料为InvitrogenTMTrackIt Cyan/Orange Loading Buffer;25bp InvitrogenLadder;凝胶电泳***为Invitrogen E-GelTM48agarose gels 4%,G8008-04;
S34、变性和杂交:将步骤S33产生的所述变性杂交液放于杂交板,而后放置于PCR仪中,开始变性程序(Denature program):95℃变性10min,48℃变性3min,冷却。用移液器小心将剩余105μl变性杂交液转移至杂交盘中,载入
Figure BDA0003340749600000821
微阵列芯片扫描仪,持续杂交23.5h~24h将所述杂交板放置于PCR仪中进行变性程序:95℃变性10min;48℃变性3min;冷却;使用移液器转移105μl变性杂交液至杂交盘,载入
Figure BDA0003340749600000822
微阵列芯片处理仪,持续杂交23.5h~24h;
S35、芯片扫描仪检测:对步骤S34产生的混合物进行染料盘对应分装:其中染料混合物A的染料盘2个,其中提前准备好100.8μl洗液A、2.1μl染色缓冲液、1.05μl染色液1-A和1.05μl染色液1-B;染料混合物B的染料盘1个,其中提前准备好100.8μl洗液A、2.1μl染色缓冲液、1.05μl染色液2-A和1.05μl染色液2-B;稳定混合物的染料盘1个,其中提前准备好93.2μl纯水、10.5μl固定稀释液和1.3μl稳定液;连接混合物的染料盘1个,其中提前准备好66.2μl连接缓冲液、13.1μl连接液1、3.1μl连接液2、10.5μl探针混合液1、10.5μl探针混合液2和-20℃现取出的连接酶1.6μl;后直接载入芯片扫描仪,同时向上述各扫描盘每孔中加入150μl固定缓冲液,避免接触扫描盘底部。将盖子的切口角对准扫描盘的切口边缘,盖住扫描盘,而后放置于工作台顶部,最后开始扫描检测流程其中染料混合物A的染料盘2个,每孔105μl;染料混合物B的染料盘1个,每孔105μl;稳定混合物的染料盘1个,每孔105μl;连接混合物B的染料盘1个,每孔105μl;将分装后的所述染料盘载入芯片扫描仪,同时向所述染料盘每孔加入150μl固定缓冲液后盖住,放置于工作台顶部进行检测;
S4:数据质控和分析:如图2所示,成像完成后会得到每块杂交板的原始荧光信号数据,利用自动分析软件对其进行质控和分析,包括整板质控、样品质控、探针序列识别、样品比对和生物信息学分析等流程,即可得到相应样品的变异位点信息结果文件。
S5:结果分析与注释:结果包含每个样品检测到的拷贝数变异信息和基因突变位点,这些信息再经过进一步的注释分析,包括突变评级和医学解读,最终得到的明确的真实的位点信息。
本次基因拷贝数变异(CNV)验证样品位点信息如下表7所示;基因拷贝数变异(CNV)分析结果如下表8所示。
表7基因拷贝数变异(CNV)验证样品位点信息
Figure BDA0003340749600000831
Figure BDA0003340749600000841
表8基因拷贝数变异(CNV)分析结果
Figure BDA0003340749600000842
Figure BDA0003340749600000851
Figure BDA0003340749600000861
Figure BDA0003340749600000871
注:NA表示无结果,Noise表示评判CNV真实性的密度图谱有杂乱信号,无法判断。实测大小是指软件分析出来的CNV的长度范围。
本发明对48个阳性CNV样本,共计62个CNV进行检测,共检测出60例CNV,CNV检出率为96.8%。进一步分析可发现,CNV-42样本CNV密度图有Noise,如附图3-1、附图3-2所示,CNV-47检测到CNV的探针数小于50(阈值为50),CNV-48样本没有通过QC(可能是实验或者样品本身的问题),其余45个阳性样本的CNV均被有效检测到,则CNV阳性验证率为93.75%。
本次单核苷酸变异(SNV)验证样品位点信息如下表9所示;单核苷酸变异(SNV)分析结果如下表10所示。
表9单核苷酸变异(SNV)验证样品位点信息
Figure BDA0003340749600000872
Figure BDA0003340749600000881
表10单核苷酸变异(SNV)分析结果
Figure BDA0003340749600000882
Figure BDA0003340749600000891
注:Normal表示该SNV位点未检测为突变;Affected表示检测到杂合突变或纯合突变,且与患者基因型一致;Carrier表示携带者;Not designed表示芯片上未设计探针。
本发明对48例阳性SNV位点进行验证试验,结果表明CNV-09位点未设计探针,其余样本位点均被检测到,SNV检出率达到97.9%,如附图4-1、代表1个样本被判读为AB(杂合子),考虑为携带者,其余94个样本均为BB,考虑为野生型;如附图4-2所示代表1个样本被判读为BB(纯合子),考虑为携带者,其余84个样本均为BB,考虑为野生型。进一步分析结果的准确性,发现CNV-19、CNV-30两个样本通过本发明试剂盒检测的结果均为纯合且解读结果为Normal,即未检测到发生对应的突变,而实际上这三个样本均为杂合突变,且为对应的疾病患者,因此可认为这两个样本验证失败。而CNV-32和CNV-38样本通过本发明试剂盒检测的结果均为纯合且解读结果为Affected,说明检测到发生了纯合突变,而不是原来结果提供的杂合突变患者。在此,均认为原来的结果是正确的,则CNV-32和CNV-38样本结果也认为是验证失败,因此SNV阳性验证率为91.5%。
综上,本发明产品对96例阳性样本进行验证,包括48例CNV样本和48例SNV样本,CNV检出率为96.8%、阳性率为93.75%。SNV检出率为97.9%、阳性率为91.5%。说明本发明产品所设计的探针可同步检测出出生缺陷遗传病基因相关CNV和SNV,充分说明了本发明芯片的优势,主要体现在:
(1)临床通用性:通过同步检测出生缺陷遗传病基因相关CNV和SNV,操作简单,诊断高效,仅需一次实验就可以对全基因组范围的CNV和190个单基因疾病进行检测,适合大部分临床遗传检测使用。
(2)有效性:采用了全新的探针设计方法,传统方案是设计骨架探针实现全基因组覆盖即可。本方案在骨架探针基础上,减少或去除了各条染色体首、末端区域、着丝粒区域和其他无基因区域等不重要区域的探针,并对已经公开的350个致病性单倍剂量不足(HI)基因以及三倍剂量敏感(TS)基因进行了加密,这样即减少了临床意义不明CNV的检出,同时显著增加致病性CNV的检出。特别的,还针对16个单基因内部CNV区域高度加密,以保证单基因内部较小片段CNV的检出率,这样可以最大限度保证产品的有效性。
(3)创造性:通过增加190个单基因疾病相关SNV,共计37083个,结合改良的基因分型算法和聚类方法,创造性的实现了利用全染色体基因分型芯片检测点突变和InDel,并衍生了SNV-array技术。
还需要注意的是,以上列举的实施例仅是本发明的一个具体实施例子,仅选用了部分已经鉴定的CNV患者和SNV患者,还可以检测更多的CNV和上述37083个SNV。本领域的其他技术人员能从本发明公开的内容中利用一次实验就可同步检测全基因组水平的CNV和上述37083个SNV,但应认为此种设计理念是本发明的保护范围。本发明并不限于上述实施方式和实施例,在本领域技术人员所具备的知识范围内,还可以在不脱离本发明构思的前提下作出各种变化。

Claims (9)

1.一种同步检测多种出生缺陷遗传病全染色体基因分型芯片,所述出生缺陷遗传病由基因拷贝数变异和单核苷酸变异引起,其特征在于:
所述芯片包括genome_framework探针组和special_gene探针组;
所述genome_framework探针组覆盖染色体全基因组,探针总数为643228个,探针平均分布密度为1个/5Kb;
所述genome_framework探针组包括针对常染色体以及针对性染色体设计的骨架探针;所述骨架探针减少/去除各条染色体首、末端区域,着丝粒区域和其他无基因区域探针;
所述genome_framework探针组包括针对16个单基因水平的所述基因拷贝数变异区域设计的探针,探针平均分布密度≥15个/5Kb;所述16个单基因包括:VHL、QDPR、SMN1、CYP21A2、HBB、PTS、PAH、ATP7B、GCH1、HBA1、HBA2、NF1、PHEX、DMD、OTC、MECP2;
所述genome_framework探针组包括针对致病性单倍剂量不足基因以及三倍剂量敏感基因的所述基因拷贝数变异区域设计的探针,探针平均分布密度≥1个/5Kb;所述致病性单倍剂量不足基因以及三倍剂量敏感基因为350个,包括:AHDC1、ARID1A、ASH1L、CAMTA1、FH、FLG、GATAD2B、GLMN、IRF6、LHX4、LMNA、NFIA、PBX1、POGZ、SDHB、SDHC、SF3B4、SLC2A1、ZBTB18、BAG3、BMPR1A、EMX2、GATA3、KAT6B、KIF11、PAX2、PTEN、RPS24、WAC、ZMYND11、ALX4、ARCN1、ATM、CDKN1C、EXT2、FZD4、HMBS、KCNQ1、KCNQ1OT1、KMT2A、LRP5、MEN1、MYBPC3、PAX6、PHF21A、SDHAF2、SDHD、SHANK2、WT1、ACVRL1、ARID2、CDKN1B、GRIN2B、HMGA2、KMT2D、LEMD3、MED13L、PTHLH、PTPN11、RPS26、SLC17A8、SOX5、TBX3、BRCA2、CHAMP1、EDNRB、NBEA、POLR1D、RB1、ZIC2、BMP4、CHD8、DICER1、FOXG1、GPHN、PAX9、AAGAB、CHD2、FBN1、IGF1R、MEIS2、RPS17、SIN3A、SMAD3、SPRED1、TCF12、UBE3A、ANKRD11、CDH1、CREBBP、CTCF、FOXC2、FOXF1、PKD1、SALL1、SETD1A、SH2B1、TSC2、AXIN2、BRCA1、BRIP1、COL1A1、EFTUD2、FLCN、HNF1B、KANSL1、PAFAH1B1、PMP22、RAD51C、RAD51D、RAI1、RNF135、TBX4、TP53、ASXL3、DSC2、GATA6、SETBP1、SMAD4、TCF4、TGIF1、CACNA1A、CIC、ERF、KMT2B、LDLR、RPS19、SMARCA4、STK11、APOB、BARD1、BCL11A、CFC1、COL3A1、CUL3、GIGYF2、GLI2、MBD5、MSH2、MSH6、MYCN、MYT1L、NCKAP1、NRXN1、PAX3、PAX8、SATB2、SCN1A、SCN2A、SIX3、SOX11、SPAST、TBR1、TRIP12、ZEB2、ADNP、ASXL1、GDF5、GNAS、JAG1、KCNQ2、SALL4、APP、DSCAM、DYRK1A、RUNX1、SON、CHEK2、EP300、NF2、SHANK3、SMARCB1、SOX10、TBX1、TCF20、TNRC6B、BAP1、CTNNB1、FOXL2、FOXP1、GATA2、MITF、MLH1、SCN5A、SETD2、SETD5、SLC6A1、SOX2、TBL1XR1、TGFBR2、ZIC1、ZIC4、ANK2、NAA15、NR3C2、PITX2、PKD2、APC、CTNND2、FGF10、GABRA1、LMNB1、MEF2C、NKX2-5、PURA、RASA1、SPINK1、TRIO、ARID1B、EYA4、FOXC1、HIVEP2、PHIP、SYNGAP1、TFAP2B、AUTS2、CAMK2B、ELN、GLI3、KCNH2、KMT2C、MNX1、PMS2、SGCE、SHH、TWIST1、CHD7、EXT1、GATA4、KAT6A、TRPS1、ZFPM2、COL5A1、DMRT1、EHMT1、ENG、HNRNPK、LMX1B、NR5A1、PTCH1、STXBP1、TGFBR1、TSC1、ZNF462、ABCD1、ACSL4、AFF2、ANOS1、AP1S2、AR、ARHGEF9、ARX、ATP7A、ATRX、AVPR2、BCOR、BRWD3、BTK、CASK、CD40LG、CDKL5、CHM、CHRDL1、CLCN4、CLCN5、CNKSR2、COL4A5、CUL4B、CYBB、DCX、DDX3X、DLG3、EBP、EDA、EFNB1、F8、F9、FANCB、FGD1、FLNA、FMR1、FRMD7、FTSJ1、GDI1、GK、GLA、GPC3、GRIA3、HCCS、HDAC8、HPRT1、IDS、IKBKG、IL1RAPL1、IQSEC2、KDM5C、KDM6A、L1CAM、LAMP2、MAGT1、MID1、MTM1、NDP、NHS、NR0B1、NSDHL、NYX、OCRL、OFD1、OPHN1、PAK3、PCDH19、PDHA1、PGK1、PHF6、PIGA、PLP1、PORCN、PQBP1、PRPS1、PTCHD1、RAB39B、RP2、RPS6KA3、RS1、SH2D1A、SLC16A2、SLC35A2、SLC6A8、SLC9A6、SMC1A、SMS、STS、SYN1、TBX22、TIMM8A、TRAPPC2、TSPAN7、UBE2A、UPF3B、USP9X、WDR45、XIAP、XIST、ZC4H2、ZDHHC9、ZIC3、ZNF711、SHOX、SRY;
所述special_gene探针组覆盖190个重要出生缺陷遗传病基因的单核苷酸变异位点37083个,对应探针总数为330272个,平均每个所述单核苷酸变异位点设计9个重复探针;
所述190个重要出生缺陷遗传病基因包括:ABCB1、ABCC8、ABCD1、ABCD4、ABCG5、ABCG8、ACADM、ACADS、ACADVL、ACAT1、ACE、ACSF3、AGL、AMH、AMHR2、APOA5、APOB、APOC3、AR、ARG1、ARSA、ARSB、ASS1、ATP7A、ATP7B、BCKDHA、BCKDHB、BMP1、BTD、CBS、CD320、CLCN5、COCH、COL1A1、COL1A2、COL2A1、COMP、CPS1、CPT1A、CPT2、CRHR1、CYP11B1、CYP17A1、CYP1A1、CYP21A2、CYP2C19、CYP2D6、CYP3A5、DBT、DIABLO、DLD、DMD、DMP1、DNAJC12、DRD2、DSPP、ELN、ENPP1、EPHX1、ETFA、ETFDH、FAH、FGF23、FGFR1、FGFR2、FGFR3、FKBP5、G6PC、G6PD、GAA、GALC、GALE、GALK1、GALNS、GALT、GBA、GBE1、GCDH、GCH1、GCK、GJB2、GJB3、GLA、GLB1、GNPTAB、GNPTG、GNS、GUSB、GYS2、HADH、HBA1、HBA2、HBB、HEXA、HEXB、HGSNAT、HLA_B、HLCS、HNF4A、HPD、HSD3B2、HTR2C、HYAL1、IDS、IDUA、IFITM5、IFNL4、IVD、KCNJ11、LDLR、LHCGR、LIPI、LMBRD1、LPL、MC4R、MCCC1、MCCC2、MCEE、MCOLN1、MLYCD、MMAA、MMAB、MMACHC、MMADHC、MMUT、MT-CO1、MT-RNR1、MT-TH、MT-TL1、MT-TS1、MTHFR、MTR、MYO15A、MYO7A、NAGLU、NDN、NPC1、NPC2、NR0B1、NR5A1、OTC、PAH、PCBD1、PCCA、PCCB、PHEX、PHKA2、PHKB、PHKG2、PLA2G4A、PLP1、POLG、PPIB、PRPS1、PTS、PYGL、PYGM、QDPR、RP1、SDHA、SGSH、SLC16A1、SLC22A5、SLC25A13、SLC25A15、SLC25A20、SLC26A4、SLC34A3、SLC37A4、SLCO2B1、SMN1/SMN2、SMPD1、SNRPN、SPR、SPRN、SRD5A2、SRY、STAR、SUMF1、TAT、TBX1、TECTA、TMC1、TPMT、TYRP1、UCP2、UGT1A、UGT1A4、VKORC1、WFS1。
2.根据权利要求1所述的芯片,其特征在于:
所述special_gene探针组兼顾提升所述genome_framework探针组对应基因区域的探针分布密度。
3.根据权利要求1所述的芯片,其特征在于:
所述genome_framework探针组和special_gene探针组的核苷酸序列包括如SEQ IDNo.1~SEQ ID No.720所示的探针序列。
4.根据权利要求1所述的芯片,其特征在于:
所述genome_framework探针组针对所述16个单基因、所述致病性单倍剂量不足基因以及所述三倍剂量敏感基因的变异,计算每个探针拷贝数CN;常染色体和女性X染色体正常所述探针拷贝数CN1为2,计算出现的所述探针拷贝数CN1变异情况为2种,其中所述探针拷贝数CN1为0或1属于缺失,为3或4属于重复;男性X和Y染色体正常所述探针拷贝数CN2为1,计算出现的所述探针拷贝数CN2变异情况为2种,其中所述探针拷贝数CN2为0属于缺失,为2属于重复;当出现连续50个探针的所述探针拷贝数CN异常情况,判定为基因拷贝数变异;
计算拷贝数度量值是log2 Ratio,其中Ratio=每个探针拷贝数的观测值÷每个探针拷贝数的参考值,每个探针拷贝数的参考值是来自于正常人群的一组数据:
当log2 Ratio≈-1.5±0.05时,CN=0;
当log2 Ratio≈-1±0.05时,CN=1;
当log2 Ratio≈0±0.05时,CN=2;
当log2 Ratio≈0.58±0.05时,CN=3;
当log2 Ratio≈1±0.05时,CN=4。
5.根据权利要求1所述的芯片,其特征在于:
所述special_gene探针组针对所述190个重要出生缺陷遗传病基因的相应SNV位点进行检测,结果的判读基于该部分探针的检测值来实现的,所用的方法为Genotype_SNV和ES聚类算法。
Genotype_SNV方法是通过对SNV array探针进行双色荧光标记实现的,所述探针会得到两种荧光检测值A和B,通过对A和B值进行计算得到基因分型结果,计算公式如下:
t(snv)=(A-B)/(A+B)
当t(snv)≈1±0.05时,分型结果为AA;
当t(snv)≈-1±0.05时,分型结果为BB;
当t(snv)≈0±0.05时,分型结果为AB;
所述基因分型结果包括三种,AA、AB和BB,其中所述AA和BB代表纯和类型,一个代表野生型,一个代表纯合子,根据聚类结果判读野生型和纯合子,所述AB代表杂合子。
所述ES聚类算法用于对所述基因分型结果进行聚类,计算公式如下:
t(x)=log2(A/B);
t(y)=[log2(A)+log2(B)]/2;
所述ES聚类算法以t(x)为横轴,t(y)为纵轴进行聚类,所述检测结果的阳性或阴性根据样本分型结果和聚类数目进行判断。
6.根据权利要求1所述的芯片,其特征在于:
所述芯片还包括变性混合液、扩增混合液、片段化混合液、沉淀混合液和杂交混合液。
7.根据权利要求1所述的芯片,其特征在于:
所述芯片在
Figure FDA0003340749590000051
微阵列芯片扫描仪中进行检测使用。
8.一种应用权利要求1所述芯片同步检测多种出生缺陷遗传病CNV和SNV的方法,其特征在于包括以下步骤:
S1、采集样品;
S2、样品制备与质控;
S3、应用权利要求1所述芯片的检测反应:
S31、DNA扩增;
S32、DNA片段化和沉淀;
S33、干燥、重悬及质控;
S34、变性和杂交;
S35、芯片扫描仪检测;
S4、数据质控和分析;
S5、结果分析与注释。
9.一种如权利要求1所述的芯片在同步检测多种出生缺陷遗传病CNV和SNV中的应用。
CN202111307383.3A 2021-11-05 2021-11-05 一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用 Active CN114196736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111307383.3A CN114196736B (zh) 2021-11-05 2021-11-05 一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111307383.3A CN114196736B (zh) 2021-11-05 2021-11-05 一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用

Publications (2)

Publication Number Publication Date
CN114196736A true CN114196736A (zh) 2022-03-18
CN114196736B CN114196736B (zh) 2024-04-02

Family

ID=80646941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111307383.3A Active CN114196736B (zh) 2021-11-05 2021-11-05 一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用

Country Status (1)

Country Link
CN (1) CN114196736B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115216532A (zh) * 2022-06-30 2022-10-21 湖南家辉生物技术有限公司 一种短链酰基辅酶a脱氢酶缺乏症的诊断试剂和试剂盒
CN116042811A (zh) * 2022-12-15 2023-05-02 湖南家辉生物技术有限公司 一种导致mrd26型神经发育迟滞的致病基因auts2突变的应用及检测试剂
CN116083458A (zh) * 2023-02-20 2023-05-09 中南大学湘雅医院 黏多糖贮积症iiic型的致病突变基因及其应用

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106282349A (zh) * 2016-08-18 2017-01-04 陈晓丽 一种x染色体高密度探针定制的全基因组拷贝数检测芯片
US20170037475A1 (en) * 2014-04-09 2017-02-09 Lineagen, Inc. Genetic markers associated with asd and other childhood developmental delay disorders
CN110592213A (zh) * 2019-09-02 2019-12-20 深圳市新合生物医疗科技有限公司 预测新抗原负荷和检测基因组突变的基因panel

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170037475A1 (en) * 2014-04-09 2017-02-09 Lineagen, Inc. Genetic markers associated with asd and other childhood developmental delay disorders
CN106282349A (zh) * 2016-08-18 2017-01-04 陈晓丽 一种x染色体高密度探针定制的全基因组拷贝数检测芯片
CN110592213A (zh) * 2019-09-02 2019-12-20 深圳市新合生物医疗科技有限公司 预测新抗原负荷和检测基因组突变的基因panel

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦谦 等: "基于高通量测序技术的拷贝数变异筛选分析流程的建立及应用", 中国循证儿科杂志, vol. 13, no. 4, 31 August 2018 (2018-08-31), pages 275 - 279 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115216532A (zh) * 2022-06-30 2022-10-21 湖南家辉生物技术有限公司 一种短链酰基辅酶a脱氢酶缺乏症的诊断试剂和试剂盒
CN116042811A (zh) * 2022-12-15 2023-05-02 湖南家辉生物技术有限公司 一种导致mrd26型神经发育迟滞的致病基因auts2突变的应用及检测试剂
CN116083458A (zh) * 2023-02-20 2023-05-09 中南大学湘雅医院 黏多糖贮积症iiic型的致病突变基因及其应用

Also Published As

Publication number Publication date
CN114196736B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
JP7343563B2 (ja) 高度多重pcr法および組成物
US11390916B2 (en) Methods for simultaneous amplification of target loci
Esteki et al. Concurrent whole-genome haplotyping and copy-number profiling of single cells
JP6386494B2 (ja) 母親生物試料の胎児ゲノム分析
CN114196736A (zh) 一种同步检测多种出生缺陷遗传病全染色体基因分型芯片及其方法和应用
CA2874195C (en) Methods and processes for non-invasive assessment of genetic variations
Oliver et al. New insights into human nondisjunction of chromosome 21 in oocytes
JP6153874B2 (ja) 非侵襲的出生前倍数性呼び出しのための方法
CN106591441B (zh) 基于全基因捕获测序的α和/或β-地中海贫血突变的检测探针、方法、芯片及应用
González et al. A fast and accurate method to detect allelic genomic imbalances underlying mosaic rearrangements using SNP array data
Lau et al. Birth of a healthy infant following preimplantation PKHD1 haplotyping for autosomal recessive polycystic kidney disease using multiple displacement amplification
Bahrambeigi et al. Distinct patterns of complex rearrangements and a mutational signature of microhomeology are frequently observed in PLP1 copy number gain structural variants
WO2024027569A1 (zh) 一种不依赖于先证者的单体型构建方法
Coutton et al. Fine characterisation of a recombination hotspot at the DPY19L2 locus and resolution of the paradoxical excess of duplications over deletions in the general population
KR20230038263A (ko) 무세포 핵산에 대한 뉴클레아제 관련 말단 특징 분석
WO2018090991A1 (en) Universal haplotype-based noninvasive prenatal testing for single gene diseases
Geng et al. Sequence and structure characteristics of 22 deletion breakpoints in intron 44 of the DMD gene based on long-read sequencing
CN114512183B (zh) 一种预测met基因扩增或多倍体的方法及装置
CN114540479A (zh) 用于检测与耳聋相关的基因snp的组合物、试剂盒及检测方法
Amr et al. Targeted hybrid capture for inherited disease panels
CN112735518B (zh) 基于染色体微阵列的roh数据分析***
Oliva Pavia Functional impact of polymorphic inversions in the human genome
Lähdesmäki CS-E5875 High-Throughput Bioinformatics Genotype calling and de novo assembly
Chia DNA Copy Number Variation in a Cohort of Healthy Australian Women
Loovers et al. Validation and implementation of a custom 21-gene panel next-generation sequencing assay for myeloid neoplasms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant