基因聚类方法和基于该方法的宏基因组组装方法和装置发明专利.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 108133122 A (43)申请公布日 2018.06.08 (21)申请号 201611090611.5 (22)申请日 2016.12.01 (71)申请人 深圳华大基因股份有限公司 地址 518083 广东省深圳市盐田区洪安三 街21号华大综合园7栋7层-14层 (72)发明人 覃友文　高强　梁文颖　张义　 杨林峰　 (74)专利代理机构 深圳鼎合诚知识产权代理有 限公司 44281 代理人 孙银行　彭家恩 (51)Int.Cl. G06F 19/24(2011.01) 权利要求书2页 说明书8页 附图3页 (54)发明名称 基因聚类方法和基于该方法的宏基因组组 装方法和装置 (57)摘要 本发明公开了一种基因聚类方法和基于该 方法的宏基因组组装方法和装置，所述基因聚类 方法包括：根据每个基因序列或小基因簇在多个 样品中的丰度谱，以及每个大基因簇在多个样品 中的丰度谱，通过多元线性回归，计算每个大基 因簇与每个基因序列或小基因簇的相关性；找到 与每个大基因簇的相关性大于设定值的基因序 列或小基因簇，并将所找到的基因序列或小基因 簇合并至相关联的大基因簇中，组合成新的大基 因簇。能够找到多个基因序列或小基因簇的多个 源头大基因簇，弥补现有方法的不足，从而增加 A 基因簇的大小，并且获得更好的基因组草图。 2 2 1 3 3 1 8 0 1 N C CN 108133122 A 权　利　要　求　书 1/2 页 1.一种基因聚类方法，其特征在于，所述方法用于将多个基因序列或小基因簇聚类到 多个大基因簇中，其中所述基因簇是指一组有相同来源的基因集合，所述小基因簇是指基 因数量小于预设值的基因集合，所述大基因簇是指基因数量大于所述预设值的基因集合； 所述方法包括： 根据每个所述基因序列或小基因簇在多个样品中的丰度谱，以及每个所述大基因簇在 所述多个样品中的丰度谱，通过多元线性回归，计算每个所述大基因簇与每个所述基因序 列或小基因簇的相关性； 找到与每个所述大基因簇的相关性大于设定值的基因序列或小基因簇，并将所找到的 基因序列或小基因簇合并至相关联的大基因簇中，组合成新的大基因簇。 2.根据权利要求1所述的基因聚类方法，其特征在于，所述方法中的多元线性回归依据 如下方程式进行： 其中，E 表示基因序列或小基因簇j在样品i中的相对丰度，a 表示大基因簇k在样品i ij ik 中的相对丰度，e 表示基因序列或小基因簇j与大基因簇k的相关性。 kj 3.根据权利要求2所述的基因聚类方法，其特征在于，所述方法还包括使用系数收缩技 术计算出所述相关性e 。 kj 4.根据权利要求3所述的基因聚类方法，其特征在于，所述小基因簇是相似丰度谱基因 簇，所述大基因簇是宏基因组物种基因组，所述系数收缩技术是LASSO收缩方法，所述相关 性的设定值为0.1。 5.一种基因聚类装置，其特征在于，所述装置用于将多个基因序列或小基因簇聚类到 多个大基因簇中，其中所述基因簇是指一组有相同来源的基因集合，所述小基因簇是指基 因数量小于预设值的基因集合，所述大基因簇是指基因数量大于所述预设值的基因集合； 所述装置包括： 相关性计算单元，用于根据每个所述基因序列或小基因