本發(fā)明提供一種通過(guò)相似度進(jìn)行菌株溯源及屬性鑒定的方法，其包含如下步驟：a）將樣本中菌株的測(cè)序序列或組裝序列和聚類泛基因組數(shù)據(jù)庫(kù)中每個(gè)簇的泛基因組進(jìn)行序列比對(duì)；b）根據(jù)比對(duì)上序列的覆蓋度篩選比對(duì)結(jié)果；c）根據(jù)篩選的比對(duì)結(jié)果計(jì)算簇相似度，選取簇相似度最大的L個(gè)簇作為候選簇；d）從每個(gè)所述候選簇中選取株相似度最大的M個(gè)原始菌株作為候選菌株；e）從所述候選菌株中，選取株相似度最大的N個(gè)原始菌株，作為來(lái)源菌株；f）根據(jù)所述來(lái)源菌株獲取所述樣本中菌株的來(lái)源信息及屬性信息。采用此方法可快速、準(zhǔn)確地鑒定出病原微生物的屬性和來(lái)源。

技術(shù)領(lǐng)域

本發(fā)明屬于生信分析領(lǐng)域，具體涉及一種通過(guò)相似度進(jìn)行菌株溯源及屬性鑒定的方法。

背景技術(shù)

傳統(tǒng)藥敏檢測(cè)方法如紙片擴(kuò)散法和肉湯稀釋法，耗時(shí)長(zhǎng)，且需要先將細(xì)菌分離培養(yǎng)為純培養(yǎng)物。傳統(tǒng)的溯源或同源性分析往往依賴于從頭開(kāi)始的系統(tǒng)發(fā)育分析，每得到一株新純培養(yǎng)物，對(duì)菌株序列進(jìn)行一次新的系統(tǒng)發(fā)育分析，觀察該序列在系統(tǒng)發(fā)育樹(shù)上的位置。此類方法由于需要如細(xì)菌的分離培養(yǎng)、基因組提取、基因組組裝、基因功能注釋、核心基因組分析、系統(tǒng)發(fā)育樹(shù)分析等步驟，所需時(shí)間長(zhǎng)，且比對(duì)結(jié)果嚴(yán)重依賴于各實(shí)驗(yàn)室或醫(yī)院納入的菌株范圍。

宏基因組學(xué)規(guī)避了對(duì)樣本的微生物的分離培養(yǎng)，可進(jìn)行樣本直接檢測(cè)，報(bào)告所有檢出序列的病原體，其檢測(cè)速度之快為危急感染患者的臨床診斷提供新保障。雖然能通過(guò)宏基因組能得到所有檢出序列的病原體，但是無(wú)法得知該病原體的來(lái)源，基因組屬性等。這可能會(huì)錯(cuò)過(guò)院內(nèi)暴發(fā)或者社區(qū)暴發(fā)，導(dǎo)致更多感染性事件的發(fā)生。無(wú)法得知基因組屬性還可能導(dǎo)致用藥錯(cuò)誤或藥物濫用。

有鑒于此，提出本發(fā)明。

發(fā)明內(nèi)容

本發(fā)明提供一種通過(guò)聚類泛基因組和相似度快速鑒定菌株屬性及其來(lái)源的方法，采用此方法可快速、準(zhǔn)確地鑒定出病原微生物的屬性和來(lái)源，具體包括以下實(shí)施方式：

實(shí)施方式1. 一種通過(guò)相似度進(jìn)行菌株溯源及屬性鑒定的方法，其特征在于，包含如下步驟：

a）序列比對(duì)：將樣本中菌株的測(cè)序序列或組裝序列和聚類泛基因組數(shù)據(jù)庫(kù)中每個(gè)簇的泛基因組進(jìn)行序列比對(duì)，其中所述聚類泛基因組數(shù)據(jù)庫(kù)中包含泛基因組序列-原始序列-原始菌株關(guān)聯(lián)關(guān)系，和任選的屬性信息；

b）比對(duì)結(jié)果篩選：對(duì)a）得到的序列比對(duì)結(jié)果，根據(jù)比對(duì)上序列的覆蓋度篩選比對(duì)結(jié)果；

c）計(jì)算相似度，篩選候選簇：根據(jù)b）篩選的比對(duì)結(jié)果計(jì)算樣本中菌株與某簇的簇相似度，選取簇相似度最大的L個(gè)簇作為樣本中菌株所在的候選簇，其中，L為正整數(shù)；

d）篩選候選菌株：從每個(gè)所述候選簇中選取株相似度最大的M個(gè)原始菌株作為與樣本中菌株相似的候選菌株，其中，M為正整數(shù)，所述株相似度用以衡量樣本中菌株與所述聚類泛基因組數(shù)據(jù)庫(kù)中關(guān)聯(lián)的原始菌株的相似性；

e）確定來(lái)源菌株：從所述候選菌株中，選取株相似度最大的N個(gè)原始菌株，作為樣本中菌株的來(lái)源菌株，其中，N為正整數(shù)；

f）獲取來(lái)源信息及屬性信息：根據(jù)所述來(lái)源菌株獲取所述樣本中菌株的來(lái)源信息及屬性信息。

實(shí)施方式2. 根據(jù)實(shí)施方式1所述的方法，其特征在于，所述覆蓋度為某條測(cè)序序列或組裝序列與該簇泛基因組某條序列比對(duì)上的長(zhǎng)度占所述該簇泛基因組某條序列的長(zhǎng)度的百分比。

實(shí)施方式3. 根據(jù)實(shí)施方式1所述的方法，其特征在于，所述覆蓋度為某條測(cè)序序列或組裝序列與該簇泛基因組某條序列比對(duì)上的長(zhǎng)度占所述某條測(cè)序序列或組裝序列的長(zhǎng)度的百分比。

實(shí)施方式4. 根據(jù)實(shí)施方式1所述的方法，其特征在于，所述簇相似度為比對(duì)上某簇泛基因組所有序列的相似度的平均值。

實(shí)施方式5. 根據(jù)實(shí)施方式1所述的方法，其特征在于，所述篩選候選簇如下進(jìn)行：

所述L選取5個(gè)至10個(gè)，或者

選取簇相似度達(dá)到最大簇相似度的99%的簇作為樣本中菌株所在的候選簇。