[發明專利]分子標記指紋數據的比對方法、非暫存態存儲介質和裝置

有效

• 申請號: 202011225870.0
• 申請日: 2020-11-05
• 公開（公告）號: CN112349348B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 王鳳格;江彬;霍永學;吳昊天;張云龍
• 申請（專利權）人: 北京市農林科學院
• 主分類號: G16B30/10
• 分類號: G16B30/10;G16B40/00;G16B50/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 張璐

本發明涉及生物信息學領域，具體涉及分子標記指紋數據的比對方法、非暫存態存儲介質和裝置。本發明通過契合分子標記DNA指紋數據特點，先進行位點和基因型分組后再進行統計，構建了一個快速指紋比對方法。這種方法適用于任意標記DNA數據比對業務場景，該算法解決了指紋數據建庫和指紋篩查時的快速比對需要，并可結合實際業務需要通過軟件程序化實現該方法，其設計思路非常適合計算機的軟件編程實現。該方法還可以應用于多線程和分布式指紋比對這類應用程序中，可以非常明顯地提升整體計算效率。

技術領域

本發明涉及生物信息學領域，具體涉及分子標記指紋數據的比對方法、非暫存態存儲介質和裝置。

背景技術

DNA指紋數據庫構建過程中，指紋庫中所有指紋之間的差異和無差異情況是一個重要的建庫質量參數。植物DNA指紋數據建庫時，單一品種可能會存在的多個不同年份的標準樣品，而確定它們之間的差異情況可以用來確定樣品是否被更換或產生變異。在人類DNA建庫后，也涉及庫內數據的互比篩查，而應用建庫時也需要將給定樣本指紋與全庫進行比對，這些業務場景不可避免的需要用到指紋數據間比對算法來實現。所以如何對標記技術生產的指紋數據進行快速比對成為一個關鍵性技術。

目前已有的各種指紋數據庫系統中包含的指紋比對功能，大部分均采用循環成對比較的方式。這種方式實際就是對從給定的兩個隊列中各選取一個指紋，然后執行位點數據比對，這樣得到兩個指紋間的位點缺失、差異和無差異情況。這種算法實現方式最大優點是實現非常簡單，但其隨著指紋數據增加將暴露自身的缺陷，使得無法適應大規模的指紋數據應用環境，需要更加快速的比對算法。

出現上述缺陷最主要的原因在于——進行了過多的無效計算，例如指紋比對后主要關注指紋間的差異性，而采用循環比對算法會導致應用程序必須全部比對完成才能得到差異位點信息。

發明內容

為了解決上述技術問題，本發明提供了一種分子標記指紋數據的比對方法、非暫存態存儲介質和裝置。

具體而言，本發明首先提供一種分子標記指紋數據的比對方法，包括：

設置指紋和位點ID號：為待比指紋列表和對比指紋列表中包含的所有指紋設置ID號，并將ID號同時綁定指紋包含的位點上；

按照位點分組：分別將待比指紋列表和對比指紋列表中的所有位點過濾出來并按照位點分組后，設置到不同位點分組中的待比指紋ID列表和對比指紋ID列表中；

按照基因型分組：將每一個位點分組進一步按照基因型分組，得到基因型分組列表；

按基因型比對：將每個基因型分組中的基因型進行比對，若存在差異則構建差異關聯信息對，若無差異則忽略之；將所有位點分組逐一處理后，得到所有的差異基因型關聯信息對；

統計差異信息：以指紋ID為索引，對所得到的差異基因型關聯信息對進行統計。

在指紋間的差異性通常是有限的，另外，因為任意單個標記包含的等位基因也是有限的，所以指紋數據所包含的基因分型也是有限的。這使得本發明中的比對方法可以以更小的時間空間代價提供更快比對速度。

本發明中所述的分子標記包括SSR分子標記、InDel分子標記和SNP分子標記。

作為優選，在所述按基因型比對中，通過比對字符數據的差異，判斷是否存在SNP分子標記的差異位點。

適用于SNP標記AGCT堿基型數據基因型比對算法只需要判定字符數據是否存在差異，例如A/G與A/T基因型間是存在差異的。

作為優選，在所述按基因型比對中，通過比對數字格式的基因型，判斷是否存在SSR或InDel分子標記的差異位點。

適用于SSR、InDel標記數字格式的基因型比對，數據比對時通常需要提供一個誤差值，以提供自動校正平臺誤差的功能。