[发明专利]一种病毒数据库的数据分析方法、系统、设备及存储介质

权利要求书

1.一种病毒数据库的数据分析方法，其特征在于，包括以下步骤：

基于样品的病毒数据，对所述病毒数据通过质控后对比宿主基因组，去除宿主污染，得到筛选后的待分析病毒数据；

对所述待分析病毒数据组装宏病毒，得到病毒contig；

对所述病毒contig评估筛选，去除假阳性病毒，得到病毒contig筛选结果；

对所述病毒contig筛选结果进行病毒分类，得到病毒contig类群；

对所述病毒contig类群比对到已知病毒数据库上，判断所述病毒contig类群是否在已知的病毒数据库内；

若否，则基于此病毒contig类群的功能分类及病毒丰度将此病毒contig类群写入已知病毒数据库中以更新已知病毒数据库。

2.根据权利要求1所述的一种病毒数据库的数据分析方法，其特征在于，采用trimmomatic软件做质控，则对所述病毒数据进行预处理，包括以下步骤：

过滤所述病毒数据reads尾部质量值20以下的碱基,设置50bp的窗口，从头部开始移动窗口，如果窗口内的平均质量值低于20，则从窗口处截去后端碱基；

去除包含N碱基数目2以上的reads，去除含有adaptor接头污染的reads，去除50bp以下的reads；

用bwa把测序reads比对到宿主基因组，去除与宿主基因组相似度＞90％的reads。

3.根据权利要求1所述的一种病毒数据库的数据分析方法，其特征在于，采用Virsorter、Virfinder、CheckV软件对所述病毒contig评估筛选，去除假阳性病毒数据，包括以下步骤：

Virsorter软件把病毒contig归为6大类，取可信度最高的第一类和第二类；

Virfinder软件把所述第一类和第二类中的每条进行打分，设置阈值：score＞0.9并且p-value＜0.05，满足阈值的contig是病毒，若不满足则筛除；

CheckV软件根据病毒基因组的结构特征，判断组装出的contig的完整度和污染度，则去除contig中的假阳性病毒。

4.根据权利要求1所述的一种病毒数据库的数据分析方法，其特征在于，采用Vcontact和vpf软件对所述病毒contig筛选结果进行病毒分类，得到所述病毒contig类群并构建系统发育树，具体为：

采用Vcontact软件对所述病毒contig筛选结果自动化聚类算法；

使用Vcontact软件的ClusterONE定义病毒簇；

采用vpf软件中的hmmsearch软件鉴定病毒簇得到病毒分类信息及病毒contig类群；

根据病毒基因组序列作全局对比的相似程度构建系统发育树。

5.根据权利要求1所述的一种病毒数据库的数据分析方法，其特征在于，病毒丰度的计算采用Salmon软件将clean data mapping到各病毒基因序列上，得到病毒contig在样品中的病毒丰度。

6.根据权利要求1所述的一种病毒数据库的数据分析方法，其特征在于，采用blast软件对所述病毒contig类群比对到已知数据库上，判断所述病毒contig类群是否在已知的数据库内，具体步骤如下：

采用所述blast软件将获得的所述病毒contig类群比对到已知病毒库上，将比对相似度＞60％，evalue＜1e-5的contig，定义为已知病毒；

将未判定为已知病毒的病毒contig序列分别与NT库和NR库用blast软件做比对，分别筛选出evalue＜1e-5和evalue＜1e-3的比对结果；

通过筛选后的比对结果得到待分析的未知病毒序列。