[发明专利]优化的宏基因组纳米孔测序数据定量方法

说明书

本发明提供一种通过降维分群和校正基因组长度优化宏基因组纳米孔测序数据定量的方法，所述方法能够提高宏基因组数据的定量准确度，与传统定量方法相比，相关性平均提高50％左右。

技术领域

本发明涉及生信分析领域，具体涉及一种通过降维分群和校正基因组长度优化宏基因组纳米孔测序数据定量的方法。

背景技术

宏基因组学(Metagenomics，又称元基因组学)是一种以环境样品中的微生物群体基因组为研究对象，以功能基因筛选或测序分析为研究手段，以微生物多样性、种群结构、进化关系、功能活性、与环境之间的关系为研究目的的微生物研究方法。宏基因组学允许我们越过可培养性和分类学特性的限制，直接调查细菌，病毒和真菌等微生物群落的遗传组成。宏基因组学的分析内容主要包括微生物群落的物种组分与差异分析、功能组分与差异分析、以及环境因子与微生物组的关系等。

纳米孔测序技术(又称第四代测序技术)是最近几年兴起的新一代测序技术。目前测序长度可以达到150kb。这项技术开始于90年代，经历了三个主要的技术革新：一、单分子DNA从纳米孔通过；二、纳米孔上的酶对于测序分子在单核苷酸精度的控制；三、单核苷酸的测序精度控制。目前市场上广泛接受的纳米孔测序平台是OxfordNanopore Technologies(以下简称ONT)公司的MinION和GridION纳米孔测序仪。它的特点是单分子测序，有测序读长长，文库制备方便，测序速度快，测序数据实时获取等特点。

确定微生物群落中存在的有机体及其丰富度通常是揭示这些群落生物学的第一步。分类特征分析用于推断环境微生物群落中微生物分类情况及比例(相对丰度)。分类学分析方法的特点：它们都在不同程度上依赖于(已测序微生物的)参考数据库来为序列分配分类标签。宏基因组和参考数据库的规模对分类分析提出了重大挑战。基于组装的方法特别适用于微生物组研究尤其是包含大量以前未观测到(未测序)微生物。利用宏基因组从头组装技术，即宏基因组reads首先组装成contigs，通过与参考基因组的序列比对，将分类或系统发育信息归于每个contig，得到微生物群落的物种组分，进而进行群落的差异分析，功能分析等。

除了受参考基因组的完整程度影响外，微生物定量的过程中常用序列(reads)数或归一化每百万序列(reads per million，RPM)的比值来表征特定微生物的数量或丰度。对于宏基因组，一个物种基因组长度越长、测序深度越高，得到该物种的序列数就越多，而目前的工具在计算时大多数没有考虑基因组大小和不同物种之间序列长度分布的差异。

有鉴于此，特提出本发明。

发明内容

本发明的目的是提升宏基因组纳米孔测序数据定量准确性，为实现上述目的，本发明创新性的提出了BPKM概念，即Bases Per Kilobase of reference perMillionmapped bases，其代表每百万bases中来自于某基因组每千碱基长度的bases数。通过计算BPKM可有效的提高宏基因组数据的定量准确度。

本发明提供如下技术方案：

本发明首先提供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；

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

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