Supresión de errores en fragmentos de ADN secuenciados mediante el uso de lecturas redundantes con índices moleculares únicos (UMI).

Un método para secuenciar moléculas de ácido nucleico a partir de una muestra con el uso de índices moleculares únicos (UMI),

en el que cada índice molecular único (UMI) es una secuencia oligonucleotídica que se puede usar para identificar una molécula individual de un fragmento de ADN bicatenario en la muestra, que comprende

(a) aplicar adaptadores a ambos extremos de los fragmentos de ADN bicatenario en la muestra para obtener productos de adaptador unido a ADN, en donde cada adaptador comprende una región hibridada bicatenaria, un brazo 5' monocatenario, un brazo 3' monocatenario, y un UMI físico en una hebra o en cada hebra del adaptador, en donde el UMI físico se selecciona de numerosos UMI físicos, en donde los numerosos UMI físicos comprenden UMI no aleatorios y cada UMI no aleatorio difiere de cualquier otro UMI no aleatorio de los adaptadores en al menos dos nucleótidos en las posiciones de secuencia correspondientes de los UMI no aleatorios, y en donde cada fragmento de ADN bicatenario en la muestra comprende un UMI virtual en una cadena o en cada cadena del fragmento de ADN bicatenario, en donde el UMI virtual es una única subsecuencia en un fragmento de ADN en la muestra;

(b) amplificar ambas cadenas de los productos ADN-adaptador para obtener numerosos polinucleótidos amplificados;

(c) secuenciar los muchos polinucleótidos amplificados, con lo que se obtienen así numerosas lecturas, cada una de las cuales comprende una secuencia de UMI físico correspondiente a un UMI físico en un adaptador y una secuencia de UMI virtual correspondiente a un UMI virtual en un fragmento de ADN bicatenario en la muestra;

(d) identificar numerosas secuencias de UMI físicos para las muchas lecturas;

(e) identificar numerosas secuencias de UMI virtuales para las muchas lecturas; y

(f) determinar secuencias de los fragmentos de ADN bicatenarios en la muestra con el uso de las muchas lecturas obtenidas en (c), las muchas secuencias de UMI físicos identificadas en (d) y las muchas secuencias de UMI virtuales identificadas en (e), en donde (f) comprende:

(i) combinar, para cada fragmento de ADN bicatenario, una primera pluralidad de lecturas, cada una de las cuales comprende una primera secuencia de UMI físico de las muchas secuencias de UMI físicos y una primera secuencia de UMI virtual de las muchas secuencias de UMI para determinar una secuencia de nucleótidos de consenso; y

(ii) determinar una secuencia del fragmento de ADN bicatenario con el uso de la secuencia de nucleótidos de consenso.