[发明专利]一种串联序列解析方法、装置和存储介质

说明书

本申请公开了一种串联序列解析方法、装置和存储介质。本申请的方法包括，从引物序列或其反向互补序列中截取锚片段P，在测序片段中与锚片段P完全匹配处截取与引物序列等长的片段S；将两者进行精确比对，保留比对长度占引物序列50％以上的结果，记录引物序列及其类型；根据引物序列的类型判断全长插入片段和连接点，根据连接点的引物类型，进行两端延伸，分析全长插入片段和非全长插入片段。本申请的方法，通过较短的锚片段P进行引物序列的快速定位，结合精确比对，提升了引物序列的比对效率；通过识别连接点，再根据连接点的引物类型，进行两端延伸，有效地避免了引物比对假阳性导致的拆分错误的问题，提升了拆分准确性和数据拆分率。

技术领域

本申请涉及核酸测序数据分析技术领域，特别是涉及一种串联序列解析方法、装置和存储介质。

背景技术

为了提升数据利用率，降低测序成本，目前的全长转录组产品，是先把目的片段基于特定的酶将多个目的片段连接起来，形成串联序列，然后再构建文库进行上机测序。但是在片段连接的过程中，由于酶活性或者片段本身的一些结构特征等影响，会出现部分片段嵌合的现象。并且，测序还会引入碱基错误率，尤其是ONT平台的数据，其错误率高达10％左右。这些因素极大的阻碍了测序数据的拆分。如何准确地进行数据拆分，是后续信息分析的基础，将极大的影响下游结果的准确性。

目前常用的做法是基于blast比对，定位接头序列的位置，然后基于相邻的两个接头序列的关系进行数据拆分。因为需要考虑测序错误率，所以一般在blast匹配接头都是容错匹配，这样会引入一些错误的接头匹配位置；而拆分是基于相邻的接头进行判断其类别，所以会出现错误拆分的情况，其拆分准确率较低。此外，一般的测序数据都是几十万条，blast比对的速度较慢，运算成本也较高。

因此，如何准确、有效的进行串联序列解析，仍然是本领域的研究重点和难点之一。

发明内容

本申请的目的是提供一种新的串联序列解析方法、串联序列解析装置和存储介质。

为了实现上述目的，本申请采用了以下技术方案：

本申请的第一方面公开了一种串联序列解析方法，包括以下步骤：

引物定位步骤，包括将5端primer序列、5端primer反向互补序列、3端primer序列和3端primer序列反向互补序列作为待分析primer序列，分别进行如下操作，根据锚长度对待分析primer序列进行连续截取得到锚片段P，在测序片段中与锚片段P完全匹配处截取与待分析primer序列等长的片段S；将待分析primer序列与片段S进行精确比对，保留比对长度占待分析primer序列的50％以上的结果，根据比对结果，记录在测序片段中相应位置上匹配的待分析primer序列及其类型；