[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

本申請公開了一種mNGS鑒定微生物的數據處理方法、裝置及存儲介質。本申請的數據處理方法包括，利用Linux系統提供的內存映射/dev/shm加載數據庫；在讀取數據庫之前，先檢查數據庫大小，如小于硬盤中原始加載的數據庫大小，則通過虛擬內存觸碰方式將其激活，使得加載數據庫完整的緩存于內存中；采用內存映射方式加載參考基因組；采用Linux管道輸出和讀入，減少臨時文件，提高分析速度。本申請方法，通過對數據處理過程中限制速度的關鍵步驟進行優化，提高了mNGS鑒定微生物的速度和效率，降低了對高性能硬件設備的依賴性，使得mNGS鑒定微生物僅采用現有常規的硬件設備就能實現快速、高效、準確的微生物分析和鑒定。

技術領域

本申請涉及微生物宏基因組測序檢測技術領域，特別是涉及一種mNGS鑒定微生物的數據處理方法、裝置及存儲介質。

背景技術

隨著測序技術的進步和成本的降低，越來越多的微生物得以測序，例如人體微生物組計劃HMP、人體腸道宏基因組項目MetaHIT?2008、美國腸道計劃AGP?2012、中國微生物組計劃CAS-CMI?2017等。物種量多帶來的挑戰是分類數據庫越來越大，給數據分析帶來挑戰，尤其是對時效有較高要求的病原微生物檢測。

宏基因組測序，尤其指宏基因組二代測序(縮寫mNGS)，是指直接從環境或宿主樣本中提取全部微生物的核酸，構建宏基因組文庫，利用二代測序技術進行測序。宏基因組測序鑒定微生物則是，直接利用宏基因組測序的數據進行分析，檢測或鑒定環境或宿主攜帶的微生物。一般來說，宏基因組測序鑒定微生物包括以下步驟，宏基因組測序、下機數據、去接頭、利用宿主參考序列去除宿主的測序數據、利用分類序列庫對數據進行序列分類、利用微生物知識庫對數據進行分類注釋，最后通過結果過濾，獲得解讀報告。其中，去接頭、去除宿主的測序數據和序列分類，這三個步驟通常需要大量密集計算。

mNGS會無差別的對提取的核酸進行測序，對于檢測人感染微生物來說，其中的非宿主序列才有意義；因此，在生物信息分析過程中需要對宿主序列進行去除，僅對去除后的序列進行物種鑒定。在序列分類方面，以Kraken2軟件為例，其官方提供的標準基因組參考庫，包括古細菌、細菌、病毒、質粒、人類宿主和載體，https://benlangmead.github.io/aws-indexes/k2，總計大約50.1GB(Gigabyte,千兆字節)，加上原生動物和部分真菌后約53.2GB，再加上其它真核生物，包含寄生蟲等，數據量可達近90GB，涵蓋約16000種微生物。對如此大的數據進行序列查詢要求快速的讀取，Kraken2會將數據庫加載至內存中加快讀取，需要制作內存盤然后加載數據庫，但這種方式需要root權限，限制了普通用戶的使用。

為了提高mNGS微生物鑒定的分析速度，已經有開發者或企業尋求使用GPU或FPGA進行計算的提速，如MetaCache-GPU和Tera-BLAST，但通常需要新硬件的購買和部署。

因此，如何在現有常規的硬件設備基礎上快速、高效、準確的進行宏基因組測序鑒定微生物是亟待解決的問題。

發明內容

本申請的目的是提供一種改進的mNGS鑒定微生物的數據處理方法、裝置及存儲介質。

為了實現上述目的，本申請采用了以下技術方案：

本申請的第一方面公開了一種mNGS鑒定微生物的數據處理方法，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；其中，Linux系統的/dev/shm為tmpfs文件系統，即臨時文件系統，該目錄所有用戶皆有讀寫權限，且最大可寫入大小為系統物理內存的一半；

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；