CN111326213B - 一种数据分析方法、装置、设备及存储介质 - Google Patents

一种数据分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111326213B
CN111326213B CN202010103766.8A CN202010103766A CN111326213B CN 111326213 B CN111326213 B CN 111326213B CN 202010103766 A CN202010103766 A CN 202010103766A CN 111326213 B CN111326213 B CN 111326213B
Authority
CN
China
Prior art keywords
sequence
representative
sample
base
representative sequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010103766.8A
Other languages
English (en)
Other versions
CN111326213A (zh
Inventor
贾瑞凯
叶桦
方其
张艳
吴昕
廖国娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Genewiz Suzhou Ltd
Original Assignee
Genewiz Suzhou Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Genewiz Suzhou Ltd filed Critical Genewiz Suzhou Ltd
Priority to CN202010103766.8A priority Critical patent/CN111326213B/zh
Publication of CN111326213A publication Critical patent/CN111326213A/zh
Priority to PCT/CN2020/119441 priority patent/WO2021164270A1/zh
Application granted granted Critical
Publication of CN111326213B publication Critical patent/CN111326213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/30—Detection of binding sites or motifs

Landscapes

  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明公开了一种数据分析方法、装置、设备及存储介质。该方法包括：读取至少一个样本的测序数据；根据所述测序数据确定代表性序列；统计所述代表性序列在各样本的深度信息；对所述代表性序列及代表性序列在各样本中的深度信息进行分析，通过本发明的技术方案，能够更加完全、准确地检测组分，拓展了检测的灵敏度和完整性。

Description

一种数据分析方法、装置、设备及存储介质
技术领域
本发明实施例涉及生物学领域，尤其涉及一种数据分析方法、装置、设备及存储介质。
背景技术
随着宏基因组学的发展，研究人员能够精确分析人体微生物菌群的多样性，并延展至免疫、代谢、精神行为、以及各种健康和疾病状态与人体微生物种群平衡的关系。宏基因组学分析已经成为微生物种群研究的主要手段，通过高通量测序得到的庞大的序列信息，利用生物信息学分析，研究微生物的组分、多样性、与环境的关系等，促使微生物的研究进入了一个新的时代。
16SrDNA测序技术是研究宏基因组的主要技术之一。在技术兴起的初期，16SrDNA测序对应的生物信息学分析方法的主要目的是在保证数据精度的同时尽可能的提高数据处理的速度。然而在处理相同数据不同组合分析时候存在少许背景偏差。
发明内容
本发明实施例提供一种数据分析方法、装置、设备及存储介质，以实现能够更加完全、准确地检测组分，拓展了检测的灵敏度和完整性。
第一方面，本发明实施例提供了一种数据分析方法，包括：
读取至少一个样本的测序数据；
根据所述测序数据确定代表性序列；
统计所述代表性序列在各样本的深度信息；
对所述代表性序列及代表性序列在各样本中的深度信息进行分析。
第二方面，本发明实施例还提供了一种数据分析装置，该装置包括：
读取模块，用于读取至少一个样本的测序数据；
确定模块，用于根据所述测序数据确定代表性序列；
统计模块，用于统计所述代表性序列在各样本的深度信息；
分析模块，用于对所述代表性序列及代表性序列在各样本中的深度信息进行分析。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的数据分析方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的数据分析方法。
本发明实施例通过读取至少一个样本的测序数据；根据所述测序数据确定代表性序列；统计所述代表性序列在各样本的深度信息；对所述代表性序列及代表性序列在各样本中的深度信息进行分析，能够更加完全、准确地检测组分，拓展了检测的灵敏度和完整性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种数据分析方法的流程图；
图2是本发明实施例二中的一种数据分析装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种数据分析方法的流程图，本实施例可适用于数据分析的情况，该方法可以由本发明实施例中的数据分析装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，读取至少一个样本的测序数据。
其中，所述测序数据包括至少一条read，每一条read对应一条碱基序列片段。
具体的，读取至少一个样本的测序数据，例如可以是，我们需要检测M01、M02、M03三个样本，三个样本已知其菌群组分和比例(详见Beiresources Catalog：HM-782D)。测序后获得M01、M02、M03三个样本的数据组成分别包含38,386、68,436、31,791条碱基序列(reads)，平均每条reads包含457个碱基。
S120，根据所述测序数据确定代表性序列。
可选的，所述测序数据包括至少一条碱基序列；相应的，根据所述测序数据确定代表性序列包括：
将至少一个样本的测序数据中相同的碱基序列片段合并为一组，对应的碱基序列作为该组的代表性序列。
其中，所述碱基序列包括至少一个碱基。
具体的，138,613条reads根据碱基序列是否完全一致，被分为127,299组，每组对应碱基序列信息作为各组的代表性序列。
可选的，所述碱基序列包括至少一个碱基；相应的，将至少一个样本的测序数据中相同的碱基序列合并为一组，对应的碱基序列作为该组的代表性序列包括：
判断所述至少一条碱基序列中的碱基是否相同；
将全部碱基均相同的至少一条碱基序列合并为一组；
将存在不同碱基的至少一条碱基序列各分为一组。
具体的，其中，代表性序列包括至少一条碱基，例如可以是，若碱基序列片段为AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA，则其中每一个A为一个碱基。
具体的，判断所述至少一条碱基序列中的碱基是否相同的方式为将碱基序列中的所有碱基依次比对，例如可以是，若碱基序列1为AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA，碱基序列2为GAGGAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA，则判断碱基序列1和碱基序列2是否相同的方式为，依次比对碱基序列1和碱基序列2中的碱基，碱基序列1和碱基序列2的第一个碱基、第三个碱基、第四个碱基不同，则碱基序列1和碱基序列2不同，碱基序列1为一组，碱基序列2为一组，若碱基序列1为AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA，碱基序列3为AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA，依次比对碱基序列1和碱基序列3中的碱基，碱基序列1和碱基序列3中的碱基均相同，则碱基序列1和碱基序列3相同，将碱基序列1和碱基序列3合并为一组。
S130，统计代表性序列在各样本的深度信息。
具体的，在各个样品的测序数据中，循环查找127,299条代表性序列，查询到的次数即为该代表性序列在对应样品的深度信息。结果以表格的形式呈现：
编号 序列 样品M01 样品M02 样品M03
1 GCCT...TCCG 0 1 0
2 TTAC...GTAA 0 0 1
3 TCCT...TCCA 0 1 0
… … … … …
127229 GTAC...TCCG 0 0 1
S140，对代表性序列及代表性序列在各样本中的深度信息进行分析。
具体的，对代表性序列及代表性序列在各样本中的深度信息进行分析的方式可以为先对包含代表性序列及代表性序列在各个样本深度的表格进行差异分析；也可以为对代表性序列进行注释，确定代表性序列对应的菌种和/或菌属，相同菌种和/或菌属的代表性序列合并，对应的深度信息相加，获得各样本菌种和/或菌属水平的组成，本发明实施例对此不进行限制。
可选的，对所述代表性序列及代表性序列在各样本中的深度信息进行分析包括：
对分组后获得的代表性序列进行注释。
具体的，对代表性序列进行注释也就是将代表性序列对应的菌种和/或菌属进行标注，对代表性序列进行注释的方式可以为查找表格获取与代表性序列对应的菌种和/或菌属，然后进行标注；也可以为预先建立数据库，通过查询数据库的方式获取与代表性序列对应的菌种和/或菌属，然后进行标注，本发明实施例对此不进行限制。
可选的，所述对分组后获得的代表性序列进行注释包括：
预先建立关于代表性序列和菌种和/或菌属的对应关系的数据库；
根据所述至少一条代表性序列查询所述数据库，得到所述至少一条代表性序列对应的菌种和/或菌属；
将属于相同菌种和/或菌属的至少一条代表性序列进行合并。
可选的，根据所述测序数据确定代表性序列之后，还包括：
对所述至少一条代表性序列进行编号；
根据所述编号、代表性序列以及代表性序列的深度信息建立表格，其中，所述代表性序列的深度信息包括针对至少一个样本的深度信息。
可选的，将属于相同菌种和/或菌属的至少一条代表性序列进行合并之后，还包括：
根据所述编号、代表性序列、代表性序列的深度信息以及代表性序列对应的菌菌种和/或菌属建立表格。
如下表所示，当检出阈值设置为0.01％，即只保留大于比例0.01％的菌属信息，检出结果与理论组分一致。
本实施例的技术方案，通过读取至少一个样本的测序数据；将测序数据中完全相同的碱基序列片段合并为一组，每组包含碱基序列信息作为各组的代表性序列；统计代表性序列在各样本的深度信息；对代表性序列及代表性序列在各样本中的深度信息进行分析，能够更加完全、准确地检测组分，拓展了检测的灵敏度和完整性。
实施例二
图2为本发明实施例二提供的一种数据分析装置的结构示意图。本实施例可适用于数据分析的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供数据分析的功能的设备中，如图2所示，所述数据分析装置具体包括：读取模块210、确定模块220、统计模块230和分析模块240。
其中，读取模块210，用于读取至少一个样本的测序数据；
确定模块220，用于根据所述测序数据确定代表性序列；
统计模块230，用于统计所述代表性序列在各样本的深度信息；
分析模块240，用于对所述代表性序列及代表性序列在各样本中的深度信息进行分析。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过读取至少一个样本的测序数据；根据所述测序数据确定代表性序列；统计所述代表性序列在各样本的深度信息；对所述代表性序列及代表性序列在各样本中的深度信息进行分析，能够更加完全、准确地检测组分，拓展了检测的灵敏度和完整性。
实施例三
图3为本发明实施例四中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的数据分析方法：读取至少一个样本的测序数据；根据所述测序数据确定代表性序列；统计所述代表性序列在各样本的深度信息；对所述代表性序列及代表性序列在各样本中的深度信息进行分析。
实施例四
本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的数据分析方法：读取至少一个样本的测序数据；读取至少一个样本的测序数据；根据所述测序数据确定代表性序列；统计所述代表性序列在各样本的深度信息；对所述代表性序列及代表性序列在各样本中的深度信息进行分析。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种数据分析方法，其特征在于，包括：
读取至少一个样本的测序数据；
根据所述测序数据确定代表性序列；
统计所述代表性序列在各样本的深度信息；
对所述代表性序列及代表性序列在各样本中的深度信息进行分析；
其中，所述测序数据包括至少一条碱基序列；相应的，根据所述测序数据确定代表性序列包括：
将至少一个样本的测序数据中相同的碱基序列合并为一组，对应的碱基序列作为该组的代表性序列；
其中，所述碱基序列包括至少一个碱基；相应的，将至少一个样本的测序数据中相同的碱基序列合并为一组，对应的碱基序列作为该组的代表性序列包括：
判断所述至少一条碱基序列中的碱基是否相同；
将全部碱基均相同的至少一条碱基序列合并为一组；
将存在不同碱基的至少一条碱基序列各分为一组。
2.根据权利要求1所述的方法，其特征在于，对所述代表性序列及代表性序列在各样本中的深度信息进行分析包括：
对分组后获得的代表性序列进行注释。
3.根据权利要求2所述的方法，其特征在于，所述对分组后获得的代表性序列进行注释包括：
预先建立关于代表性序列和菌种和/或菌属的对应关系的数据库；
根据所述至少一条代表性序列查询所述数据库，得到所述至少一条代表性序列对应的菌种和/或菌属；
将属于相同菌种和/或菌属的至少一条代表性序列进行合并。
4.根据权利要求3所述的方法，其特征在于，根据所述测序数据确定代表性序列之后，还包括：
对所述至少一条代表性序列进行编号；
根据所述编号、代表性序列以及代表性序列的深度信息建立表格，其中，所述代表性序列的深度信息包括针对至少一个样本的深度信息。
5.根据权利要求4所述的方法，其特征在于，将属于相同菌种和/或菌属的至少一条代表性序列进行合并之后，还包括：
根据所述编号、代表性序列、代表性序列的深度信息以及代表性序列对应的菌种和/或菌属建立表格。
6.一种数据分析装置，其特征在于，包括：
读取模块，用于读取至少一个样本的测序数据；
确定模块，用于根据所述测序数据确定代表性序列；
统计模块，用于统计所述代表性序列在各样本的深度信息；
分析模块，用于对所述代表性序列及代表性序列在各样本中的深度信息进行分析；
其中，所述测序数据包括至少一条碱基序列；相应的，确定模块，包括：
确定单元，用于将至少一个样本的测序数据中相同的碱基序列合并为一组，对应的碱基序列作为该组的代表性序列；
其中，所述碱基序列包括至少一个碱基；相应的，确定单元，具体用于：
判断所述至少一条碱基序列中的碱基是否相同；
将全部碱基均相同的至少一条碱基序列合并为一组；
将存在不同碱基的至少一条碱基序列各分为一组。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202010103766.8A 2020-02-20 2020-02-20 一种数据分析方法、装置、设备及存储介质 Active CN111326213B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010103766.8A CN111326213B (zh) 2020-02-20 2020-02-20 一种数据分析方法、装置、设备及存储介质
PCT/CN2020/119441 WO2021164270A1 (zh) 2020-02-20 2020-09-30 数据分析方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010103766.8A CN111326213B (zh) 2020-02-20 2020-02-20 一种数据分析方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111326213A CN111326213A (zh) 2020-06-23
CN111326213B true CN111326213B (zh) 2023-10-03

Family

ID=71165312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010103766.8A Active CN111326213B (zh) 2020-02-20 2020-02-20 一种数据分析方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111326213B (zh)
WO (1) WO2021164270A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111326213B (zh) * 2020-02-20 2023-10-03 苏州金唯智生物科技有限公司 一种数据分析方法、装置、设备及存储介质
CN112631562B (zh) * 2020-12-01 2022-08-23 上海欧易生物医学科技有限公司 基于python的二代测序样本混样方法、应用、设备、计算机可读存储介质
CN116741274A (zh) * 2023-02-07 2023-09-12 杭州联川基因诊断技术有限公司 一种确定靶向测序数据中代表性序列的方法、设备和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021979A (zh) * 2016-05-12 2016-10-12 北京百迈客云科技有限公司 人基因组重测序数据分析***及方法
CN110349629A (zh) * 2019-06-20 2019-10-18 广州赛哲生物科技股份有限公司 一种利用宏基因组或宏转录组检测微生物的分析方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2015318017B2 (en) * 2014-09-18 2022-02-03 Illumina, Inc. Methods and systems for analyzing nucleic acid sequencing data
CN106916891B (zh) * 2017-02-24 2020-10-30 昆明藻能生物科技有限公司 采用De novo转录组分析鉴定隐甲藻中与DHA生物合成相关的脂肪酸去饱和酶基因的方法
CN109378044A (zh) * 2018-10-18 2019-02-22 东莞博奥木华基因科技有限公司 一种个体化用药报告生成方法和***
CN109920484A (zh) * 2019-02-14 2019-06-21 北京安智因生物技术有限公司 一种测序仪用的基因检测数据的分析方法及***
CN110246581A (zh) * 2019-07-02 2019-09-17 广东瑞昊生物技术有限公司 基于基因检测的评估***
CN111326213B (zh) * 2020-02-20 2023-10-03 苏州金唯智生物科技有限公司 一种数据分析方法、装置、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021979A (zh) * 2016-05-12 2016-10-12 北京百迈客云科技有限公司 人基因组重测序数据分析***及方法
CN110349629A (zh) * 2019-06-20 2019-10-18 广州赛哲生物科技股份有限公司 一种利用宏基因组或宏转录组检测微生物的分析方法

Also Published As

Publication number Publication date
CN111326213A (zh) 2020-06-23
WO2021164270A1 (zh) 2021-08-26

Similar Documents

Publication Publication Date Title
CN111326213B (zh) 一种数据分析方法、装置、设备及存储介质
CN109783490B (zh) 数据融合方法、装置、计算机设备及存储介质
Healy et al. Use of the DiversiLab System for species and strain differentiation of Fusarium species isolates
CN109885597B (zh) 基于机器学习的用户分群处理方法、装置及电子终端
Gliddon et al. Identification of reduced host transcriptomic signatures for tuberculosis disease and digital PCR-based validation and quantification
CN110502519B (zh) 一种数据聚合的方法、装置、设备及存储介质
CN112364637B (zh) 一种敏感词检测方法、装置，电子设备及存储介质
CN110826494A (zh) 标注数据质量评价方法、装置、计算机设备及存储介质
WO2022121337A1 (zh) 数据探查方法、装置、电子设备以及存储介质
CN113139025B (zh) 一种威胁情报的评价方法、装置、设备及存储介质
WO2020047453A1 (en) Systems and methods for single-cell rna-seq data analysis
Al-Tam et al. DNAGear-a free software for spa type identification in Staphylococcus aureus
CN111563172B (zh) 基于动态知识图谱构建的学术热点趋势预测方法和装置
Kaszubinski et al. Evaluating bioinformatic pipeline performance for forensic microbiome analysis
CN112732567A (zh) 基于ip的mock数据测试方法、装置、电子设备及存储介质
CN110444254B (zh) 一种菌群标记物的检测方法、检测***及终端
WO2020211399A1 (zh) 数据发送方法、装置、设备及存储介质
Chen et al. Processing single-cell RNA-seq data for dimension reduction-based analyses using open-source tools
US20200381084A1 (en) Identifying salient features for instances of data
CN112231696B (zh) 恶意样本的识别方法、装置、计算设备以及介质
Bai et al. Accuracy of Xpert Clostridium difficile assay for the diagnosis of Clostridium difficile infection: A meta analysis
US20150032385A1 (en) Methods of Analyzing Massively Parallel Sequencing Data
Saha et al. MSC: a metagenomic sequence classification algorithm
CN111125311A (zh) 检验信息归一处理的方法、装置、存储介质及电子设备
Shirley et al. PISCES: a package for rapid quantitation and quality control of large scale mRNA-seq datasets

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant