[發明專利]鑒別和分類宏基因組樣本中的操作分類單元的方法和系統

有效

• 申請號: 201810853366.1
• 申請日: 2018-07-30
• 公開（公告）號: CN110021344B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: S·S·曼德;D·亞達夫;A·杜塔
• 申請（專利權）人: 塔塔咨詢服務公司
• 主分類號: G16B20/00
• 分類號: G16B20/00;G16B30/10;G16B50/30
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 鄭特強;聶慧荃

本發明描述了使用短讀段擴增子序列來鑒別和分類宏基因組樣本中的操作分類單元(OTU)的系統和方法。本公開能夠準確鑒別宏基因組樣本中的OTU，并提供了使得不同的斷開的宏基因組研究中取樣的微生物組群落結構容易進行交叉比較的框架。相比于使用直接用于分類學分類或OTU聚類的由全長標記基因組成的參考數據庫，本公開對標記基因的不同超?可變區創建了定制的OTU數據庫。這些數據庫由參考OTU組成，其通過與標記基因的不同選擇的超?可變區有關的序列的獨立群集而獲得。在另一實施方案中，還提供了映射返回，其促進了從可能已利用不同超?可變區的不同研究獲得的結果之間的交叉比較。該系統獲得了宏基因組樣本中操作分類單元(OTU)的分類的增強準確性。

相關申請的交叉引用和優先權

本申請要求2017年7月28日提交的印度非臨時說明書no.201721027000的優先權，其全部公開內容以引用方式整體并入本文。

技術領域

本文的實施方案主要涉及改善宏基因組樣本的分類學分類(taxonomicclassification)準確性的領域，更具體地，涉及使用短讀段擴增子序列來鑒別和分類宏基因組樣本中的操作分類單元的方法和系統。

背景技術

宏基因組研究使用系統發育標記基因的DNA測序來確定與采樣環境有關的微生物群落結構和用于棲息微生物有機體的分類學分類。然而，目前這一代成本效益高的高通量DNA測序技術只能產生短'讀段'(shot‘read’，長度約為300-600堿基對的DNA序列片段)，這不足以覆蓋系統發育標記基因的整個長度。例如，用于細菌系統分類的最常見的系統發育標記是16S rRNA基因，其長度約為1500bp。鑒于使用當前這一代測序技術僅可針對該基因的短區域進行DNA測序，設計實驗以利用16S rRNA基因中的特定“高變區”(V區域)。

在分類學分類步驟中，將這些短序列與現有的16S rRNA基因目錄(通過序列相似性檢索)進行比較，以鑒別其來源可歸屬的菌株、種、屬等。或者，將樣本/環境所屬的所有序列基于序列相似性進行群集，其中可認為已經群集在一起的序列(具有顯著的序列相似性)源自同一組的生物，也稱為操作分類單元(OTU)。

現有技術中的這類方法包括基于參考數據庫的分類和從頭OTU聚類(de novo OUTpicking)。基于參考數據庫的分類方法適用于這樣的采樣環境，其中常駐微生物已經通過以前的研究進行分類。從頭OTU聚類方法能夠鑒別/檢測采樣環境中存在的分類群，即使它們之前尚未進行表征/分類學分類。這兩種方法都有一些缺點。

當前用于基于參考數據庫的OTU鑒別或分類學分類的方法依賴于將全長標記基因(例如16S rRNA基因)分類的數據庫或通過群集全長標記基因鑒別的參考OTU。由于在比較期間使用的查詢讀段/序列僅是“短讀段”，因此OTU鑒別/分類的結果可能是不準確的并且是次優的。

此外，在不同的分類學進化枝(taxonomic clades)中，在所選擇的標記基因的長度上，進化速率(突變的積累)并不總是一致的。在進化過程中短區域可能保持相同，而側翼區域更容易發生突變。或者，除小的高變延伸段外，標記基因的主要部分可以在進化中保持不變。鑒于此，OTU群集結果可以基于為測序選擇的短區域而顯著變化。鑒于上述原因，使用基于參考的方法相比于從頭方法鑒別/分類的OTU將提供不同的結果。

發明內容

以下呈現了本公開的一些實施方案的簡化概述，以提供對實施方案的基本理解。該概述不是實施方案的廣泛概述。其并不意欲確定實施方案的關鍵/重要要素或描繪實施方案的范圍。其唯一目的是以簡化形式呈現一些實施方案，并作為下面給出的更詳細描述的序言。