[發(fā)明專利]去除宏基因組測序數(shù)據(jù)中人源基因序列的方法

有效

• 申請?zhí)枺?/td>: 201810041369.5
• 申請日: 2018-01-16
• 公開（公告）號: CN108197434B
• 公開（公告）日: 2020-04-10
• 發(fā)明（設(shè)計）人: 蘇政;肖衛(wèi)民;蘇聞;趙崇濤;黃瑞坤
• 申請（專利權(quán)）人: 深圳市泰康吉音生物科技研發(fā)服務(wù)有限公司
• 主分類號: G16B30/10
• 分類號: G16B30/10;G16B30/20
• 代理公司: 東莞市神州眾達(dá)專利商標(biāo)事務(wù)所(普通合伙) 44251
• 代理人: 劉漢民

本發(fā)明公開了一種去除宏基因組測序數(shù)據(jù)中人源基因序列的方法，該方法包括以下步驟：通過千人基因組計劃樣本的原始測序數(shù)據(jù)構(gòu)建參考基因集,在得到千人基因組數(shù)據(jù)的高質(zhì)量的測序read后，使用基因組組裝軟件將其組裝成較長的基因片段，后續(xù)作為參考序列與測序read進行比對；提取來源于NCBI數(shù)據(jù)庫中所有非腫瘤樣本中的基因片段數(shù)據(jù)作為NCBI Bioproject的基因片段數(shù)據(jù)用作后續(xù)處理；將千人基因組的數(shù)據(jù)與NCBI Bioproject的數(shù)據(jù)合并，去冗余后變成非冗余的基因片段數(shù)據(jù)集；將非冗余的基因片段數(shù)據(jù)集中的病毒基因組序列找出，從基因片段序列中去除；將病毒基因序列組去除后的基因片段序列作為去除宏基因組測序數(shù)據(jù)中人源序列的參考基因組。

技術(shù)領(lǐng)域

本發(fā)明涉及基因工程領(lǐng)域，尤其涉及一種去除宏基因組測序數(shù)據(jù)中人源基因序列的方法。

背景技術(shù)

宏基因組測序目前可應(yīng)用于腸道菌群狀態(tài)監(jiān)測、感染病原微生物檢測等方面，相對于其他技術(shù)，其具有檢測通量高，檢測覆蓋面廣，不需要提前預(yù)知微生物種類等優(yōu)點。隨著高通量基因測序成本的快速下降，測序速度的快速提升，宏基因組測序在微生物檢測方面的應(yīng)用會越來越廣泛。

宏基因組測序樣品的主要來源為人體上不同部位的體液或組織，一般在提取樣品中的DNA后，對提取出的DNA進行全基因組或基因組部分區(qū)域的基因測序(下文中的宏基因組測序只指微生物全基因組測序)。由于樣品來源于人體組織，提取的DNA中往往含有一定比例的人源DNA。在部分組織的樣本中，如血漿游離DNA、肺泡灌洗液DNA中，人源DNA往往占有很高的比例，通常可達(dá)90％以上，人源DNA的存在會對微生物DNA的分析造成干擾，因此在分析微生物DNA之前通常會使用生物信息學(xué)方法將人源DNA去除。

現(xiàn)有去除人源DNA的方法主要是將測序得到基因序列(read)比對到人參考基因組序列上，目前使用的參考基因組為GRCh37或GRCh38，若比對成功則認(rèn)為該read來源于人的基因組，將其舍去不進行后續(xù)的微生物相關(guān)分析。但現(xiàn)有方法存在一些不足：

不足1：

由于參考現(xiàn)有的參考基因組(GRCh37或GRCh38)僅來源于數(shù)個個體的基因組數(shù)據(jù)，而人的基因組具有種族特異性，每個種族的個體都存在其特有的基因突變，絕大部分未包含于現(xiàn)有的參考基因組中。另外，除了MHC區(qū)域等高度變異的區(qū)域，現(xiàn)有參考基因組上的絕大多數(shù)區(qū)域都為單倍體，其中包括大量含有多態(tài)性位點的區(qū)域，現(xiàn)有的人參考基因組上未能包括這些基因變異信息。這些變異的存在，有可能造成部分人源的read無法成功比對上參考基因組，而被錯誤地認(rèn)為其為微生物的序列。當(dāng)測序的DNA中，人源的DNA占的比例很高(如98％以上)，少量的人源read錯誤地作為微生物read進行分析即會對后續(xù)的分析結(jié)果帶來重大影響。

不足2：

人的基因組上存在大量的重復(fù)序列，即使近年來不同測序技術(shù)的出現(xiàn)，使我們可以測出人基因組上大部分的重復(fù)序列數(shù)據(jù)，但仍有一部分的重復(fù)序列未能成功測出(如Y染色體上的大量區(qū)域)，它們即表現(xiàn)為現(xiàn)有人參考基因組上大量的N區(qū)。來源于這些區(qū)域的read無法比對回人的參考基因組，也有可能會被錯誤地作為微生物的read進行分析，造成后續(xù)分析的假陽性。

因此需要一種新的方法，將人源基因序列更完整準(zhǔn)確地去除。

發(fā)明內(nèi)容

針對上述技術(shù)中存在的不足之處，本發(fā)明提供一種去除宏基因組測序數(shù)據(jù)中人源基因序列的方法，該方法解決了現(xiàn)有與人參考基因組比對方法去除人源基因組序列不夠徹底，造成后續(xù)微生物分析較高假陽性的問題。

為實現(xiàn)上述目的，本發(fā)明提供一種去除宏基因組測序數(shù)據(jù)中人源基因序列的方法，包括以下步驟：

步驟1，通過千人基因組計劃樣本的原始測序數(shù)據(jù)構(gòu)建參考基因集，將其下載后，先對數(shù)據(jù)進行質(zhì)量控制及低質(zhì)量值數(shù)據(jù)的過濾后得到高質(zhì)量的數(shù)據(jù)，用于測序read的比對，從而將人源read更好地去除；