[发明专利]从全转录基因组数据中挖掘微生物数据的方法

权利要求书

1.从全转录基因组数据中挖掘微生物数据的方法，其特征在于，所述方法包括以下步骤：

步骤1.提取原始测序数据中的非人序列并对其进行质量控制；

步骤2.微生物比对及微生物序列过滤：使用kraken2构建标准微生物参考数据库，使用kraken2将步骤1提取的序列与参考数据库进行比对，获得序列的注释信息；基于序列的注释信息将未比对至微生物的序列进行过滤去除，进一步获取微生物序列和微生物物种丰度；

步骤3.微生物基因和功能分析：根据获得的微生物序列生成非冗余基因集，基于非冗余基因集，获得样本的微生物基因丰度表和功能丰度表。

2.根据权利要求1所述的方法，其特征在于，步骤1中，基于转录组/基因组测序数据的BAM文件中的注释信息，使用SAMtools提取文件中未比对至人类参考基因组的序列，使用bedools(v2.30.0)将BAM文件转换成FASTQ格式的文件。

3.根据权利要求2所述的方法，其特征在于，使用FastQC和MultiQC对FASTQ文件进行质量评估后，用Trimmomatic对非人序列去除引物并进行滑窗质量过滤，切掉碱基质量平均值低于20的滑窗。

4.根据权利要求1所述的方法，其特征在于，在步骤2中，所述注释信息包括三个文件：

1)Standard Kraken Output文件：包括每条序列的ID、是否比对至参考数据库、用于标记序列的Kraken 2分类ID、序列长度信息及序列的比对信息；

2)Sample Report Output文件：含有序列比对结果的详细信息，包括比对的等级代码、NCBI的分类ID号及学名；

3)比对至参考数据库的序列的FASTQ文件，该部分每条序列的序列名后都带有比对至物种的NCBI分类ID号；

基于获得的FASTQ文件的分类ID号，使用linux的文本处理功能进一步过滤掉比对至人类基因组的序列，即得微生物序列。

5.根据权利要求4所述的方法，其特征在于，基于Sample Report Output文件所得比对结果，使用Bracken对其进行定量，获得样本在界、门、纲、目、科、属、种七个水平的微生物物种丰度数据。

6.根据权利要求5所述的方法，其特征在于，使用Bracken对所得比对结果进行定量后，采用“decontam”R包的“isContaminant”函数对微生物比对结果进行去污。

7.根据权利要求1所述的方法，其特征在于，步骤3中，根据步骤2中获得的微生物序列，使用MEGAHIT将获得的微生物序列组装成contig；使用Prodigal预测contig中的蛋白编码基因；用CD-HIT生成非冗余基因集；基于非冗余基因集，利用salmon估计样本的基因丰度；使用eggNOG-mapper和diamond对非冗余基因集进行功能注释，从而获得样本的微生物基因丰度表和功能丰度表。