[发明专利]一种基于二代和三代ONT技术进行宏基因组组装方法

权利要求书

1.一种基于二代和三代ONT技术进行宏基因组组装方法，其特征在于，包括：

利用三代ONT测序的reads进行自身比对，找到不同数据间的重叠部分overlap；

根据不同数据间的重叠部分overlap对不同数据进行组装，得到组装后的数据；

利用三代数据对所述组装后的数据进行自身纠错；

利用二代测序继续进行纠错，得到最终的组装结果。

2.根据权利要求1所述的组装方法，其特征在于，所述利用三代ONT测序的reads进行自身比对，找到不同数据间的重叠部分overlap包括：

利用minimap2软件通过将测序数据分成多个k长度的kmer组；

采用minimizers方法从多个相邻的kmers组里挑选出z值最小的两个kmer组；

如果两个kmer组序列间具有overlap重叠部分,则这两个序列为具有相同的代表性kmer；

通过使用单链聚类的方法使具有共线性的minimizers为一组kmer；

通过求解最长递增序列问题得到最大的共线性minimizers子集，即minimap的map结果。

3.根据权利要求1所述的组装方法，其特征在于，所述根据不同数据间的重叠部分overlap对不同数据进行组装，得到组装后的数据包括：

利用miniasm-master软件通过检查read之间的映射关系，并去除接头和嵌合体；

基于与其他所有reads之间满足预设条件映射关系的每一条read，计算所述read的每一个碱基覆盖度，选择覆盖度不小于3的最长区域；

修剪过reads后，通过分析存在overlap的两条序列之间的map关系构建组装图；

利用miniasm方法去除transitive edges,修剪包含少于4个reads的unitigs,弹出小气泡；

将相邻的多个组装图串联合并成一个unitig，所述该unitig为多个相邻的可合并的组装图中的最大路径。

4.根据权利要求3所述的组装方法，其特征在于，所述与其他所有reads之间满足预设条件映射关系的每一条read为长度大于2K，在相匹配的minimizers上非overlap区域长度大于100的read。

5.根据权利要求1所述的组装方法，其特征在于，所述利用三代数据对所述组装后的数据进行自身纠错包括：

通过minimap软件找到原始三代reads和初步组装出的unitigs的映射关系；

通过Racon软件加载原始三代的reads，基于初步组装后的contigs和minimap比对后的overlap信息，进行简单过滤；

将保留下来的reads分到主干序列中没有overlap的窗口里的chunks中，进行快速的基于编辑距离的比对；

每个窗口构建一个POA图并调用所述窗口的consensus。；

通过将每个窗口的consensus拼接起来，从而得到最终的consensus。

6.根据权利要求5所述的组装方法，其特征在于，所述基于初步组装后的contigs和minimap比对后的overlap信息，进行简单过滤包括：

每条read只保留一个overlap，且去除错误率高的overlap。

7.根据权利要求1所述的组装方法，其特征在于，所述利用二代测序继续进行纠错，得到最终的组装结果包括：

通过Bwa比对二代reads与三代reads校正后的组装结果，通过排序、合并和标记重复，建立索引得出比对结果，利用pilon软件根据比对结果对组装结果进行polish，得到最终的组装结果。

8.根据权利要求7所述的组装方法，其特征在于，利用二代reads对三代reads矫正后的组装结果校正20次。