[发明专利]多物种未出现k-mer子序列计算和特征分析方法及系统

摘要

本发明提供了一种多物种未出现k‑mer子序列计算和特征分析方法及系统，该方法包括：获取原始的物种全基因组数据，并对物种全基因组数据进行数据预处理，获得全基因组序列预处理数据；基于所述物种全基因组序列预处理数据进行不同k值长度下的未出现k‑mer子序列的计算；对不同的多个物种的全基因组数据，进行多物种之间，相同k值长度下共同未出现k‑mer子序列的计算；基于未出现k‑mer子序列的数据结果，进行长度变量分析、GC含量和AG含量的比例统计分析和差异显著性分析、进行Motif发现。该方法能够有效处理多物种全基因组数据，准确计算出未出现k‑mer子序列，并且做有效分析，且有大大提高计算效率。

主权项

1.一种多物种未出现k‑mer子序列计算和特征分析方法，其特征在于，所述方法包括：步骤1、获取原始的物种全基因组数据，提取序列数据，并获得反向互补链数据，所述序列数据与反向互补链数据构成预处理数据；步骤2、基于所述预处理数据，进行不同k值长度下的未出现k‑mer子序列计算；步骤3、对多个物种的全基因组数据，进行多物种之间，相同k值长度下共同未出现k‑mer子序列的计算；步骤4、基于步骤2中未出现k‑mer子序列以及步骤3中共同未出现的k‑mer子序列数据结果，进行特性分析；所述步骤4进一步包括：步骤401、分析首次出现LAUPs的k值大小，得到首次出现的k值阈值范围，并将该阈值范围作为后续计算中的k值阈值；步骤402、对所述步骤2中计算出的未出现k‑mer子序列的GC含量和嘌呤含量进行统计；步骤403、比较未出现k‑mer子序列与出现的k‑mer子序列的GC含量与AT含量之间、嘌呤含量和嘧啶之间的差异显著性。