[发明专利]基于模糊k均值的宏基因组片段聚类方法

摘要

一种基于模糊k均值的宏基因组片段聚类方法，属于涉及生物信息学分析技术领域。本发明的目的是在不对宏基因组片段进行组装的条件下，利用宏基因组片段本身的特征，实现宏基因组片段的聚类，从而得出其所包含的物种个数以及各物种丰度比的基于模糊k均值的宏基因组片段聚类方法。本发明的步骤是：宏基因组片段的获取、特征向量的建立、利用模糊k均值方法进行聚类、根据聚类结果计算宏基因组数据中包含的物种个数和物种的丰度比。本发明所述的方法具有直接、方便的特点。

主权项

种基于模糊k均值的宏基因组片段聚类方法，其特征在于：a、宏基因组片段的获取：微生物全基因序列利用宏基因组模拟软件MetaSim合成一个宏基因组片段集；b、特征向量的建立：使用DNA片段的k‑mer频率作为特征向量：①计算每个片段的k‑mer频率，即用一个列向量来表示一个DNA片段；②对步骤1）中计算得到的特征向量进行归一化，归一化方法为：特征向量中每一个元素都除以该特征向量中元素的最大值，即：其中，是特征向量的维数，是宏基因组中片段的数量，是第个特征向量中第个元素；c、利用模糊k均值方法进行聚类：在建立特征向量之后，即可利用模糊k均值方法对宏基因组片段进行聚类；d、根据聚类结果计算宏基因组数据中包含的物种个数和物种的丰度比：利用模糊k均值方法聚类的结果是将宏基因组片段分为若干个类，类的个数即为该宏基因组数据中所包含的物种个数，每个类所属片段的序列总长度占宏基因组中所有片段的序列总长度的百分数视为该物种的丰度比。