特許ウォッチ

公開番号2025016639
公報種別公開特許公報(A)
公開日2025-02-04
出願番号2024191291,2023512747
出願日2024-10-31,2021-08-20
発明の名称配列生成および予測のための方法およびシステム
出願人リジェネロン・ファーマシューティカルズ・インコーポレイテッド,REGENERON PHARMACEUTICALS, INC.
代理人個人,個人,個人,個人
主分類G16B 40/20 20190101AFI20250128BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】制御配列を生成し、かつ、予測するコンピュータ実装方法を提供する。
【解決手段】方法は、第一の複数のヌクレオチド配列の各配列が、関連発現スコアを有する少なくとも一つの転写開始点(TSS)を含む遺伝的データを受信することと、コアプロモーターとして標識された第二の複数のヌクレオチド配列を決定することと、閾値を満たす関連発現スコアに基づき、第二の複数のヌクレオチド配列から第三の複数のヌクレオチド配列を決定することと、第三の複数のヌクレオチド配列に基づいて、コアプロモーターではないとして標識された第四の複数のヌクレオチド配列を生成することと、コアプロモーターとして標識された第三の複数のヌクレオチド配列およびコアプロモーターではないとして標識された第四の複数のヌクレオチド配列に基づいて、訓練データセットを生成し、訓練データセットに基づいて、生成モデルを訓練し、生成モデルを出力することと、を含む。
【選択図】図19
特許請求の範囲【請求項１】
遺伝的データをコンピュータにより受信することであって、前記遺伝的データは、第一の複数のヌクレオチド配列を含み、前記複数のヌクレオチド配列の各ヌクレオチド配列は、関連発現スコアを有する少なくとも一つの転写開始点（ＴＳＳ）を含む、受信することと、
前記第一の複数のヌクレオチド配列に基づいて、コアプロモーターとして標識された第二の複数のヌクレオチド配列をコンピュータにより決定することと、
閾値を満たす前記関連発現スコアに基づいて、前記第二の複数のヌクレオチド配列から第三の複数のヌクレオチド配列をコンピュータにより決定することと、
前記第三の複数のヌクレオチド配列に基づいて、コアプロモーターではないとして標識された第四の複数のヌクレオチド配列をコンピュータにより生成することと、
コアプロモーターとして標識された前記第三の複数のヌクレオチド配列およびコアプロモーターではないとして標識された前記第四の複数のヌクレオチド配列に基づいて、訓練データセットをコンピュータにより生成することと、
前記訓練データセットに基づいて、生成モデルをコンピュータにより訓練することと、
前記生成モデルをコンピュータにより出力することと、を含む、コンピュータ実装方法。
続きを表示（約 2,300 文字）【請求項２】
前記第一の複数のヌクレオチド配列に基づいて、コアプロモーターとして標識された前記第二の複数のヌクレオチド配列をコンピュータにより決定することが、
閾値を満たす前記関連発現スコアに基づいて、前記第一の複数のヌクレオチド配列から複数のＴＳＳをコンピュータにより決定することと、
前記複数のＴＳＳに基づいて、複数のサミットヌクレオチド塩基をコンピュータにより決定することと、
前記複数のサミットヌクレオチド塩基の各サミットヌクレオチド塩基について、関連する複数の周辺塩基をコンピュータにより決定することと、
各サミットヌクレオチド塩基および前記関連する複数の周辺塩基を、コアプロモーターとして標識された前記第二の複数のヌクレオチド配列としてコンピュータにより保存することと、を含む、請求項１に記載の方法。
【請求項３】
前記複数のＴＳＳに基づいて、前記複数のサミットヌクレオチド塩基をコンピュータにより決定することは、前記複数のＴＳＳのそれぞれについて、最強の遺伝子発現のキャップ解析（ＣＡＧＥ）シグナルを有するヌクレオチド塩基をコンピュータにより決定することを含む、請求項２に記載の方法。
【請求項４】
前記複数のサミットヌクレオチド塩基の各サミットヌクレオチド塩基について、前記関連する複数の周辺塩基をコンピュータにより決定することが、前記複数のサミットヌクレオチド塩基の各サミットヌクレオチド塩基について、５’方向の第一の複数のヌクレオチド塩基および３’方向の第二の複数のヌクレオチド塩基をコンピュータにより決定することを含む、請求項２に記載の方法。
【請求項５】
５’方向の前記第一の複数のヌクレオチド塩基が４９個のヌクレオチド塩基を含み、３’方向の前記第二の複数のヌクレオチド塩基が５０個のヌクレオチド塩基を含む、請求項４に記載の方法。
【請求項６】
前記第三の複数のヌクレオチド配列に基づいて、コアプロモーターではないとして標識された前記第四の複数のヌクレオチド配列をコンピュータにより生成することが、
前記第三の複数のヌクレオチド配列の各ヌクレオチド配列について、関連する複数のシフト塩基をコンピュータにより決定することと、
コアプロモーターではないとして標識された第四の複数のヌクレオチド配列として、各関連する複数のシフト塩基をコンピュータにより保存することと、を含む、請求項１～５のいずれか一項に記載の方法。
【請求項７】
前記第三の複数のヌクレオチド配列の各ヌクレオチド配列について、前記関連する複数のシフト塩基をコンピュータにより決定することが、前記第三の複数のヌクレオチド配列の各ヌクレオチド配列から、ある量のヌクレオチド塩基をコンピュータによりシフトさせることを含み、前記ヌクレオチド塩基の前記量は、前記第三の複数のヌクレオチド配列と類似のクロマチンランドスケープを持たせるのに十分近い距離を保つことと、その一方で、近隣にある調節要素を拾わない程度に十分に離れていることとのバランスを表す、請求項６に記載の方法。
【請求項８】
前記訓練データセットに基づいて、前記生成モデルをコンピュータにより訓練することが、
前記訓練データセットの各ヌクレオチド配列について、複数のシード配列および標的ヌクレオチド対をコンピュータにより生成することであって、各シード配列および標的ヌクレオチド対は、定義された長さを有するシード配列、および所定のヌクレオチド配列上の前記シード配列の直後に標的ヌクレオチドを含む、生成することと、
前記複数のシード配列および標的ヌクレオチド対の各シード配列および標的ヌクレオチド対をコンピュータによりベクター化することと、
前記ベクター化されたシード配列および標的ヌクレオチド対に基づいて、前記生成モデルをコンピュータにより訓練することと、を含む、請求項１～７のいずれか一項に記載の方法。
【請求項９】
前記訓練データセットの各ヌクレオチド配列について、前記複数のシード配列および標的ヌクレオチド対をコンピュータにより生成することが、
前記関連発現スコアに基づいて、前記複数のＴＳＳをコンピュータによりクラスタリングすることと、
ＴＳＳの各クラスターについて、四分位幅をコンピュータにより決定することと、
前記四分位幅に基づいて、各ＴＳＳをシャープＴＳＳまたはブロードＴＳＳとしてコンピュータにより標識することと、
シャープＴＳＳまたはブロードＴＳＳ標識に基づいて、前記訓練データセット中の前記ヌクレオチド配列をシャープＴＳＳ群またはブロードＴＳＳ群にコンピュータにより分割することと、
前記定義された長さで、定義された工程サイズを有するスライディングウィンドウを、各ヌクレオチド配列にコンピュータにより適用することと、
前記スライディングウィンドウの各工程で、シード配列および標的ヌクレオチド対をコンピュータにより保存することと、を含む、請求項８に記載の方法。
【請求項１０】
前記複数のシード配列および標的ヌクレオチド対の各シード配列および標的ヌクレオチド対をコンピュータによりベクター化することは、各ヌクレオチドをそれぞれの番号としてコンピュータによりコード化することを含む、請求項８に記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【背景技術】
【０００１】
関連出願の相互参照
本出願は、２０２０年８月２１日に出願された米国仮特許出願第６３／０６８，６５４号の出願日における優先権の利益を主張するものである。これ以前の出願の内容は、参照によりその全体が本明細書に組み込まれる。
続きを表示（約 3,700 文字）【０００２】
配列表への参照
２０２１年８月２０日に提出された配列表は、２０２１年８月２０日に「３７５９５＿００３３Ｐ１＿Ｓｅｑｕｅｎｃｅ＿Ｌｉｓｔｉｎｇ．ｔｘｔ」というファイル名のテキストファイル（サイズ２，８０５バイト）として作成されたものであり、連邦規則法典第３７巻特許法第１．５２条（ｅ）（５）に従い、本明細書において参照により援用されている。
【０００３】
アデノ随伴ウイルス（ＡＡＶ）は、遺伝子治療において導入遺伝子の送達のためのゴールドスタンダードである。免疫原性が低く感染性が強いなど、多くの利点を提供する一方で、一つの制限は、その厳密なＤＮＡパッケージング能力である。多くの治療法がすでにこの限界に近づいている。組換えＡＡＶベクターにコードされた他の特徴とともに、これは制御配列のためのスペースをほとんど残さない。一般的に使用されるウイルス性および内因性哺乳類プロモーターは両方ともこれらの制限を超えており、ＡＡＶを介した大きな導入遺伝子の送達には使用できない。したがって、短く効率的な制御配列に対する強いニーズがある。
【発明の概要】
【０００４】
遺伝的データが、第一の複数のヌクレオチド配列を含み、複数のヌクレオチド配列の各ヌクレオチド配列が、関連発現スコアを有する少なくとも一つの転写開始点（ＴＳＳ）を含む、遺伝的データを受信することと、閾値を満たす関連発現スコアに基づいて、第一の複数のヌクレオチド配列から複数のＴＳＳを決定することと、複数のＴＳＳに基づいて、複数のサミットヌクレオチド塩基を決定することと、複数のサミットヌクレオチド塩基の各サミットヌクレオチド塩基に対して、関連する複数の周辺塩基を決定することと、コアプロモーターとして標識された第二の複数のヌクレオチド配列として、各サミットヌクレオチド塩基および関連する複数の周辺塩基を保存することと、第二の複数のヌクレオチド配列の各ヌクレオチド配列に対して、関連する複数のシフト塩基を決定することと、コアプロモーターではないとして標識された第三の複数のヌクレオチド配列として、各関連する複数のシフト塩基を保存することと、コアプロモーターとして標識された第二の複数のヌクレオチド配列、およびコアプロモーターではないとして標識された第三の複数のヌクレオチド配列に基づいて、訓練データセットを生成することと、訓練データセットに基づいて、予測モデルに対する複数の特徴を決定することと、訓練データセットの第一の部分に基づいて、複数の特徴に従って予測モデルを訓練することと、訓練データセットの第二の部分に基づいて、予測モデルを試験することと、および試験に基づいて、予測モデルを出力することと、を含む方法が開示される。
【０００５】
遺伝的データが、第一の複数のヌクレオチド配列を含み、複数のヌクレオチド配列の各ヌクレオチド配列が、関連発現スコアを有する少なくとも一つの転写開始点（ＴＳＳ）を含む、遺伝的データを受信することと、第一の複数のヌクレオチド配列に基づいて、コアプロモーターとして標識された第二の複数のヌクレオチド配列を決定することと、第二の複数のヌクレオチド配列に基づいて、コアプロモーターではないとして標識された第三の複数のヌクレオチド配列を決定することと、コアプロモーターとして標識された第二の複数のヌクレオチド配列、およびコアプロモーターではないとして標識された第三の複数のヌクレオチド配列に基づいて、訓練データセットを生成することと、訓練データセットに基づいて、予測モデルに対する複数の特徴を決定することと、訓練データセットの第一の部分に基づいて、複数の特徴に従って予測モデルを訓練することと、訓練データセットの第二の部分に基づいて、予測モデルを試験することと、および試験に基づいて、予測モデルを出力することと、を含む方法も開示される。
【０００６】
遺伝的データが、第一の複数のヌクレオチド配列を含み、複数のヌクレオチド配列の各ヌクレオチド配列が、関連発現スコアを有する少なくとも一つの転写開始点（ＴＳＳ）を含む、遺伝的データを受信することと、遺伝的データを正規化することと、関連発現スコアに基づいて、ＴＳＳをクラスター化することと、ＴＳＳの各クラスターについて、四分位幅を決定することと、四分位幅に基づいて、各ＴＳＳをシャープＴＳＳまたはブロードＴＳＳに標識することと、複数のＴＳＳに基づいて、複数のサミットヌクレオチド塩基を決定することと、複数のサミットヌクレオチド塩基の各サミットヌクレオチド塩基に対して、関連する複数の周辺塩基を決定することと、コアプロモーターとして標識された第二の複数のヌクレオチド配列として、各サミットヌクレオチド塩基および関連する複数の周辺塩基を保存することと、閾値を満たす関連発現スコアに基づいて、第二の複数のヌクレオチド配列から第三の複数のヌクレオチド配列を決定することと、第三の複数のヌクレオチド配列の各ヌクレオチド配列に対して、関連する複数のシフト塩基を決定することと、コアプロモーターではないとして標識された第四の複数のヌクレオチド配列として、各関連する複数のシフト塩基を保存することと、コアプロモーターとして標識された第三の複数のヌクレオチド配列、およびコアプロモーターではないとして標識された第四の複数のヌクレオチド配列に基づいて、訓練データセットを生成することと、訓練データセットにおける各ヌクレオチド配列に対して、複数のシード配列および標的ヌクレオチド対を生成することと、複数のシード配列および標的ヌクレオチド対の各シード配列および標的ヌクレオチド対をベクトル化することと、ベクトル化されたシード配列および標的ヌクレオチド対に基づいて、生成モデルを訓練することと、および生成モデルを出力することと、を含む方法も開示される。
【０００７】
遺伝的データが、第一の複数のヌクレオチド配列を含み、複数のヌクレオチド配列の各ヌクレオチド配列が、関連発現スコアを有する少なくとも一つの転写開始点（ＴＳＳ）を含む、遺伝的データを受信することと、第一の複数のヌクレオチド配列に基づいて、コアプロモーターとして標識された第二の複数のヌクレオチド配列を決定することと、閾値を満たす関連発現スコアに基づいて、第二の複数のヌクレオチド配列から第三の複数のヌクレオチド配列を決定することと、第三の複数のヌクレオチド配列に基づいて、コアプロモーターではないとして標識された第四の複数のヌクレオチド配列を決定することと、コアプロモーターとして標識された第三の複数のヌクレオチド配列およびコアプロモーターではないとして標識された第四の複数のヌクレオチド配列に基づいて、訓練データセットを生成することと、訓練データセットに基づいて、生成モデルを訓練することと、および生成モデルを出力することと、を含む方法も開示される。
【０００８】
また、ヌクレオチド配列を受信することと、訓練された予測モデルにヌクレオチド配列を提供することと、および予測モデルに基づいて、ヌクレオチド配列がコアプロモーターであることを決定することと、を含む方法が開示される。
【０００９】
また、（ａ）ヌクレオチド配列と配列長を受信すること、（ｂ）訓練された生成モデルに、ヌクレオチド配列を提供すること、（ｃ）生成モデルに基づいて、ヌクレオチド配列に関連付けられた次のヌクレオチドを決定すること、（ｄ）ヌクレオチド配列に次のヌクレオチドを付与すること、（ｅ）ヌクレオチド配列の長さが配列長に等しくなるまでｂ～ｄを繰り返すこと、および（ｆ）ヌクレオチド配列をコアプロモーター配列として出力すること、を含む方法も開示される。
【００１０】
遺伝的データが、第一の複数のヌクレオチド配列を含み、複数のヌクレオチド配列の各ヌクレオチド配列が、関連発現スコアを有する少なくとも一つの転写開始点（ＴＳＳ）を含む、遺伝的データを受信することと、第一の複数のヌクレオチド配列に基づいて、コアプロモーターとして標識された第二の複数のヌクレオチド配列を決定することと、閾値を満たす関連発現スコアに基づいて、第二の複数のヌクレオチド配列から第三の複数のヌクレオチド配列を決定することと、第三の複数のヌクレオチド配列に基づいて、コアプロモーターではないとして標識された第四の複数のヌクレオチド配列を決定することと、コアプロモーターとして標識された第三の複数のヌクレオチド配列およびコアプロモーターではないとして標識された第四の複数のヌクレオチド配列に基づいて、訓練データセットを生成することと、訓練データセットに基づいて、生成モデルを訓練することと、を含む方法も開示される。
（【００１１】以降は省略されています）

関連特許