[發(fā)明專利]物種基因識(shí)別標(biāo)簽的查找方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110901123.2
• 申請(qǐng)日: 2021-08-06
• 公開（公告）號(hào): CN113764041A
• 公開（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 李楊坤
• 申請(qǐng)（專利權(quán)）人: 圓方基因科技（北京）有限公司
• 主分類號(hào): G16B30/00
• 分類號(hào): G16B30/00;G16B20/00
• 代理公司: 北京知果之信知識(shí)產(chǎn)權(quán)代理有限公司 11541
• 代理人: 卜榮麗

1.一種物種基因識(shí)別標(biāo)簽的查找方法，其特征在于，包括：

S1：接收輸入的目標(biāo)物種，并將所述目標(biāo)物種在序列名稱總核酸庫(kù)中檢索比對(duì)，獲取所述目標(biāo)物種的物種信息，所述物種信息包括核酸序列、物種分類地位及名稱；

S2：根據(jù)所述核酸序列和物種分類地位及名稱進(jìn)行比對(duì)，得到第一比對(duì)結(jié)果；

S3：按照序列相似度所處范圍將所述第一比對(duì)結(jié)果進(jìn)行分類，形成各范圍序列相似度對(duì)應(yīng)的片段池，并將范圍序列相似度對(duì)應(yīng)的片段池與所述序列名稱總核酸庫(kù)進(jìn)行Blastn比對(duì)，得到第二比對(duì)結(jié)果；

S4：基于配置的剔除序列控制指標(biāo)對(duì)所述第二比對(duì)結(jié)果進(jìn)行自動(dòng)質(zhì)控，獲取物種特征標(biāo)簽，并將所述物種特征標(biāo)簽與名稱片段標(biāo)記庫(kù)進(jìn)行Blastn比對(duì)，得到目標(biāo)物種的第一識(shí)別標(biāo)簽和第一識(shí)別閾值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述接收輸入的目標(biāo)物種之前，所述方法還包括：

獲取物種全基因DNA和RNA序列，所述物種全基因DNA和RNA序列包括NT數(shù)據(jù)庫(kù)；

將所述RNA序列反轉(zhuǎn)錄轉(zhuǎn)換為DNA序列，構(gòu)建序列名稱總核酸庫(kù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述核酸序列和物種分類地位及名稱進(jìn)行比對(duì)，得到第一比對(duì)結(jié)果，包括：

根據(jù)所述物種分類地位及名稱，從所述序列名稱總核酸庫(kù)中抽取目標(biāo)物種所在屬的序列和名稱，形成目標(biāo)物種所在屬序列池；

將所述核酸序列進(jìn)行K-mer切分，形成各K值對(duì)應(yīng)的片段池，并從K值對(duì)應(yīng)的片段池提取名稱片段標(biāo)記庫(kù)；

基于配置的第一綜合閾值，將K值對(duì)應(yīng)的片段池與所述目標(biāo)物種所在屬序列池進(jìn)行Blastn比對(duì)，得到第一比對(duì)結(jié)果；

其中，所述第一綜合閾值包括：比對(duì)長(zhǎng)度為100％、序列相似度不高于95％、比對(duì)得分不低于1e-5。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述核酸序列進(jìn)行K-mer切分包括：

如果所述核酸序列為全基因組序列，則將所述全基因組序列進(jìn)行K-mer切分，K起始值為30，步長(zhǎng)為1，結(jié)束值為300；

如果所述核酸序列為局部序列且所述局部序列的長(zhǎng)度大于等于300，則將所述全基因組序列進(jìn)行K-mer切分，K起始值為30，步長(zhǎng)為1，結(jié)束值為300；

如果所述核酸序列為局部序列且所述局部序列的長(zhǎng)度小于300，則將所述全基因組序列進(jìn)行K-mer切分，K起始值為30，步長(zhǎng)為1，結(jié)束值為局部序列的長(zhǎng)度。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將范圍序列相似度對(duì)應(yīng)的片段池與所述序列名稱總核酸庫(kù)進(jìn)行Blastn比對(duì)，得到第二比對(duì)結(jié)果，包括：

基于配置的第二綜合閾值，將范圍序列相似度對(duì)應(yīng)的片段池與所述序列名稱總核酸庫(kù)進(jìn)行Blastn比對(duì)，剔除與其它物種上序列相似度高于預(yù)設(shè)值的序列，得到第二比對(duì)結(jié)果；

其中，所述第二綜合閾值包括：比對(duì)長(zhǎng)度為100％、序列相似度高于95％、比對(duì)得分不低于1e-5。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于配置的剔除序列控制指標(biāo)對(duì)所述第二比對(duì)結(jié)果進(jìn)行自動(dòng)質(zhì)控，獲取物種特征標(biāo)簽，并將所述物種特征標(biāo)簽與名稱片段標(biāo)記庫(kù)進(jìn)行Blastn比對(duì)，得到目標(biāo)物種的第一識(shí)別標(biāo)簽和第一識(shí)別閾值，包括：

基于配置的剔除序列控制指標(biāo)對(duì)所述第二比對(duì)結(jié)果進(jìn)行自動(dòng)質(zhì)控，所述自動(dòng)質(zhì)控的剔除序列控制指標(biāo)包括：GC含量高于70％，堿基多連續(xù)排列；

獲取物種特征標(biāo)簽、區(qū)分閾值和K-mer值；

基于配置的剔除指標(biāo)，將所述物種特征標(biāo)簽與名稱片段標(biāo)記庫(kù)進(jìn)行Blastn比對(duì)，剔除重復(fù)片段及序列相似度高于預(yù)設(shè)值的位置，得到目標(biāo)物種的第一識(shí)別標(biāo)簽和第一識(shí)別閾值；

其中，所述剔除指標(biāo)以比對(duì)長(zhǎng)度為100％、序列相似度不高于95％、比對(duì)得分不低于1e-5為第三綜合閾值。

7.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：

將步驟S4中的所述第一識(shí)別標(biāo)簽作為下一核酸序列，重復(fù)步驟S2至S4，得到目標(biāo)物種的第二識(shí)別標(biāo)簽及第二識(shí)別閾值。