[发明专利]基于光学图谱平台Irys的一种de novo测序数据组装方法

摘要

本发明涉及一种基于光学图谱平台Irys的一种denovo测序数据组装方法，使用光学图谱平台Irys得到基因组装文件；同时，拿到NGS的scaffold文件：fai文件；数据预处理：通过设定阈值，过滤掉可信度低的比对结果，合并cmap文件，排序，计算N50；组装效果统计：统计BioNano与NGS比对结果，包括BioNano的contig与NGS的scaffold长度、个数以及总量；根据BioNano的contig与NGS的scaffold之间的网络拓扑关系，分类分析组装出的新的contig长度与scaffold长度。可以辅助基因组组装，明显提高物种的基因组装效果。

主权项

1.一种基于光学图谱平台Irys的一种denovo测序数据组装方法，其特征在于，步骤为：第一步，使用光学图谱平台Irys得到基因组装文件：xmap文件、q.cmap文件、r.cmap文件；同时，拿到NGS的scaffold文件：fai文件；第二步，数据预处理：通过设定阈值，过滤掉低可信度的比对结果，合并cmap文件，排序，计算N50；第三步，组装效果统计：统计BioNano与NGS比对结果，包括BioNano的contig与NGS的scaffold长度、个数以及总量；第四步，根据BioNano的contig与NGS的scaffold之间的网络拓扑关系，分类分析组装出的新的contig长度与scaffold长度；其中，第四步分类分析是指采用无向拓扑图显示两种方法中参与比对contig的大小与网络关系，BioNano的contig与NGS的scaffold按照一一对应、一对多、多对一的关系进行分类分析；一一对应，计算组装的contig长度；一对多，计算组装的scaffold长度；并且，所述的一一对应，计算组装的contig具体分为四类：i)BioNano的contig片段包含在NGS的scaffold中，表明组装出来的contig长度没有NGS的scaffold长度长；故此时gap为0，组装的contig记为NGS的scaffold长度Contig_length，NGS的scaffold长度为QLContig_length＝QL；ii)NGS的scaffold片段包含在BioNano的contig中，说明两个酶切位点之间的距离，也就是记录的contig之间存在gap，则计算gap长度；假设两个酶切位点分别为RS、RE，记录的contig长度为RL，则gap长度，记为Gap_size，则Gap_size＝RS+RL‑RE；iii)BioNano的contig长度与NGS的scaffold长度相等，此时gap为0，定义此时组装的contig长度记为Contig_length为两者的平均值，假设NGS的scaffold起始和结束位置分别为QS、QE，长度为QL，则有RE‑RS‑RL＝QE‑QS‑QL，Contig_length＝(RL+QL)/2；iiii)BioNano的contig长度与NGS的scaffold分为正方向比对与负方向比对，分别用“+”与“‑”区分；正方向比对，此时组装的contig长度Contig_length为Contig_length＝RL‑RE+QE或者Contig_length＝RS+QL‑QSGap为RL‑RE或者RS；BioNano的contig长度与NGS的scaffold负方向比对，此时，组装的contig长度Contig_length为Contig_length＝RL‑RE+QL‑QEContig_length＝RS+QSGap为QE或者QL‑QS；所述的一对多，计算组装的scaffold长度是指提取一条BioNano的contig与两条NGS的scaffold比对上的contig，并按照拼接方向，分为“++”、“+‑”、“‑+”、“‑‑”4种情况组装出更长的contig，即为组装的scaffold；当拼接方向为“++”时，定义此时组装的scaffold长度scaffold_length如下：scaffold_length＝(RS2‑RS1)+QS1+(QL2‑QS2)；当拼接方向为“+‑”时，定义此时组装的scaffold长度scaffold_length如下：scaffold_length＝(RS2‑RS1)+QS1+(QS2‑QE2)；当拼接方向为“‑+”时，组装的scaffold长度scaffold_length为：scaffold_length＝(RS2‑RS1)+(QL1‑QS1)+(QL2‑QS2)；当拼接方向为“‑‑”时，组装的scaffold长度scaffold_length为：scaffold_length＝(RS2‑RS1)+(QL2‑QS1)+QE2；RS1：BioNano方法中contig1的开始位置；RE1：BioNano方法中contig1的末端位置；RS2：BioNano方法中contig2的开始位置；RE2：BioNano方法中contig2的末端位置；QS1：NGS方法中contig1的开始位置；QS2：NGS方法中contig1的末端位置；QE1：NGS方法中contig2的开始位置；QE2：NGS方法中contig2的末端位置；QL1：NGS方法中contig1的长度；QL2：NGS方法中contig2的长度。