[发明专利]微藻蛋白质特征序列标签匹配的快速检测方法及系统

摘要

基于微藻蛋白质特征序列标签匹配的蛋白质快速检测方法及系统，包括采集微藻样品，获得其蛋白质序列集，转换成标准蛋白质序列集，并进行拆分配置处理，将其转换为对于一个给定序列片段的键/值对列表，将键/值对列表进行汇总后做交集运算，当结果非空，则确定该数据集某条数据含有特征蛋白质序列。其系统主要包括检测数据输入模块、键/值对列表模块、检测识别模块、特征值交集运算模块、输出模块。本发明通过蛋白质序列检索以判断蛋白质的同源性和相似性程度，较传统逐条数据进行对比的方式，算法的鉴定准确率和效率有显著提高，大大提升了检索效率，不仅具有良好的实用性，而且算法的时间复杂度低，性能高，对于蛋白质组学的研究具有重要意义。

主权项

1.微藻蛋白质特征序列标签匹配的快速检测方法，其特征在于包括以下步骤：步骤1：采集微藻样品，对样品进行RNA提取，样品纯度要求：OD值应在1.8至2.2之间；电泳检测28S：18S至少大于1.8，样品浓度：总RNA浓度不低于400ng/μg，用①Oligo(dT)富集mRNA，去除rRNA，将RNA随机打断，用随机引物和逆转录酶从RNA片段合成cDNA片段，cDNA片段末端修复，连接测序接头；②对于small RNA，进行3’和5’端接头连接，逆转录合成cDNA片段，最终将①和②的cDNA片段制备测序文库并进行测序，获得转录组测序的基因序列，之后翻译为蛋白质序列集；或者根据所采集微藻的种类同时从美国国家生物技术信息中心(NBCI)下载对应的蛋白质序列集，并与上述蛋白质序列集合并；步骤2：对步骤1得到的蛋白质序列集进行预处理，得到标准蛋白质序列集；所述蛋白质序列集中的蛋白质序列有几百万条，得到标准蛋白质序列之后，该标准蛋白质序列中的每一条可以由几个、几百个甚至更多氨基酸组成，每一个氨基酸以20个字母G、S、A、T、V、D、N、L、I、E、Q、Y、F、H、P、M、W、K、C、R中的其中一个来表示；步骤3：对该标准蛋白质序列集进行拆分配置处理，将其转换为对于一个给定序列片段的键/值对列表；(1)选择需要进行匹配检测的蛋白质Pr，该Pr作为目标蛋白质；(2)确定(1)中Pr的氨基酸序列特征值，该特征值由多个氨基酸组构成，每个氨基酸组中有多个氨基酸；以i表示组数，将特征值的每组氨基酸记为PCF1、PCF2...PCFi；(3)根据特征值将步骤2的标准蛋白质特征序列集进行排列：排列后的数据记作以下形式：<PCF1，PLT1>；.......<>......<PCF1,PLTj>.......<PCFi,PLT1>；.......<>......<PCFi，PLTj>其中，PCF1‑PCFi表示(2)中的特征值，i表示组数，PLT1‑PLTj表示步骤2的蛋白质序列集中的每一条蛋白质序列数据，j表示步骤2中标准蛋白质序列集所含蛋白质序列数据的数量；从而得到一个对列表；(4)检测(3)中对列表的每一行PLT1‑PLTj是否含有该行之前所标注的PCFk，k属于1‑i，将该行包含有PCFk的那些PLT1‑PLTj中的元素检测出来，记作<PCF1，PL1‑1>；.......<>......<PCF1，PL1‑j>.......<PCFi，PL i‑1>；.......<>......<PCFi，PLi‑j>并将记作上述格式的数据作为键/值对列表，其中，PL1‑1至PL1‑j表示第一行PLT1‑PLTj中含有PCF1的标准蛋白质序列，PL1‑1表示PLT1‑PLTj中第一个含有该PCF1的标准蛋白质序列，PL1‑j表示PLT1‑PLTj中最后一个含有该PCF1的标准蛋白质序列；PLi‑1至PLi‑j表示第i行PLT1‑PLTj中含有PCFi的标准蛋白质序列，PLi‑1表示PLT1‑PLTj中第一个含有该PCFi的标准蛋白质序列，PLi‑j表示PLT1‑PLTj中最后一个含有该PCFi的标准蛋白质序列；步骤4：对上述键/值对列表，进行汇总；接受上一步骤生成的键/值对列表，合并含有相同特征值的蛋白质序列，得到了分别包含第1至第i个蛋白质特征值的蛋白质序列，记作<PCF1,PL[1‑1....1‑j]>...<PCFi,PL[i‑1....i‑j]>其中，<PCF1,PL[1‑1....1‑j]>＝<PCF1,PL1‑1，....PL 1‑j>...<PCFi,PL[i‑1....i‑j]>＝<PCF1,PLi‑1，....PL i‑j>并将记作上述格式的数据作为减化后的键/值对列表；步骤5：对上一步得到的减化后的键/值对列表进行交集运算，以得出步骤1 的蛋白质序列集中是否含有步骤3中指定的目标蛋白质；[PCF1,...,PCFi]＝PL[1‑1...1‑j]∩...∩PL[i‑1...i‑j],即以交集PL[1‑1...1‑j]∩...∩PL[i‑1...i‑j]表示上述PL[1‑1...1‑j]—PL[i‑1...i‑j]中，同时含有PCF1‑PCFi的那些蛋白质序列；当结果非空，则确定该数据集某条数据含有特征蛋白质序列。