[发明专利]优化的宏基因组纳米孔测序数据定量方法

权利要求书

1.一种提高宏基因组数据的定量准确度的生信分析方法，其特征在于，包括如下步骤：

步骤1)序列生成；

步骤2)序列质控；

步骤3)降维聚类：获取reads的k-mer频数矩阵,基于频数特征矩阵对所有测序reads进行降维分群；

步骤4)组装：对每群所含reads单独进行组装，得到contigs；

步骤5)数据库比对：将组装后的contigs分别与数据库进行比对，基于比对结果进行contigs物种鉴定；

步骤6)序列比对：将步骤2)质控后序列比对到步骤4)组装后的contigs上，得到比对结果bam文件；

步骤7)BPKM统计：基于bam文件统计每个contig覆盖的碱基数，进行BPKM统计；

步骤8)基于步骤5)得到的contigs与物种对应关系，如果一个物种对应多个contigs，以所有contigs的BPKM均值作为该物种的最终定量结果；

所述BPKM为每百万bases中来自于某基因组每千碱基长度的bases数，定义公式如下：

其中，所述base数为contigs覆盖碱基数；所述测序总base数为质控后的reads所包含的所有碱基数；

所述测序数据为四代纳米孔测序数据；

所述步骤1)序列生成为：测序平台产生的原始信号通过basecalling，得到的fastq格式的序列信息；

所述步骤2)序列质控为：统计序列的长度和质量值，对于纳米孔长读长数据，过滤低质量和长度过短的序列，同时去除接头序列；质控后进一步包括序列矫正步骤：过滤后的序列使用CONSENT软件进行碱基自校正。

2.权利要求1所述提高宏基因组数据的定量准确度的生信分析方法，其特征在于：

所述步骤5)中的比对为blast比对，数据库为NCBI NT数据库。

3.权利要求1-2任一所述提高宏基因组数据的定量准确度的生信分析方法，其特征在于，所述步骤3)中k-mer频数矩阵为5-mer频数矩阵；

所述步骤3)降维聚类是采用umap降维处理。

4.权利要求1-2任一所述提高宏基因组数据的定量准确度的生信分析方法，其特征在于，所述步骤4)中所述组装为使用Canu对于每个cluster的reads单独进行组装；还包括基于Medaka对组装结果进行纠错。

5.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-4任一项所述方法。