[发明专利]一种核酸序列比对的方法

说明书

本发明公开了一种核酸序列比对的方法。该方法包括如下步骤：(1)获取与输入序列类似性积分最高的参考序列；(2)从所述参考序列中截取与输入序列等长的若干个比对序列；(3)将输入序列分别和比对序列比对，获取输入序列与各个比对序列的匹配信息；(4)根据步骤(3)获取的匹配信息，获取比对序列的比对得分；比对得分越高，则输入序列和该比对序列的相似度越高。本发明提供的核酸比对方法可以进行序列的比对，尤其是可以进行小序列的比对和一些存在突变(如插入突变、缺失突变)的小序列的比对。本发明具有重大的应用价值。

技术领域

本发明属于生物信息学领域，具体涉及一种核酸序列比对的方法，尤其涉及较短的核酸序列比对的方法。

背景技术

在待比对序列(如microRNA)较短的情况下，采用序列比对工具比对的准确性较低，尤其是待比对序列存在indel(即插入和/或缺失)时，基本很难比对上。例如：blast软件和bowtie2软件都可以进行小序列的比对且比对速度非常快，但对于一些存在突变(如插入突变、缺失突变)的小片段，则很难比对上。而进行小RNA分析时定量结果容易存在偏差，原因有二：一是部分物种公认的小RNA序列不一定完全准确；二是测序过程中引入的误差(如illumina仪器在高GC区域时测序不准确)导致序列存在一些小的突变，因而难以准确定位。由此可见，现有比对工具不能满足所有类型序列的精确定位，比对结果存在一定程度的不准确性，是造成靶标预测错误的原因之一。

发明内容

本发明的目的是提供一种核酸序列比对的方法，尤其是对于一些存在突变(如插入突变、缺失突变)的小片段进行比对的方法。

本发明首先保护一种核酸序列比对的方法，可包括如下步骤：

(1)获取与输入序列类似性积分最高的参考序列；

(2)从所述参考序列中截取与输入序列等长的若干个比对序列；

(3)将输入序列分别和比对序列比对，获取输入序列与各个比对序列的匹配信息；

(4)根据步骤(3)获取的匹配信息，获取比对序列的比对得分；

比对得分越高，则输入序列和该比对序列的相似度越高。

上述方法中，输入序列即待比对的核酸序列。待比对的核酸序列中可存在一些突变(如插入突变、缺失突变)。输入序列可为较短的待比对的核酸序列。所述较短的待比对的核酸序列的长度可为15-50bp(如15-30bp、30-50bp、15bp、30bp或50bp)。

所述步骤(1)可包括如下步骤：

(1-1)连续不重叠k-mer切分参考序列集中的各个参考序列，得到k-mer组合甲；将k-mer组合甲中的各个k-mer及在参考序列集中相应的参考序列信息进行存储，获得种子库；

(1-2)读取输入序列，连续重叠k-mer切分输入序列，得到N个k-mer组成的k-mer组合乙；

(1-3)将k-mer组合乙中的N个k-mer和其反向互补序列分别在所述种子库中检索，获得每个k-mer和其反向互补序列对应的参考序列，然后进行类似性积分：

如果N个k-mer对应的某参考序列类似性积分最高，则记录该参考序列及N个k-mer在该参考序列上的起始位置和终止位置；

如果N个k-mer的反向互补序列对应的某参考序列类似性积分最高，则记录该参考序列及N个k-mer的反向互补序列在该参考序列上的起始位置和终止位置；

步骤(1-3)记录的参考序列即为获取与输入序列类似性积分最高的参考序列。

所述步骤(1-1)中，k-mer组合甲中的各个k-mer的核苷酸序列可按大写字母存储；特殊嘌呤或嘧啶(即非ATCG)可按大写字母N存储。