[发明专利]基于高通量测序技术的宿主中病毒来源sRNA数据分析方法

权利要求书

1.一种基于高通量测序技术的宿主中病毒来源sRNA数据分析方法，其特征在于，包括如下步骤：

(1)文件准备步骤：

准备config文件，读取后用于进行数据自动化质控以及后续数据分析；

(2)下机数据质控步骤：

将下机得到的原始数据去除接头，保留15-41nt长度的序列，然后过滤低质量序列；对去除接头的序列做质控，汇总包括序列的测序质量统计、GC含量统计的质控信息；对去除接头的序列做去除低质量碱基处理，然后对上述去除低质量碱基的序列做N碱基检测，若序列中含有一个及以上的N碱基则将这条序列剔除；然后将剔除含N碱基的序列转成fasta格式的序列文件，将过滤后的数据进行去重，获得无重复的序列，并标记所有序列的数量；同时对原始数据和过滤数据量进行统计，并以柱状图展示各个样本不同长度序列的数量分布特征；过滤序列用于后续分析；

(3)病毒参考基因组比对以及病毒sRNA注释步骤：

对参考基因组序列构建索引，将步骤(1)中去重后的序列与病毒参考基因组序列做比对，筛选出碱基错配数小于2的结果，比对上的序列认为是潜在的病毒来源sRNA，统计汇总序列和比对序列数信息；

(4)病毒sRNA定量步骤：

将步骤(3)中比对上参考基因组的序列数做统计，汇总序列和比对序列数信息，并绘制各样本比对上参考基因组的序列在基因组上的分布情况，整理病毒sRNA的counts数，再基于counts数计算每个病毒sRNA的TPM，并生成病毒sRNA注释文件；

(5)差异病毒sRNA分析步骤：

根据步骤(4)中注释到的病毒sRNA信息以及表达量结果进行差异表达分析，筛选同时满足差异倍数和显著性的差异表达病毒sRNA，统计并展示可视化结果；

(6)宿主靶基因预测、富集分析步骤：

将步骤(5)中所述差异病毒sRNA与宿主mRNA序列进行宿主靶标预测，统计靶标结合位点信息，绘制结合位点示意图；

对步骤(6)中预测到的差异病毒sRNA宿主靶基因，基于宿主的GO、KEGG背景文件使用超几何分布检验计算方法进行GO功能和KEGG通路的富集分析，计算GO、KEGG条目在差异病毒sRNA的宿主靶基因中是否显著富集的P值，再对P值经BenjaminiHochberg多重检验纠正后得到FDR；针对富集结果做柱状图和气泡图统计，获得差异病毒sRNA可能参与影响的功能和代谢通路；

(7)网页版报告整理步骤：

根据结果一键化生成病毒sRNA分析的网页版报告，网页版报告对整个分析结果做汇总，并对每个分析步骤做描述和对应的图表展示以及弹窗式帮助文档。

2.如权利要求1所述的基于高通量测序技术的宿主中病毒来源sRNA数据分析方法，其特征在于，所述文件准备步骤当中config文件包括：下机数据位置以及对应的样本分析名和分组名、用于差异分析的分组信息、差异倍数参数、生物学重复参数、参考基因组信息。

3.如权利要求1所述的基于高通量测序技术的宿主中病毒来源sRNA数据分析方法，其特征在于，一个碱基错配比对上病毒参考基因组的序列认为是潜在的病毒来源sRNA，并展示序列在基因组上的分布情况。

4.如权利要求1所述的基于高通量测序技术的宿主中病毒来源sRNA数据分析方法，其特征在于，所述过滤低质量序列为以5个碱基长度为窗口对原始序列进行搜索，当窗口中碱基的平均测序质量低于20时，将从窗口最前端开始的部分截断并舍弃。

5.如权利要求1所述的基于高通量测序技术的宿主中病毒来源sRNA数据分析方法，其特征在于，使用Fastx-Toolkit软件将剔除含N碱基的序列转成fasta格式的序列文件。

6.如权利要求1所述的基于高通量测序技术的宿主中病毒来源sRNA数据分析方法，其特征在于，使用DESeq或DESeq2软件进行差异表达分析。