[发明专利]基于邻接代数模型及质量等级评估的contig集成方法

摘要

本发明公开了一种新的基于邻接代数模型及质量评估的contig集成方法，提出了一种新的全局打分函数，采用双端读数以及contig集合之间的比对质量，覆盖度信息contig集合进行整体打分及排序。在邻接代数模型的基础上构建邻接图，并通过提取共识序列形成节点与边。利用contig的覆盖度几GC含量信息对contig进行质量等级评估，并将评估信息用于邻接图的优化。本发明简单易用，在四组真实测序数据上表现出良好的拼接结果，较其他contig集成方法具有更高的NGA50值以及更低的错误率。

主权项

1.一种基于邻接代数模型及质量等级评估的contig集成方法，其特征在于，包括以下步骤：/n步骤一，数据预处理：将双端读数比对到contig集合上，对于每条读数，当比对位置不止一个时，仅保留比对分值最高的一条比对信息，然后移除插入长度范围不在预设范围内的读数，并根据比对后的读数分布信息，将质量值比所有位点上测序质量均值还要低预设值的比对信息移除；/n步骤二，对输入集合排序：采用全局打分函数，结合比对信息中的比对质量值以及读数的的覆盖度，对输入的contig集合进行打分，并按照分值对contig集合进行排序，并按照此顺序选取排序最靠前的两个集合进行合并，得到的结果再与排序第三的集合进行合并，直到将所有集合合并到一起；/n步骤三，对contig进行质量等级评估：根据双端读数的比对结果以及contig的GC含量，评估contig上的位点是否为错误位点，将错误位点进行消除，同时评估剩余位点是否为因低测序深度或GC含量的偏好性造成的低覆盖区域内出现的不确定位点，若contig内不包含不确定位点，则评估为质量较好的Ⅰ类contig，若包含一个及以上不确定位点，则为Ⅱ类contig；/n步骤四，构建邻接图：采用基于邻接代数模型的结构图，根据contig与contig之间的比对关系提取共识序列，并将共识序列作为邻接图的节点，若共识序列相互邻接，则在节点之间添加一条边；针对邻接图中的所有可能路径，采用路径判定方法提取出图中所有良好路径，并通过合并重叠部分构成新的contig；/n步骤五，优化邻接图：对于邻接图中剩余的非良好路径，结合contig的质量等级评估信息进行优化，通过断开Ⅱ类contig的不确定位点，获得新的contig子集，再重新构建邻接子图，从而获得更多有效contig。/n