[发明专利]判断测序数据饱和的方法、计算机可读介质和应用

权利要求书

1.一种判断测序数据饱和的方法，其特征在于，包括如下步骤：

(a)提供所述测序数据，所述测序数据为包含X条reads的数据集A；

(b)将所述X条reads依据预设的序列相似阈值聚类生成N个Cluster；

(c)获得概率Probalility；所述Probalility为抽取第k-1条reads获得的Cluster数目为i-1，再抽取一条reads，获得的Cluster数目为i的概率；其中k为小于等于X的正整数，i为小于等于N的正整数；

(d)获得衡量数据饱和程度的指标Saturated，所述数据饱和程度指标Saturated越趋近于0，所述测序数据越趋于饱和；所述数据饱和程度指标Saturated按照公式(Ⅰ)计算得到：

所述Probalility按照公式(Ⅱ)计算的到：

其中，P(i，k)按照公式(Ⅲ)计算的到：

其中，U表示对于数据集B，当采集k条reads时，获得的Cluster数目为i的所有组合。

2.根据权利要求1所述的判断测序数据饱和的方法，其特征在于，获取M个相同类型的测序数据的数据集A，获取每个数据集A在相同的预设的序列相似阈值L下的数据饱和程度的指标Saturated，以该M个数据集A的数据饱和程度的指标Saturated的平均值和方差的和作为所述类型的测序数据的在序列相似阈值L下的饱和程度的指标Saturated参考值R，当测序数据在预设的序列相似阈值L下的饱和程度的指标Saturated不大于所述参考值R时，所述测序数据饱和。

3.根据权利要求2所述的判断测序数据饱和的方法，其特征在于，所述M为不小于100的正整数。

4.根据权利要求1所述的判断测序数据饱和的方法，其特征在于，所述reads为cleanreads。

5.根据权利要求1-4任一项所述的判断测序数据饱和的方法，其特征在于，所述测序数据包括二代测序数据或三代测序数据。

6.根据权利要求5所述的判断测序数据饱和的方法，其特征在于，所述测序数据来源于扩增子测序数据。

7.根据权利要求6所述的判断测序数据饱和的方法，其特征在于，所述扩增子测序包括16S测序、18S rDNA测序、ITS测序或功能基因区域测序。

8.根据权利要求7所述的判断测序数据饱和的方法，其特征在于，所述测序数据来源于16S rDNA，所述预设的序列相似阈值L为97％，且测序平台为Illumina测序平台，测序策略为PE250；当所述衡量数据饱和的指标Saturated为0～0.44时，判定测序数据饱和。

9.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1-8中任一项所述的判断测序数据饱和的方法。

10.权利要求1-8中任一项所述的判断测序数据饱和的方法或权利要求9所述的具有处理器可执行的非易失的程序代码的计算机可读介质在生物信息学分析中的应用。