[發(fā)明專利]基于KEGG數(shù)據(jù)庫的注釋方法、裝置、設(shè)備和介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011210906.8
• 申請日: 2020-11-03
• 公開（公告）號: CN112420130A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 黃龍;韓繼臣;李麗翠
• 申請（專利權(quán)）人: 上海美吉生物醫(yī)藥科技有限公司
• 主分類號: G16B50/10
• 分類號: G16B50/10;G16B30/10;G06F16/951
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 李治東

1.一種基于KEGG數(shù)據(jù)庫的注釋方法，其特征在于，所述方法包括：

按一定頻率從KEGG官方數(shù)據(jù)庫下載或更新數(shù)據(jù)文件，并針對不同物種、及層級構(gòu)建子數(shù)據(jù)庫；

分別提取不同物種的關(guān)鍵信息并進(jìn)行數(shù)據(jù)整理以得到對應(yīng)各子數(shù)據(jù)庫的統(tǒng)一格式的信息文件；

利用核酸序列同源性比對尋找同源ID，并根據(jù)所述信息文件進(jìn)行數(shù)據(jù)注釋；其中，針對不同物種對應(yīng)的不同層級分別進(jìn)行數(shù)據(jù)注釋。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)據(jù)文件包括：物種通路信息表、通路詳情表、基因詳情表、gene文件、kgml文件、compound文件、及model文件中任意一種或多種組合；

其中，所述通路詳情表包含該通路中的KO號；所述基因詳情表包含該基因的核酸序列和氨基酸序列。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述分別提取不同物種的關(guān)鍵信息包括以下任意一種或多種，包括：

1)根據(jù)需求使用python編程語言對所述數(shù)據(jù)文件中的目標(biāo)信息進(jìn)行提取；

2)依據(jù)下載完成后的數(shù)據(jù)文件中的物種通路信息表，解析各個(gè)通路的數(shù)據(jù)文件，以提取各個(gè)通路的關(guān)鍵信息、及對應(yīng)的gene文件中的關(guān)鍵信息；

3)解析KEGG官方信息中未注釋到確定通路的gene文件，以獲取gene文件的關(guān)鍵信息、及序列信息。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用核酸序列同源性比對尋找同源ID，并根據(jù)所述信息文件進(jìn)行數(shù)據(jù)注釋，包括：

在數(shù)據(jù)注釋過程中選擇嚴(yán)格的控制參數(shù)對流程結(jié)果進(jìn)行整理和讀寫；

其中，針對比對結(jié)果，根據(jù)E值選擇最優(yōu)的同源ID對作為同源geneID，以用于對目標(biāo)序列進(jìn)行注釋；和/或，針對注釋信息，給出不同層次和對象的文件輸出；其中，分別針對KO號和geneID進(jìn)行匹配信息的輸出，同時(shí)還輸出相應(yīng)的統(tǒng)計(jì)信息、描述信息、及name信息。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用核酸序列同源性比對尋找同源ID，并根據(jù)所述信息文件進(jìn)行數(shù)據(jù)注釋，包括：

利用從KEGG官方數(shù)據(jù)庫下載的數(shù)據(jù)文件中的kgml文件，通過python模塊openCV生成并修改相應(yīng)的通路圖和目標(biāo)格式；

和/或，對差異基因中上下調(diào)基因的邊框分別進(jìn)行顏色標(biāo)識，以及對通路圖中的邊信息進(jìn)行去冗余操作。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述按一定頻率從KEGG官方數(shù)據(jù)庫下載或更新數(shù)據(jù)文件，包括：

針對不同物種的使用和更新頻率設(shè)置不同下載頻率；其中，針對人、鼠模式物種每日進(jìn)行下載與更新；針對真核、原核物種每月進(jìn)行下載與更新。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述針對不同物種、及層級構(gòu)建子數(shù)據(jù)庫，包括：

從KEGG官方數(shù)據(jù)庫獲取不同物種已分類的子數(shù)據(jù)庫；或，按照KEGG官方數(shù)據(jù)庫中提供的物種分類方式，整合不同樣品的序列數(shù)據(jù)，以形成物種特有的或不同分類界元的各個(gè)子數(shù)據(jù)庫；

根據(jù)各所述子數(shù)據(jù)庫中包含的物種列表或各物種應(yīng)對不同的功能場景，利用精確靶向物種的方式對不同物種的子數(shù)據(jù)庫，在允許范圍內(nèi)針對特定的多個(gè)層級進(jìn)行整合和使用，以供提供不同的注釋方式；

所述層級包括：綱、目、科、屬、及種中任意一種或多種組合。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用核酸序列同源性比對尋找同源ID所采用的軟件包括：diamond、blast、及bowti2中任意一種。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

在數(shù)據(jù)注釋完成后，提供必要的項(xiàng)目信息，并基于python編程語言實(shí)現(xiàn)自動分析，以得到KEGG注釋報(bào)告；

和/或，引入SGE和SLURM兩種HPC任務(wù)投遞系統(tǒng)，以支持并行任務(wù)處理方式。