一种基于二代和三代测序技术的宏病毒组分析方法技术

本发明专利技术公开了一种基于二代和三代测序技术的宏病毒组分析方法，包括对二代测序原始数据进行质量控制和过滤，得到clean reads，对质控后的数据进行单样本和多样本组装得到contigs序列；对三代测序原始数据进行校正和质量控制，得到clean长序列，对质控后的三代数据进行组装得到contigs序列；对二三代测序的质控后数据进行混合组装得到contigs序列；将所有contig合并构建非冗余的contigs集合；最后进行病毒的识别和判定、病毒的物种注释和功能注释。本发明专利技术提出了可靠的基于二代和三代测序技术的宏病毒组的分析方法，其实现方法简单，应用范围广泛。应用范围广泛。应用范围广泛。

【技术实现步骤摘要】
一种基于二代和三代测序技术的宏病毒组分析方法


[0001]本专利技术涉及二代和三代测序
以及宏病毒组学领域，具体为一种基于二代和三代测序技术的宏病毒组分析方法。

技术介绍

[0002]病毒是微生物的重要组成部分，其组成变化与众多疾病相关，是地球生物圈最丰富的生物种类。可以侵袭细菌且导致宿主裂解的病毒又被称作噬菌体，其作为一种可移动遗传元件，可将遗传物质在细菌之间传播。近年来，由于抗生素的广泛使用，超级细菌层出不穷，病原菌对抗生素耐药性的威胁越来越大，抗生素治疗效果受到严峻的挑战，由于噬菌体可以入侵并改变(通常是降低)宿主菌的适应性，噬菌体治疗又重新成为热点。因此，病毒在调节细菌的生物量、维持生物多样性、基因水平转移以及整个生物圈内的生物化学循环都有着重要作用，还可作抗生素的替代品，具有很强的实用价值。
[0003]宏病毒组学是在宏基因组学理论的基础上，结合现有的病毒分子生物学检测技术而兴起的一个新的学科分支，是某类样本中所有病毒或病毒类似物及其所携带遗传信息的总称。宏病毒组直接以环境中所有病毒的遗传物质为研究对象，能够快速准确的鉴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二代和三代测序技术的宏病毒组分析方法，其特征在于，包括以下步骤：(1)将二代基因组测序所得的原始高通量测序数据进行过滤，得到过滤后的数据；将该过滤后的数据进行组装，得到二代组装contigs；(2)将三代基因组测序所得的原始高通量测序数据进行过滤，得到过滤后的数据；将该过滤后的数据进行组装，得到三代组装contigs；该步骤中的组装根据样本测序数据量的大小进行，单样本测序数据量超过100G时，使用以下方法1或方法2的单一组装方法；若小于等于100G，则同时使用以下两种组装方法；其中：方法1：通过reads长度、测序深度和基因组大小运用de Bruijn算法计算出性能最佳的K
‑
mer，将其作为固定K
‑
mer值检测重复序列并组装成contigs序列；方法2：采用少数服从多数原则对reads进行纠错修正，根据重叠度确定碱基一致的区域为高质量区域，修整不能完全重叠的低质量区域；重新计算重叠区的序列一致性，序列完全重叠区域为unitigs，重叠区域包含部分重叠的片段为contigs；然后对unitigs序列文件使用k
‑
medoids聚类算法进行迭代binning，得到bins；再进行序列判定：即当contig的所有unitigs都属于同一bin，那么保留该contig，反之，则保留所有unitigs；(3)二代和三代宏病毒组测序数据进行混合组装：同时采用以下两种组装方法，得到二代和三代混合组装的contigs；其中：方法1：构建步骤(1)中过滤后的数据的拼接集，得到二代拼接集，利用贝叶斯模型方法将步骤(2)中过滤后的数据来填补二代拼接集中间不能相连的片段，得到contigs；方法2：使用HYBRIDSPADES算法对步骤(1)中过滤后的数据和步骤(2)中过滤后的数据进行组装得到contigs；(4)构建非冗余的contigs集合：将步骤(1)得到的二代组装contigs、步骤(2)得到的三代组装contigs以及步骤(3)得到的二代和三代混合组装的contigs合并，根据序列的相似度将大于95％的序列聚类成一个cluster，选取最长的序列作为该cluster的代表序列，所有的代表序列即为获得的非冗余contigs集合；(5)病毒序列的识别和判定：对步骤(4)中得到的非冗余的congtigs集合采用不少于三种方法进行病毒识别和判定，至少被两种方法识别为病毒的contigs被保留；将保留的contigs与病毒组数据库进行比对来判定完整性，过滤掉大于10％的错误匹配，最终保留的contigs被判定为病毒序列；病毒识别的方法包括：方法1：应用机器学习使用基因组特征进行病毒识别；所述基因组特征包括结构、功能、分类注释和病毒标志基因；方法2：基于病毒序列K
‑
mers词频和机器学习识别病毒序列；方法3：基于深度学习算法，设计出双通道卷积神经网络的网络结构，有效地对DNA片段进行病毒识别。2.如权利要求1所述的基于二代和三代测序技术的宏...

【专利技术属性】
技术研发人员：陈卫华，孙楚晴，高娜，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：