[發明專利]測序數據的處理方法及裝置

無效

• 申請號: 201110391826.1
• 申請日: 2011-11-30
• 公開（公告）號: CN102831330A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 田仕林;周廣宇;李瑞強
• 申請（專利權）人: 北京諾禾致源生物信息科技有限公司
• 主分類號: G06F19/18
• 分類號: G06F19/18
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 吳貴明;余剛

1.一種測序數據的處理方法，其特征在于，包括：

接收測序序列的第一測序數據；以及

篩除所述第一測序數據中的第一測序片段的測序數據，得到第二測序數據，其中，所述第一測序片段為所述測序序列中含有接頭序列的測序片段。

2.根據權利要求1所述的方法，其特征在于，篩除所述第一測序數據中的第一測序片段的測序數據，得到第二測序數據包括：

將所述第一測序數據與接頭序列庫中的數據進行對比以確定所述第一測序數據中是否含有所述第一測序片段的測序數據；以及

在確定所述第一測序數據中含有所述第一測序片段的測序數據時，篩除所述第一測序數據中的所述第一測序片段的測序數據，得到所述第二測序數據。

3.根據權利要求1所述的方法，其特征在于，在篩除所述第一測序數據中的所述第一測序片段的測序數據，得到所述第二測序數據之后，所述方法還包括：

根據所述第二測序數據計算所述測序序列中對應位置的第一堿基和第二堿基的個數含量，得到所述第一堿基的含量分布和所述第二堿基的含量分布，其中，所述第一堿基和所述第二堿基為所述測序序列中一對互補的嘌呤堿基和嘧啶堿基。

4.根據權利要求3所述的方法，其特征在于，在根據所述第二測序數據計算所述測序序列中對應位置的第一堿基和第二堿基的個數含量，得到所述第一堿基的含量分布和所述第二堿基的含量分布之后，所述方法還包括：

判斷所述測序序列是否為已知物種的測序序列；以及

在確定所述測序序列為所述已知物種的測序序列時，將所述第一堿基的含量分布和所述第二堿基的含量分布與標準含量分布進行對比以確定所述測序序列的質控質量。

5.根據權利要求3所述的方法，其特征在于，在根據所述第二測序數據計算所述測序序列中對應位置的第一堿基和第二堿基的個數含量，得到所述第一堿基的含量分布和所述第二堿基的含量分布之后，所述方法還包括：

判斷所述第一堿基的含量分布與所述第二堿基的含量分布是否一致；以及

在確定所述第一堿基的含量分布與所述第二堿基的含量分布不一致時，確定所述測序序列存在測序錯誤。

6.根據權利要求3所述的方法，其特征在于，在根據所述第二測序數據計算所述測序序列中對應位置的第一堿基和第二堿基的個數含量，得到所述第一堿基的含量分布和所述第二堿基的含量分布之后，所述方法還包括：

判斷所述測序序列是否為未知物種的測序序列；以及

在確定所述測序序列為所述未知物種的測序序列時，將所述第一堿基的含量分布和所述第二堿基的含量分布作為所述未知物種的第一堿基和第二堿基含量的預測值。

7.根據權利要求1所述的方法，其特征在于，在篩除所述第一測序數據中的所述第一測序片段的測序數據，得到所述第二測序數據之后，所述方法還包括：

計算所述第二測序數據中測序片段對應位置的堿基質量的平均值；

以所述測序片段對應位置的堿基質量的平均值作為所述測序序列對應位置的堿基質量；以及

統計所述測序序列的堿基質量的位置分布。

8.根據權利要求1所述的方法，其特征在于，在篩除所述第一測序數據中的所述第一測序片段的測序數據，得到所述第二測序數據之后，所述方法還包括：

計算所述第二測序數據中不同堿基質量所對應的堿基數目；以及

統計所述測序序列的堿基質量的數目分布。

9.根據權利要求8所述的方法，其特征在于，所述方法還包括：按照下式計算測序錯誤率，得到測序錯誤率分布：

Q＝-10log₁₀?E

其中，Q為所述堿基質量，E為所述測序錯誤率。

10.根據權利要求8所述的方法，其特征在于，在計算所述第二測序數據中不同堿基質量所對應的堿基數目；以及統計所述測序序列的堿基質量的數目分布之后，所述方法還包括篩除所述第二測序數據中的第二測序片段和第三測序片段的測序數據，得到第三測序數據，其中，

所述第二測序片段為含有第三堿基的測序片段，其中，所述第三堿基為堿基質量小于預設質量且堿基數目在所述第二測序片段中的比例大于第一預設比例的堿基，

所述第三測序片段為含有第四堿基的測序片段，其中，所述第四堿基為未知堿基且在所述第三測序片段中的比例大于第二預設比例的堿基。