[发明专利]一种对核酸序列信息进行匹配的方法

说明书

本发明涉及信息处理领域，提供了一种对核酸序列信息进行匹配的方法，所述方法包括以下步骤：A、对数据库中的参考序列进行BWT变换，得匹配参考序列，并将匹配参考序列存储在数据库中；B、对数据库中的匹配参考序列进行间隔标记；C、将核酸序列片段依次分别与数据库中的匹配参考序列进行一致性匹配，得匹配核酸序列。本发明的对核酸序列信息进行匹配的方法能实现核酸序列信息与参考序列的快速匹配。

本案为2012年07月08日申请的，申请号为201210263634.7，发明名称为《一种对核酸序列信息进行匹配的系统和方法》的分案申请。

技术领域

本发明涉及信息处理领域，更具体地说，涉及一种对核酸序列信息进行匹配的系统和方法。

背景技术

美国科学家于1985年提出人类基因组计划，经过美国、英国、法兰西共和国、德意志联邦共和国、日本和中国科学家的共同努力，于2000年完成了人类基因组“工作框架图”。并于2001年公布了人类基因组图谱及初步分析结果。其研究内容还包括创建计算机分析管理系统（也即通过计算机分析系统对测序的结果进行处理，得到核酸序列信息），检验相关的伦理、法律及社会问题。在人类基因组图谱公布后，国内外开始积极投入到各个生物种族的基因图谱绘制的工作中。利用核酸序列信息与已有的基因组图谱（参考序列）进行比较，通过转录物组学和蛋白质组学等相关技术对基因表达谱、基因突变等进行匹配分析，可获得与疾病相关基因的信息。通过核酸序列信息与基因组图谱进行匹配、分析，并揭秘患病的根源，已成为生化医疗领域高度关注的问题，全球的基因测序技术也因此发展的如火如荼，但要准确快速的从浩瀚的测序结果数据中得到基因信息，却成了当前基因测序技术发展的瓶颈。

对核酸序列信息进行匹配的系统是利用计算机对测序所得的核酸序列片段在已知的参考序列上进行匹配，也即一一比对，根据匹配的结果进行后续的分析。对核酸序列信息进行匹配的方法是基于对核酸序列信息进行匹配的系统对核酸序列信息进行匹配的过程。

现有技术中，一种对核酸序列信息进行匹配的方法，所述方法包括步骤：A、根据允许错配的个数n，将每条核酸序列片段分成至少n+1条参与匹配的短片段，得短片段的数据库；B、根据参与匹配的短片段的长度建立并存储参考序列索引，得数据库；C、把每条核酸序列片段分段建立的短片段分别单独在数据库中进行匹配，得匹配结果。因为参考序列索引是等长的，根据概率的原理，存在完全相同的多个参考序列索引。该技术方案中，每条参与匹配的短片段依次与参考序列索引进行匹配，短片段需要与所有的参考序列索引分别进行匹配（短片段需要分别与多个相同的参考序列索引进行匹配），这将大大降低信息处理的速度。并且参考序列和核酸序列均需要进行分段处理，这将进一步增加了信息处理的工作量，从而进一步降低了信息处理的速度。另外，参考序列建立的参考序列索引和核酸序列分段建立的短片段，将产生大量的信息，这将增加信息处理装置的存储空间。

因此需要一种新的对核酸序列信息进行匹配的系统和方法，能够实现核酸序列与参考序列快速匹配。

发明内容

本发明的目的在于提供一种对核酸序列信息进行匹配的系统和方法，旨在解决现有技术核酸序列信息与参考序列进行匹配时，速度慢的问题。

为了实现发明目的，一种对核酸序列信息进行匹配的系统包括数据库、参考序列变化单元、标记单元和匹配单元。所述数据库，用于存储参考序列；所述参考序列变换单元，用于对数据库中的参考序列进行BWT变换，得匹配参考序列；所述标记单元，用于对数据库中的匹配参考序列进行间隔标记；所述匹配单元，用于将核酸序列片段依次与数据库中的匹配参考序列进行一致性匹配，得匹配核酸序列。

一致性匹配包括允许错配和不允许错配的情况。在允许N个错配的情况下，核酸序列片段至多有N个碱基与数据库中的匹配参考序列不一致称为一致性匹配；在不允许错配的情况下，核酸序列片段与数据库中的匹配参考序列完全一致称为一致性匹配。N为正整数。