申请/专利权人：微岩医学科技(北京)有限公司;杭州萧山微岩医学检验实验室有限公司

申请日：2021-03-29

公开（公告）日：2021-07-16

公开（公告）号：CN112800245B

主分类号：G06F16/36(20190101)

分类号：G06F16/36(20190101);G06F16/35(20190101);G16B30/10(20190101);G16B30/20(20190101);G06N5/02(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.07.16#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本发明涉及生物技术领域，具有涉及一种病原微生物参考知识库的最大多样性聚类构建方法。该构建采用贪心缩放算法，通过特定方法计算冗余基因组的多序列相似性，去除扩展相似度高的序列，可以保证在去除大量冗余信息的同时，最大程度保留微生物基因组的多样性。实验表明，本发明提供的病原微生物知识库的最大多样性聚类方法准确性高、检测效率高且数据冗余率低，尤其适用于大规模的病原微生物全基因组序列。

主权项：1.一种病原微生物参考知识库的最大多样性聚类构建方法，其特征在于，包括：步骤1：收集病原微生物的全基因组序列，获得所有病原微生物的总冗余基因组R；步骤2：根据病原微生物的界的分类对所述总冗余基因组R进行分箱，将每一种类的病原微生物的冗余基因组Rx作为独立集分别构建参考知识库Qx；其中，x为大于0的整数，代表病原微生物的种类数；所述参考知识库Qx的构建方法包括：1将冗余基因组Rx进行索引，然后采用多进程模式进行并行排序，获得原始冗余集Rx’；2将原始冗余集Rx’中序列最长的确定为核心基因组序列S1，将剩余序列Sn分别与S1进行比对，获得每条Sn序列与S1相匹配的子序列集A；对子序列集A进行序列聚类，得到子序列集A的扩展最大精确匹配子序列集A'；其中，n为原始冗余集Rx’的序列总数，n为≥2的整数；3计算S1和Sn之间的扩展相似性Sextended；计算公式为Sextended＝LengthA'LengthS1，其中，LengthA'和LengthS1为序列中碱基的个数；将Sextended取值范围在0～100％之间的序列标记为冗余基因组序列，否则标记为核心基因组序列，计算获得核心基因组集C1和冗余序列集R1；4将获得的核心基因组集C1作为参考基因组，将原始冗余集Rx’中除C1和R1外的剩余序列标记为T1，将T1中的序列逐条与C1的所有序列按照步骤2～3的方法进行比对；所述比对方法具体为：C1中的每条序列对应步骤2中的S1，任意取C1中的一条序列记为S1’；T1中的每条序列对应步骤2中的Sn，任意取T1中的一条序列记为Sn’；那么，将Sn’与S1’按照步骤2进行比对，如果满足步骤3中的扩展相似性Sextended阈值，Sn’被标记为冗余序列；如果不满足步骤3中的扩展相似性Sextended阈值，则Sn’继续与C1中的其他序列进行比对，如果均不满足步骤3中的扩展相似性Sextended阈值，则Sn’被标记为核心基因组；当T1中的所有序列都被标记完成后，将T1中的所有核心基因组序列与C1合并得到核心基因组集C2；5将C2作为参考基因组，将原始冗余集Rx’中除了R2和C2之外的所有剩余序列标记为T2，将T2中的序列逐条与C2的序列进行比对，当T2中的所有序列都被标记完成后，将T2中的所有核心基因组序列与C2合并得到核心基因组集C3；依次类推，将每一轮比对结束后获得的核心基因组集Cm作为下一轮比对的参考基因组，m为≥1的整数；将原始冗余集Rx’中除了Rm和Cm之外的所有剩余序列标记为Tm，将Tm中的序列逐条与Cm的序列进行比对，当Tm中的所有序列都被标记完成后，将Tm中的所有核心基因组序列与Cm合并得到核心基因组集Cm+1；依次循环比对，直至原始冗余集Rx’的剩余序列为空，即所有的序列被标记为核心序列或冗余序列，循环结束；形成核心基因组集C和冗余集R，核心基因组集C即为参考知识库Qx；步骤3：按照步骤1～5分别构建得到每类病原微生物的参考知识库Q1～Qx，合并，获得病原微生物参考知识库。

全文数据：

权利要求：

百度查询： 微岩医学科技(北京)有限公司;杭州萧山微岩医学检验实验室有限公司 一种病原微生物参考知识库的最大多样性聚类构建方法

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