[发明专利]一种基于三代PacBio测序数据的补洞方法

摘要

本发明提出了一种基于三代PacBio测序数据的补洞方法，大大降低了补洞过程中的比对时间，基因组补洞的速度得到明显提高。通过相应软件，将三代PacBio测序数据比对上基因组中洞的两端，截取比对上的三代PacBio测序数据的部分区域，并依据该数据所属的洞对截取的数据进行聚类，使用dazcon软件进行纠错，用纠错后的数据进行序列连接。

主权项

1.一种基于三代PacBio测序数据的补洞方法，其特征在于，所述补洞方法包括以下步骤：（1）从contig中提取unique‑kmer；（2）使用unique‑kmer作为seed，进行比对，并截取比对上的区域，包括以下步骤：2.1使用unique‑kmer作为seed；2.2事先对seed的比对关系进行聚类，算出最优的比对范围；如果两条read能比对得上，那么它们具有共线性，并且这些seed之间的斜率为1，将聚到最多点的直线作为比对上的区域；2.3分区域进行比对；首先将比对的整体区域划分成100bp的小区域，假设划分为n个区域，共有a个碱基，再对这些小区域进行LCS相似度计算，假设相似度大于0.8的区域有b个，这些小区域总体的相似碱基为c个，分以下两个维度评价相似度：区域相似度=b/n；碱基相似度=c/a；最后只保留两个评价相似度的值都大于0.7的比对数据；（3）对比对上的区域进行聚类和纠错；（4）使用纠错后的数据进行连接。