[发明专利]一种核酸第三代测序原始数据的处理方法及其应用

权利要求书

1.一种核酸第三代测序原始数据的处理方法，其特征在于：包括将第二代短序列数据比对到第三代自纠错数据上，统计比对结果中第三代自纠错数据的单碱基覆盖深度，将单碱基覆盖深度低于阈值的区域屏蔽为N，采用第二代测序的补洞软件对N屏蔽区域进行补洞，以获得单碱基错误率较低的核酸第三代测序数据。

2.根据权利要求1所述的处理方法，其特征在于：具体包括以下步骤，

（a）根据接头序列信息、低质量碱基占整条序列的百分比、含N个数占整条序列的百分比以及复制序列情况，对相同核酸待测样品的第二代测序原始数据进行过滤处理，获得第二代短序列数据；

（b）根据接头序列、序列长度和序列质量值，对相同核酸待测样品的第三代序列原始数据进行过滤处理，获得第三代长序列数据；

（c）对步骤（b）获得的第三代长序列数据，通过多重序列比对的方法将20倍以上的第三代数据的错误率降低到3%左右，获得第三代自纠错数据；

（d）将步骤（a）获得的第二代短序列数据比对到步骤（c）的第三代自纠错数据上，统计第三代自纠错数据中单碱基覆盖深度以及长序列的覆盖率；

（e）将单碱基覆盖深度低于阈值的区域屏蔽为N，获得屏蔽后的第三代自纠错数据；

（f）将步骤（e）中获得的含有N的屏蔽后的第三代自纠错数据视为含洞的骨架序列，采用至少两种不同的第二代测序短序列补洞软件，分别对屏蔽后的第三代自纠错数据进行补洞，获得第三代二次自纠错数据，并提取获得所有补洞序列；

（g）将所有补洞序列与其相应的被屏蔽处的原始序列进行一一比对，相似度低于相似性阈值的区域还原为原始序列，相似度高于或等于相似性阈值的区域替换为补洞序列，并且，将没有补洞或者补洞不完全的区域还原为原始序列，即获得最终的核酸第三代测序数据。

3.根据权利要求2所述的处理方法，其特征在于：在将步骤（a）获得的第二代短序列数据比对到步骤（c）的第三代自纠错数据上之前，还包括步骤（a2）根据步骤（a）获得的第二代短序列数据构建K-mer频谱，通过K-mer频谱对所述第二代短序列数据进行纠错，获得高精准的第二代短序列数据，再将该高精准的第二代短序列数据用于步骤（d），与步骤（c）的第三代自纠错数据比对。

4.根据权利要求3所述的处理方法，其特征在于：所述K-mer频谱的构建以及K-mer频谱对所述第二代短序列数据进行纠错采用的软件为Soapdenovo2软件包及其纠错模块SOAPec-2.0。

5.根据权利要求2所述的处理方法，其特征在于：所述步骤（e）中，具体的将单碱基覆盖深度低于3的区域屏蔽为N；所述步骤（g）中，相似性阈值为95%。

6.根据权利要求2-5任一项所述的处理方法，其特征在于：在步骤（e）之前，还包括步骤（d2）将双末端覆盖深度为0的碱基切除，并删除覆盖率低于25%的长序列。

7.根据权利要求6所述的处理方法，其特征在于：所述步骤（c）采用的自纠错软件为MHAP、Falcon、HGAP或Canu。

8.根据权利要求6所述的处理方法，其特征在于：所述步骤（d）和（e）采用的软件为Soap2或Bwa；所述步骤（f）中采用了两种补洞软件进行补洞，具体为KGF和Gapcloser；所述步骤（g）中采用的比对软件为Blast+。

9.一种核酸测序平台或系统，其特征在于：所述核酸测序平台或系统采用权利要求1-8任一项所述的处理方法对测序获得的原始数据进行处理。