[發(fā)明專利]基因序列數(shù)據(jù)的處理方法和裝置

有效

• 申請?zhí)枺?/td>: 201210147222.7
• 申請日: 2012-05-11
• 公開（公告）號: CN102841987A
• 公開（公告）日: 2012-12-26
• 發(fā)明（設(shè)計）人: 王垚燊;阮航;李萌
• 申請（專利權(quán)）人: 北京諾禾致源生物信息科技有限公司
• 主分類號: G06F19/22
• 分類號: G06F19/22
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責任公司 11240
• 代理人: 吳貴明;余剛

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體而言，涉及一種基因序列數(shù)據(jù)的處理方法和裝置。

背景技術(shù)

基于短片段序列數(shù)據(jù)進行測序的方法日漸成熟，通過構(gòu)建德布魯因圖(de?Bruijn)的思想進行基因組序列的組裝軟件，成功組裝了大量的全基因序列。但是，現(xiàn)有組裝軟件在進行基因序列組裝時，并不考慮用來組裝的基因序列是雜合基因還是純合基因，以生物界居多的二倍體基因為例進行舉例說明，現(xiàn)有技術(shù)中在對二倍體基因進行序列組裝時，均是將二倍體基因當作純合二倍體進行組裝，對于其中的等位基因位點采取隨機選取其中一個的方式進行忽略，即，舍去等位基因中的一種情況，把二倍體基因當成純合二倍體來處理，現(xiàn)有技術(shù)中的此種進行基因序列數(shù)據(jù)的處理組裝的方式，不僅會造成了雜合二倍體基因的單核苷酸多態(tài)性(Single?Nucleotide?Polymorphism，簡稱SNP)的位點信息損失，影響生物信息的精確性，而且對于雜合度較高、SNP信息復(fù)雜的基因，組裝所得到的基因序列偏離生物自身基因序列的程度更大。

針對相關(guān)技術(shù)中基因序列數(shù)據(jù)的處理方法容易造成的生物信息缺失的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種基因序列數(shù)據(jù)的處理方法和裝置，以解決現(xiàn)有技術(shù)中基因序列數(shù)據(jù)的處理方法容易造成的生物信息缺失的問題。

為了實現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種基因序列數(shù)據(jù)的處理方法，包括：接收初始基因序列的測序數(shù)據(jù)；構(gòu)建測序數(shù)據(jù)的德布魯因圖；保存德布魯因圖中的第一邊序列和組成第一邊序列的各個短序列，其中，第一邊序列為德布魯因圖中的任一邊序列；獲取組成第一邊序列的各個短序列的深度信息；根據(jù)組成第一邊序列的各個短序列的深度信息計算第一邊序列的深度信息；按照德布魯因圖中的各個邊序列的深度信息和測序數(shù)據(jù)中的各個短序列化簡德布魯因圖；以及切割化簡后的德布魯因圖，得到測序數(shù)據(jù)的疊連群基因序列。

進一步地，按照德布魯因圖中的各個邊序列的深度信息和測序數(shù)據(jù)中的各個短序列化簡德布魯因圖包括：獲取德布魯因圖中第一組合邊序列，其中，第一組合邊序列包括第一序列、第二序列和第三序列，第二序列連接在第一序列和第三序列之間，第一序列和第三序列均包括兩條分支邊序列，第二序列包括一條共有邊序列；判斷第一組合邊序列中的各個邊序列的深度信息是否滿足預(yù)設(shè)條件；在判定第一組合邊序列中的各個邊序列的深度信息滿足預(yù)設(shè)條件時，對比測序數(shù)據(jù)中的各個短序列，確定第一組合邊序列的基因類型；以及按照基因類型拆解第一組合邊序列，得到化簡后的德布魯因圖。

進一步地，對比測序數(shù)據(jù)中的各個短序列，確定第一組合邊序列的基因類型包括：對比測序數(shù)據(jù)中的各個短序列以確定出同屬于一條短序列的第一分支邊序列和第二分支邊序列，其中，第一分支邊序列為第一序列中的分支邊序列，第二分支邊序列為第三序列中的分支邊序列；復(fù)制共有邊序列，得到第一共有邊序列和第二共有邊序列；依次連接第一分支邊序列、第一共有邊序列和第二分支邊序列，將連接后的組合邊序列的類型確定為第一組合邊序列的第一基因類型；以及依次連接第三分支邊序列、第二共有邊序列和第四分支邊序列，將連接后的組合邊序列的類型確定為第一組合邊序列的第二基因類型，其中，第三分支邊序列為第一序列中的分支邊序列且第三分支邊序列與第一分支邊序列不同，第四分支邊序列為第三序列中的分支邊序列且第四分支邊序列與第二分支邊序列不同。

進一步地，對比測序數(shù)據(jù)中的各個短序列以確定出同屬于一條短序列的第一分支邊序列和第二分支邊序列包括：判斷第一短序列的長度是否大于共有邊序列的長度，其中，第一短序列為各個短序列中的任一短序列；在判定第一短序列的長度大于共有邊序列的長度時，對比第一短序列全部堿基組成以確定出同屬于一條短序列的第一分支邊序列和第二分支邊序列；以及在判定第一短序列的長度小于或等于共有邊序列的長度時，對比第一短序列的雙末端堿基組成以確定出同屬于一條短序列的第一分支邊序列和第二分支邊序列。

進一步地，判斷第一組合邊序列中的各個邊序列的深度信息是否滿足預(yù)設(shè)條件包括：判斷共有邊序列的深度信息值是否為分支邊序列的深度信息值的第一數(shù)值倍，其中，在判定共有邊序列的深度信息值為分支邊序列的深度信息值的第一數(shù)值倍時，確定第一組合邊序列中的各個邊序列的深度信息滿足預(yù)設(shè)條件。

進一步地，根據(jù)組成第一邊序列的各個短序列的深度信息計算第一邊序列的深度信息包括：計算組成第一邊序列的各個短序列的深度信息值的平均值；以及確定計算出的平均值為第一邊序列的深度信息值。