[发明专利]一种高杂合二倍体基因组支架序列组装策略

权利要求书

1.一种高杂合二倍体支架序列组装策略，其特征在于，包括如下步骤：

将Reads比对到Contig上得到所需要映射信息Arc和Link；

根据Contig的长度和覆盖深度（Coverage Depth）设定阈值，将短的和过高覆盖深度的Contig过滤；

先由Contig之间的Arc关系，构建Contig之间的有向连接图，使用寻找泡状结构过滤单路径算法单元对图进行处理；

使用Contig之间的Link关系，构建Contig和Temp Scaffold之间的有向连接图，对图进行线性化处理；    

在所有插入片段库都被遍历使用后，得到最终的Temp Scaffold即为最终的Scaffold；

根据在寻找泡状结构过滤单路径算法单元的过程中储存的信息，对应最终Scaffold中Contig路径补回被过滤的杂合单路径，并将其输出在结果序列中。

2.根据权利要求1所述的组装策略，其特征在于，将Reads比对到Contig上得到所需要映射信息Arc和Link，包括：

将一个单端读长序列（SE Read）比对到Contig上，同时比对到两条Contig的终止和起始位置的Read构建了两条Contig的无缝连接关系（Arc）；将插入片段成对读长序列（PE Read）比对到Contig上，两端Read之间的距离由插入片段库长度和Read长度决定，实际值与给定值有一定的标准偏差，如果各有一端Read比对到Contig上的PE Read构建了两条Contig的在一定长度范围的空白区域的连接关系（Link）。

3.根据权利要求1所述的组装策略，其特征在于，根据Contig的长度和覆盖深度设定阈值，将短的和高覆盖深度的Contig过滤，其中，被过滤的Contig与其上的Arc和Link信息都不使用到Scaffold的构建中。

4.根据权利要求1所述的组装策略，其特征在于，先由Contig两两间的Arc关系，构建Contig之间的有向连接图，使用寻找泡状结构过滤单路径算法单元对图进行处理，包括：

寻找Bubble结构，将Bubble两边的路径分为快路径（Fast Path）和慢路径（Slow Path），将Slow Path合并到Fast Path上的方法。

5. 根据权利要求4所述的组装策略，其特征在于，寻找Bubble结构，将Slow Path合并到Fast Path上的方法包括如下步骤： 对每条路径的每个节点算出一个Time值，用所有节点的平均Time值表示路径的Time值，Time值较小的定义为Fast Path ；初始的每个Contig的Time值都设置为-1，遍历过的Contig的Time值都会经过计算而改变，Time值的计算如下：

ContigB的Time值与其相连接的前一个ContigA有关，同时与ContigB的长度和覆盖深度有关；被遍历过的Contig的Time值都会由改变，因此在一条路径延伸到一个Time值不为-1的Contig时，表示此Contig已经被遍历过了，由此Contig向有向图上游回溯，会有两条路径回到之前同一个Contig，这样寻找到一个Bubble结构。

6.根据权利要求4或5所述的组装策略，其特征在于，所述将Slow Path合并到Fast Path上的方法还包括：

Fast Path和Slow Path两条路径上的节点平均覆盖深度在一个合适阈值内，才将两条路径合并；合并的时候选择路径中节点平均长度较长的一条，即将杂合部分组装的比较完整的一条单倍体路径保留下来；对每个寻找到Bubble结构进行处理，直到遍历过所有的Contig有向连接图中的Bubble结构。