[發(fā)明專利]一種對(duì)組裝序列排序的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910270433.1
• 申請(qǐng)日: 2019-04-04
• 公開(kāi)（公告）號(hào): CN110020726B
• 公開(kāi)（公告）日: 2023-08-18
• 發(fā)明（設(shè)計(jì)）人: 李凈凈;易嘉成;胡江;汪德鵬
• 申請(qǐng)（專利權(quán)）人: 武漢希望組生物科技有限公司
• 主分類號(hào): G06N3/123
• 分類號(hào): G06N3/123;G06F18/23
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王寶筠

1.一種對(duì)組裝序列排序的方法，其特征在于，該方法包括：

對(duì)DNA測(cè)序片段進(jìn)行組裝后的目標(biāo)重疊群進(jìn)行切分處理，獲得目標(biāo)數(shù)據(jù)；

對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行定向和排序處理，獲得若干個(gè)排列結(jié)果，包括：遍歷所有目標(biāo)重疊群，分別以該重疊群的首尾兩個(gè)切分序列作為所述重疊群的起始位置，將所述起始位置對(duì)應(yīng)的切分序列記為第一序列；依據(jù)切分序列之間的交聯(lián)信號(hào)強(qiáng)度，依次確定排列在所述第一序列之后的切分序列，獲得若干個(gè)排列結(jié)果；

依據(jù)每個(gè)排列結(jié)果中任意兩個(gè)切分序列之間的距離，和所述兩個(gè)切分序列的交聯(lián)信號(hào)強(qiáng)度計(jì)算每種排列結(jié)果的交聯(lián)信號(hào)強(qiáng)度的離散程度，并依據(jù)每個(gè)排列結(jié)果中進(jìn)行排序的切分序列的數(shù)量和切分序列的總數(shù)量計(jì)算獲得所述目標(biāo)數(shù)據(jù)中的切分序列的掛載率，所述切分序列表征對(duì)所述目標(biāo)重疊群按照預(yù)設(shè)切分長(zhǎng)度進(jìn)行切分后的序列；

依據(jù)所述離散程度和所述掛載率，確定初始排列結(jié)果；

將所述初始排列結(jié)果進(jìn)行互作熱圖驗(yàn)證，若滿足預(yù)設(shè)驗(yàn)證條件，則將所述初始排列結(jié)果確定為目標(biāo)排列，若不滿足，則對(duì)所述初始排列結(jié)果進(jìn)行調(diào)整，獲得目標(biāo)排列。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)DNA測(cè)序片段進(jìn)行組裝后的目標(biāo)重疊群進(jìn)行切分處理，獲得目標(biāo)數(shù)據(jù)，包括：

將染色質(zhì)三維構(gòu)象測(cè)序序列比對(duì)到所述目標(biāo)重疊群上，根據(jù)所述目標(biāo)重疊群之間的交聯(lián)信號(hào)強(qiáng)度進(jìn)行聚類處理，獲得若干個(gè)聚類組；

對(duì)每個(gè)所述聚類組中的目標(biāo)重疊群，按照預(yù)設(shè)切分長(zhǎng)度進(jìn)行切分處理，獲得切分序列。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)DNA測(cè)序片段進(jìn)行組裝后的目標(biāo)重疊群進(jìn)行切分處理，獲得目標(biāo)數(shù)據(jù)，包括：

對(duì)所述目標(biāo)重疊群按照預(yù)設(shè)切分長(zhǎng)度進(jìn)行切分處理，獲得切分序列；

將染色質(zhì)三維構(gòu)象測(cè)序序列比對(duì)到所述切分序列上，根據(jù)每個(gè)切分序列之間的交聯(lián)信號(hào)強(qiáng)度對(duì)所述切分序列進(jìn)行聚類，獲得若干個(gè)聚類組。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)DNA測(cè)序片段進(jìn)行組裝后的目標(biāo)重疊群進(jìn)行切分處理，獲得目標(biāo)數(shù)據(jù)，包括：

將染色質(zhì)三維構(gòu)象測(cè)序序列比對(duì)到所述目標(biāo)重疊群上，并對(duì)所述目標(biāo)重疊群按照預(yù)設(shè)切分長(zhǎng)度進(jìn)行切分處理，獲得切分序列；

根據(jù)每個(gè)切分序列之間的交聯(lián)信號(hào)強(qiáng)度對(duì)所述切分序列進(jìn)行聚類，獲得若干個(gè)聚類組。

5.根據(jù)權(quán)利要求1-4中任意一項(xiàng)所述的方法，其特征在于，所述目標(biāo)重疊群為針對(duì)整個(gè)基因組的重疊群或者待處理的部分基因組的重疊群。

6.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，該方法包括：

響應(yīng)于目標(biāo)重疊群中聚類到目標(biāo)聚類組的切分序列數(shù)量大于預(yù)設(shè)數(shù)量閾值，將所述目標(biāo)重疊群劃分至所述目標(biāo)聚類組；

若所述目標(biāo)重疊群中達(dá)到預(yù)設(shè)位置閾值對(duì)應(yīng)的位置連續(xù)的切分序列被劃分至不同的聚類組，將所述目標(biāo)重疊群根據(jù)切分序列的位置進(jìn)行切分，并將切分后的重疊群劃分至對(duì)應(yīng)的聚類組。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算每種排列結(jié)果的交聯(lián)信號(hào)強(qiáng)度的離散程度，并計(jì)算獲得所述目標(biāo)數(shù)據(jù)中的切分序列的掛載率，包括：

依據(jù)每個(gè)排列結(jié)果中進(jìn)行排序的切分序列的數(shù)量和切分序列的總數(shù)量，計(jì)算獲得切分序列的掛載率；

依據(jù)每個(gè)排列結(jié)果中任意兩個(gè)切分序列之間的距離，和所述兩個(gè)切分序列的交聯(lián)信號(hào)強(qiáng)度，計(jì)算獲得所述離散程度。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述依據(jù)所述離散程度和所述掛載率，確定初始排列結(jié)果，包括：

根據(jù)所述掛載率，確定候選排列結(jié)果；

將所述候選排列結(jié)果中所述離散程度最小的排列結(jié)果，確定為初始排列結(jié)果。

9.一種對(duì)組裝序列排序的系統(tǒng)，其特征在于，該系統(tǒng)包括：

切分單元，用于對(duì)DNA測(cè)序片段進(jìn)行組裝后的目標(biāo)重疊群進(jìn)行切分處理，獲得目標(biāo)數(shù)據(jù)；

排序單元，用于對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行定向和排序處理，獲得若干個(gè)排列結(jié)果；

所述排序單元，具體用于遍歷所有目標(biāo)重疊群，分別以該重疊群的首尾兩個(gè)切分序列作為所述重疊群的起始位置，將所述起始位置對(duì)應(yīng)的切分序列記為第一序列；依據(jù)切分序列之間的交聯(lián)信號(hào)強(qiáng)度，依次確定排列在所述第一序列之后的切分序列，獲得若干個(gè)排列結(jié)果；

計(jì)算單元，用于依據(jù)每個(gè)排列結(jié)果中任意兩個(gè)切分序列之間的距離，和所述兩個(gè)切分序列的交聯(lián)信號(hào)強(qiáng)度計(jì)算每種排列結(jié)果的交聯(lián)信號(hào)強(qiáng)度的離散程度，并依據(jù)每個(gè)排列結(jié)果中進(jìn)行排序的切分序列的數(shù)量和切分序列的總數(shù)量計(jì)算獲得所述目標(biāo)數(shù)據(jù)中的切分序列的掛載率，所述切分序列表征對(duì)所述目標(biāo)重疊群按照預(yù)設(shè)切分長(zhǎng)度進(jìn)行切分后的序列；

確定單元，用于依據(jù)所述離散程度和所述掛載率，確定初始排列結(jié)果；

驗(yàn)證單元，用于將所述初始排列結(jié)果進(jìn)行互作熱圖驗(yàn)證，若滿足預(yù)設(shè)驗(yàn)證條件，則將所述初始排列結(jié)果確定為目標(biāo)排列，若不滿足，則對(duì)所述初始排列結(jié)果進(jìn)行調(diào)整，獲得目標(biāo)排列。