[發明專利]基于snakemake語言快速批量可自動郵件反饋結果的高通量測序質控分析方法

有效

• 申請號: 202110338467.7
• 申請日: 2021-03-30
• 公開（公告）號: CN112967756B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 張建明;顧胤聰;肖云平;史賢俊;劉鈺釧;林博
• 申請（專利權）人: 上海歐易生物醫學科技有限公司
• 主分類號: G16B30/00
• 分類號: G16B30/00;G16B40/00;G16B45/00;G16B50/00;G06Q10/10
• 代理公司: 上海德禾翰通律師事務所 31319
• 代理人: 夏思秋

1.一種基于snakemake語言快速批量可自動郵件反饋結果的高通量測序質控分析方法，其特征在于，所述方法具體包括如下步驟：

步驟一、文件準備：準備所有樣本的高通量測序原始數據；

步驟二、多樣本并行fastp質控過濾：使用fastp軟件對每個樣本數據自動進行全方位質控，包括利用4bp大小滑窗去除平均質量低于Q20的低質量堿基序列、通過軟件自動識別接頭序列并進行剪裁去除接頭污染、去除長度小于下機長度一半的短序列、去除含有5個及以上N堿基的序列、軟件自動查找雙端測序數據中每一對read的重疊區域并對該重疊區域中不匹配的堿基進行校正；上述質控方法單雙端都適用；

步驟三、單樣本fastp運行監控：對每個樣本進行質控監測，即把運行統計結果的質控指標與參照質控指標進行核對，如果都符合參照指標，則生成一個check空文件表示此樣本質控達標；若有部分質控指標不符合參照指標，則不生成check空文件，表示此樣本質控未達標，此樣本在不影響其它樣本分析的條件下停在質控這個步驟，不參與下游分析；

步驟四、所有樣本fastp質控結果匯總：對所有樣本fastp質控過濾結果進行匯總，形成一張包含常質控指標的excel表，所述excel表包含達標與未達標所有樣本的質控結果；

步驟五、質控結果匯總郵件反饋：使用python包smtplib對質控表進行郵件自動反饋；

步驟六、多樣本并行fastqc檢測：當樣本fastp質控運行成功后，對過濾后的數據進行fastqc檢測，進行一組模塊化的分析，通過這些分析快速了解數據是否存在問題，為后續進行進一步分析提供參考；所述模塊化分析包括序列測序質量統計、每個tile測序的情況、每條序列的測序質量統計、序列堿基含量分布統計、序列平均GC含量分布圖；分析結果提供是否存在測序質量偏低、某些tile受到不可控因素的影響而出現測序質量偏低、堿基含量不平穩、混入了其它物種的DNA序列的問題的信息；

步驟七、所有樣本結果進行整合：對fastqc生成結果利用multiqc進行整合，使多樣本整合成一個網頁報告；

步驟八、分析方法圖繪制：當質控流程完成后，snakemake自動生成分析方法圖，便于直觀展示。

2.如權利要求1所述的分析方法，其特征在于，步驟四中，所述excel表中的常質控指標包含原始數據reads條數、clean數據reads條數、clean數據與原始數據reads條數之比、原始數據量、clean數據量、clean數據量與原始數據量之比、GC含量、clean數據中大于Q20的比率、clean數據中大于Q30的比率指標信息。

3.如權利要求1所述的分析方法，其特征在于，步驟七中，所述網頁報告中包含結果內容與步驟六中一致，但樣本數是所有樣本的綜合結果。

4.如權利要求1-3之任一項所述方法在高通量測序質控分析中的應用。