本公開提供了一種真菌基因組測序數據自動分析方法及系統，包括：獲取真菌基因組測序數據，判斷測序數據類型；根據測序數據的類型分別進行相應預處理；將預處理后的測序數據進行組裝，得到組裝后的contigs；基于基因組序列對比對contigs的相似參考基因組進行初步篩選，獲得候選參考基因組；利用MinHash數據結構從候選參考基因組中估算所述contigs的相似參考基因組，實現真菌基因組鑒定；并利用獲得的相似參考基因組對所述contigs進行下游分析；實現真菌基因組測序數據的自動分析；所述方案基于序列比對和MinHash數據結構對真菌全基因組進行鑒定，可以在實現對真菌種類進行鑒定的同時，找到與真菌同源性最高的參考基因組，從而便于下游分析。

技術領域

本公開屬于基因測序技術領域，尤其涉及一種真菌基因組測序數據自動分析方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

真菌感染的發病率和死亡率急劇上升，已引起醫學界越來越多的關注。雖然病原真菌的危害已引起廣泛關注，但目前人類對病原真菌的認識遠不如細菌和病毒，對真菌基因組的研究還需要進一步深入。

測序技術的廣泛應用有效地促進了微生物學等相關領域的技術進步。發明人發現，目前，一些用于基因測序數據分析的分析方法和軟件工具已經出現。然而這些工作主要致力于真菌的內轉錄間隔區(ITS，Internal Transcribed Spacer)和真菌的群落、宏基因組相關的分析。目前，還缺乏高效、準確的真菌全基因組測序數據分析方法和相應的自動分析工作流，特別是缺乏足夠的真菌基因組鑒定和功能注釋方法；同時，在真菌基因組鑒定的過程中，現有方法無法準確合理的獲得測序數據的相似參考基因組，導致基因組鑒定結果精確度不高的問題。

發明內容

本公開為了解決上述問題，提供了一種真菌基因組測序數據自動分析方法及系統，所述方案基于序列比對和MinHash數據結構對真菌全基因組進行鑒定，可以在實現對真菌種類進行鑒定的同時，找到與真菌同源性最高的參考基因組，從而便于下游分析。

根據本公開實施例的第一個方面，提供了一種真菌基因組測序數據自動分析方法，包括：

獲取真菌基因組測序數據，判斷測序數據類型；

根據測序數據的類型分別進行相應預處理；

將預處理后的測序數據進行組裝，得到組裝后的contigs；

基于基因組序列對與contigs比對的相似參考基因組進行初步篩選，獲得候選參考基因組；

利用MinHash數據結構從候選參考基因組中估算所述contigs的相似參考基因組，實現真菌基因組鑒定；并利用獲得的相似參考基因組對所述contigs進行下游分析；實現真菌基因組測序數據的自動分析。

進一步的，所述基因組序列比對具體包括：構建真菌參考基因組數據集，并建立真菌參考基因組數據集的索引；對于組裝后的contigs，與所述真菌參考基因組數據集進行基因組比對；根據比對結果計算相似參考基因組的分數，根據所述分數進行相似參考基因組的初步篩選。

進一步的，利用MinHash數據結構從候選參考基因組中估算所述contigs的相似參考基因組，具體包括：將contigs序列片段和所有候選參考基因組中的序列片段剪切成預設長度的小片段后存入哈希表中；然后計算兩個哈希表的相似度，將相似度最高的候選參考基因組作為相似的參考基因組。

根據本公開實施例的第二個方面，提供了一種真菌基因組測序數據自動分析系統，包括：

數據獲取單元，其用于獲取真菌基因組測序數據，判斷測序數據類型；

預處理單元，其用于根據測序數據的類型分別進行相應預處理；