[发明专利]一种微生物识别方法及系统

说明书

技术领域

本发明涉及一种基于基因组的物种分析技术，特别是一种微生物识别方法及系统。

背景技术

已有的微生物研究方法需要先对微生物进行分离培养，但是据估计只有大约1％的原核微生物能够在实验室中培养。已有的微生物识别(Microorganisms Identification)系统均为基于生物化学反应或化学成分分析的原理，没有基于基因组学分析的系统方法。传统方法对微生物识别的分辨率低，依靠有限的生物化学反应或者有限的成分组合在较多的场合无法区分不同的微生物，传统的方法研究微生物具有很大的局限性。

随着各种微生物基因组的测定，利用微生物基因组序列作为标准材料进行物种识别成为可能。尽管已经有理论证明，平均核酸匹配度(Average nucleotide identity，ANI)距离或者(in silico DNA–DNA hybridization,isDDH)值等指标可以作为确定物种判别性的科学依据。但是因其计算效率低，只能就给定的2个数据样本进行比较计算,无法作为实用的“数据库搜索”方法使用。因此，判别性的距离计算需要和一个能快速在基因组数据库中搜索，得到数据库中距离最近记录的方法结合。

搜索核酸序列遗传距离的方法可以用来测量遗传多样性以及推断其是否近缘或最近共同祖先，乃至推断其是否同一物种。对于给定的一个核酸序列集合，找到与查询序列距离最近元素目前主要是使用基于序列比对(Sequence alignment)的方法，通过比对结果进行打分，从而计算序列两两之间的距离，得到距离矩阵，从而进行距离判断。

现有方法在同一物种之间(genetic divergence较小)，核酸序列长度较短(如病毒基因组片段)，序列数量较少的时候具有可以接受的性能。而当序列较长(如细菌全基因组)，序列数量较多(千级，万级乃至更多)，遗传距离较大(不同物种之间)时，性能下降严重。随着基因组序列数据(库)容量的增多，目前的方法学的性能无法满足应用需要。

发明内容

针对现有技术存在的上述问题，本发明的目的在于提供一种微生物识别方法及系统，使得给定的查询基因组能够在短时间并消耗较少计算资源的情况下快速在万级或更多的微生物全基因组序列中命中遗传距离最短的记录，并且准确判断查询基因组序列是否和命中记录为同一属种。

本发明提供了一种微生物识别方法，包括以下步骤：

步骤一，输入待检测微生物的全基因组序列；

步骤二，计算上述全基因序列的特征向量，将上述特征向量与数据库中预存的特征向量进行距离计算和排序定位，搜索并收敛至记录数少于等于预设数量为止；

步骤三，对搜索得到的一组同输入序列距离最近的记录，进行平均核酸匹配度指标ANI/isDDH和序列比对长度比例的计算，用于判断该待测微生物的属种或亚种。

优选地，所述步骤二中的序列特征为基因组DNA的k-mer频数。

优选地，所述步骤二中的距离为空间距离。

优选地，所述步骤二还包括以下步骤：

根据输入特征向量同预存特征向量计算距离迭代缩小搜索空间，收敛至距离最小的若干记录；

搜索过程中使用不同的k值同预存或实时计算的向量进行距离计算；k-mer频数根据需要进行均一化处理。

本发明还提供了一种微生物识别系统，包括输入装置、计算装置、比较装置、输出装置和数据库，所述输入装置用于录入数据，所述计算装置用于计算数值、搜索和排序定位，所述比较装置用于比较计算值与预设值之间的大小关系，所述输出装置用于输出结果，所述数据库用于存储数据。

优选地，所述数据库设有基因组序列子数据库。

优选地，所述数据库设有基因组序列衍生结构注释和功能注释信息子数据库。

优选地，所述数据库设有基因组元信息子数据库。

优选地，所述数据库设有基因组序列衍生特征子数据库。

优选地，所述基因组序列子数据库用于保存单个微生物分离株的全基因组序列拼装。

综上所述，本发明具有以下优点：

本发明本发明提供数据库系统以保存参考基因组记录，管理方便。特征计算可仅在记录插入时进行一次，无需每次查询时进行反复计算，提高了查询效率并降低了查询时的计算开销。本识别方法效率高，计算开销小，运行周期短，并可以得到确定的微生物属种识别依据。同时鲁棒性强，随机删除输入基因组序列50％甚至更多的成分之后亦能得到可靠结果输出。且本方法可不依赖特定的遗传标记(如16S rRNA基因等)。

附图说明