[发明专利]一种优化的kraken2算法及其在二代测序中的应用

权利要求书

1.一种生信分析方法，其特征在于，包括如下步骤：

1）序列比对：NGS测序数据使用kraken2进行序列比对，获得每条序列taxid-kmer结果；

2）基于taxonomy数据库建立taxid层级关系：根据步骤1）taxid kmer 结果关联taxonomy层级，根据定位规则重定位taxid；

3）计算每条序列kmer score：根据每条序列经过步骤2）重定位的taxid和步骤1）的taxid-kmer结果计算每条序列kmer score；

4）对比对结果进行整体计算：根据kmer score和taxonomy层级进行整体计算；

所述步骤3）中所述kmer score计算规则如下：

最终定位到科层级taxid以下的序列， kmer score = (科taxid-kmers + 属taxid-kmers + 种taxid-kmers + 亚型/血清型 taxid-kmers) /总kmers；

最终定位到科层级taxid以上的序列，kmer score为0。

2.权利要求1所述的生信分析方法，其特征在于，所述方法进一步包括：

5）物种taxid检测：根据4）的整体计算结果进行物种taxid检测。

3.权利要求1-2任一所述的生信分析方法，其特征在于，所述步骤2）中层级关系包括血清型/亚型、种、属、科的一种或多种。

4.权利要求1-2任一所述的生信分析方法，其特征在于，所述步骤2）中重定位规则包括：

通常情况下接受kraken2给出的taxid定位，以下情况进行重定位：

某条序列根据taxid-kmer结果获得唯一taxid且taxid低于种层级，则定位为该taxid所属的种层级taxid；

某条序列根据taxid-kmer结果获得超过2个taxid时，分3种情况：

所有taxid，关联到种层级上只出现1个，其他taxid属于该种的血清型/亚型、属、或科层级，则定位到该种层级taxid；

所有taxid，关联到种层级超过2个且属于同一属，则最终定位到属层级taxid；

所有taxid，关联到属层级超过2个且属于同一科，则最终定位到科层级taxid。

5.权利要求1-2任一所述的生信分析方法，其特征在于，所述步骤4）中整体计算包括：

a、设定一个过滤 cutoff阈值, 对每条序列根据kmer score进行过滤；

b、对a中经过过滤的序列，统计taxid的reads；

所述taxid的reads是一个样本出现的taxid的序列总数；

c、设定一个过滤阈值threshold，对b中定位到种层级的taxid进行过滤，计算其属相对比值，排除低于阈值的种层级taxid；

所述属相对比值为某个种层级taxid reads相对于同属reads最高的种层级taxidreads的比值。

6.权利要求5所述的生信分析方法，其特征在于，所述步骤4）中所述整体计算还包括：

d、 经c过滤的种层级taxid，若缺乏属分类，则计算科相对比值，排除低于过滤阈值threshold种层级taxid；

所述科相对比值为某个种层级taxid reads相对于同科reads最高的种层级taxidreads的比值。