[發(fā)明專利]生物基因組簡單重復(fù)序列的發(fā)掘方法及設(shè)備

有效

• 申請?zhí)枺?/td>: 201110414015.9
• 申請日: 2011-12-13
• 公開（公告）號: CN102495977A
• 公開（公告）日: 2012-06-13
• 發(fā)明（設(shè)計）人: 任民;王志德;劉艷華;張興偉;牟建民
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)科學(xué)院煙草研究所
• 主分類號: G06F19/24
• 分類號: G06F19/24
• 代理公司: 北京市盛峰律師事務(wù)所 11337
• 代理人: 趙建剛

技術(shù)領(lǐng)域

本發(fā)明涉及SSR挖掘技術(shù)領(lǐng)域，特別涉及一種生物基因組簡單重復(fù)序列的發(fā)掘方法及設(shè)備。

背景技術(shù)

SSR(Simple?Sequence?Repeats，簡單重復(fù)序列)是指DNA分子中1～5個核苷酸的串聯(lián)重復(fù)。SSR以其在動植物基因組隨機(jī)分布、高信息量和多態(tài)性、共顯性和孟德爾遺傳等優(yōu)點，在遺傳圖譜的構(gòu)建、遺傳多樣性分析、親緣關(guān)系鑒定、DNA指紋圖譜構(gòu)建和功能基因標(biāo)記等方面具有公認(rèn)的優(yōu)越性和應(yīng)用前景。

目前，已有的SSR發(fā)掘算法多基于字符串發(fā)掘，然后再利用統(tǒng)計分析的方法去除冗余，基本包括以下三步：首先在SSR定義的范圍內(nèi)枚舉所有可能的堿基組合，其次每種堿基組合依次進(jìn)行字符串發(fā)掘，最后去掉冗余的發(fā)掘結(jié)果。所謂冗余主要是指以下3種情況，1、重復(fù)統(tǒng)計，例如一段SSR序列AGAGAGAGAG在發(fā)掘AG、AGAG......AGAGAGAGAG時會被重復(fù)統(tǒng)計5次；2、移碼重復(fù)，例如(CT)₅＝CTCTCTCTCT＝TCTCTCTCTC＝(TC)₅；3、約數(shù)重復(fù)，例如(ATAT)_n＝(AT)_2n。另外，對于形如AAA...AA或者TTT...TT的序列，由于該種序列雖然符合SSR的定義，但是在實際工作中并不被采納，所以還需要將該種序列去除。

已報道的一些SSR發(fā)掘軟件均依據(jù)上述算法而開發(fā)，例如SSR?MINING1.0^[1]就是首先根據(jù)ATCG四種堿基，利用排列組合的原理生成一個初步的單元庫，然后去除冗余部分；SSR?Hunter^[2]是首先通過嵌套循環(huán)的方法獲得以A、T、C、G為元件，長度分別為2、3、4、5、6個堿基的所有的排列組合。然后用前面生成的每一種重復(fù)單元的類型搜索基因組序列，把所有符合條件的序列保存在數(shù)組中，最后再對這個序列進(jìn)行去冗余分析。

可見，在現(xiàn)有SSR發(fā)掘方法中，在SSR發(fā)掘的過程中會產(chǎn)生大量的冗余結(jié)果，因此為了得到正確的分析結(jié)果，必須對發(fā)掘結(jié)果去冗余。雖然不同的軟件采用的去冗余策略各不相同，但是發(fā)掘過程均較為復(fù)雜和繁瑣，需要大量的統(tǒng)計分析和邏輯運(yùn)算，至今未見有一種無冗余的分析算法。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的缺陷，本發(fā)明提供一種生物基因組簡單重復(fù)序列的發(fā)掘方法及設(shè)備，在對SSR發(fā)掘過程中，不會產(chǎn)生冗余結(jié)果，從而降低了SSR發(fā)掘過程的配置復(fù)雜度，提高了SSR發(fā)掘的效率，降低了SSR發(fā)掘軟件的開發(fā)難度。

本發(fā)明采用的技術(shù)方案如下：

本發(fā)明提供一種生物基因組簡單重復(fù)序列的發(fā)掘方法，包括以下步驟：

根據(jù)需要發(fā)掘的生物基因組簡單重復(fù)序列SSR的特征構(gòu)建正則表達(dá)式；

通過所述正則表達(dá)式分析待分析序列，判斷所述待分析序列中是否存在符合所述正則表達(dá)式要求的目標(biāo)SSR，如果判斷結(jié)果為是，則輸出所述目標(biāo)SSR；如果判斷結(jié)果為否，則顯示所述待分析序列中不存在所述目標(biāo)SSR的信息。

優(yōu)選的，所述需要發(fā)掘的生物基因組簡單重復(fù)序列SSR的特征包括：

所述需要發(fā)掘的生物基因組簡單重復(fù)序列SSR中的基序的最小長度信息、所述基序的最大長度信息和所述基序的最少再重復(fù)次數(shù)信息，其中，所述基序指所述SSR中的重復(fù)單元。

優(yōu)選的，所述正則表達(dá)式的形式為：(.{i，j}？)(/1){k，}，其中，i、j、k分別表示所述目標(biāo)SSR中的基序的最小長度值、所述基序的最大長度值、所述基序的最少再重復(fù)次數(shù)。

優(yōu)選的，在所述判斷結(jié)果為是，之后還包括：

進(jìn)一步判斷所述目標(biāo)SSR是否由單一堿基組成，如果判斷結(jié)果為是，則刪除所述目標(biāo)SSR，如果判斷結(jié)果為否，則輸出所述目標(biāo)SSR。

本發(fā)明還提供一種生物基因組簡單重復(fù)序列的發(fā)掘設(shè)備，包括：

構(gòu)建模塊：用于根據(jù)需要發(fā)掘的生物基因組簡單重復(fù)序列SSR的特征構(gòu)建正則表達(dá)式；

第一判斷模塊：用于通過所述構(gòu)建模塊構(gòu)建的所述正則表達(dá)式分析待分析序列，判斷所述待分析序列中是否存在符合所述構(gòu)建模塊構(gòu)建的所述正則表達(dá)式要求的目標(biāo)SSR；

輸出模塊：用于當(dāng)所述第一判斷模塊的判斷結(jié)果為是時，輸出所述目標(biāo)SSR；

顯示模塊：用于當(dāng)所述第一判斷模塊的判斷結(jié)果為否時，顯示所述待分析序列中不存在所述目標(biāo)SSR的信息。

優(yōu)選的，所述需要發(fā)掘的生物基因組簡單重復(fù)序列SSR的特征包括：