[發(fā)明專利]基于高通量測序的病原體分析方法、裝置和計算機設(shè)備

有效

• 申請?zhí)枺?/td>: 202011137959.1
• 申請日: 2020-10-22
• 公開（公告）號: CN112259167B
• 公開（公告）日: 2022-09-23
• 發(fā)明（設(shè)計）人: 于闖;張優(yōu)勁;賀增泉;王今安;晉向前
• 申請（專利權(quán)）人: 深圳華大基因科技服務(wù)有限公司
• 主分類號: G16B30/10
• 分類號: G16B30/10;G16B30/20;G16B50/00
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 蘇云輝

1.一種基于高通量測序的病原體分析方法，其特征在于，包括以下步驟：

獲取待分析樣本的測序數(shù)據(jù)，將所述測序數(shù)據(jù)的每一條序列按照K-mer進行切分，得到多個K-mer；

對多個所述K-mer進行哈希計算，并根據(jù)哈希計算后的K-mer在預先建立的基因組哈希表進行查找，得到每一條序列的所有K-mer所對應(yīng)的基因組位置和權(quán)重；其中，預先建立的基因組哈希表是通過對已知的人類基因組的序列和病原體基因組的序列進行K-mer切分，對K-mer分配權(quán)重，并將分配權(quán)重后的K-mer使用散列函數(shù)映射到哈希表而得到的；其中，所述K-mer的長度為正整數(shù)；

根據(jù)每一條序列的所有K-mer所對應(yīng)的權(quán)重計算出每一條序列的總權(quán)重；

根據(jù)每一條序列的所有K-mer所對應(yīng)的基因組位置和每一條序列的總權(quán)重進行分類分析，確定病原體的物種屬性。

2.根據(jù)權(quán)利要求1所述的基于高通量測序的病原體分析方法，其特征在于，所述基因組哈希表的建立步驟，包括：

獲取已知的人類基因組的序列和病原體基因組的序列；

選取K-mer，按照所述K-mer對所述人類基因組的序列和所述病原體的序列進行切分，得到多個K-mer；

對多個所述K-mer進行統(tǒng)計分析，并對每一個K-mer分配權(quán)重；

對分配權(quán)重后的每一個K-mer使用散列函數(shù)映射到哈希表，得到所述基因組哈希表，其中所述基因組哈希表的key值為K-mer序列，所述基因組哈希表的value值為K-mer對應(yīng)的基因組位置、物種屬性以及權(quán)重。

3.根據(jù)權(quán)利要求2所述的基于高通量測序的病原體分析方法，其特征在于，對多個所述K-mer進行統(tǒng)計分析，并對每一個K-mer分配權(quán)重的步驟中，包括：

當一個K-mer在所有的K-mer中無重復時，為無重復的所述K-mer分配權(quán)重w_i；

當一個K-mer在所有的K-mer中重復多次，且重復多次的K-mer同屬于一個物種屬性時，為重復多次且同物種的所述K-mer分配權(quán)重w_i＝w_i-n，其中n為重復次數(shù)；

當一個K-mer在所有的K-mer中重復多次，且重復多次的K-mer屬于不同物種屬性時，為重復多次且不同物種的所述K-mer分配權(quán)重w_i＝(w_i-ni)/k，其中k表示k個物種屬性，n為重復次數(shù)，ni表示在第i物種屬性中重復次數(shù)，i＝1,2，……k，w_i表示第i個K-mer的權(quán)重。

4.根據(jù)權(quán)利要求1-3任一項所述的基于高通量測序的病原體分析方法，其特征在于，在得到每一條序列的所有K-mer所對應(yīng)的基因組位置和權(quán)重的步驟中，包括：

對每一條序列的K-mer進行統(tǒng)計，如果任一條序列中有兩個K-mer所對應(yīng)的基因組位置不相同，且兩個所述K-mer具有線性關(guān)系，則兩個所述K-mer的權(quán)重為w_i＝w_i+w_i/2。

5.根據(jù)權(quán)利要求4所述的基于高通量測序的病原體分析方法，其特征在于，得到每一條序列的所有K-mer所對應(yīng)的基因組位置和權(quán)重的步驟中，還包括：

如果任一條序列中有多個K-mer對應(yīng)的基因組位置不相同，且多個所述K-mer具有線性關(guān)系，則多個所述K-mer的權(quán)重為w_i＝w_i+w_i/2*m，其中m表示具有線性關(guān)系的K-mer的數(shù)量。