[发明专利]测序数据分析方法和设备及高通量测序方法

权利要求书

1.一种测序数据分析方法，其特征在于，所述测序数据包括疑似污染测序读段，所述疑似污染测序读段含有接头匹配区，所述方法包括：

基于所述疑似污染测序读段的序列，确定分析窗口序列，所述分析窗口序列包括：

接头匹配区；以及

接头毗邻区，所述接头毗邻区在与所述接头匹配区的5’末端相连；

基于所述疑似污染测序读段的对应测序读段的序列，确定接头毗邻区对应序列，所述接头毗邻区对应序列位于所述对应测序读段的5’末端，并且与所述接头毗邻区具有相同的长度，所述对应测序读段与所述疑似污染测序读段分别来源于相同插入片段的两条互补链；

基于所述接头毗邻区对应序列与所述接头毗邻区的匹配水平，确定所述疑似污染测序读段是否被接头污染。

2.根据权利要求1所述的测序数据分析方法，其特征在于，所述接头匹配区的长度小于所述接头长度的50%。

3.根据权利要求1所述的测序数据分析方法，其特征在于，所述接头匹配区与所述接头的匹配水平小于50%。

4.根据权利要求1所述的测序数据分析方法，其特征在于，在容一个碱基匹配错误的情况下，所述接头匹配区与所述接头的匹配水平小于50%。

5.根据权利要求1或2所述的测序数据分析方法，其特征在于，所述接头匹配区和所述接头毗邻区的总长度为19~24bp。

6.根据权利要求1所述的测序数据分析方法，其特征在于，所述接头匹配区和所述接头毗邻区的总长度为20bp。

7.根据权利要求1所述的测序数据分析方法，其特征在于，所述测序读段的长度为150~250bp。

8.根据权利要求1所述的测序数据分析方法，其特征在于，所述测序读段为DNA。

9.根据权利要求1所述的测序数据分析方法，其特征在于，在确定所述接头毗邻区对应序列之前，将所述疑似污染测序读段的接头匹配区与接头进行比对，若容一个碱基错配且匹配水平在50%以上，则确定所述疑似污染测序读段被接头污染，不必再继续去执行如下操作：

基于所述疑似污染测序读段的对应测序读段的序列，确定接头毗邻区对应序列以及基于所述接头毗邻区对应序列与所述接头毗邻区的匹配水平，确定所述疑似污染测序读段是否被接头污染。

10.根据权利要求1所述的测序数据分析方法，其特征在于，所述接头毗邻区对应序列与所述接头毗邻区完全匹配，则确定所述疑似污染测序读段被所述接头污染。

11.一种测序数据分析设备，其特征在于，所述测序数据包括疑似污染测序读段，所述疑似污染测序读段含有接头匹配区，所述测序数据分析装置包括：

窗口序列确定模块，所述窗口序列确定模块基于所述疑似污染测序读段的序列，确定分析窗口序列，所述分析窗口序列包括：

接头匹配区；以及

接头毗邻区，所述接头毗邻区在与所述接头匹配区的5’末端相连；

对应序列确定模块，所述对应序列确定模块与所述窗口序列确定模块相连，所述对应序列确定模块基于所述疑似污染测序读段的对应测序读段的序列，确定接头毗邻区对应序列，所述接头毗邻区对应序列位于所述对应测序读段的5’末端，并且与所述接头毗邻区具有相同的长度，所述对应测序读段与所述疑似污染测序读段分别来源于相同插入片段的两条互补链；

污染读段确定模块，所述污染读段确定模块与所述对应序列确定模块相连，所述污染读段确定模块基于所述接头毗邻区对应序列与所述接头毗邻区的匹配水平，确定所述疑似污染测序读段是否被接头污染。

12.根据权利要求11所述的测序数据分析设备，其特征在于，所述接头匹配区的长度小于所述接头长度的50%。