[发明专利]一种从低质量核糖体印迹数据预测基因编码框的方法和系统

摘要

本发明公开一种从低质量核糖体印迹数据预测基因编码框的方法，本发明综合利用核糖体印迹和密码子使用频率进行蛋白编码框的预测，利用multitaper算法和复杂度对核糖体印迹数据质量进行描述，根据核糖体印迹数据的复杂度自动分配相应的权重，从而平衡数据质量的影响。具体的，本发明提取密码子使用频率，结合核糖体印迹数据的3碱基周期性，科学度量核糖体印迹的数据质量并合理分配相应权重，计算每个密码子位于核糖体P位点的概率，提取序列特征，通过统计分析综合评定编码框的预测概率值，进而预测新的编码框。本发明将大幅降低对核糖体印迹数据质量的要求，将极大促进核核体印迹技术应用的拓展，特别是在农作物研究中的应用。

主权项

1.一种从低质量核糖体印迹数据预测基因编码框的方法，其特征在于，包括如下步骤：S1，将原始测序的核糖体印记数据去掉接头后与基因组参考序列进行比对；S2，采用multitaper算法分析不同长度的核糖体印迹序列(RPF)的3碱基周期性，保留评估合格的RPF，用于后续分析；S3，通过基因组注释文件信息，提取转录本和已知编码框的序列和位置信息，同时获得全基因组所有转录本和已知编码框序列；S4，对步骤S2中保留的RPF进行特征训练，并依此进行权重分配；S5，计算各转录本上每一个碱基或每一个三碱基组合正好位于核糖体P位点(P‑site)的概率；S6，根据已知的各编码框的序列信息以及步骤S5中计算得出的P‑site概率，同时提取基因编码框特征；S7，根据S5中计算得出的每个碱基或三碱基组合正好位于核糖体P位点的概率，以及S6得到的基因编码框特征，预测出未知的基因编码框。