一种串联序列解析方法、装置和存储介质制造方法及图纸

本申请公开了一种串联序列解析方法、装置和存储介质。本申请的方法包括，从引物序列或其反向互补序列中截取锚片段P，在测序片段中与锚片段P完全匹配处截取与引物序列等长的片段S；将两者进行精确比对，保留比对长度占引物序列50％以上的结果，记录引物序列及其类型；根据引物序列的类型判断全长插入片段和连接点，根据连接点的引物类型，进行两端延伸，分析全长插入片段和非全长插入片段。本申请的方法，通过较短的锚片段P进行引物序列的快速定位，结合精确比对，提升了引物序列的比对效率；通过识别连接点，再根据连接点的引物类型，进行两端延伸，有效地避免了引物比对假阳性导致的拆分错误的问题，提升了拆分准确性和数据拆分率。

【技术实现步骤摘要】
一种串联序列解析方法、装置和存储介质
本申请涉及核酸测序数据分析
，特别是涉及一种串联序列解析方法、装置和存储介质。
技术介绍
为了提升数据利用率，降低测序成本，目前的全长转录组产品，是先把目的片段基于特定的酶将多个目的片段连接起来，形成串联序列，然后再构建文库进行上机测序。但是在片段连接的过程中，由于酶活性或者片段本身的一些结构特征等影响，会出现部分片段嵌合的现象。并且，测序还会引入碱基错误率，尤其是ONT平台的数据，其错误率高达10％左右。这些因素极大的阻碍了测序数据的拆分。如何准确地进行数据拆分，是后续信息分析的基础，将极大的影响下游结果的准确性。目前常用的做法是基于blast比对，定位接头序列的位置，然后基于相邻的两个接头序列的关系进行数据拆分。因为需要考虑测序错误率，所以一般在blast匹配接头都是容错匹配，这样会引入一些错误的接头匹配位置；而拆分是基于相邻的接头进行判断其类别，所以会出现错误拆分的情况，其拆分准确率较低。此外，一般的测序数据都是几十万条，blast比对的速度较慢，运算成本也较高。因此，如何准确、有效的进行串联序列解析，仍然是本领域的研究重点和难点之一。
技术实现思路
本申请的目的是提供一种新的串联序列解析方法、串联序列解析装置和存储介质。为了实现上述目的，本申请采用了以下技术方案：本申请的第一方面公开了一种串联序列解析方法，包括以下步骤：引物定位步骤，包括将5端primer序列、5端primer反向互补序列、3端primer序列和3端primer序列反向互补序列作为待分析primer序列，分别进行如下操作，根据锚长度对待分析primer序列进行连续截取得到锚片段P，在测序片段中与锚片段P完全匹配处截取与待分析primer序列等长的片段S；将待分析primer序列与片段S进行精确比对，保留比对长度占待分析primer序列的50％以上的结果，根据比对结果，记录在测序片段中相应位置上匹配的待分析primer序列及其类型；解析测序片段步骤，包括根据引物定位步骤获得的测序片段中的待分析primer序列的类型判断全长插入片段和连接点；其中，全长插入片段判断条件为相邻的两个primer之间的距离大于10bp，并且满足下列情形之一：(i)前后相邻的两个primer分别为5端primer序列和3端primer反向互补序列，(ii)前后相邻的两个primer分别为3端primer序列和5端primer反向互补序列；连接点判断条件为相邻的两个primer之间的距离小于或等于10bp，并且满足下列情形之一：(i)相邻的两个primer分别为5端primer反向互补序列和3端primer序列，(ii)相邻的两个primer分别为3端primer反向互补序列和5端primer序列，(iii)相邻的两个primer分别为3端primer反向互补序列和3端primer序列；根据连接点位置确定插入片段序列及其类型具体包括：(i)第一个连接点的primer，往前回溯至满足全长插入片段判断条件且得分最高的primer处，截取这两个primer之间的序列，记录为全长插入片段；如果不存在满足全长插入片段判断条件的primer，则从截取测序片段起点至该第一个连接点的primer处的片段，记录为非全长插入片段；(ii)最后一个连接点的primer，往后延伸至满足全长插入片段判断条件且得分最高的primer，截取这两个primer之间的序列，记录为全长插入片段；如果不存在满足全长插入片段判断条件的primer，则截取该最后一个连接点的primer至测序片段末尾的序列，记录为非全长插入片段；(iii)中间的连接点，截取两个primer之间的序列，若满足全长插入片段判断条件，则记录为全长插入片段，否则为非全长插入片段；对所有的测序片段分别进行全长插入片段判断，获得全部的全长插入片段和非全长插入片段，即完成串联序列解析。本申请中测序片段是指测序下机获得的尚未经过解析的片段，例如reads；当然，在进行本申请的串联序列解析之前，可以对下机获得的测序片段预先进行质检，过滤去除其中不符合测序质量要求的片段，在此不作具体限定。本申请中primer即引物，5端primer序列即5’端的引物序列，5端primer反向互补序列即5’端的引物序列的反向互补序列，3端primer序列即3’端的引物序列，3端primer序列反向互补序列即3’端的引物序列的反向互补序列。本申请中，得分最高的primer中，primer得分是指primer定位中精确比对的得分。本申请的截取测序片段起点是指对测序片段进行优化后，去除其接头序列等其它序列后的起点。本申请的第一个连接点primer和最后一个连接点primer是指一个测序片段中按从5’到3’端的顺序排列的所有连接点primer。需要说明的是，相邻的两个primer除了以上的几种情况以外，其它情况，例如相邻两个primer分别为5端primer和3端primer、5端primer和5端primer、5端primer和5端primer反向互补序列等，都属于非正常连接，拆分时会去掉。另外，本申请中，判断连接点的条件必须是相邻的两个primer之间的距离小于或等于10bp，因为实验操作时是加的6bp的连接片段，不满足小于或等于10bp这个条件的，不能认定为连接点。还需要说明的是，本申请的串联序列解析方法，通过锚片段快速定位，结合精确比对，极大的提升了比对效率；通过先识别连接点，再根据连接点的引物类型，进行两端延伸，有效地避免了primer比对假阳性导致的拆分错误的问题，极大的提升了拆分的准确性和数据拆分率，能够快速、准确、有效的进行串联序列解析。可以理解，本申请的关键在于利用锚片段P进行快速定位，并通过识别连接点的方式，提高拆分准确性和数据拆分率；至于获得所有测序片段的全部的全长插入片段和非全长插入片段后，后续的测序数据处理和分析，都可以参考现有技术，在此不作具体限定。本申请的一种实现方式中，锚长度的大小为4-10bp。需要说明的是，锚长度即锚片段P的长度，取决于primer的长度以及测序错误率；可以理解，锚片段P越长，其能够将待分析primer匹配到测序片段中的能力越强，但是，相应的匹配的速度和效率会受影响。本申请之所以不直接用primer序列进行比对，就是为了采用更短的锚片段P实现primer序列的快速定位。原则上，锚长度这个值越大，理论上就越快，但是可能就会漏掉很多因为测序错误不能匹配上，导致拆分率低；如果越小，肯定就越慢，一般建议的范围为4-10bp即可。本申请的一种实现方式中，截取与待分析primer序列等长的片段S，具体包括，根据锚片段P在待分析primer序列中的位置，在测序片段中截取片段S，使得锚片段P在片段S中的位置与其在待分析primer序列中的位置相同。本申请的一种实现方式中，精确比对采用Smith-Waterman算法进行局部序列比对。本申请的第二方面公开了一种串联序列解析装置，包括引物定位模块本文档来自技高网...

【技术保护点】
1.一种串联序列解析方法，其特征在于：包括以下步骤，/n引物定位步骤，包括将5端primer序列、5端primer反向互补序列、3端primer序列和3端primer序列反向互补序列作为待分析primer序列，分别进行如下操作，根据锚长度对待分析primer序列进行连续截取得到锚片段P，在测序片段中与锚片段P完全匹配处截取与待分析primer序列等长的片段S；将待分析primer序列与片段S进行精确比对，保留比对长度占待分析primer序列的50％以上的结果，根据比对结果，记录在测序片段中相应位置上匹配的待分析primer序列及其类型；/n解析测序片段步骤，包括根据所述引物定位步骤获得的测序片段中的待分析primer序列的类型判断全长插入片段和连接点；其中，全长插入片段判断条件为相邻的两个primer之间的距离大于10bp，并且满足下列情形之一：(i)前后相邻的两个primer分别为5端primer序列和3端primer反向互补序列，(ii)前后相邻的两个primer分别为3端primer序列和5端primer反向互补序列；连接点判断条件为相邻的两个primer之间的距离小于或等于10bp，并且满足下列情形之一：(i)相邻的两个primer分别为5端primer反向互补序列和3端primer序列，(ii)相邻的两个primer分别为3端primer反向互补序列和5端primer序列，(iii)相邻的两个primer分别为3端primer反向互补序列和3端primer序列；根据连接点位置确定插入片段序列及其类型具体包括：(i)第一个连接点的primer，往前回溯至满足所述全长插入片段判断条件且得分最高的primer处，截取这两个primer之间的序列，记录为全长插入片段；如果不存在满足所述全长插入片段判断条件的primer，则从截取测序片段起点至该第一个连接点的primer处的片段，记录为非全长插入片段；(ii)最后一个连接点的primer，往后延伸至满足所述全长插入片段判断条件且得分最高的primer，截取这两个primer之间的序列，记录为全长插入片段；如果不存在满足所述全长插入片段判断条件的primer，则截取该最后一个连接点的primer至测序片段末尾的序列，记录为非全长插入片段；(iii)中间的连接点，截取两个primer之间的序列，若满足所述全长插入片段判断条件，则记录为全长插入片段，否则为非全长插入片段；对所有的测序片段分别进行全长插入片段判断，获得全部的全长插入片段和非全长插入片段，即完成串联序列解析。/n...

【技术特征摘要】
1.一种串联序列解析方法，其特征在于：包括以下步骤，
引物定位步骤，包括将5端primer序列、5端primer反向互补序列、3端primer序列和3端primer序列反向互补序列作为待分析primer序列，分别进行如下操作，根据锚长度对待分析primer序列进行连续截取得到锚片段P，在测序片段中与锚片段P完全匹配处截取与待分析primer序列等长的片段S；将待分析primer序列与片段S进行精确比对，保留比对长度占待分析primer序列的50％以上的结果，根据比对结果，记录在测序片段中相应位置上匹配的待分析primer序列及其类型；
解析测序片段步骤，包括根据所述引物定位步骤获得的测序片段中的待分析primer序列的类型判断全长插入片段和连接点；其中，全长插入片段判断条件为相邻的两个primer之间的距离大于10bp，并且满足下列情形之一：(i)前后相邻的两个primer分别为5端primer序列和3端primer反向互补序列，(ii)前后相邻的两个primer分别为3端primer序列和5端primer反向互补序列；连接点判断条件为相邻的两个primer之间的距离小于或等于10bp，并且满足下列情形之一：(i)相邻的两个primer分别为5端primer反向互补序列和3端primer序列，(ii)相邻的两个primer分别为3端primer反向互补序列和5端primer序列，(iii)相邻的两个primer分别为3端primer反向互补序列和3端primer序列；根据连接点位置确定插入片段序列及其类型具体包括：(i)第一个连接点的primer，往前回溯至满足所述全长插入片段判断条件且得分最高的primer处，截取这两个primer之间的序列，记录为全长插入片段；如果不存在满足所述全长插入片段判断条件的primer，则从截取测序片段起点至该第一个连接点的primer处的片段，记录为非全长插入片段；(ii)最后一个连接点的primer，往后延伸至满足所述全长插入片段判断条件且得分最高的primer，截取这两个primer之间的序列，记录为全长插入片段；如果不存在满足所述全长插入片段判断条件的primer，则截取该最后一个连接点的primer至测序片段末尾的序列，记录为非全长插入片段；(iii)中间的连接点，截取两个primer之间的序列，若满足所述全长插入片段判断条件，则记录为全长插入片段，否则为非全长插入片段；对所有的测序片段分别进行全长插入片段判断，获得全部的全长插入片段和非全长插入片段，即完成串联序列解析。


2.根据权利要求1所述的串联序列解析方法，其特征在于：所述锚长度的大小为4-10bp。


3.根据权利要求1所述的串联序列解析方法，其特征在于：所述截取与待分析primer序列等长的片段S，具体包括，根据锚片段P在待分析primer序列中的位置，在测序片段中截取片段S，使得锚片段P在片段S中的位置与其在待分析primer序列中的位置相同。


4.根据权利要求1-3任一项所述的串联序列解析方法，其特征在于：所述精确比对采用Smith-Waterman算法进行局部序列比对。


5.一种串联序列解析装置，其特征在于：包括引物定位模块和解析测序片段模块；
所述引物定位模块，包括用于将5端primer序列、5端primer反向互补序列、3端primer序列和3端primer序列反...

【专利技术属性】
技术研发人员：朱欠华，杨林峰，黎剑波，
申请(专利权)人：武汉华大基因技术服务有限公司，
类型：发明
国别省市：湖北;42