[發明專利]基于高通量測序技術的宿主中病毒來源sRNA數據分析方法

有效

• 申請號: 202110354949.1
• 申請日: 2021-04-01
• 公開（公告）號: CN113066532B
• 公開（公告）日: 2022-08-26
• 發明（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

本發明提出了一種基于高通量測序技術的宿主中病毒來源sRNA數據分析方法，包括文件準備步驟、下機數據質控步驟、病毒參考基因組比對以及病毒sRNA注釋步驟、病毒sRNA定量步驟、差異病毒sRNA分析步驟、宿主靶基因預測步驟、富集分析步驟、網頁版報告整理步驟。本發明結果全面，包含涉及到的病毒sRNA分析內容以及其宿主靶基因預測，GO、KEGG富集分析以及對應的可視化展示；自動整理所有分析結果，每一步分析完成之后自動對結果進行匯總統計、可視化以及邏輯化歸類整理，結果文件可直接用于生成網頁版報告，所有操作步驟可以溯源，方便錯誤查詢，如果分析有報錯，會生成對應的報錯日志信息。

技術領域

本發明屬于高通量轉錄組測序技術領域，具體涉及一種基于高通量測序技術的宿主中病毒來源sRNA數據分析方法。

背景技術

Small RNA(sRNA)是一類長度小于200nt的非編碼短鏈RNA分子，sRNA通常具備的功能是沉默靶基因，抑制靶基因行使功能。

宿主感染病毒之后，病毒sRNA作為外源sRNA會參與宿主的生物學過程，比如行使類似于miRNA的生物學功能，沉默宿主的靶基因，進而參與影響宿主的生物學過程。單獨病毒sRNA的研究和鑒定已經有相關的工具。目前還沒有針對宿主中病毒來源sRNA的數據分析工具，特別是沒有自動化的分析實現病毒sRNA和宿主靶基因的交互作用，以及測序結果的流程化分析工具，包括病毒sRNA的注釋，表達量分析和差異分析，宿主靶基因位點分析，GO、KEGG功能富集分析等各個步驟的自動化整合。

現有的病毒sRNA高通量分析方法存在如下缺陷：

(1)適用性不強：缺少考慮病毒和宿主之間轉錄層面的聯系；

(2)結果展示不完整：分析結果過于簡單，數據挖掘的不深入，缺少數據對應的可視化展示內容。

發明內容

為了克服現有技術所存在的上述缺陷，本發明的目的在于提供一種基于高通量測序技術的宿主中病毒來源sRNA數據分析方法。

為了實現本發明的目的，所采用的技術方案是：

本發明提供了一種基于高通量測序技術的宿主中病毒來源sRNA數據分析方法，包括如下步驟：

(1)文件準備步驟：

準備config文件，讀取后用于進行數據自動化質控以及后續數據分析；

在本發明的一個優選實施方式中，所述文件準備步驟當中config文件包括：下機數據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、差異倍數參數、生物學重復參數、參考基因組信息等。

(2)下機數據質控步驟：

將下機得到的原始數據，通過Cutadapt、FastQC、Fastx-Toolkit、NGS_QC_Toolkit軟件去除接頭序列處理，保留15-41nt長度的序列，然后過濾低質量序列，即：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量低于20時，將從窗口最前端開始的部分截斷并舍棄。將過濾后的數據進行去重，獲得無重復的序列，并標記所有序列的數量。同時對原始數據和過濾數據量進行統計，并以柱狀圖展示各個樣本不同長度序列的數量分布特征。

過濾序列用于后續分析；

在本發明的另一個優選實施方式中，所述下機數據質控步驟中，使用FastQC軟件對去除接頭的序列做質控，匯總包括序列的測序質量統計、GC含量統計等質控信息；然后使用NGS_QC_Toolkit軟件對上述去除低質量堿基的序列做N堿基檢測，序列中含有一個及以上的N堿基則將該條序列剔除；然后使用Fastx-Toolkit軟件將剔除含N堿基的序列轉成fasta格式的序列文件。

(3)病毒參考基因組比對以及病毒sRNA注釋步驟：