[发明专利]一种微生物基因数据库的构建方法及系统

说明书

本发明公开了一种微生物基因数据库的构建方法及系统，属于基因数据库构建技术领域。所述方法包括以下步骤：获取目标微生物基因组数据，对获取的基因组数据进行基因预测，获得包含序列和物种注释的基因注释文件；获得每种目标微生物的代表基因；将所述代表基因中的每个基因分别比对到核酸序列数据库，获得比对结果；过滤比对结果，获得基因注释物种信息，保留注释物种与来源物种相同的基因，进而构建所述微生物基因数据库。利用本发明的构建方法构建微生物基因数据库，可以根据目标微生物的变化对数据库进行更新，实时性更强，利用本发明构建的微生物数据库，仅包含目标微生物基因序列，对比时间更短。

技术领域

本发明属于基因数据库构建技术领域，具体地，涉及一种微生物基因数据库的构建方法及系统。

背景技术

近年来，伴随着人体微生物组研究的不断深入，科学家发现了肠道微生物在人体的健康中发挥了很大的促进作用，目前的一些亚健康问题也是因为肠道微生态的平衡被打破导致的。益生菌作为对人体有益的一类微生物，可以很好地帮助恢复肠道微生态平衡，目前已经被普遍应用于膳食补充剂中。然而，由于益生菌种类繁多，不同国家均出台了相应的政策对可食用益生菌的种类进行规定。

传统的用于微生物的研究是通过对微生物进行培养，再进行生化表型的观察，这样要花费数十天的时间去完成。对于微生物的菌种进行鉴定，近年来发展起来的宏基因组学技术可以直接提取样本DNA进行全基因组测序，通过对这些DNA测序的结果进行分析和解读，已经可以做到对环境中微生物的群落结构、物种分类、系统进化、基因功能及代谢网络等进行研究。伴随着高通量测序技术的发展，目前已经可以做到在单次对至少几百个样本进行同时检测；同时，由于不需要进行培养，也就大大缩短了检测分析时间。

然而，基于宏基因组测序技术的微生物鉴定分析需要依赖于参考基因集，即通过将测序读长比对到参考基因集，以分析样品中的微生物的种类和基因含量。因此存在不同物种，不同地域的微生物参考基因集。对人类肠道的目标益生菌进行分析，也需要用到参考基因集，通常情况下有两种方法，使用整合基因集(IGC)或者宏基因组系统发育分析(MetaPhlAn)基因库。

整合基因集(IGC)发表于2014年，包含1267个肠道宏基因组，9879896个基因。IGC存在以下问题：(1)基因数目多，注释微生物种类多，比对时间也非常长，效率较低；(2)基因注释信息长时间未更新，准确性低；(3)公开的基因注释信息只到属水平，无法分析目标益生菌。

宏基因组系统发育分析(MetaPhlAn)是一种物种注释工具，可从二代测序数据中分析微生物群落的组成。虽然MetaPhlAn有一直更新，但也存在以下局限性：(1)使用序列比对标志基因，来获得相对丰度信息，相对于其他策略而言，假阳性较低，但读数利用率低；(2)物种检出较少，只能检出数据库内的物种；(3)物种注释只到种水平，需要使用配套的StrainPhlAn工具才能分析株水平结果。

因此，目前应用最为广泛的两种方法都不适合用于分析目标益生菌。但是传统的直接把益生菌的基因组构建成参考数据库，会有大量的重复信息，导致效率不高；另外，由于微生物基因组之间有很多共有片段，如果直接用全基因组作为参考基因组也会影响到检测结果的精度。

发明内容

为了解决上述技术问题中的至少一个，本发明采用的技术方案如下：

本发明第一方面提供一种微生物基因数据库的构建方法，包括以下步骤：

S1，获取目标微生物组合中每种目标微生物的基因组数据，其中，所述目标微生物组合包括N种目标微生物，N≥1；

S2，对步骤S1获取的基因组数据进行基因预测，获得基因注释文件；

S3，利用步骤S2获得的所述基因注释文件获得每种目标微生物的代表基因；

S4，将所述代表基因中的每个基因分别比对到核酸序列数据库，获得比对结果；