[發明專利]一種細菌菌株的分析方法、分析裝置和存儲介質

在審

• 申請號: 202011146154.3
• 申請日: 2020-10-23
• 公開（公告）號: CN112233726A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 胡函;譚驗
• 申請（專利權）人: 深圳未知君生物科技有限公司
• 主分類號: G16B30/10
• 分類號: G16B30/10;G16B40/00
• 代理公司: 北京金信知識產權代理有限公司 11225
• 代理人: 夏東棟

1.一種細菌菌株的分析方法，其特征在于，所述分析方法包括：

獲取目標菌種的泛基因組數據，所述泛基因組數據包括目標菌種的多類菌株的參考基因序列；

獲取多個樣品的測序數據，每個樣品包括多個菌種；

經由至少一個處理器，將每個樣品的測序數據與所述目標菌種的泛基因組數據進行比對，以得到相對于泛基因組中各個參考基因的比對計數，并將相似基因的比對計數合并為基因家族的比對計數，以確定第一矩陣，所述第一矩陣的各個元素表征各個基因家族在各個樣品中的比對計數相關信息；

經由所述至少一個處理器，將所述第一矩陣分解為第二矩陣和第三矩陣，所述第二矩陣的各個元素表征各個基因家族在各類菌株中的存在相關信息，所述第三矩陣的各個元素表征各類菌株在各個樣品中的相對豐度相關信息。

2.根據權利要求1所述的分析方法，其特征在于，所述第一矩陣的行對應各個基因家族而列對應各個樣品，所述第二矩陣的行對應各個基因家族而列對應各類菌株，所述第三矩陣的行對應各類菌株而列對應各個樣品，所述存在相關信息為表示是否存在的二元信息，

將所述第一矩陣分解為第二矩陣和第三矩陣進一步包括：

進行初始化處理，以生成初始第二矩陣；

根據第一矩陣和初始第二矩陣的信息，生成初始第三矩陣；

基于所述初始第三矩陣，迭代地求解第二矩陣和第三矩陣，

其中，求解第三矩陣包括基于所述第一矩陣和當前得到的第二矩陣通過回歸方法來求解所述第三矩陣，

求解第二矩陣進一步包括：

通過將所述第一矩陣與當前得到的第三矩陣的逆矩陣相乘，來確定第四矩陣；

確定所述第四矩陣每列與各個基因家族相關聯的概率密度函數；

從所述第四矩陣的各列中去除與對應概率密度函數的低位分布峰對應的元素，以濾除噪聲；

將濾除噪聲后的第四矩陣中的各個元素與第一閾值進行比較，以得到所述第二矩陣。

3.根據權利要求2所述的分析方法，其特征在于，進行初始化處理進一步包括：

基于目標菌種的代表性菌株的基因相關信息來生成初始第二矩陣；

基于所述第一矩陣和所述初始第二矩陣，經由回歸來求解得到所述初始第三矩陣。

4.根據權利要求3所述的分析方法，其特征在于，基于所述第一矩陣和所述初始第二矩陣，經由回歸來求解得到所述初始第三矩陣進一步包括：

基于所述第一矩陣和所述初始第二矩陣，經由回歸來求解得到第五矩陣，所述第五矩陣的各個元素表征各類菌株在各個樣品中的相對豐度相關信息；

通過將所述第五矩陣的各個元素的代表值與第二閾值進行比較，來選出對應元素的代表值超出所述第二閾值的菌株類；

通過保留所述初始第二矩陣中選出的菌株類對應的列，來得到處理后的初始第二矩陣；以及

基于所述第一矩陣和處理后的初始第二矩陣，經過回歸來求解得到所述初始第三矩陣。

5.根據權利要求2-4中的任何一項所述的分析方法，其特征在于，所述回歸包括向非負值的線性回歸。

6.根據權利要求1-4中的任何一項所述的分析方法，其特征在于，將多個樣品的測序數據與所述目標菌種的泛基因組數據進行比對，以確定第一矩陣進一步包括：

通過所述比對，確定每個樣品相對于所述目標菌種的泛基因組數據中各個基因的比對計數，以得到第六矩陣，所述第六矩陣的各個元素表示各個基因在各個樣品中的比對計數；

基于基因長度和樣品測序深度，對所述第六矩陣的各個元素進行標準化處理；

對標準化處理后的第六矩陣中歸屬于同個基因家族的各個基因的元素求和，來得到所述第一矩陣。

7.一種細菌菌株的分析裝置，其特征在于，所述分析裝置包括：

接口，其配置為：接收多個樣品的測序數據，每個樣品包括多個菌種；以及

至少一個處理器，其配置為執行根據權利要求1-6中的任何一項所述的細菌菌株的分析方法。