[發明專利]一種mNGS鑒定微生物的數據處理方法、裝置及存儲介質

有效

• 申請號: 202111579973.1
• 申請日: 2021-12-22
• 公開（公告）號: CN114242173B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 黃毅;楊振宇;劉久成;林小芳;張丹;易鑫;楊玲
• 申請（專利權）人: 深圳吉因加醫學檢驗實驗室
• 主分類號: G16B50/00
• 分類號: G16B50/00;G16B30/10
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 李小焦;彭家恩

1.一種mNGS鑒定微生物的數據處理方法，其特征在于：包括以下步驟，

數據庫加載步驟，包括利用Linux系統提供的內存映射/dev/shm來加載用于mNGS鑒定微生物的數據庫；

數據庫檢查步驟，包括在讀取數據庫之前，先檢查數據庫的大小，如果小于硬盤中原始加載的數據庫的大小，則通過虛擬內存觸碰方式將其激活，使得加載的數據庫完整的緩存于內存中；

數據庫比對步驟，包括采用內存映射方式加載參考基因組，在同時運行多個比對時，對參考索引進行統一緩存，各比對進程共享此過程和結果；在有新的比對進程加入時，先進行索引的檢查，如果發現已經加載在內存中或者正在加載的過程中，則按內存地址進行訪問或等待加載完畢后使用，不重復加載；當并行的所有比對進程結束后，自動管理參考索引，待其不在活躍訪問時將其從緩存中釋放；

數據傳輸步驟，包括采用Linux管道輸出和讀入，減少臨時文件產生，從而提高分析速度；

二次比對步驟，包括對初步鑒定到的序列支持數滿足要求的物種，以物種為單位，將選定物種的所有序列比對到該選定物種的基因組參考序列中，準確獲得測序樣本中該選定物種的序列支持數，以此計算該物種的覆蓋度、深度分布和離散度；

所述覆蓋度為選定物種基因組覆蓋1×以上的區域加和占基因組大小L的比例；

在選定物種存在多個基因組版本時，以最長基因組L_max計算，覆蓋的位置按各個基因組的實際比對位置P_i計算；對于存在多個基因組版本的物種，得到的覆蓋度C為估算值，即C_approx＝∑P_i/L_max。

2.根據權利要求1所述的數據處理方法，其特征在于：所述數據庫加載步驟還包括在將數據庫加載到/dev/shm之前，預先申請大于數據庫大小的內存空間，并釋放系統已經緩存的內容，確保數據庫能夠完整的加載到/dev/shm。

3.根據權利要求1所述的數據處理方法，其特征在于：還包括同源區域標記步驟，所述同源區域標記步驟，包括將數據庫中的宿主參考基因組拆分為短序列，形成短序列庫；將需要計算同源區域的真核生物基因組與短序列庫進行比對，將能夠與短序列庫匹配的區域標記成“N”，將連續標記成“N”的區域替換成“N”堿基。

4.根據權利要求2所述的數據處理方法，其特征在于：同源區域標記步驟，還包括將序列中的A、C、G、T分別轉化成二進制數字，將短序列存儲成無符號整型方式，預加載到內存中。

5.根據權利要求4所述的數據處理方法，其特征在于：所述短序列的長度為31bp。

6.根據權利要求1所述的數據處理方法，其特征在于：所述離散度為選定物種支持的序列能覆蓋到的參考基因組窗口數n占總窗口N的比例，即D＝n/N。

7.根據權利要求1所述的數據處理方法，其特征在于：所述序列支持數滿足要求的物種，具體的，對于寄生蟲序列支持數要求大于或等于100，其它物種序列支持數要求大于或等于10。

8.一種mNGS鑒定微生物的數據處理裝置，其特征在于：所述裝置包括存儲器和處理器；

所述存儲器，包括用于存儲程序；

所述處理器，包括用于通過執行所述存儲器存儲的程序以實現權利要求1-7任一項所述的mNGS鑒定微生物的數據處理方法。

9.一種計算機可讀存儲介質，其特征在于：所述存儲介質中存儲有程序，所述程序能夠被處理器執行以實現權利要求1-7任一項所述的mNGS鑒定微生物的數據處理方法。