[發明專利]高通量測序數據后期處理方法

有效

• 申請號: 201310610912.6
• 申請日: 2013-11-27
• 公開（公告）號: CN103853937B
• 公開（公告）日: 2017-02-01
• 發明（設計）人: 王立山;曹鑫愷;臧衛東;王媛媛
• 申請（專利權）人: 上海豐核信息科技有限公司
• 主分類號: G06F19/20
• 分類號: G06F19/20
• 代理公司: 上海光華專利事務所31219
• 代理人: 李艷

技術領域

本發明涉及分子生物學技術領域，特別涉及染色質測序數據分析技術領域，具體是指一種高通量測序數據后期處理方法。

背景技術

新一代高通量測序技術的出現極大地豐富了人們利用分子生物學手段研究細胞內變化規律的方案。目前眾多高通量測序技術都有相關的分析方法或分析流程作為參考幫助科研人員進行高通量數據處理。但是，現有工具對這些高通量測序數據的后期加工和整合仍然缺乏系統性的總結。目前，在后期數據加工中，沒有專門數據處理方法會涉及到的諸如平滑、縮放和組間標準化、特定數據行提取等常用操作，這無形中增加了數據分析人員的工作負擔，加大了數據處理的難度。

發明內容

本發明的目的是克服了上述現有技術中的缺點，提供一種支持任何測序平臺生成的實驗數據，對于存放有多個樣本組數據的矩陣文件能夠進行高效的數據平滑、數據縮放、組間標準化、特定數據行提取、組間數據量平衡等操作，從而減少數據分析人員的工作負擔，降低數據處理的難度，且應用范圍較為廣泛的高通量測序數據后期處理方法。

為了實現上述的目的，本發明的高通量測序數據后期處理方法包括以下步驟：

(1)系統獲得高通量測序數據的矩陣文件，通過用戶設置的矩陣最大值和最小值，生成經尺寸變換處理的新的矩陣文件；

(2)系統對所述的新的矩陣文件的列或行進行分位數規范化處理，形成統一的列向量或行向量之間的值域范圍；

(3)系統對所述的新的矩陣文件進行壓縮處理，保持所述的新的矩陣文件特征不變，并降低新的矩陣文件的容量大??；

(4)系統根據用戶操作獲取關鍵字段文件、模版文件及所述模版文件中關鍵字段所屬列，通過對模版文件中特定關鍵字段的信息提取，篩選出符合條件的模版文件子集并輸出；

(5)系統根據用戶操作高通量數據序列比對結果文件，并根據設定的隨機重抽樣文件的個數和單個重抽樣文件的序列比對結果記錄條數，生成預設數量的模擬格式高通量數據序列比對結果文件；

(6)系統根據所述的新的矩陣文件、模版文件子集和模擬格式高通量數據序列比對結果文件生成前景數據處理結果文件和背景數據處理文件，通過逐一比較每個信號值在前景數據處理結果文件和背景數據處理結果文件中的數量分布，生成經驗性假陽性率分布，并對每個前景信號的假陽性概率進行估計，生成前景信號假陽性概率；

(7)系統根據所述的特定格式的高通量測序數據的矩陣文件及預設的預期聚合酶鏈反應冗余片段在總樣本中所占比例，生成聚合酶鏈反應冗余片段閾值并在所述的高通量測序數據的矩陣文件中標記所述的聚合酶鏈反應冗余片段位置。

其中，所述的特定格式的高通量測序數據的矩陣文件中其第一列為染色體序號，第二列位位置信息，第三列為該位點正鏈上的序列個數，第四列為該位點負鏈上的序列個數。

該高通量測序數據后期處理方法中，所述的高通量測序數據的矩陣文件為存放有多個樣本組數據的矩陣文件。

采用了該發明的高通量測序數據后期處理方法，其能夠根據用戶需要，對高通量測序數據進行高效的數據平滑、數據縮放、組間標準化、特定數據行提取、組間數據量平衡等操作，并支持任何測序平臺生成的實驗數據，特別適用于存放有多個樣本組數據的矩陣文件，從而能夠從而減少數據分析人員的工作負擔，降低數據處理的難度，且本發明的高通量測序數據后期處理方法的應用范圍也較為廣泛。

附圖說明

圖1為本發明的高通量測序數據后期處理方法的步驟流程圖。

具體實施方式

為了能夠更清楚地理解本發明的技術內容，特舉以下實施例詳細說明。

請參閱圖1所示，為本發明的高通量測序數據后期處理方法的步驟流程圖。

在具體實施方式中，該方法如圖1所示包括以下步驟：

(1)系統獲得高通量測序數據的矩陣文件，通過用戶設置的矩陣最大值和最小值，生成經尺寸變換處理的新的矩陣文件，所述的高通量測序數據的矩陣文件為存放有多個樣本組數據的矩陣文件；

(2)系統對所述的新的矩陣文件的列或行進行分位數規范化處理，形成統一的列向量或行向量之間的值域范圍；

(3)系統對所述的新的矩陣文件進行壓縮處理，保持所述的新的矩陣文件特征不變，并降低新的矩陣文件的容量大??；

(4)系統根據用戶操作獲取關鍵字段文件、模版文件及所述模版文件中關鍵字段所屬列，通過對模版文件中特定關鍵字段的信息提取，篩選出符合條件的模版文件子集并輸出；