[發(fā)明專利]基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法

有效

• 申請?zhí)枺?/td>: 202110354949.1
• 申請日: 2021-04-01
• 公開（公告）號: CN113066532B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設計）人: 肖云平;徐天生;楊雨晴;劉鈺釧;史賢俊;林博
• 申請（專利權）人: 上海歐易生物醫(yī)學科技有限公司
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B30/10;G16B45/00
• 代理公司: 上海德禾翰通律師事務所 31319
• 代理人: 夏思秋

1.一種基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法，其特征在于，包括如下步驟：

(1)文件準備步驟：

準備config文件，讀取后用于進行數(shù)據(jù)自動化質(zhì)控以及后續(xù)數(shù)據(jù)分析；

(2)下機數(shù)據(jù)質(zhì)控步驟：

將下機得到的原始數(shù)據(jù)去除接頭，保留15-41nt長度的序列，然后過濾低質(zhì)量序列；對去除接頭的序列做質(zhì)控，匯總包括序列的測序質(zhì)量統(tǒng)計、GC含量統(tǒng)計的質(zhì)控信息；對去除接頭的序列做去除低質(zhì)量堿基處理，然后對上述去除低質(zhì)量堿基的序列做N堿基檢測，若序列中含有一個及以上的N堿基則將這條序列剔除；然后將剔除含N堿基的序列轉成fasta格式的序列文件，將過濾后的數(shù)據(jù)進行去重，獲得無重復的序列，并標記所有序列的數(shù)量；同時對原始數(shù)據(jù)和過濾數(shù)據(jù)量進行統(tǒng)計，并以柱狀圖展示各個樣本不同長度序列的數(shù)量分布特征；過濾序列用于后續(xù)分析；

(3)病毒參考基因組比對以及病毒sRNA注釋步驟：

對參考基因組序列構建索引，將步驟(1)中去重后的序列與病毒參考基因組序列做比對，篩選出堿基錯配數(shù)小于2的結果，比對上的序列認為是潛在的病毒來源sRNA，統(tǒng)計匯總序列和比對序列數(shù)信息；

(4)病毒sRNA定量步驟：

將步驟(3)中比對上參考基因組的序列數(shù)做統(tǒng)計，匯總序列和比對序列數(shù)信息，并繪制各樣本比對上參考基因組的序列在基因組上的分布情況，整理病毒sRNA的counts數(shù)，再基于counts數(shù)計算每個病毒sRNA的TPM，并生成病毒sRNA注釋文件；

(5)差異病毒sRNA分析步驟：

根據(jù)步驟(4)中注釋到的病毒sRNA信息以及表達量結果進行差異表達分析，篩選同時滿足差異倍數(shù)和顯著性的差異表達病毒sRNA，統(tǒng)計并展示可視化結果；

(6)宿主靶基因預測、富集分析步驟：

將步驟(5)中所述差異病毒sRNA與宿主mRNA序列進行宿主靶標預測，統(tǒng)計靶標結合位點信息，繪制結合位點示意圖；

對步驟(6)中預測到的差異病毒sRNA宿主靶基因，基于宿主的GO、KEGG背景文件使用超幾何分布檢驗計算方法進行GO功能和KEGG通路的富集分析，計算GO、KEGG條目在差異病毒sRNA的宿主靶基因中是否顯著富集的P值，再對P值經(jīng)BenjaminiHochberg多重檢驗糾正后得到FDR；針對富集結果做柱狀圖和氣泡圖統(tǒng)計，獲得差異病毒sRNA可能參與影響的功能和代謝通路；

(7)網(wǎng)頁版報告整理步驟：

根據(jù)結果一鍵化生成病毒sRNA分析的網(wǎng)頁版報告，網(wǎng)頁版報告對整個分析結果做匯總，并對每個分析步驟做描述和對應的圖表展示以及彈窗式幫助文檔。

2.如權利要求1所述的基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法，其特征在于，所述文件準備步驟當中config文件包括：下機數(shù)據(jù)位置以及對應的樣本分析名和分組名、用于差異分析的分組信息、差異倍數(shù)參數(shù)、生物學重復參數(shù)、參考基因組信息。

3.如權利要求1所述的基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法，其特征在于，一個堿基錯配比對上病毒參考基因組的序列認為是潛在的病毒來源sRNA，并展示序列在基因組上的分布情況。

4.如權利要求1所述的基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法，其特征在于，所述過濾低質(zhì)量序列為以5個堿基長度為窗口對原始序列進行搜索，當窗口中堿基的平均測序質(zhì)量低于20時，將從窗口最前端開始的部分截斷并舍棄。

5.如權利要求1所述的基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法，其特征在于，使用Fastx-Toolkit軟件將剔除含N堿基的序列轉成fasta格式的序列文件。

6.如權利要求1所述的基于高通量測序技術的宿主中病毒來源sRNA數(shù)據(jù)分析方法，其特征在于，使用DESeq或DESeq2軟件進行差異表達分析。