数字PCR在低拷贝数下检测精度的确定方法技术

本发明专利技术提供了一种数字PCR在低拷贝数下检测精度的确定方法，涉及PCR检测技术领域，包括：获取目标参数，目标参数包括指定基因拷贝数、指定理论微滴数和指定概率，指定基因拷贝数小于预设的数量阈值；根据预先建立的低拷贝数下数字PCR统计模型，确定与目标参数对应的目标检测精度；其中，低拷贝数下数字PCR统计模型是基于二项分布理论建立的。如此从理论上确定了低拷贝数时数字PCR的检测精度，缓解采用现有方法计算时检测精度误差较大的问题，易于理解，容易实现。容易实现。容易实现。

【技术实现步骤摘要】
数字PCR在低拷贝数下检测精度的确定方法


[0001]本专利技术涉及PCR检测
，尤其是涉及一种数字PCR在低拷贝数下检测精度的确定方法。

技术介绍

[0002]数字PCR(polymerase chain reaction，聚合酶链反应)属于第三代PCR技术，原理是将一个PCR反应体系分配到大量微小的反应单元(即微反应器)中，在每个微反应器中不含、或含有1个或多个拷贝的目标核酸分子模板，进行“单分子模板”PCR扩增，扩增结束后，通过终点荧光信号判断阳性单元，通过统计方法计算原始样本中目标基因的拷贝数。数字PCR无需依赖于对照样品、标准曲线就可进行精确的绝对定量检测，具有比荧光定量PCR更加出色的灵敏度、特异性和精确性，已经受到越来越多的关注。
[0003]关于数字PCR的检测精度，目前的研究通常基于泊松分布的假设，即假设拷贝数很大且某一目的基因进入微滴的概率很小，然而对于低拷贝数靶分子的特定情况，采用现有方法计算时检测精度误差较大。

技术实现思路

[0004]本专利技术的目的在于提供一种数字PCR在低拷贝数下检测精度的确定方法，以缓解采用现有方法计算时检测精度误差较大的问题。
[0005]本专利技术实施例提供了一种数字PCR在低拷贝数下检测精度的确定方法，包括：
[0006]获取目标参数，所述目标参数包括指定基因拷贝数、指定理论微滴数和指定概率，所述指定基因拷贝数小于预设的数量阈值；
[0007]根据预先建立的低拷贝数下数字PCR统计模型，确定与所述目标参数对应的目标检测精度；其中，所述低拷贝数下数字PCR统计模型是基于二项分布理论建立的。
[0008]进一步地，所述根据预先建立的低拷贝数下数字PCR统计模型，确定与所述目标参数对应的目标检测精度，包括：
[0009]根据所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布；
[0010]根据所述拷贝数浓度分布，确定所述指定概率对应的估计值区间；
[0011]基于所述估计值区间、所述指定基因拷贝数和所述指定理论微滴数，计算得到目标检测精度。
[0012]进一步地，所述低拷贝数下数字PCR统计模型包括：
[0013]p1＝1
‑
s/n＝1
‑
λ，
[0014][0015]其中，p1为单个微滴为阴性的概率，s为基因拷贝数，n为理论微滴数，λ为拷贝数浓度，q＝j/n，q为阴性率，j为阴性微滴个数；
[0016]所述根据所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布，包括：
[0017]获取p1服从的概率分布；
[0018]根据p1服从的概率分布和所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布。
[0019]进一步地，所述获取p1服从的概率分布，包括：
[0020]确定二项分布关于p1的Fisher统计量：
[0021]确定p1的方差：1/I(p1)；
[0022]得到p1服从的正态分布：
[0023]所述根据p1服从的概率分布和所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布，包括：
[0024]确定拷贝数浓度分布为：
[0025]进一步地，所述拷贝数浓度分布属于正态分布；所述根据所述拷贝数浓度分布，确定所述指定概率对应的估计值区间，包括：
[0026]从标准正态分布表中查找得到与所述指定概率对应的正态分布双侧对称的目标Z值；
[0027]确定与所述目标Z值对应的估计值区间。
[0028]进一步地，所述基于所述估计值区间、所述指定基因拷贝数和所述指定理论微滴数，计算得到目标检测精度，包括：
[0029]通过如下公式计算得到目标检测精度：
[0030][0031]其中，A为检测精度，Z为所述估计值区间中的目标Z值。
[0032]进一步地，所述低拷贝数下数字PCR统计模型通过如下过程建立：
[0033]计算低拷贝数时单个微滴为阴性的概率：p1＝1
‑
s/n＝1
‑
λ，λ为拷贝数浓度，s为基因拷贝数，n为理论微滴数；
[0034]基于二项分布理论，计算低拷贝数时拷贝数浓度的估计值：q＝j/n，q为阴性率，j为阴性微滴个数。
[0035]进一步地，所述计算低拷贝数时单个微滴为阴性的概率，包括：
[0036]计算单个微滴进入k个目的DNA片段的概率：P(X＝k)＝C
sk
(1/n)
k
(1
‑
1/n)
(s
‑
k)
；
[0037]得到单个微滴为阴性的概率：p1＝P(X＝0)＝(1
‑
1/n)
s
；
[0038]低拷贝数时近似得到单个微滴为阴性的概率：p1＝1
‑
s/n＝1
‑
λ。
[0039]进一步地，所述基于二项分布理论，计算低拷贝数时拷贝数浓度的估计值，包括：
[0040]设Y为n个微滴中阴性微滴的个数，服从二项分布，则有，Y∽B(n，p1)；
[0041]当阴性微滴个数为j时，有：P(Y＝j)＝C
nj
p
1j
(1
‑
p1)
(n
‑
j)
；
[0042]p1的极大似然估计为：
[0043]得到低拷贝数时拷贝数浓度的估计值：
[0044]进一步地，所述数字PCR在低拷贝数下检测精度的确定方法还包括：
[0045]根据所述低拷贝数下数字PCR统计模型，绘制得到给定概率和给定理论微滴数下，检测精度随基因拷贝数的变化曲线。
[0046]本专利技术实施例提供的数字PCR在低拷贝数下检测精度的确定方法包括：获取目标参数，目标参数包括指定基因拷贝数、指定理论微滴数和指定概率，指定基因拷贝数小于预设的数量阈值；根据预先建立的低拷贝数下数字PCR统计模型，确定与目标参数对应的目标检测精度；其中，低拷贝数下数字PCR统计模型是基于二项分布理论建立的。如此从理论上确定了低拷贝数时数字PCR的检测精度，缓解采用现有方法计算时检测精度误差较大的问题，易于理解，容易实现。
附图说明
[0047]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]图1为本专利技术实施例提供的一种数字PCR在低拷贝数下检测精度的确定方法；
[0049]图2为本专利技术实施例提供的另一种数字PCR在低拷贝数下检测精度的确定方法；
[0050]图3为在不同低拷贝数下，采用本专利技术实施例提供方法与采用现有方法得到的检测精度对比图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字PCR在低拷贝数下检测精度的确定方法，其特征在于，包括：获取目标参数，所述目标参数包括指定基因拷贝数、指定理论微滴数和指定概率，所述指定基因拷贝数小于预设的数量阈值；根据预先建立的低拷贝数下数字PCR统计模型，确定与所述目标参数对应的目标检测精度；其中，所述低拷贝数下数字PCR统计模型是基于二项分布理论建立的。2.根据权利要求1所述的数字PCR在低拷贝数下检测精度的确定方法，其特征在于，所述根据预先建立的低拷贝数下数字PCR统计模型，确定与所述目标参数对应的目标检测精度，包括：根据所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布；根据所述拷贝数浓度分布，确定所述指定概率对应的估计值区间；基于所述估计值区间、所述指定基因拷贝数和所述指定理论微滴数，计算得到目标检测精度。3.根据权利要求2所述的数字PCR在低拷贝数下检测精度的确定方法，其特征在于，所述低拷贝数下数字PCR统计模型包括：p1＝1
‑
s/n＝1
‑
λ，其中，p1为单个微滴为阴性的概率，s为基因拷贝数，n为理论微滴数，λ为拷贝数浓度，q＝j/n，q为阴性率，j为阴性微滴个数；所述根据所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布，包括：获取p1服从的概率分布；根据p1服从的概率分布和所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布。4.根据权利要求3所述的数字PCR在低拷贝数下检测精度的确定方法，其特征在于，所述获取p1服从的概率分布，包括：确定二项分布关于p1的Fisher统计量：确定p1的方差：1/I(p1)；得到p1服从的正态分布：所述根据p1服从的概率分布和所述低拷贝数下数字PCR统计模型，确定拷贝数浓度分布，包括：确定拷贝数浓度分布为：5.根据权利要求2所述的数字PCR在低拷贝数下检测精度的确定方法，其特征在于，所述拷贝数浓度分布属于正态分布；所述根据所述拷贝数浓度分布，确定所述指定概率对应的估计值区间，包括：从标准正态分布表中查找得到与所述指定概率对应的正态分布双侧对称的目标Z值；确定与所述目标Z值对应的估计值区间。6.根据权利要求4所述的数字PCR在低拷贝数下检测精度的确定方法，其特征在于，所
述基于所述...

【专利技术属性】
技术研发人员：杨智，赵云鹏，高琪，李冬，余海，贺贤汉，
申请(专利权)人：杭州博日科技股份有限公司，
类型：发明
国别省市：