[发明专利]一种基因组酶切图谱拼接方法及系统

说明书

技术领域

本发明涉及分子生物学领域的基因组序列拼接领域，尤其涉及一种基因组酶切图谱拼接方法及系统。

背景技术

基因组包含生物体最基本的遗传信息，这些信息决定物种生物学特征、指导生命机能运作以及发育过程；并指导细胞内的重要化合物的合成(如蛋白质、 RNA等)。

基因组序列是由脱氧核糖核苷酸(腺嘌呤A、鸟嘌呤G、胸腺嘧啶T、胞嘧啶C)按一定顺序彼此用3’-5’-磷酸二酯键相连而成的双螺旋结构。所谓基因组测序，即是指获得基因组的脱氧核糖核苷酸的序列信息。随着基因组测序技术的发展，越来越多物种的基因组已经完成测定。

基因组测序技术的发展经历了Sanger测序、第二代测序技术和第三代测序技术。第二代测序技术以其高通量、低成本的特点，逐渐成为主流的测序技术，然而，无论是Sanger测序，还是第二代测序技术，其测序长度均比较有限，难以跨过基因组中存在的一些较长的repeat(重复序列)，此处的“repeat”指的是在基因组上出现次数大于一次的序列，repeat的存在导致通过二代测序数据拼接很难直接恢复出完整的基因组，然而诸如结构体变异检测等方面的研究，依赖于基因组的完整序列信息，因此对测序技术提出了更高的要求。

基因组酶切图谱技术能够获得很好的弥补二代测序数据较短的问题，酶切图谱技术得到序列中的酶切位点之间的距离信息，其测序序列大跨度的特点有助于解决二代测序数据中长repeat的影响。

基因组酶切图谱技术能够反映基因组上较大范围内的酶切位点位置信息，以基因组图谱为指导，不仅可以提高二代拼接结果的连续性和准确度，同时对后续研究提供更加准确的序列结构信息。

迄今为止，已经发展了多种酶切图谱测序技术，比如基于光学映像 (optical map)的图谱技术，该技术的主要步骤是将大量DNA片段拉伸并固定在玻璃板上，然后利用限制性内切酶进行原位酶切，从而得到酶切位点信息；基于微流体溶液的酶切图谱技术，该技术的主要步骤是将带荧光标记的分子短暂地通过一个微米隧道并利用传感器检测荧光团，从而得到酶切位点的位置。由于测序通量较低或者测序过程中的成像分辨率较低，上述两种技术并没有得到广泛的应用，目前，纳米单分子测序是一种高通量、高准确度的基因组图谱技术(图1为BioNano公司开发的Irys测序平台)，相较于前两种图谱技术，纳米单分子测序的准确度以及成像分辨率均有所提高，其测序的基本过程为：首先将DNA分子解螺旋形成单链，切断为单链DNA片段，片段的长度范围高达几百Kbp，接着使单链分子线性地通过纳米孔道，与带荧光标记的探针杂交(探针被设计成只与酶切位点做特异性杂交)；最后根据荧光成像即可识别出酶切位点，从而得到分子的酶切位点的位置信息。

目前针对酶切图谱技术的应用主要体现在两个方面：(1)直接利用酶切图谱分子指导二代数据的拼接。Nagarajan,N.,T.D.Read,and M.Pop, Scaffolding and validation of bacterial genome assemblies using optical restriction maps.Bioinformatics,2008.24(10):p.1229-35.一文利用酶切图谱分子指导二代测序数据拼接中的scaffolding步骤；(2)酶切图谱分子的拼接。Anantharaman,T.S.,B.Mishra,and D.C.Schwartz,Genomics via optical mapping.II:Ordered restriction maps.J Comput Biol,1997. 4(2):p.91-118.一文中采用贝叶斯方法预测位点出现的概率模型，进行图谱分子的拼接，该方法存在的不足主要包括如何设置Bayes模型的先验和计算复杂度高。Anantharaman,T.,B.Mishra,and D.Schwartz,Genomics via optical mapping.III:Contiging genomic DNA.Proc Int Conf Intell Syst Mol Biol,1999:p.18-27.采用序列联配的思想构建酶切位点图谱，该算法存在的不足：(1)寻找最优的序列联配非常耗时，(2)通过引入了一些启发式的策略以降低时间复杂度，但损失了精度。

发明内容

针对现有技术的不足，本发明提出一种基因组酶切图谱拼接方法及系统。

本发明提出一种基因组酶切图谱拼接方法，包括：