测序数据的处理方法及装置制造方法及图纸

技术编号：19389025阅读：109留言：0更新日期：2018-11-10 02:04

本发明专利技术公开了一种测序数据的处理方法及装置。其中，该方法包括：拆分三代测序数据，得到至少一个子测序数据；将任意一个子测序数据比对到对应的参考基因组，得到任意一个子测序数据对应的比对结果；合并得到的所有比对结果，得到合并结果。本发明专利技术解决了现有技术中进行基因组的组装过程中，需要使用大量资源和时间完成基因组比对，导致比对速度慢、效率低的技术问题。

Processing method and device for sequencing data

The invention discloses a processing method and device for sequencing data. Among them, the method includes: splitting three generations of sequencing data to get at least one sub-sequencing data; comparing any sub-sequencing data to the corresponding reference genome to get the corresponding results of any sub-sequencing data; and combining all the results to get the combined results. The invention solves the technical problem that in the process of genome assembly in the prior art, a large amount of resources and time are needed to complete genome alignment, resulting in a slow speed and low efficiency of the alignment.

全部详细技术资料下载

【技术实现步骤摘要】
测序数据的处理方法及装置
本专利技术涉及生物信息
，具体而言，涉及一种测序数据的处理方法及装置。
技术介绍
随着高通量测序技术的普及，越来越多的物种的基因组图谱被破解，然而受困于二代测序长度较短或者三代测序基因错误率高的原因，目前通过高通量测序技术得到的基因组一般是处于草图的水平，一般是由几千到几万个scaffold序列组成的。目前基于三代PacBio测序数据连接scaffold的常用软件为SSPACE-LongRead，

它首先用blasr软件将所有reads比对到基因组，得到所有reads跟基因组草图scaffolds的比对结果。

然后挑选出能同时比对到多个scaffolds的reads比对结果，然后这些三代测序reads在所对应的scaffolds的比对位置和比对方向，将两个或者多个scaffold连接成一个长序列。

由于blasr软件比对速度慢、内存占用大，导致SSPACE-LongRead连接scaffold需要大量的计算资源和CPU运行时间。许多大基因组，三代测序数据大于100G，比对需要数周时间。此外，blasr只通过设置cpu来提高并行计算的能力，该多线程并行的能力受限于单个节点的总cpu数目。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种测序数据的处理方法及装置，以至少解决现有技术中进行基因组的组装过程中，需要使用大量资源和时间完成基因组比对，导致比对速度慢、效率低的技术问题。根据本专利技术实施例的一个方面，提供了一种测序数据的处理方法，包括：拆分三代测序数据，得到至少一个子测序数据；将任意一个子测序数...

【技术保护点】
1.一种测序数据的处理方法，其特征在于，包括：拆分三代测序数据，得到至少一个子测序数据；将任意一个所述子测序数据比对到参考基因组，得到所述任意一个子测序数据对应的比对结果；合并得到的所有比对结果，得到合并结果。

【技术特征摘要】
1.一种测序数据的处理方法，其特征在于，包括：拆分三代测序数据，得到至少一个子测序数据；将任意一个所述子测序数据比对到参考基因组，得到所述任意一个子测序数据对应的比对结果；合并得到的所有比对结果，得到合并结果。2.根据权利要求1所述的方法，其特征在于，将任意一个子测序数据比对到参考基因组，得到所述任意一个子测序数据对应的比对结果，包括：使用高速比对软件对拆分得到的任意一个子测序数据进行比对；其中，所述比对结果的格式包括如下至少之一：M4格式、paf格式和M1文件格式。3.根据权利要求2所述的方法，其特征在于，将格式为所述M4格式和/或所述paf格式的比对结果转换为所述M1文件格式，并整合每个比对结果。4.根据权利要求1至3中任意一项所述的方法，其特征在于，在合并得到的所有比对结果，得到合并结果之后，所述方法还包括：从所述合并结果中提取比对到至少两个contig的比对结果；根据所述比对结果确定所述contig在Pacbioread上的方向，并计算具有连接关系的两个contig之间的gap距离。5.根据权利要求4所述的方法，其特征在于，在根据所述比对结果确定所述contig在Pacbioread上的方向，并计算所述具有连接关系的两个contig之间的gap距离之后，所述方法还包括：根据所述contig在Pacbioread上的方向以及所述具有连接关系的两个contig之间的gap距离，从最大的contig开始连接scaffold，得到测序基因组。6.根据权利要求1所述的方法，其特征在于，拆分得到每个所述子测序数据均为相同大小的fa...