[發明專利]宏基因組的基因分析方法、裝置、設備及存儲介質

有效

• 申請號: 201710838808.0
• 申請日: 2017-09-18
• 公開（公告）號: CN107832584B
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 郭寧;魏彥杰;張慧玲;葛健秋;滕彥寧
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G16B15/20
• 分類號: G16B15/20;G06N20/00
• 代理公司: 深圳智趣知識產權代理事務所(普通合伙) 44486
• 代理人: 王策

本發明適用計算機科學與生物信息學交叉的技術領域，提供了一種宏基因組的基因分析方法、裝置、設備以及存儲介質，該方法包括：對接收的每組測序數據進行篩選和組裝，生成測序數據對應的組裝數據，通過對組裝數據進行基因預測，生成每組測序數據的預測基因，根據預測基因構建基因字典，根據基因字典中每條基因的豐度對基因字典進行聚類，根據聚類后的基因簇對篩選后的每組測序數據進行分類和組裝，生成并輸出宏基因組的基因，從而在沒有現有生物基因作為參考基因組的情形下，實現宏基因組的基因分析，避免了參考基因組帶來的局限性，并有效地提高了宏基因組基因分析的準確度。

技術領域

本發明屬于計算機科學與生物信息學交叉的技術領域，尤其涉及一種宏基因組的基因分析方法、裝置、設備及存儲介質。

背景技術

宏基因組學是一種不需要進行微生物培養的微生物研究方法，可以直接對取自環境中的微生物樣品進行分析和研究，該技術的出現使得人們對占微生物99％的不可培養微生物的研究成為現實。宏基因組技術首先需要對環境樣品進行基因提取和測序，再通過計算機軟件對測序結果進行分析。由于宏基因組中提取的基因為多個物種(包括未知物種)的多個基因的混合，在宏基因組數據中找出每個物種的基因組序列是一件非常復雜的工作。

目前，宏基因組基因的分析方法主要依賴于宏基因組中的基因與參考基因組的比對，參考基因組中僅包含少量已知物種的基因以及一些基因片段，并不完整，而且來自同一物種不同分離物的微生物基因組在比較時，通常也會顯示出較大的差異性。可見，依賴于占微生物系統中一小部分已知微生物基因的參考基因組，不但給宏基因組基因分析帶來一定的局限性，而且無法描述微生物中的未知物種。

發明內容

本發明的目的在于提供一種宏基因組的基因分析方法、裝置、設備及存儲介質，旨在解決現有宏基因組的基因分析需要依賴于參考基因組，無法對宏基因組中未知生物基因進行分析，導致宏基因組基因分析準確度不高的問題。

一方面，本發明提供了一種宏基因組的基因分析方法，所述方法包括下述步驟：

接收用戶輸入的宏基因組的測序數據，對所述每組測序數據進行篩選和組裝，生成所述每組測序數據對應的組裝數據；

通過對所述每組組裝數據進行基因預測，生成所述每組測序數據的預測基因，根據所述預測基因構建所述宏基因組的基因字典；

統計所述基因字典中每條基因相對于所述篩選后的所有測序數據的豐度，根據所述每條基因的豐度對所述基因字典中的基因進行聚類，獲得聚類后的基因簇；

根據所述基因簇對所述篩選后的每組測序數據進行分類和組裝，生成并輸出所述宏基因組的基因。

另一方面，本發明提供了一種宏基因組的基因分析裝置，所述裝置包括：

測序組裝單元，用于接收用戶輸入的宏基因組的測序數據，對所述每組測序數據進行篩選和組裝，生成所述每組測序數據對應的組裝數據；

基因預測單元，用于通過對所述每組組裝數據進行基因預測，生成所述每組預測數據的預測基因，根據所述預測基因構建所述宏基因組的基因字典；

基因聚類單元，用于統計所述基因字典中每條基因相對于所述篩選后的所有測序數據的豐度，根據所述每條基因的豐度對所述基因字典中的基因進行聚類，獲得聚類后的基因簇；以及

基因輸出單元，用于根據所述基因簇對所述篩選后的每組測序數據進行分類和組裝，生成并輸出所述宏基因組的基因。

另一方面，本發明還提供了一種計算設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述宏基因組的基因分析方法所述的步驟。

另一方面，本發明還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如上述宏基因組的基因分析方法所述的步驟。