[发明专利]一种基因序列数据的筛选方法

摘要

本发明公开了一种基因序列数据的筛选方法。首先利用基因的注释信息抽提初始数据集，然后逐条对基因序列进行N/R/K/M/S/Y/W/H/D/V/B的含量计算、终止密码子和自定义序列串(如污染序列片段)的检测、与模板蛋白的相似性计算，根据预设条件决定是否选取。该方法克服了现有基因序列数据筛选时存在的注释错误或模糊、测序精度参差不齐等质量问题继而导致无法正确构建系统发育树的问题，可以用于生物系统发育、生物条形码、生物物种鉴定等相关领域的基因数据筛选。

主权项

一种基因序列数据的筛选方法，包括如下步骤：1)基于基因注释信息的初始数据检索得到数据集，并将其调整为.fasta的格式；2)针对数据集中的每条序列进行N/R/K/M/S/Y/W/H/D/V/B各字符含量的计算；3)对数据集中的每条序列进行终止密码子或自定义序列串的检测；4)将数据集中的每条序列翻译为蛋白序列，将它们与基因对应的模板蛋白序列进行相似性比对计算；5)根据预设条件，综合步骤2)、3)和4)的结果对每条序列进行评判，决定是否选取。