[发明专利]获得目标样本的目标测序数据的方法及对目标样本的序列进行组装的方法

说明书

本发明提供一种获得目标样本的目标测序数据的方法，其包括：对第一样本进行第一测序，得到第一样本的第一序列集；对第二样本进行第一测序，得到第二样本的第一序列集；对第二样本进行第二测序，得到第二样本的第二序列集；采用第一样本的第一序列集对第二样本的第二序列集进行筛选，获得第一样本的第二序列集；所述第一样本为目标样本，所述第一样本的第二序列集为目标样本的目标测序数据。

技术领域

本文涉及一种混合样本的三代基因组的测序策略和分析方法，本文的技术方案是对混合样本中的单一样本的测序数据进行组装的方案。

背景技术

Denovo组装也叫基因组从头组装，是指不依赖于参考基因组的序列，拼接获得全新的基因组序列的过程，为研究物种起源进化及特定环境适应性奠定基础。

传统的基于二代测序（Next-Generation Sequencing，NGS）数据的组装方法，作为研究动植物基因组的重要技术，为基因组学的发展做出了重要贡献。该方法作为传统的Denovo 技术，有成本低、准确性较高的优点，同时也存在测序读长短、拼接的长度较短和难以解决长重复序列的缺点。

PacBio 公司的单分子测序技术（Single Molecule，Real-Time，SMRT）技术的出现，弥补了 NGS 在组装应用中的一些缺点，相比较二代测序技术，PacBio的单分子测序技术具有无需 PCR 扩增、超长读长（最长可达40-70KB）和无 GC 偏好等优点，经常也被称为三代测序技术（Third-Generation Sequencing，TGS）。

利用三代测序平台对某一物种的mRNA进行测序研究，因其可直接获得从5'端到3'端的高质量转录组信息而称为全长转录组测序。全长转录组测序无需组装，直接获得单分子全长mRNA信息，同时可准确鉴定基因的可变剪接、APA、融合基因、基因家族和非编码RNA等信息。

发明内容

如上所述，三代测序或也称为单分子测序由于其读长较长，对于转录本的结构相关分析具有优势，但是因为其成本较高，数据量并不能达到计算转录本表达量的目的，因此关于样本中表达量的差异比较还是需要借助二代测序。而二代测序读长较短，许多和结构相关的测序解果并不准确或者不能分析，例如可变剪接、APA、融合基因、基因家族这类的分析，则需要三代测序结果来辅助研究。

具体来说，单分子测序，如PacBio三代测序平台的基因组建库，对样本有多种要求，如要求有较高的待测样本DNA量。由于一些形体、重量或其他特征较小的物种中，如昆虫等，其基因组DNA提取困难。这就需要将这些特殊样本与其他样本进行混合处理，才能得到满足测序平台要求的DNA量或者样本量。

在本申请中对上述形体、重量或其他特征较小的物种（例如蚊子），可以采用将特殊样本与其他样本进行混合样本建库测序，以及进一步在混合样本的测序数据中获得目标样本组装数据的方法。

混合样本建库测序，在混合样本来源较纯的情况下，测序对基因组复杂度影响不大；反之，来源复杂时（如特殊情况下，混合样本存在污染），混合样本对基因组复杂度影响大，造成基因组直接组装的效果较差或组装结果不准确，导致最终的组装质量差。

基于上述现有技术中存在的问题，尚需要提供一种更为有效的方法，在进行混合样本建库测序时，对混合样本来源纯净度没有保障以及明确了混合样本来源复杂的情况下，可以通过本发明提供的方法对基因组数据的纯化或筛选，优化建库测序策略以及测序数据的分析策略，以得到混合样本中目标样本的测序数据，从而提高目标样本的组装质量。

本文涉及如下技术方案：

1. 一种获得目标样本的目标测序数据的方法，其包括：

对第一样本进行第一测序，得到第一样本的第一序列集；

对第二样本进行第二测序，得到第二样本的第二序列集；