申请/专利权人：武汉生命之美科技有限公司

申请日：2016-06-14

公开（公告）日：2021-07-02

公开（公告）号：CN107506614B

主分类号：G16B30/00(20190101)

分类号：G16B30/00(20190101);G16B25/10(20190101);G16B50/30(20190101)

优先权：

专利状态码：有效-授权

法律状态：2021.07.02#授权;2018.01.19#实质审查的生效;2017.12.22#公开

摘要：本发明属于生物信息技术领域，尤其涉及利用Illumina二代测序获得的碱基片段结合PeakCalling方法进行细菌非编码RNA的分析预测方法。该方法包括剔除rRNA的细菌二代测序数据；获得数据后，对数据进行以下分析：先对数据进行去污染和去低质量分析，获得Cleanreads；然后将reads比对到细菌基因组上；进行转录单元的初步预测；过滤掉已注释的mRNA和ncRNA，获得预测的ncRNA；将ncRNA注释到已知的ncRNA数据库Rfam，获得最终的预测结果。本发明可以非常精确地预测细菌基因组中未注释的ncRNA，弥补了实验手段的不足，为后期的实验和科学研究提供很有利的支持。

主权项：1.一种基于Illumina的转录组测序数据和PeakCalling方法的细菌ncRNA预测方法，其特征在于，包括如下步骤：通过Illumina测序平台获取某一物种至少一组rRNA剔除的转录组的原始测序数据；过滤各组原始测序数据中的不合格数据，获得各个转录组的待分析数据；所述各组原始测序数据中的不合格数据包括：低质量的reads，其中所述低质量的reads包括序列中超过30％的碱基质量值低于20的reads；修剪掉测序接头后序列长度低于16的reads；修剪掉低质量的碱基序列后序列长度低于16的reads，其中所述低质量碱基序列是指从3’端开始，测序质量值低于20的碱基；对所述各转录组获得的待分析数据进行如下步骤的分析和筛选：1将所述各个转录组的待分析数据分别比对到所述物种的参考基因组；所述比对是使用bowtie或bowtie2软件进行的，利用bowtie软件比对时，参数的具体设置如下：使用-v参数，容许2个mismatch，输出2个最佳匹配结果；利用bowtie2进行比对时，-N参数选择为1，采用--end-to-end比对模式，设置程序运行时的线程数为1～16；设置输出文件类型为sam格式；2利用bedtools的genomecov软件统计参考基因组中每个位置的比对深度，选择-d参数，对全基因组的比对深度进行定量分析；3根据比对深度，利用PeakCalling方法获得参考基因组中所有的转录单元，利用Perl编程语言的脚本进行分析和筛选，标准如下：基因区域的peak的鉴定：从全基因组每条DNA序列的开始，以20bp为一个窗口Window，5bp为一个步长，连续两个窗口的中位深度小于已有注释基因区的最大深度的20％则停下来，如果已经到了下一个同向基因的边界则强制停下来；基因间区Intergenicregion的peak的鉴定：首先通过发现一个窗口后面连续8个窗口的中位深度都是其中位深度的2.5倍确定一个峰的开始，5bp为一个窗口，然后寻找其结束点，记录寻找过程中的中位深度最大值，直到找到连续5个窗口的中位深度小于这个最大值的8％，则停下来，如果已经找到间区的边界则强制停下来，作为峰的临时边界；然后从临时边界开始反方向查找，使用确定开始位点同样的方法找到一个终止位点，作为这个peak的起始和终止；4获得转录单元后，利用Perl脚本，统计每个转录单元的宽度，比对上的reads数，RPKM标准化方法获得的表达丰度，最高的深度，最高深度的位置信息；其中，转录单元宽度为其长度，reads数为比对到此单元上的reads个数，RPKM值为标准化之后的表达丰度，最高的深度为转录单元覆盖最深的深度，最高深度所在的基因组坐标位置则为最高深度的位置；5和待测细菌所属物种已知的基因注释比较，获得新的ncRNA预测结果；6对ncRNA进行启动子和终止子预测，启动子预测软件为bprom，终止子预测软件为findterm，在使用这两款软件时，使用默认参数即可；对每个ncRNA，同时进行启动子和终止子预测，对于获得了启动子或终止子的ncRNA，则认为是更加可信的ncRNA，在后续的研究中，选择这样的ncRNA进行分析研究；7如果有多于1个样品，如果来自于同一个参考基因组，则会根据不同样品中ncRNA的预测位置进行合并，获得最终的ncRNA列表；8将合并后的ncRNA预测结果使用blastn方法，将ncRNA的核酸序列比对到ncRNA数据库Rfam中，获得ncRNA的功能注释结果，使用blastn进行比对时，参数设置Evalue为1e-3，输出格式为制表符分割表格，其他选择默认参数。

全文数据：_种基于IIlumina的转录组测序数据和peakCalIing方法的细菌ncRNA预测方法技术领域[0001]本发明涉及生物信息技术领域，尤其涉及一种基于Illumina的转录组测序数据和PeakCal1ing方法的细菌ncRNA预测方法。背景技术[0002]2004年以来，二代测序技术以迅猛的速度发展起来，二代测序技术具有一次能并行对几十万到几百万条DNA分子进行序列测定，且读长较短的特点。其为科学和医学研究提供了很好的技术手段，在基因组组装以及基因表达等方面有很广泛的应用。[0003]2006年美国的Illumina公司提出了自主研发的基因组分析平台，测序的基本原理是边合成边测序。由于其对样品质量要求不高，而且具有高准确性、高通量、高灵敏度和低运行成本等突出优势，使其很快成为二代测序平台的一支重要力量。Illumina测序平台，每次可以获得几十Gb到上百Gb的数据量，而且在几天的时间里就可以完成测序和转格式的工作。所以Illumina高通量测序仪一直深受广大科研工作者和医务人员的喜爱，成为他们很得力的科研工具。[0004]随着越来越多的物种基因组测序工作的完成和完善，科研人员会更加关注转录调控和表观调控，其中基于RNA研宄的转录调控是人们研究的热点。RNA在生命过程中起到的作用也被越来越多的人重视。除了我们常说的编码蛋白的mRNA之外，非编码RNAn〇n-codingRNA，ncRNA的调控作用越来越凸显。在细菌中，ncRNA起到了重要的转录调控作用，它会和蛋白互作，引起翻译的活跃或抑制。因此我们需要对ncRNA给予更多的关注和研究。目前细菌ncRNA的预测往往采用实验手段，存在周期长，预测范围小等缺点。尽管近年来对于细菌ncRNA的预测，也采用高通量的数据，其中包含了生物信息学的方法，但比较依赖基因组的注释，如2011年的？隱8文章（1〇〇，八1^71166七1.2011，虽然也预测到了150个ncRNA，但其采用的是cluster方法，准确性会降低。[0005]PeakCal1ing方法，是一种找峰Peak的方法，随着二代测序技术的成熟，逐渐发展起来的一种获得特殊位点的分析方法。它将二代测序获得的碱基序列比对到参考序列上，通过计算机程序结合一定的统计模型，寻找出比对上序列丰度较大的位置，也就是所谓的Peak，获得Peak的过程和方法称之为PeakCal1ing。由于不受众多条件的限制，且容易修改和复制，使其能够进行多种数据的分析，如ChIP-Seq，RNA-Seq和RIP-Seq等。但迄今为止PeakCal1ing的方法还没有用于ncRNA的预测和分析。发明内容[0006]针对现有技术存在的问题，本发明的主要目的在于提供一种基于Illumina的转录组测序数据和PeakCal1ing方法的细菌ncRNA预测方法，包括：[0007]通过Illumina测序平台获取某一物种至少一组rRNA剔除的转录组的原始测序数据；[0008]过滤所述各组原始测序数据中的不合格数据，获得所述各个转录组的待分析数据即cleanreads，它是原始测序数据经过过滤处理后留下的数据）；[0009]对所述各转录组获得的待分析数据进行如下步骤的分析和筛选：[0010]1将所述各个转录组的待分析数据分别比对到所述物种的参考基因组；[0011]2利用bedtools等软件统计参考基因组中每个位置的比对深度，对全基因组的比对深度进行定量分析；[0012]3根据比对深度，利用PeakCalling方法，获得参考基因组中所有的转录单元；[0013]4获得转录单元后，统计每个转录单元的宽度，比对上的reads数，RPKM标准化方法获得的表达丰度，最高的深度，最高深度的位置等信息。[00M]5和待测细菌所属物种已知的基因注释比较，获得新的ncRNA预测结果；[0015]6对ncRNA进行启动子和终止子预测，获得预测结果；[0016]7对超过1个样品的数据，可以将2到5个样品的ncRNA预测结果进行合并，获得合并后的ncRNA预测结果；[0017]8将最终的ncRNA预测结果比对到Rfam数据库中，获得ncRNA的功能注释结果。[0018]在本发明的一个实施例中，不合格数据包括:低质量的reads,其中所述低质量的reads包括，序列中超过30%的碱基质量低于20的reads;修剪掉测序接头后序列长度低于16的reads;修剪掉低质量的碱基序列后序列长度低于16的reads，其中所述低质量碱基序列是指从3’端开始，测序质量值低于20的碱基。[0019]在本发明的又一个实施例中，第一步分析中的比对是使用bowtie或bowtie2软件进行的。[0020]在本发明的又一个实施例中，利用所述的bowtie软件比对时，参数的具体设置如下:使用-v参数，容许2个mismatch，输出2个最佳匹配结果。[0021]在本发明的又一个实施例中，利用bowtie2进行比对时，-N参数选择为1，采用一end-to-end比对模式，设置程序运行时的线程数为1〜16;设置输出文件类型为sam格式。[0022]在本发明的又一个实施例中，第二步分析使用bedtools的genomecov方法进行比对深度分析，选择_d参数。[0023]在本发明的又一个实施例中，第三步分析使用PeakCalling方法预测转录单元，利用Perl编程语言的脚本进行分析和筛选，标准如下：[0024]基因区域Generegion的peak的鉴定：从全基因组每条DNA序列的开始，以20bp为一个窗口（Window，5bp为一个步长step，连续两个窗口的中位深度mediumdepth小于已有注释基因区的最大深度的20%则停下来，如果己经到了下一个同向基因的边界则强制停下来。[0025]基因间区（Intergenicregion的peak的鉴定:首先通过发现一个窗口后面连续8个窗口（5bp为一个窗口）的中位深度都是其中位深度的2.5倍确定一个峰的开始，然后寻找其结束点，记录寻找过程中的中位深度最大值，直到找到连续5个窗口的中位深度小于这个最大值的8%，则停下来，如果已经找到间区的边界则强制停下来，作为峰的临时边界;然后从临时边界开始反方向查找，使用确定开始位点同样的方法找到一个终止位点，作为这个peak的起始和终止。[0026]在本发明的又一个实施例中，第四步的分析中，获得转录单元之后，利用Perl脚本，统计每个转录单元的宽度，比对上的reads数，RPKM标准化方法获得的表达丰度，最高的深度，最高深度的位置等信息。其中，转录单元宽度为其长度，reads数为比对到此单元上的reads个数，RPKM值为标准化之后的表达丰度，最高的深度为转录单元覆盖最深的深度，最高深度所在的基因组坐标位置则为最高深度的位置。[0027]在本发明的又一个实施例中，第六步的分析中，需要对预测获得的ncRNA进行启动子Promoter和终止子Terminator预测，所使用的软件为：启动子预测软件为bprom，终止子预测软件为findterm，在使用这两款软件时，使用默认参数即可;对每个ncRNA，可同时进行启动子和终止子预测，对于获得了启动子或终止子的ncRNA，则认为是更加可信的ncRNA，在后续的研宄中，优选这样的ncRNA进行分析研宄。[0028]在本发明的又一个实施例中，第七步的分析中，对于多个样品的预测结果，如果来自于同一个参考基因组，则会根据不同样品中ncRNA的预测位置进行合并，获得最终的ncRNA列表。[0029]在本发明的又一个实施例中，第八步的分析中，使用blastn方法，将ncRNA的核酸序列比对到ncRNA数据库Rfam中，获得每个ncRNA的注释结果。[0030]在本发明的又一个实施例中，使用blastn进行比对时，参数设置Evalue为le-3,输出格式为制表符分割表格，其他选择默认参数。[0031]目前细菌ncRNA的预测往往采用实验手段，如获得一个潜在ncRNA序列后，需要进行PCR扩增，以及用NorthernBlot验证，一个验证周期下来，要花费几个月的时间；而且，一次生化实验，往往只能锁定一个或几个ncRNA，效率不高；因此传统的方法具有周期长，预测范围小等缺点。采用11lumina二代测序技术，我们可以同时获得细菌所有RNA的转录情况，也就是所有的ncRNA都在我们获得的序列中，通过PeakCalling的数据分析方法，借助计算机和编程语言，可以在全基因组范围内快速预测细菌的ncRNA，并通过和已知数据库的比对，对ncRNA的功能进行注释，能很好弥补实验手段的不足，为后期的实验和科学研究提供很有利的支持。附图说明[0032]图1是本发明一种基于Illumina的转录组测序数据结合PeakCalling的方法预测细菌ncRNA的流程图。[0033]图2:PeakCalling方法获得peak的示意图。[0034]图3:ncRNA预测结果的长度分布图。[0035]图4:ncRNA预测的展示图。[0036]图5:本发明预测得到的ncRNA数量和PNAS文献比较图。[㈤37]根据一组鼠疫耶尔森菌的数据，我们在3个样品中，共预测得到了405个ncRNA，远远多于PNAS文献中提到的15〇个ncRNA。[0038]图6:在鼠疫耶尔森菌的数据中预测的Pea]^p已知的ncRNA做交集分析。[0039]共有8个已知的ncRNA，在我们的获得的Peak中，有7个是被预测到的，说明预测的准确性是很高的。具体实施方式[0040]通过以下详细说明结合附图可以进一步理解本发明的特点和优点。所提供的实施例仅是对本发明方法的说明，而不以任何方式限制本发明揭示的其余内容。[0041]除非另有说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不构成对本发明的限制。对于本领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为本发明的一部分。[0042]本发明一种基于Illumina的转录组测序数据结合PeakCalling的方法预测细菌ncRNA的流程图见图1。[0043]【实施例1】获得所述各个转录组的待分析数据[0044]我们获得了一种鼠疫菌的转录组数据，具体物种信息为YersiniaPestis，共有2个转录组的数据:野生株和敲除株。对于其RNA，先剔除掉里面的rRNA，再进行建库，然后通过Illumina测序平台获取某此鼠疫菌的2组rRNA剔除的转录组的原始测序数据；[0045]获得转录组测序数据后，过滤所述各组原始测序数据中的不合格数据，不合格数据包括:低质量的reads，其中所述低质量的reads包括，序列中超过30%的碱基质量低于20的reads;修剪掉测序接头后序列长度低于16的reads;修剪掉低质量的碱基序列后序列长度低于16的reads，其中所述低质量碱基序列是指从3’端开始，测序质量值低于20的碱基。[0046]经过以上的数据处理步骤后，就获得了上述2个转录组的待分析数据（g卩Cleanreads，它是原始测序数据经过过滤处理后留下的数据），用于后续的ncRNA预测。[0047]【实施例2】Peakcalling方法预测鼠疫菌的ncRNA[OO48]使用PeakCalling方法获得Peak的示意图，见图2。[0049]1、将所述2个转录组的待分析数据分别比对到鼠疫菌的参考基因组；[0050]使用bowtie或bowtie2软件进行比对，利用bowtie软件比对时，参数的具体设置如下:使用-v参数，容许2个mismatch，输出2个最佳匹配结果;利用bowtie2进行比对时，-N参数选择为1，采用--end-to-end比对模式，设置程序运行时的线程数为1〜16;设置输出文件类型为sam格式。[0051]2、获得比对结果后，利用bedtools的genomecov方法统计每个样品的参考基因组中每个位置的比对深度，对全基因组的比对深度进行定量分析，选择_d参数。[0052]3、根据比对深度，对每个样品利用PeakCalling方法，获得参考基因组中所有的转录单元；[0053]利用Perl编程语言的脚本进行分析和筛选，标准如下：[0054]基因区域Generegion的peak的鉴定：从全基因组每条DNA序列的开始，以20bp为一个窗口（Window，5bp为一个步长step，连续两个窗口的中位深度mediumdepth小于已有注释基因区的最大深度的20%则停下来，如果已经到了下一个同向基因的边界则强制停下来。[0055]基因间区（Intergenicregion的peak的鉴定:首先通过发现一个窗口后面连续8个窗口（5bp为一个窗口）的中位深度都是其中位深度的2.5倍确定一个峰的开始，然后寻找其结束点，记录寻找过程中的中位深度最大值，直到找到连续5个窗口的中位深度小于这个最大值的8%，则停下来，如果已经找到间区的边界则强制停下来，作为峰的临时边界;然后从临时边界开始反方向查找，使用确定开始位点同样的方法找到一个终止位点，作为这个peak的起始和终止。[0056]4、获得转录单兀后，利用Perl脚本，统计每个转录单元的宽度，比对上的；reads数，RPKM标准化方法获得的表达丰度，最高的深度，最高深度的位置等信息。其中，转录单元宽度为其长度，reads数为比对到此单元上的reads个数，RPKM值为标准化之后的表达丰度，最高的深度为转录单元覆盖最深的深度，最高深度所在的基因组坐标位置则为最高深度的位置。[0057]5、根据鼠疫菌的已知基因信息，将预测获得的转录单元和鼠疫菌已知的基因注释比较，获得新的ncRNA预测结果；[0058]获得对Peak的统计后，我们需要根据物种的己知基因注释信息，来去掉和已知基因重叠的peak，剩下的peak就是我们预测得到的ncRNA。图2展示了PeakCal1ing方法获得Peak的示意图，从图中可以看到，通过PeakCal1ing方法，共预测到3个Peak，其中左边和右边的Peak，和已知的基因是重合的，中间的一个Peak是没有基因注释的。图3展示了预测的ncRNA的长度分布统计，从图中可以看出，ncRNA长度在50到500之间，比较符合ncRNA的长度特征。图4是对预测的ncRNA的一个具体实例展示，中间红色的Peak就是一个预测的ncRNA，它和一个已知的mRNA是在相反的DNA链上，因此是一个反义的ncRNA。[0059]6、对ncRNA进行promoter和terminator预测，获得预测结果；[0060]需要对预测获得的ncRNA进行启动子Promoter和终止子Terminator预测，启动子预测软件为bprom，终止子预测软件为findterm，在使用这两款软件时，使用默认参数即可；对每个ncRNA，可同时进行启动子和终止子预测，对于获得了启动子或终止子的ncRNA，则认为是更加可信的ncRNA，在后续的研宄中，优选这样的ncRNA进行分析研宄。[0061]7、不同样品的ncRNA预测结果进行合并，获得合并后的预测结果；[0062]对于多个样品的预测结果，如果来自同一个物种，可以对结果进行合并。本实例共有2个转录组样品，，因为是来自于同一个物种，因此会根据两个样品中ncRNA的预测位置进行合并，获得最终的ncRNA列表。[0063]在本实例关于鼠疫耶尔森氏菌的ncRNA预测的研究中，共获得了405个ncRNA，而之前的另一项其他团队的研宄，预测到了150个ncRNA，成果发表在PNAS杂志上，我们的预测数量要远远大于已发表的成果，见图5;将这405个预测的ncRNA和耶尔森氏菌已知的ncRNA进行了比较，发现8个己知的ncRNA中，有7个在的预测结果中，见图6，充分说明了本发明预测的准确性。8、使用blastn进行比对，参数设置Evalue为le-3,输出格式为制表符分割表格，其他选择默认参数，将最终的ncRNA的核酸序列比对到ncRNA数据库Rfam中，获得每个ncRNA的注释结果。[0064]最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围。

权利要求：1.一种基于Illumina的转录组测序数据和PeakCaliing方法的细菌此顯六预测方法，其特征在于，包括如下步骤：通过Illumina测序平台获取某一物种至少一组rRNA剔除的转录组的原始测序数据；过滤所述各组原始测序数据中的不合格数据，获得所述各个转录组的待分析数据；对所述各转录组获得的待分析数据进行如下步骤的分析和筛选：1将所述各个转录组的待分析数据分别比对到所述物种的参考基因组；2利用bedtools等软件统计参考基因组中每个位置的比对深度，对全基因组的比对深度进行定量分析；3根据比对深度，利用PeakCal1ing方法，获得参考基因组中所有的转录单元；4获得转录单元后，统计每个转录单元的宽度，比对上的reads数，RPKM标准化方法获得的表达丰度，最高的深度，最高深度的位置等信息；5和待测细菌所属物种已知的基因注释比较，获得新的ncRNA预测结果；6对ncRNA进行启动子和终止子预测，获得预测结果；7如果有多于1个样品，则2到5个样品的ncRNA预测结果进行合并，获得合并后的预测结果；8将合并后的ncRNA预测结果比对到Rfam数据库中，获得ncRNA的功能注释结果。2.根据权利要求1所述的细菌ncRNA预测方法，其特征在于，所述各组原始测序数据中的不合格数据包括:低质量的reads，其中所述低质量的reads包括，序列中超过30%的碱基质量低于20的reads;修剪掉测序接头后序列长度低于16的reads;修剪掉低质量的碱基序列后序列长度低于16的reads，其中所述低质量碱基序列是指从3’端开始，测序质量值低于20的碱基。3.根据权利要求1或2所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第1步分析中的比对是使用bowtie或bowtie2软件进行的，利用bowtie软件比对时，参数的具体设置如下:使用-v参数，容许2个mismatch，输出2个最佳匹配结果;利用bowtie2进行比对时，-N参数选择为1，采用一end-to-end比对模式，设置程序运行时的线程数为1〜16;设置输出文件类型为sam格式。4.根据权利要求3所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第2步分析中使用bedtools的genomecov方法进行比对深度分析，选择-d参数。5.根据权利要求4所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第3步分析中使用PeakCalling方法预测转录单元，利用perl编程语言的脚本进行分析和筛选，标准如下：基因区域Generegion的peak的鉴定：从全基因组每条DNA序列的开始，以20bpS—个窗口（Window，5bp为一个步长step，连续两个窗口的中位深度mediumdepth小于已有注释基因区的最大深度的2〇%则停下来，如果己经到了下一个同向基因的边界则强制停下来；基因间区（Intergenicregion的peak的鉴定:首先通过发现一个窗口后面连续8个窗口（5bp为一个窗口）的中位深度都是其中位深度的2.5倍确定一个峰的开始，然后寻找其结束点，记录寻找过程中的中位深度最大值，直到找到连续5个窗口的中位深度小于这个最大值的8%，则停下来，如果已经找到间区的边界则强制停下来，作为峰的临时边界;然后从临时边界开始反方向查找，使用确定开始位点同样的方法找到一个终止位点，作为这个peak的起始和终止。6.根据权利要求5所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第4步分析中获得转录单元之后，利用Perl脚本，统计每个转录单元的宽度，比对上的reads数，RPKM标准化方法获得的表达丰度，最高的深度，最高深度的位置等信息；其中，转录单元宽度为其长度，reads数为比对到此单元上的reads个数，RPKM值为标准化之后的表达丰度，最高的深度为转录单元覆盖最深的深度，最高深度所在的基因组坐标位置则为最高深度的位置。7.根据权利要求6所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第6步分析中，需要对预测获得的ncRNA进行启动子Promoter和终止子Terminator预测，所使用的软件为：启动子预测软件为bprom，终止子预测软件为findterm，在使用这两款软件时，使用默认参数即可;对每个ncRNA，可同时进行启动子和终止子预测，对于获得了启动子或终止子的ncRNA，则认为是更加可信的ncRNA，在后续的研究中，优选这样的ncRNA进行分析研究。8.根据权利要求7所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第7步分析中，对于多个样品的预测结果，如果来自于同一个参考基因组，则会根据不同样品中ncRNA的预测位置进行合并，获得最终的ncRNA列表。9.根据权利要求8所述的细菌ncRNA预测方法，其特征在于，对所述各转录组获得的待分析数据进行分析和筛选的第8步分析中，使用blastn方法，将ncRNA的核酸序列比对到ncRNA数据库Rfam中，获得每个ncRNA的注释结果，使用blastn进行比对时，参数设置Evalue为le-3,输出格式为制表符分割表格，其他选择默认参数。

百度查询： 武汉生命之美科技有限公司 一种细菌ncRNA预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD