[發明專利]宏基因組序列的組裝

有效

• 申請號: 201210170777.3
• 申請日: 2012-05-29
• 公開（公告）號: CN103246829B
• 公開（公告）日: 2017-12-01
• 發明（設計）人: 沙米拉·謝克哈·馬休;塔里尼·山卡·果時;瓦倫·梅拉
• 申請（專利權）人: 塔塔咨詢服務有限公司
• 主分類號: G06F19/20
• 分類號: G06F19/20
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 倪小敏

1.一種組裝宏基因組序列的方法，包括：

對環境樣品中的多個有機體進行測序，以獲得多個宏基因組序列；

生成一組參考點，用于在三維空間中表示多個宏基因組序列中的每一個，以獲得多個序列向量，其中通過計算與聚類向量相對應的單元向量之間的成對點積，該組參考點被鑒別，以鑒別一組三個聚類向量，并且，其中生成該組三個聚類向量作為該組參考點，該組三個聚類向量具有在計算的成對點積中的最小成對點積；

基于生成的該組參考點，在三維空間中定義一個具有多個網格的立方體，其中所述立方體包含所述多個宏基因組序列；并且

逐步遍歷所述多個網格，以對多個網格中的每一個形成宏基因組序列的子集，并且對每一個子集提供存在于子集中的宏基因組序列，以組裝成一個或多個重疊群，其中，一個重疊群包括源自同一基因組的宏基因組序列。

2.根據權利要求1的方法，其中所述“遍歷”進一步包括：

對多個網格中的每一個，從多個宏基因組序列中獲取一個或多個宏基因組序列，其中所述一個或多個宏基因組序列位于由所述立方體中的網格及所述網格的緊密鄰近網格所定義的坐標之內；并且

對多個網格中的每一個，將相應的一個或多個宏基因組序列組裝成一個或多個重疊群。

3.根據權利要求1所述的方法，其中所述“定義”進一步包括：

對多個宏基因組序列的每一個，基于多個序列向量確定三維坐標；

對三維空間中的每一個軸，確定所述三維坐標中的最遠坐標和最近坐標；并且

基于在對應的軸上最遠坐標和最近坐標的差值，計算立方體在每個軸上的長度。

4.根據權利要求1所述的方法，其中所述“表示”包括：

對多個宏基因組序列的每一個，確定可能的四核苷酸的頻率；

基于上述對多個宏基因組序列的每一個，所確定的可能的四核苷酸的頻率，獲得與多個宏基因組序列的每一個相對應的中間向量；并且

對多個宏基因組序列中的每一個，基于一組參考點將中間向量轉換成序列向量。

5.根據權利要求4所述的方法，其中所述“轉換”包括計算中間向量和所述一組參考點之間的距離。

6.根據權利要求4所述的方法，其中所述方法進一步包括：

對多個參考片段的每一個，計算片段向量；

對片段向量進行聚類，以獲得一個或多個片段聚類；

對每一個片段聚類，評價與片段聚類的質心相對應的聚類向量；并且

從聚類向量中識別出三個最不相關的聚類向量作為所述一組參考點。

7.一種宏基因組序列組裝系統（100），包括：

處理器（104）；和

與處理器（104）相連的存儲器（106），所述存儲器（106）包括：

網格生成模塊（112），其被配置成：

對環境樣品中的多個有機體進行測序，以獲得多個宏基因組序列；

生成一組參考點，用于在三維空間中表示多個宏基因組序列中的每一個，以獲得多個序列向量，其中通過計算與聚類向量相對應的單元向量之間的成對點積，該組參考點被鑒別，以鑒別一組三個聚類向量，并且，其中生成該組三個聚類向量作為該組參考點，該組三個聚類向量具有在計算的成對點積中的最小成對點積；

基于生成的該組參考點，在三維空間中定義立方體（124），其中立方體（124）包括與多個序列向量相對應的多個宏基因組序列；以及

序列組裝模塊（114），其被配置成：逐步遍歷多個網格，以對多個網格中的每一個形成宏基因組序列的子集，并且對每一個子集提供存在于子集中的宏基因組序列，以組裝成一個或多個重疊群，其中，一個重疊群包括源于同一基因組的宏基因組序列。

8.根據權利要求7所述的宏基因組序列組裝系統（100），其中網格生成模塊（112）被進一步配置成：

接收具有多個宏基因組序列的宏基因組數據；并且

在三維空間中表示多個宏基因組序列中的每一個，以獲得多個序列向量。