[发明专利]一种用于16S rRNA基因的细菌群落组成和多样性分析的自动化方法

说明书

本发明公开的一种用于16S rRNA基因的细菌群落组成和多样性分析的自动化方法，其提供的16S rRNA测序数据分析流程以测序原始序列数据作为输入,调用业界标准的分析工具(如：Mothur、QIIME等)，最终对数据进行可视化，并得到易于解读的分析结果。本发明包含了目前流行的主流分析项目，同时分析内容实现模块化，数据挖掘分析的方法更多样、更深入，可以根据不同的需要结合不同的分析模块内容，先后顺序的流程安排也更合理；此外，消除了测序深度不一导致的分析误差，使分析结果更全面、准确、可靠。

技术领域：

本发明一般有关于分子生物学技术领域，特别涉及高通量测序数据分析技术领域，并且更具体地说，涉及一种用于16S rRNA基因的细菌群落组成和多样性分析的自动化方法。

背景技术：

新一代高通量测序技术大幅度降低了测序的时间和成本，使得大规模测序逐渐成为常规的研究和检测手段，测序产生的数据量急剧增加。如何高效地分析这些数据，已成为迫切需要解决的问题。

目前高通量测序数据分析工具很多，进行分析序列信息的生物信息学工具纷繁复杂，对于分析菌群微生态的大规模测序数据，也已开发产生多种成熟的分析工具可供使用。其中，针对于菌群多样性和组成谱检测这一广泛应用的研究策略，绝大多数基于微生物核糖体RNA(rRNA)基因的序列分析工具并不能一次性满足研究人员的大部分分析需求，往往需要多次调用不同的分析工具(甚至不同的计算机平台系统)以完成所有相关分析。

当前用于rRNA基因序列分析的工具分为两大类：基于Web的工具和本地安装的工具。基于Web的工具托管在服务器上，为用户提供Web界面。例如Ribosomal DatabaseProject(RDP)的分类鉴定工具等；研究人员可以通过互联网上传测得的序列数据，并使用Web界面配置可选参数进行分析。但是对于一次上传的数据量存在限制，并受网络环境所约束，不适合大规模数据分析，并且远程用户无法根据自己的需求来自定义后端分析软件，并不方便。本地化的16S rRNA基因分析工具包括Mothur和QIIME等。使用这些本地工具时，不需要将数据上传到远程服务器，只需在Linux服务器/工作站合理配置安装即能投入使用。这些工具大多是开源形式，允许研究人员根据需要自定义软件。然而，很多情况下，根据不同的分析需求，实现一个完整的分析流程仍需要对众多工具进行整合。如何能正确高效地选择并整合这些工具已成为迫切需求。

现有的16S rRNA基因的细菌群落组成和多样性分析流程中，分析内容较为基础和简单，未包含目前流行的多项主流分析项目：Specaccum物种累积曲线、LEfSe分析、Wilcoxon秩和检验等。在一些情况下，无法满足研究人员的分析需求。此外，原有分析流程在进行后续PCA、PCoA等比较分析时，未对数据进行拉平处理，由此将会引入测序深度不一导致的分析误差。

发明内容

本发明的一个目的是为了克服现有工具中固有的弱点并结合其优势，提供一种用于16S rRNA基因的细菌群落组成和多样性分析的自动化方法，该方法具有可靠的流程，已确保分析结果的准确。并满足多种分析需求。

本发明的另一个目的是为了提供一种16S rRNA测序数据分析流程，实现各个环节的高效自动化管理和分析，从而节省时间成本，减轻研究人员的数据分析负担。

为了实现上述目的，本发明所采用的技术方案如下：

一种用于16S rRNA基因的细菌群落组成和多样性分析的自动化方法，其提供的16S rRNA测序数据分析流程以测序原始序列数据作为输入,调用业界标准的分析工具(如：Mothur、QIIME等)，最终对数据进行可视化，并得到易于解读的分析结果，具体包括以下步骤：

1)通过原始序列的测序质量值、模糊碱基数目、序列长度、引物序列和barcode序列的匹配度信息，对原始序列进行过滤和质量控制，并检查和剔除嵌合体，获得高质量序列；

2)对步骤1)获得的高质量序列的长度分布进行统计；