[发明专利]一种基于低深度siRNA数据的病毒序列组装方法

权利要求书

1.一种基于低深度siRNA数据的病毒序列组装方法，其特征在于：包含以下步骤：

(1)测序获取待测材料的病毒siRNA数据；

(2)siRNA数据分组：依据初始病毒基因组特征参数对siRNA数据进行初步分组得到病毒序列群和宿主序列群；

(3)初步组装：对病毒序列群的siRNA数据，利用OLC算法进行初步组装得到病毒contig；

(4)引入同源比对参考库：将病毒contig与构建的已知病毒数据库进行比对和匹配，过滤掉所述病毒contig中的非病毒序列，保留病毒的siRNA数据，并找出潜在存在的病毒或者其同源序列；

(5)数据找回：利用所述同源序列到步骤(2)中分出的宿主序列群中找回属于病毒序列群的序列；

(6)精确组装：利用步骤(5)找回的病毒序列和步骤(4)保留的病毒的siRNA数据，以构建的已知病毒数据库的序列为模板进行序列比对，进行精确组装得到取待测材料中的病毒基因组数据。

2.根据权利要求1所述的方法，其特征在于：5

依据初始病毒基因组特征参数对siRNA数据进行初步分组是指依据siRNA的GC含量、siRNA长度和/或启动子序列，符合这些参数的序列归为病毒序列群；其余siRNA数据归为宿主序列群。

3.根据权利要求1或2所述的方法，其特征在于：

根据步骤(3)初步组装得到病毒contig提取病毒基因组二次特征参数，

以病毒基因组二次特征参数替换初始病毒基因组特征参数重复步骤(2)-(3)3-5轮。

4.根据权利要求1所述的方法，其特征在于：

利用OLC算法进行初步组装得到病毒contig包括：

对分组得到病毒序列群所有siRNA测序数据进行两两比对，找到片段间的重叠信息；

根据得到的重叠信息将存在重叠的片段建立组合关系得到病毒contig。

5.根据权利要求1所述的方法，其特征在于：

构建的已知病毒数据库的病毒基因组数据来源于网络发表的完整病毒基因组数据。

6.根据权利要求1所述的方法，其特征在于：

siRNA数据为fasta或fastq格式

病毒基因组数据为fasta或fastq格式。