[发明专利]一种用于病毒基因组变异分析、监测方法和系统

说明书

本发明属于生物信息学和生物医药领域，具体涉及一种用于病毒基因组变异分析、监测方法和系统。该方法通过序列比对后进行全基因注释获得编码基因信息，再进行翻译比对并根据遗传密码子表分析突变类型，获得基因组的突变位点、类型及频率，统计高频率突变位点，通过采集不同时间和区域的病毒株，分析高频率突变位点在时间和地区上的分布特征，并筛选位于免疫表位及其附近的高频率突变位点，以实现病毒基因组变异分析及监测。

技术领域

本发明属于生物信息学和生物医药领域，具体涉及一种用于病毒基因组变异分析、监测方法和系统。

背景技术

2019年底，由SARS-CoV-2引起的新冠疫情爆发，给世界公共卫生、经济、社会可持续发展带来了巨大危害及挑战。随着SARS-CoV-2在人群中的广泛流行，其基因组不断进化和变异。一些突变会赋予病毒新的遗传特征，如影响感染性和疫苗疗效等。前期相关研究表明，一些突变位点会影响病毒的感染特性以及对中和抗体甚至疫苗的免疫保护作用。

然而，疫苗的开发周期较长，从SARS-CoV-2出现到第一批在疫苗投入使用，大约历经了一年。目前，即将投入使用的疫苗是基于疫情初期的毒株开发的。在SARS-CoV-2大流行的这一年内，SARS-CoV-2基因组上经历了较多的变异，其中一些突变位点如S蛋白上的可导致感染性增强的D614G成为了优势变异且在全世界大范围流行。

因此，在病毒性疫情大流行期间，基于大尺度基因组序列数据来对病毒进行变异研究和监测，筛选并评估具有潜在功能的突变，对疫情的防控是至关重要的。

发明内容

基于此，本发明通过序列比对后进行全基因注释获得编码基因信息，再进行翻译比对并根据遗传密码子表分析突变类型，获得基因组的突变位点、类型及频率，统计高频率突变位点，通过采集不同时间和区域的病毒株，分析高频率突变位点在时间和空间上的分布特征，并筛选位于免疫表位及其附近的高频率突变位点，以实现病毒基因组变异分析及监测。

本发明提供了一种用于病毒基因组变异分析方法，所述分析方法具体包括：

获取参考基因序列和待分析基因组序列，将所述待分析基因组序列进行质量控制后获得测序质量良好的全基因组序列集；

将所述测序质量良好的序列集进行多序列比对，获得alignment序列文件；

将所述alignment序列文件以字符串完全匹配方法匹配编码基因的起始字符串，并返回编码基因在全基因组序列中的位置下标，并以alignment序列文件中每个基因对应的位置下标，生成基因位置表；

根据所述基因位置表，循环遍历每条序列，截取每条序列对应的编码基因片段并存储；

根据所述编码基因序列进行翻译成氨基酸序列，并对氨基酸序列进行多序列比对，获得对齐的氨基酸序列文件，与对齐前的编码基因序列进行匹配，采用“密码子出现的顺序”作为映射关系进而进行“回译”，将对齐的氨基酸序列“回译”成对齐的核苷酸；

将所述对齐的核苷酸序列以每三个碱基扫描方式遍历序列的每个密码子位点，识别和记录序列中存在连续三个碱基插入位点的位置“---”，标记为“插入位点”，并删除“插入位点”，获取不含插入位点的突变分析序列；

将参考序列对应的密码子和/或其对应的氨基酸与所述突变分析序列的密码子和/或翻译氨基酸按照预设突变分析方法进行分析获得待分析基因组序列突变位点以及变异类型。

进一步的，所述质量控制具体包括：

循环扫描每条序列，统计位置碱基的数量，当序列中含有10个以上的连续未知碱基，则将对应的序列进行删除。

进一步的，所述预设突变分析方法具体包括：

将参考序列对应密码子变量名记作qury_seq_conding，突变分析序列的密码子变量名记作s；