[发明专利]一种快速准确鉴定高通量基因组数据污染源的方法

摘要

本发明公开了一种快速准确鉴定高通量基因组数据污染源的方法，该方法首先组装denovo测序的原始基因组测序数据，得到组装结果，将组装结果进行基因预测，并翻译得到基因所对应蛋白的氨基酸序列，将组装的基因组序列和氨基酸序列分别与NCBI的NT数据库和NR数据库进行blast比对，得到有同源性的序列，作为原始比对数据库；从原始比对数据库中，提取序列对应的物种信息并排序，将序列对应的物种从多到少进行排序，结合基因数据的结果和氨基酸数据的结果，综合判断是否存在外源污染。本发明的方法可大限度的降低基因组denovo项目中，外来污染源对高通量基因组测序数据的污染和对后续生物信息学分析的影响，并提高污染源鉴定的速度和效率。

主权项

1.一种快速准确鉴定高通量基因组数据污染源的方法，其特征在于，包括以下步骤：(1)组装denovo测序的原始基因组测序数据，得到组装结果；(2)将组装结果与NCBI的NT数据库进行blast比对，得到有同源性的序列，作为原始比对数据库；(3)从原始比对数据库中，提取序列对应的物种信息并排序，将序列对应的物种从多到少进行排序，判断是否存在外源污染；(4)将组装结果进行基因结构的注释并获得对应的基因所翻译蛋白的氨基酸序列，将氨基酸序列与NCBI的NR数据库进行blast比对；(5)得到步骤(4)的比对结果后，再依照步骤(3)的方法，提取物种信息和排序，将氨基酸序列对应的物种从多到少进行排序，判断是否存在外源污染；(6)结合步骤(3)和步骤(5)的结果，根据两步分析统计中均存在的结果，最终确定污染情况及具体污染源。