[發(fā)明專(zhuān)利]一種微生物識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201610237920.4
• 申請(qǐng)日: 2016-04-15
• 公開(kāi)（公告）號(hào): CN107301329A
• 公開(kāi)（公告）日: 2017-10-27
• 發(fā)明（設(shè)計(jì)）人: 王俊寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 澤塔生物科技（上海）有限公司
• 主分類(lèi)號(hào): G06F19/22
• 分類(lèi)號(hào): G06F19/22;G06F19/24;G06F19/28
• 代理公司: 上海驍象知識(shí)產(chǎn)權(quán)代理有限公司31315
• 代理人: 趙俊寅

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于基因組的物種分析技術(shù)，特別是一種微生物識(shí)別方法及系統(tǒng)。

背景技術(shù)

已有的微生物研究方法需要先對(duì)微生物進(jìn)行分離培養(yǎng)，但是據(jù)估計(jì)只有大約1％的原核微生物能夠在實(shí)驗(yàn)室中培養(yǎng)。已有的微生物識(shí)別(Microorganisms Identification)系統(tǒng)均為基于生物化學(xué)反應(yīng)或化學(xué)成分分析的原理，沒(méi)有基于基因組學(xué)分析的系統(tǒng)方法。傳統(tǒng)方法對(duì)微生物識(shí)別的分辨率低，依靠有限的生物化學(xué)反應(yīng)或者有限的成分組合在較多的場(chǎng)合無(wú)法區(qū)分不同的微生物，傳統(tǒng)的方法研究微生物具有很大的局限性。

隨著各種微生物基因組的測(cè)定，利用微生物基因組序列作為標(biāo)準(zhǔn)材料進(jìn)行物種識(shí)別成為可能。盡管已經(jīng)有理論證明，平均核酸匹配度(Average nucleotide identity，ANI)距離或者(in silico DNA–DNA hybridization,isDDH)值等指標(biāo)可以作為確定物種判別性的科學(xué)依據(jù)。但是因其計(jì)算效率低，只能就給定的2個(gè)數(shù)據(jù)樣本進(jìn)行比較計(jì)算,無(wú)法作為實(shí)用的“數(shù)據(jù)庫(kù)搜索”方法使用。因此，判別性的距離計(jì)算需要和一個(gè)能快速在基因組數(shù)據(jù)庫(kù)中搜索，得到數(shù)據(jù)庫(kù)中距離最近記錄的方法結(jié)合。

搜索核酸序列遺傳距離的方法可以用來(lái)測(cè)量遺傳多樣性以及推斷其是否近緣或最近共同祖先，乃至推斷其是否同一物種。對(duì)于給定的一個(gè)核酸序列集合，找到與查詢(xún)序列距離最近元素目前主要是使用基于序列比對(duì)(Sequence alignment)的方法，通過(guò)比對(duì)結(jié)果進(jìn)行打分，從而計(jì)算序列兩兩之間的距離，得到距離矩陣，從而進(jìn)行距離判斷。

現(xiàn)有方法在同一物種之間(genetic divergence較小)，核酸序列長(zhǎng)度較短(如病毒基因組片段)，序列數(shù)量較少的時(shí)候具有可以接受的性能。而當(dāng)序列較長(zhǎng)(如細(xì)菌全基因組)，序列數(shù)量較多(千級(jí)，萬(wàn)級(jí)乃至更多)，遺傳距離較大(不同物種之間)時(shí)，性能下降嚴(yán)重。隨著基因組序列數(shù)據(jù)(庫(kù))容量的增多，目前的方法學(xué)的性能無(wú)法滿(mǎn)足應(yīng)用需要。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的上述問(wèn)題，本發(fā)明的目的在于提供一種微生物識(shí)別方法及系統(tǒng)，使得給定的查詢(xún)基因組能夠在短時(shí)間并消耗較少計(jì)算資源的情況下快速在萬(wàn)級(jí)或更多的微生物全基因組序列中命中遺傳距離最短的記錄，并且準(zhǔn)確判斷查詢(xún)基因組序列是否和命中記錄為同一屬種。

本發(fā)明提供了一種微生物識(shí)別方法，包括以下步驟：

步驟一，輸入待檢測(cè)微生物的全基因組序列；

步驟二，計(jì)算上述全基因序列的特征向量，將上述特征向量與數(shù)據(jù)庫(kù)中預(yù)存的特征向量進(jìn)行距離計(jì)算和排序定位，搜索并收斂至記錄數(shù)少于等于預(yù)設(shè)數(shù)量為止；

步驟三，對(duì)搜索得到的一組同輸入序列距離最近的記錄，進(jìn)行平均核酸匹配度指標(biāo)ANI/isDDH和序列比對(duì)長(zhǎng)度比例的計(jì)算，用于判斷該待測(cè)微生物的屬種或亞種。

優(yōu)選地，所述步驟二中的序列特征為基因組DNA的k-mer頻數(shù)。

優(yōu)選地，所述步驟二中的距離為空間距離。

優(yōu)選地，所述步驟二還包括以下步驟：

根據(jù)輸入特征向量同預(yù)存特征向量計(jì)算距離迭代縮小搜索空間，收斂至距離最小的若干記錄；

搜索過(guò)程中使用不同的k值同預(yù)存或?qū)崟r(shí)計(jì)算的向量進(jìn)行距離計(jì)算；k-mer頻數(shù)根據(jù)需要進(jìn)行均一化處理。

本發(fā)明還提供了一種微生物識(shí)別系統(tǒng)，包括輸入裝置、計(jì)算裝置、比較裝置、輸出裝置和數(shù)據(jù)庫(kù)，所述輸入裝置用于錄入數(shù)據(jù)，所述計(jì)算裝置用于計(jì)算數(shù)值、搜索和排序定位，所述比較裝置用于比較計(jì)算值與預(yù)設(shè)值之間的大小關(guān)系，所述輸出裝置用于輸出結(jié)果，所述數(shù)據(jù)庫(kù)用于存儲(chǔ)數(shù)據(jù)。

優(yōu)選地，所述數(shù)據(jù)庫(kù)設(shè)有基因組序列子數(shù)據(jù)庫(kù)。

優(yōu)選地，所述數(shù)據(jù)庫(kù)設(shè)有基因組序列衍生結(jié)構(gòu)注釋和功能注釋信息子數(shù)據(jù)庫(kù)。

優(yōu)選地，所述數(shù)據(jù)庫(kù)設(shè)有基因組元信息子數(shù)據(jù)庫(kù)。

優(yōu)選地，所述數(shù)據(jù)庫(kù)設(shè)有基因組序列衍生特征子數(shù)據(jù)庫(kù)。

優(yōu)選地，所述基因組序列子數(shù)據(jù)庫(kù)用于保存單個(gè)微生物分離株的全基因組序列拼裝。

綜上所述，本發(fā)明具有以下優(yōu)點(diǎn)：

本發(fā)明本發(fā)明提供數(shù)據(jù)庫(kù)系統(tǒng)以保存參考基因組記錄，管理方便。特征計(jì)算可僅在記錄插入時(shí)進(jìn)行一次，無(wú)需每次查詢(xún)時(shí)進(jìn)行反復(fù)計(jì)算，提高了查詢(xún)效率并降低了查詢(xún)時(shí)的計(jì)算開(kāi)銷(xiāo)。本識(shí)別方法效率高，計(jì)算開(kāi)銷(xiāo)小，運(yùn)行周期短，并可以得到確定的微生物屬種識(shí)別依據(jù)。同時(shí)魯棒性強(qiáng)，隨機(jī)刪除輸入基因組序列50％甚至更多的成分之后亦能得到可靠結(jié)果輸出。且本方法可不依賴(lài)特定的遺傳標(biāo)記(如16S rRNA基因等)。

附圖說(shuō)明