[發(fā)明專利]一種歸一化并比較水平基因轉(zhuǎn)移網(wǎng)絡(luò)的方法

在審

• 申請?zhí)枺?/td>: 202211727781.5
• 申請日: 2022-12-30
• 公開（公告）號: CN115966250A
• 公開（公告）日: 2023-04-14
• 發(fā)明（設(shè)計）人: 陳銀;趙梓丞;李靜
• 申請（專利權(quán)）人: 深圳百人科技有限公司
• 主分類號: G16B5/20
• 分類號: G16B5/20;G16B30/00;G16B40/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種歸一化并比較水平基因轉(zhuǎn)移網(wǎng)絡(luò)的方法，包括以下步驟：S1：采用貝葉斯概率模型將HGT根據(jù)測序量進(jìn)行歸一化；S2：在HGT網(wǎng)絡(luò)中，將每個基因組被表示為一個頂點，其中，如果HGT發(fā)生在兩個基因組之間，則在兩個頂點之間有一條邊；S3：采用不同的分類級別對基因組序列進(jìn)行注釋，得到了不同分類等級的HGT網(wǎng)絡(luò)；S4：通過圖的密度、傳遞性、同配性和代數(shù)連通性幾種拓?fù)湫再|(zhì)對HGT網(wǎng)絡(luò)進(jìn)行分析。使用圖密度、傳遞性、同配性和代數(shù)連通性來描述網(wǎng)絡(luò)，并在不同組別間的樣本中比較HGT網(wǎng)絡(luò)，以對宏基因組和人體表型關(guān)聯(lián)提供新的分析方向，通過計算多種拓?fù)鋵傩詠矸治鯤GT網(wǎng)絡(luò)，也能更加系統(tǒng)性地建模并分析宏基因組。

技術(shù)領(lǐng)域

本發(fā)明涉及基因轉(zhuǎn)移網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種歸一化并比較水平基因轉(zhuǎn)移網(wǎng)絡(luò)的方法。

背景技術(shù)

人體微生物和人類有著復(fù)雜的相互作用。研究發(fā)現(xiàn)，人體微生物和多種疾病都相關(guān)。人體微生物是個復(fù)雜的生態(tài)系統(tǒng)，以腸道微生物組為例，F(xiàn)erretti等人利用菌株水平的宏基因組圖譜來跟蹤母嬰間的細(xì)菌傳播；他們發(fā)現(xiàn)母嬰對中共有的菌株；在最近關(guān)于腸道微生物組的研究中，不少研究者建立了宏基因組和人類表型之間的聯(lián)系，但這些工作未能從系統(tǒng)的角度對腸道微生物組進(jìn)行建模。近年，研究人員應(yīng)用HGT網(wǎng)絡(luò)分析宏基因組，提取微生物組的特征，并探尋微生物組和表型的關(guān)聯(lián)。

存在的缺點或不足：

雖然目前研究者建立了宏基因組和人類表型之間的聯(lián)系，但是這些工作無法從系統(tǒng)的角度對腸道微生物區(qū)系進(jìn)行建模。HGT網(wǎng)絡(luò)是一種系統(tǒng)性分析宏基因組的工具，然而由于HGT網(wǎng)絡(luò)會受到測序數(shù)據(jù)量的影響，可能會導(dǎo)致一些假陽性的宏基因組和表型的關(guān)聯(lián)，因此需要歸一化并比較水平基因轉(zhuǎn)移網(wǎng)絡(luò)。本發(fā)明涉及一種歸一化HGT網(wǎng)絡(luò)，并計算HGT網(wǎng)絡(luò)拓?fù)鋵傩缘姆椒ā？梢詷?biāo)準(zhǔn)化的比較試驗組和對照組的宏基因組，從而系統(tǒng)性地建模并分析宏基因組。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺陷，而提出的歸一化并比較水平基因轉(zhuǎn)移網(wǎng)絡(luò)的方法。

為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

一種歸一化并比較水平基因轉(zhuǎn)移網(wǎng)絡(luò)的方法，包括以下步驟：

S1：采用貝葉斯概率模型將HGT根據(jù)測序量進(jìn)行歸一化；

S2：在HGT網(wǎng)絡(luò)中，將每個基因組被表示為一個頂點，其中，如果HGT發(fā)生在兩個基因組之間，則在兩個頂點之間有一條邊；

S3：采用不同的分類級別對基因組序列進(jìn)行注釋，得到了不同分類等級的HGT網(wǎng)絡(luò)；

S4：通過圖的密度、傳遞性、同配性和代數(shù)連通性幾種拓?fù)湫再|(zhì)對HGT網(wǎng)絡(luò)進(jìn)行分析。

進(jìn)一步地，在步驟S1中：使用LocalHGT來檢測每個樣本中的HGT，并且得到支持每個HGT斷點對的reads數(shù)量，其中，當(dāng)所有樣本中的平均reads數(shù)目為Q時，根據(jù)模型推斷；

當(dāng)總reads數(shù)目為Q時，則支持每個HGT斷點對的reads數(shù)目的概率分布，根據(jù)這個概率分布，過濾HGT斷點；

過濾標(biāo)準(zhǔn)為：在總reads數(shù)目為Q的情況下，預(yù)期的reads數(shù)目大于x(默認(rèn)為2)的概率高于90％。

進(jìn)一步地，在步驟S4中：圖密度表示圖中存在的邊的數(shù)目除以圖可能具有的最大邊數(shù)；

傳遞性為通過觀察到的三角形數(shù)與圖中可能的最大三角形數(shù)之比計算獲得，傳遞性度量頂點的相鄰頂點相互連接的總體概率；

同配性為圖中的節(jié)點與具有相似度的節(jié)點相連接的趨勢，通過關(guān)聯(lián)度與關(guān)聯(lián)度的皮爾遜相關(guān)系數(shù)來量化關(guān)聯(lián)度；

代數(shù)連通度是圖的拉普拉斯矩陣的第二小特征值；

拓?fù)鋵傩允鞘褂肞ython模塊NetworkX計算。