测序样本文库的样本标签容错方法、混合测序样本的测序数据拆分方法、计算机设备及存储介质与流程

本公开涉及基因测序，具体而言，涉及一种测序样本文库的样本标签容错方法、混合测序样本的测序数据拆分方法、计算机设备及存储介质。

背景技术：

1、在基因测序工作中，在将多个测序样本的样本文库进行混合测序后，会根据预先为每个测序样本的样本文库设置的样本标签（可指示其归属的样本来源），对样本标签的碱基序列进行模糊匹配，从而为每个测序样本的样本文库的测序结果确定具体归属的样本来源。

2、为了实现模糊匹配，会针对每一种样本标签设置一容错集，而一旦不同样本标签分别对应的容错集中包括了相同的碱基序列，也即两个容错集发生重叠或冲突，导致可能存在某一碱基序列能够与两个样本标签匹配成功，造成无法准确确定测序结果具体归属的样本来源的问题。

技术实现思路

1、本公开实施例至少提供一种测序样本文库的样本标签容错方法、混合测序样本的测序数据拆分方法、计算机设备及存储介质。

2、第一方面，本公开实施例提供了一种测序样本文库的样本标签容错方法，包括：

3、基于多个测序样本的样本标签分别对应的容错值，对各个所述测序样本的样本标签对应的参考碱基序列分别进行碱基替换处理、碱基插入处理以及碱基删除处理，得到所述测序样本的样本标签对应的多个容错碱基序列并构成候选容错集；

4、对不同测序样本的样本标签分别对应的候选容错集进行去冲突处理，得到不同测序样本的样本标签分别对应的目标容错集；其中，任意两个不同测序样本的样本标签对应的目标容错集的交集为空；

5、基于各个测序样本的样本标签分别对应的目标容错集，构建各个测序样本的样本标签分别对应的容错哈希字典；其中，所述容错哈希字典用于存储样本标签的容错碱基序列到测序样本的映射。

6、可选的，对各个所述测序样本的样本标签对应的参考碱基序列进行碱基替换处理，包括：

7、基于所述测序样本的样本标签的容错值，依次将所述测序样本的样本标签的参考碱基序列中的不同碱基位置进行组合，确定为待替换位置；

8、分多次将所述待替换位置中的原碱基替换为除原碱基外的其他碱基，得到所述测序样本的样本标签对应的容错碱基序列；

9、其中，每种碱基位置的组合中包括的碱基位置的数量，小于或者等于所述容错值。

10、可选的，对各个所述测序样本的样本标签对应的参考碱基序列进行碱基插入处理，包括：

11、将所述测序样本的样本标签对应的参考碱基序列中至少部分碱基位中各个碱基位之前和/或之后的位置作为候选位置，并基于所述测序样本的样本标签的容错值，依次将不同的候选位置进行组合，确定为待插入位置；其中，每种候选位置的组合中包括的待插入位置的数量小于或者等于所述容错值；

12、分多次在所述待插入位置中插入不同类型的碱基，其中，每个待插入位置中插入的碱基至少有一个，且每种组合包括的待插入位置中插入的碱基的总数量小于或者等于所述容错值；以及，

13、在所述参考碱基序列的首端和/或尾端，删除与插入的碱基的总数量相同的碱基，得到所述测序样本的样本标签对应的容错碱基序列。

14、可选的，对各个所述测序样本的样本标签对应的参考碱基序列进行碱基删除处理，包括：

15、基于所述测序样本的样本标签的容错值，依次将所述测序样本的样本标签对应的参考碱基序列中不同碱基位置进行组合，确定为待删除位置；

16、将所述删除位置对应的碱基删除；以及，

17、分多次在所述参考碱基序列的首端和/或尾端，插入与删除的碱基数量相同的碱基，得到所述测序样本的样本标签对应的容错碱基序列；其中，每次插入到所述参考碱基序列的首端和/或尾端的碱基的类型不同。

18、可选的，针对所述测序样本有一个样本标签的情况，所述对不同测序样本的样本标签分别对应的候选容错集进行去冲突处理，得到不同测序样本的样本标签分别对应的目标容错集，包括：

19、计算每两个测序样本的样本标签之间的莱文斯坦距离，并执行下述去冲突过程，直至任意两个测序样本的样本标签分别对应的候选容错集之间都不存在冲突：

20、计算每两个测序样本的样本标签的容错值之和，并将每两个测序样本的样本标签之间的莱文斯坦距离与容错值之和进行比对；

21、在所述莱文斯坦距离小于或者等于所述容错值之和的情况下，确定两个测序样本的样本标签分别对应的候选容错集之间存在冲突；

22、在任意两个测序样本的样本标签分别对应的候选容错集之间存在冲突的情况下，根据每个所述测序样本的样本标签对应的候选容错集与其他测序样本的样本标签对应的候选容错集之间的冲突信息，从多个所述测序样本中，确定冲突程度最高的目标测序样本；

23、以降低容错值为目标，对所述目标测序样本的样本标签的容错值进行调整，得到所述目标测序样本的样本标签的新的容错值，并根据所述新的容错值，重新为所述目标测序样本的样本标签确定候选容错集；

24、返回到计算每两个测序样本的样本标签的容错值之和的步骤。

25、可选的，测序样本有多个样本标签，多个样本标签分别有对应的候选容错集。

26、可选的，针对测序样本同时有多个样本标签的情况，所述对不同测序样本的样本标签分别对应的候选容错集进行去冲突处理，得到不同测序样本的样本标签分别对应的目标容错集，包括：

27、计算每两个测序样本在相同位置处的样本标签之间的莱文斯坦距离，并执行下述去冲突过程，直至任意两个测序样本的样本标签分别对应的候选容错集之间都不存在冲突：

28、计算每两个测序样本在相同位置处的样本标签对应的容错值之和，并将每两个测序样本在相同位置处的样本标签之间的莱文斯坦距离与容错值之和进行比对；

29、在多个不同位置处的样本标签的莱文斯坦距离均小于或者等于对应的容错值之和的情况下，确定两个测序样本的多个样本标签分别对应的候选容错集之间存在冲突；

30、在任意两个测序样本的多个样本标签分别对应的候选容错集之间存在冲突的情况下，根据每个所述测序样本的多个样本标签分别对应的候选容错集与其他测序样本的多个样本标签分别对应的候选容错集之间的冲突信息，从多个所述测序样本中，确定冲突程度最高的目标测序样本；

31、以降低容错值为目标，对所述目标测序样本的至少部分样本标签的容错值进行调整，得到所述目标测序样本的所述至少部分样本标签的新的容错值，并根据所述新的容错值，重新为所述目标测序样本的所述至少部分样本标签确定候选容错集；

32、返回到计算每两个测序样本在相同位置处的样本标签对应的容错值之和步骤。

33、可选的，针对测序样本有多个样本标签的情况，所述基于各个测序样本的样本标签分别对应的目标容错集，构建各个测序样本的样本标签分别对应的容错哈希字典，包括：

34、针对各个测序样本的多个样本标签分别对应的目标容错集，构建与各个测序样本的多个样本标签分别对应的容错哈希字典。

35、第二方面，本公开实施例还提供一种混合测序样本的测序数据拆分方法，包括：

36、从测序数据中获取样本标签的碱基序列；

37、将所述样本标签的碱基序列与不同测序样本的样本标签分别对应的容错哈希字典进行匹配，并根据匹配结果确定所述测序数据归属的测序样本；

38、其中，每个所述测序样本的样本标签对应的容错哈希字典基于第一方面任一项所述的测序样本的样本标签容错方法生成。

39、可选的，所述测序数据中包括多个不同样本标签的测序序列；

40、所述将所述样本标签的碱基序列与不同测序样本的样本标签分别对应的容错哈希字典进行匹配，并根据匹配结果确定所述测序数据归属的测序样本，包括：

41、将多个不同样本标签的测序序列分别与不同测序样本的样本标签分别对应的容错哈希字典进行匹配，并根据多次匹配结果确定所述测序数据归属的测序样本；

42、若根据多次匹配结果确定所述测序数据归属的测序样本为相同样本，确定所述测序数据归属的测序样本已知；

43、若根据多次匹配结果确定的所述测序数据归属的测序样本为不同样本，确定所述测序数据归属的测序样本未知。

44、可选的，所述方法还包括：

45、若多个不同样本标签的碱基序列中有至少一个碱基序列与不同测序样本的样本标签分别对应的容错哈希字典均匹配失败，确定所述测序数据归属的测序样本未知。

46、第三方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤，或执行上述第二方面，或第二方面中任一种可能的实施方式中的步骤。

47、第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤，或执行上述第二方面，或第二方面中任一种可能的实施方式中的步骤。

48、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。