CN113921083B - 自定义序列的分析方法、计算机存储介质及电子设备 - Google Patents

Abstract

本发明提供了一种自定义序列的分析方法、计算机存储介质及电子设备，方法包括以下步骤：S1、构建标签序列库，所述标签序列库包含经过验证的标签序列及对应信息；S2、获取用户的自定义序列；S3、对所述自定义序列进行切割，得到干净序列；S4、将所述干净序列与所述标签序列库进行Blast序列比对，获取所述干净序列的相似度信息；S5、根据所述相似度信息判断所述自定义序列的来源及进化关系。根据本发明实施例的自定义序列的分析方法，通过自动化分析，有效提高了分析效率，降低了分析成本。

Description

自定义序列的分析方法、计算机存储介质及电子设备

技术领域

本发明涉及基因编辑领域，更具体地，涉及一种自定义序列的分析方法、计算机存储介质及电子设备。

背景技术

随着生物技术与互联网的不断发展，越来越多人选择通过外包公司进行载体、病毒等生物制品的购买。除了固定产品的生产，用户也可以自定义自己的载体序列后发送给外包公司进行生产。传统的生产模式中，研发者在拿到一段序列后需要结合自身知识经验，通过在生物网站上不断比对、搜索对此序列进行分析。

对于一般含有固有模板的载体来说，人工分析的是相对容易的，但对于用户编辑过的，尤其是自定义程度较高、个性化程度较高的ORF片段来说，确是困难重重的。这种情况下，人工分析序列的缺点就出来了，不仅需要专业人士参与，还需消耗大量时间，既费时费力又提高了成本。

发明内容

为解决上述技术问题，一方面，本发明提供一种自定义序列的分析方法。

根据本发明实施例的自定义序列的分析方法包括以下步骤：

S1、构建标签序列库，所述标签序列库包含经过验证的标签序列及对应信息；

S2、获取用户的自定义序列；

S3、对所述自定义序列进行切割，得到干净序列；

S4、将所述干净序列与所述标签序列库进行Blast序列比对，获取所述干净序列的相似度信息；

S5、根据所述相似度信息判断所述自定义序列的来源及进化关系。

根据本发明实施例的自定义序列的分析方法，通过构建标签序列库，将用户输入的自定义序列进行切割之后得到干净序列，并将干净序列与标签序列库进行比对，可以得到干净序列的相似度信息，从而判断用户提供的自定义序列的来源和进化关系，克服了传统的需要人工分析自定义序列的方式，通过自动化分析，有效提高了分析效率，降低了分析成本。

根据本发明的一些实施例，所述标签序列库为基于NCBI以及PubMed生物平台构建的标签序列库。

根据本发明的一些实施例，所述标签序列库中标签序列的对应信息包括：标签序列的名称，序列详情、序列长度以及序列的基本用途。

根据本发明的一些实施例，步骤S3包括：

S31、正向解析出所述自定义序列的序列头部的标签序列；

S32、逆向解析出所述自定义序列的序列尾部的标签序列，得到所述干净序列。

根据本发明的一些实施例，步骤S31包括：

S311、识别到所述自定义序列的头部ATG碱基后，将所述自定义序列的序列头部的标签序列逐个与所述标签序列库中的标签进行开头匹配；

S312、若所述序列头部与所述标签序列库的某个标签序列匹配成功，则记录所述序列头部的开始与结束位置，以及对应的所述标签序列的对应信息；

S313、截取掉匹配成功的所述序列头部的标签序列，在剩余的序列的头部增加ATG碱基后，再与所述标签序列库进行开头匹配；

S314、重复上述步骤S311至S313，直至所述自定义序列不能与所述标签序列库中的标签序列进行匹配；

S315、若所述序列头部与所述标签序列库的标签序列匹配不成功，则返回当前序列所在位置。

根据本发明的一些实施例，步骤S32包括：

S321、搜索所述自定义序列的序列尾部的连续终止密码子，并截取所述连续终止密码子，得到所述干净序列；

S322、将所述自定义序列剩余的序列与所述标签序列库中的标签进行尾部匹配；

S323、若所述序列尾部与所述标签序列库中的某个标签序列匹配成功，则记录所述序列尾部的开始与结束位置，以及对应的所述标签序列的对应信息。

根据本发明的一些实施例，所述方法还包括：S6、输出所述自定义序列的解析报告。

根据本发明的一些实施例，所述解析报告包括：所述自定义序列的序列长度、所述自定义序列的各标签序列所在位置及对应信息、所述干净序列匹配出的相同序列的对应信息。

第二方面，本发明实施例提供一种计算机存储介质，包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现如上述实施例所述的方法。

根据本发明第三方面实施例的电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令；所述处理器用于调用并执行所述一条或多条计算机指令，从而实现如上述任一实施例所述的方法。

附图说明

图1为本发明实施例的自定义序列的分析方法的流程图；

图2为本发明实施例的电子设备的示意图。

附图标记：

电子设备100；

存储器110；操作***111；应用程序112；

处理器120；网络接口130；输入设备140；硬盘150；显示设备160。

具体实施方式

下面将结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

下面首先对本申请中涉及的相关名词进行解释说明。

干净序列：截取掉起始密码子和序列头部所有蛋白标签，与序列尾部所有蛋白标签和终止密码子后剩余的中间序列。

BLAST比对：全称Basic Local Alignment Search Tool，即“基于局部比对算法的搜索工具”，是生物信息学常用的工具软件，可将输入的核酸或蛋白质序列与数据库中的已知序列进行比对，获得序列相似度等信息，从而判断序列的来源或进化关系。

开头匹配：判断字符串是否以指定字符或子字符串开头，即对于较长的A序列，与蛋白标签序列进行匹配时，先截取A序列头部与蛋白标签序列相等长度的序列，来与B序列进行完全比对，若两序列完全相等，则证明A序列与B序列可实现开头匹配。

尾部匹配：判断字符串是否以指定字符或子字符串结尾，即对于较长的A序列，与蛋白标签序列进行匹配时，先截取A序列尾部与蛋白标签序列相等长度的序列，来与B序列进行完全比对，若两序列完全相等，则证明A序列与B序列可实现尾部匹配。

下面首先结合附图具体描述根据本发明实施例的自定义序列的分析方法。

如图1所示，根据本发明实施例的自定义序列的分析方法包括以下步骤：

1、一种自定义序列的分析方法，其特征在于，包括以下步骤：

S1、构建标签序列库，所述标签序列库包含经过验证的标签序列及对应信息；

S2、获取用户的自定义序列；

S3、对所述自定义序列进行切割，得到干净序列；

S4、将所述干净序列与所述标签序列库进行Blast序列比对，获取所述干净序列的相似度信息；

S5、根据所述相似度信息判断所述自定义序列的来源及进化关系。

换言之，根据本申请实施例的自定义序列的分析方法，在对用户的自定义序列进行分析之前，首先需要构建标签序列库，该标签序列库中的标签序列均为经过验证的标签序列，验证标签序列的操作可以由经验丰富的研发人员，或者具有相应资质的机构，根据本领域的相关标准，对标签序列进行核对验证，确保其正确性。在经过验证之后，形成最终的可动态发展的标签序列库，即在使用过程中，研发人员可根据需要对此标签序列库进行增加，订正，删除等操作，使其更加完善，且适用于实际需求。

在构建完成标签序列库之后，即可获取用户输入的自定义序列。获取用户输入的自定义序列的方法，可以由用户手动输入，也可以由用户在载体设计平台中***自定义序列的载体序列片段后，由后台***获取相应的自定义序列。由此，可以便于快速获取用户输入的自定义序列。

接着，对获取到的自定义序列的序列片段进行切割处理，得到干净序列后，将干净序列与标签序列进行Blast序列比对，即可得到干净序列的相似度信息，从而实现对用户的自定义序列的快速分析。

其中，对于自定义序列的分析，可以是常规的人工分析中所需要进行分析的特性，例如自定义序列的来源信息，进化关系等，也可以根据实际需要进行合理调节，进化关系是指干净序列与Blast匹配到的标签序列库中的序列之间的进化关系。

由此，根据本发明实施例的自定义序列的分析方法，通过构建标签序列库，将用户输入的自定义序列进行切割之后得到干净序列，并将干净序列与标签序列库进行比对，可以得到干净序列的相似度信息，从而判断用户提供的自定义序列的来源和进化关系，克服了传统的需要人工分析自定义序列的方式，通过自动化分析，有效提高了分析效率，降低了分析成本。

根据本申请的一个实施例，所述标签序列库为基于NCBI以及PubMed生物平台构建的标签序列库。

可选地，所述标签序列库中标签序列的对应信息包括：标签序列的名称，序列详情、序列长度以及序列的基本用途。

也就是说，根据本申请实施例的标签序列库是采用如下方式建立而成的：基于NCBI与PubMed等具有权威性的生物平台，通过爬虫及自然语言的学习爬取生物界已验证过的标签序列及对应信息，整理为初始标签序列库，其中主要包含标签名，序列详情(即序列的具体内容，例如ATCGCGTTGTAGCT)，序列长度，序列基本用途等，再由经验丰富的研发人员对此序列库进行核对验证，确保其正确性，形成最终的可动态发展的标签序列库。

由此，采用该方法构建而成的标签序列库，不仅可靠性高，而且可以在使用过程中不断完善，适合实际使用需求。

在本申请的一些具体实施方式中，步骤S3包括：

S31、正向解析出所述自定义序列的序列头部的标签序列；

S32、逆向解析出所述自定义序列的序列尾部的标签序列，得到所述干净序列。

进一步地，步骤S31包括：

S311、识别到所述自定义序列的头部ATG碱基后，将所述自定义序列的序列头部的标签序列逐个与所述标签序列库中的标签进行开头匹配；

S312、若所述序列头部与所述标签序列库的某个标签序列匹配成功，则记录所述序列头部的开始与结束位置，以及对应的所述标签序列的对应信息；

S313、截取掉匹配成功的所述序列头部的标签序列，在剩余的序列的头部增加ATG碱基后，再与所述标签序列库进行开头匹配；

S314、重复上述步骤S311至S313，直至所述自定义序列不能与所述标签序列库中的标签序列进行匹配；

S315、若所述序列头部与所述标签序列库的标签序列匹配不成功，则返回当前序列所在位置。

步骤S32包括：

S321、搜索所述自定义序列的序列尾部的连续终止密码子，并截取所述连续终止密码子，得到所述干净序列；

S322、将所述自定义序列剩余的序列与所述标签序列库中的标签进行尾部匹配；

S323、若所述序列尾部与所述标签序列库中的某个标签序列匹配成功，则记录所述序列尾部的开始与结束位置，以及对应的所述标签序列的对应信息。

换句话说，在获取到用户输入的自定义序列之后，采用如下方法对自定义序列进行切割来获得干净序列：

具体地，根据获取到的自定义序列的序列蛋白标签规则的逆向推理，遵循以下规则，将序列中所包含的蛋白标签全部分割出来：

1)正向解析出序列头部的标签序列

识别到头部ATG后，将序列逐个与标签库比对，若序列头部与某个标签序列进行开头匹配，则记录下此段序列的开始与结束位置等相关信息，每截取一段序列后，在头部增加ATG碱基后再与标签库中序列进行开头匹配，直至无法匹配；若匹配不到，返回当前序列所在位置。

2)逆向解析出序列尾部的标签序列

在序列尾部找到连续终止密码子(一个或多个的TAA或TGA或TAG)，截取出来。再将剩余的序列与蛋白标签库中的标签进行尾部匹配。每匹配成功，则记录开头与结束位置，对应的蛋白标签等基础信息。

由此，即可以快速准确的将用户输入的自定义序列切割成自定义序列，提高分析效率。

在将用户输入的自定义序列截取掉起始密码子和头部所有蛋白标签，与尾部所有蛋白标签和终止密码子后，剩余的序列即为干净序列，以NCBI生物库为数据库进行Blast序列比对，获取序列相似度等信息，从而判断该自定义序列的来源与进化关系。

在此基础上，对自定义序列的分析方法还包括：

S6、输出所述自定义序列的解析报告。

进一步地，所述解析报告包括：所述自定义序列的序列长度、所述自定义序列的各标签序列所在位置及对应信息、所述干净序列匹配出的相同序列的对应信息。

由此，可以更丰富的呈现对于用户提供的自定义序列的分析效果，在提高分析效率、保证分析效果的同时，还可以提高用户的使用体验。

另外，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现上述任一所述的方法。

也就是说，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行上述任一所述的方法。

如图2所示，本发明实施例提供了一种电子设备100，包括存储器110和处理器120，所述存储器110用于存储一条或多条计算机指令，所述处理器120用于调用并执行所述一条或多条计算机指令，从而实现上述任一所述的方法。

也就是说，电子设备100包括：处理器120和存储器110，在所述存储器110中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器120执行上述任一所述的方法。

进一步地，如图2所示，电子设备100还包括网络接口130、输入设备140、硬盘150、和显示设备160。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器120代表的一个或者多个中央处理器(CPU)，以及由存储器110代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

所述网络接口130，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘150中。

所述输入设备140，可以接收操作人员输入的各种指令，并发送给处理器120以供执行。所述输入设备140可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

所述显示设备160，可以将处理器120执行指令获得的结果进行显示。

所述存储器310，用于存储操作***运行所必须的程序和数据，以及处理器120计算过程中的中间结果等数据。

可以理解，本发明实施例中的存储器110可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。本文描述的装置和方法的存储器110旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器110存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作***111和应用程序112。

其中，操作***111，包含各种***程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序112，包含各种应用程序，例如浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序112中。

上述处理器120，当调用并执行所述存储器110中所存储的应用程序和数据，具体的，可以是应用程序112中存储的程序或指令时，将第一集合和第二集合中的一者分散发送至所述第一集合和第二集合中的另一者所分布的节点，其中，所述另一者分散存储于至少两个节点；并根据所述第一集合的节点分布和所述第二集合的节点分布，分节点地进行交集处理。

本发明上述实施例揭示的方法可以应用于处理器120中，或者由处理器120实现。处理器120可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器120中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器120可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器110，处理器120读取存储器110中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

具体地，处理器120还用于读取所述计算机程序，执行上述任一所述的方法。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种自定义序列的分析方法，其特征在于，包括以下步骤：

S1、构建标签序列库，所述标签序列库包含经过验证的标签序列及对应信息；

S2、获取用户的自定义序列；

S3、对所述自定义序列进行切割，得到干净序列；

S4、将所述干净序列与所述标签序列库进行Blast序列比对，获取所述干净序列的相似度信息；

S5、根据所述相似度信息判断所述自定义序列的来源及进化关系；

步骤S3包括：

S31、正向解析出所述自定义序列的序列头部的标签序列；

S32、逆向解析出所述自定义序列的序列尾部的标签序列，得到所述干净序列；

步骤S31包括：

S311、识别到所述自定义序列的头部ATG碱基后，将所述自定义序列的序列头部的标签序列逐个与所述标签序列库中的标签进行开头匹配；

S312、若所述序列头部与所述标签序列库的某个标签序列匹配成功，则记录所述序列头部的开始与结束位置，以及对应的所述标签序列的对应信息；

S313、截取掉匹配成功的所述序列头部的标签序列，在剩余的序列的头部增加ATG碱基后，再与所述标签序列库进行开头匹配；

S314、重复上述步骤S311至S313，直至所述自定义序列不能与所述标签序列库中的标签序列进行匹配；

S315、若所述序列头部与所述标签序列库的标签序列匹配不成功，则返回当前序列所在位置。

2.根据权利要求1所述的方法，其特征在于，所述标签序列库为基于NCBI以及PubMed生物平台构建的标签序列库。

3.根据权利要求1所述的方法，其特征在于，所述标签序列库中标签序列的对应信息包括：标签序列的名称，序列详情、序列长度以及序列的基本用途。

4.根据权利要求1所述的方法，其特征在于，步骤S32包括：

S321、搜索所述自定义序列的序列尾部的连续终止密码子，并截取所述连续终止密码子，得到所述干净序列；

S322、将所述自定义序列剩余的序列与所述标签序列库中的标签进行尾部匹配；

S323、若所述序列尾部与所述标签序列库中的某个标签序列匹配成功，则记录所述序列尾部的开始与结束位置，以及对应的所述标签序列的对应信息。

5.根据权利要求1所述的方法，其特征在于，还包括：

S6、输出所述自定义序列的解析报告。

6.根据权利要求5所述的方法，其特征在于，所述解析报告包括：所述自定义序列的序列长度、所述自定义序列的各标签序列所在位置及对应信息、所述干净序列匹配出的相同序列的对应信息。

7.一种计算机存储介质，其特征在于，包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现如权利要求1-6中任一项所述的方法。

8.一种电子设备，包括存储器和处理器，其特征在于，

所述存储器用于存储一条或多条计算机指令；

所述处理器用于调用并执行所述一条或多条计算机指令，从而实现如权利要求1-6中任一项所述的方法。

Images