[发明专利]一种短序列组装中构建图的方法及系统有效
申请号: | 200810218338.9 | 申请日: | 2008-12-12 |
公开(公告)号: | CN101430742A | 公开(公告)日: | 2009-05-13 |
发明(设计)人: | 李瑞强;阮珏;朱红梅;李松岗;王俊;杨焕明;汪建 | 申请(专利权)人: | 深圳华大基因研究院 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;C12Q1/68 |
代理公司: | 深圳中一专利商标事务所 | 代理人: | 张全文 |
地址: | 518083广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 序列 组装 构建 方法 系统 | ||
技术领域
本发明属于基因工程技术领域,尤其涉及一种组装基因组的方法。
背景技术
新测序技术产生的短序列有两个特点:
1.序列长度短;
2.数据量大。
长序列组装常用的phrap等软件均基于序列间的交叠(overlap)来拼接,在短序列上的运算量太大,没有实际应用价值。新兴的短序列组装软件中成功处理短序列的,例如velvet等,基于de Bruijn图。但是,由于受内存、时间等的限制,现有短序列组装软件只能组装较小的原核生物基因组,对于大基因组,例如真核生物基因组,特别是哺乳动物基因组数据,均不能组装。
发明内容
本发明实施例的目的在于提供一种组装基因组的方法,旨在解决现有短序列组装软件不能组装大基因组的问题。
本发明实施例是这样实现的,一种组装基因组的方法,所述方法包括下述步骤:
接收测序序列;
分别将接收到的测序序列逐个碱基滑动切割得到固定碱基长度的短串,并得到所述短串的左、右连接关系;
将得到的各所述短串的序列值,左、右连接关系及其连接数量存储为deBruijn图的一个节点;
根据构建的de Bruijn图对基因组进行组装;
所述de Bruijn图的一个节点中存储互补的两短串,节点的序列值取互补的两短串中较小的序列值。
在本发明实施例中,通过分别将接收到的测序序列逐个碱基滑动切割得到固定碱基长度的短串,并得到短串的左、右连接关系,将得到的各短串的序列值,左、右连接关系及其连接数量存储为de Bruijn图的一个节点,实现了一种组装基因组的方法,能对大基因组进行组装,占用内存小、速度快。
附图说明
图1是本发明实施例提供的短序列组装中构建图的方法的实现流程图;
图2是本发明实施例提供的节点存储内容的示意图;
图3本发明实施例提供的短序列组装中构建图的系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中,通过分别将接收到的测序序列逐个碱基滑动切割得到固定碱基长度的短串,并得到短串的左、右连接关系,将得到的各短串的序列值,左、右连接关系及其连接数量存储为de Bruijn图的一个节点。
图1示出了本发明实施例提供的短序列组装中构建图的方法的实现流程, 详述如下:
在步骤S101中,接收测序序列;
在步骤S102中,分别将接收到的测序序列逐个碱基滑动切割得到固定碱基长度的短串(kmer),并得到短串的左、右连接关系;
在步骤S103中,将得到的各短串的序列值,左、右连接关系及其连接数量存储为de Bruijn图的一个节点。
在本发明实施例中,测序序列的碱基长度为25-75,切割成固定碱基长度为21-31的短串。当然,切割得到的短串的长度小于测序序列的长度,其长度可以根据测序序列的长度和实际情况设定。de Bruijn图中每个节点使用相应位存储其序列值、存在左连接的各碱基的连接数量和存在右连接的各碱基的连接数量。这里,用16字节存储de Bruijn图上的各节点,其存储格式如下:
[seq:64,left_links:24,right_links:24,...];
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳华大基因研究院,未经深圳华大基因研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/200810218338.9/2.html,转载请声明来源钻瓜专利网。
- 上一篇:溴代金刚烷的制备方法
- 下一篇:停车装置
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用