[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

权利要求书

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。

2.按照权利要求1所述的方法，其特征在于：步骤(1)中，采用基于k-mer的开源基因组组装软件进行组装。

3.按照权利要求2所述的方法，其特征在于：步骤(1)中，所述基于k-mer的开源基因组组装软件为ABYSS、SOAPdenovo、Velvet或ALLPATHS-LG软件。

4.按照权利要求1所述的方法，其特征在于：步骤(2)中，进行blast比对时使用的具体命令为：blastall-p blastn-d BlastDB-i in_file.fasta-m8–b 20-e 1e-5>blast_output。

5.按照权利要求1所述的方法，其特征在于：在步骤(4)中，使用AUGUSTUS软件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。

6.按照权利要求1所述的方法，其特征在于：在步骤(4)中，进行blast比对时使用的具体命令为：blastall-p blastp-d BlastDB-i in_file.fasta-m8–b 20-e 1e-5>blast_output2。