一种16S和宏基因组测序数据分析方法与流程
本发明涉及基因测序数据分析，具体为一种16s和宏基因组测序数据分析方法。
背景技术：
1、在人体微生态临床诊断配套的组学生物信息分析过程中，16s rrna基因测序与宏基因组测序已成为揭示微生物群落结构与功能的核心技术手段。早期，微生态分析主要依赖单一16s测序进行物种组成与多样性评估，或单独采用宏基因组测序进行基因与功能注释，二者各自形成相对独立的数据处理流程。随着临床对微生态精准分型、功能预测及疾病关联分析需求的提升，研究人员开始尝试将16s物种信息与宏基因组功能信息进行联合解读，以期获得更全面的群落特征。
2、尽管现有技术已能分别完成16s扩增子序列变体聚类、系统发育树构建以及宏基因组组装、基因预测与丰度计算，并在部分流程中通过简单相关性分析或矩阵拼接实现初步整合，但在实际应用过程中依然存在以下问题：
3、现有技术在处理16s与宏基因组数据时多采用独立流水线，缺乏将16s系统发育距离通过序列同源映射传递至宏基因组基因的技术手段，导致两种数据在进化维度上无法有效对齐，物种信息与功能信息难以在同一系统发育框架下统一表达。
4、现有技术对宏基因组基因丰度的处理通常停留在原始覆盖深度或简单标准化层面，未依据系统发育距离对相邻基因丰度进行加权插值重构，无法利用16s提供的进化结构约束对功能丰度进行平滑与投影，造成功能特征受测序深度波动与基因冗余影响较大。
5、现有技术在整合16s丰度矩阵与宏基因组丰度矩阵时，多直接进行简单拼接或相关性计算，未先对二者分别实施中心对数比变换再按样本维度拼接，难以有效消除成分数据固有的闭合效应，整合后的矩阵在下游统计与机器学习分析中稳定性不足。
6、为了应对上述问题，现亟需一种16s和宏基因组测序数据分析方法，以实现基于序列同源映射的系统发育距离跨数据传递、基于系统发育距离的基因丰度插值重构以及中心对数比变换后的样本维度整合，从而提升16s与宏基因组数据在系统发育框架下的统一表达能力与整合分析可靠性。
技术实现思路
1、解决的技术问题
2、针对现有技术的不足，本发明提供了一种16s和宏基因组测序数据分析方法，解决了以上背景技术中所提到的问题。
3、为实现以上目的，本发明通过以下技术方案予以实现：一种16s和宏基因组测序数据分析方法，包括以下步骤：
4、s1、获取待分析样本的16s测序原始数据和宏基因组测序原始数据，对所述16s测序原始数据进行质量过滤得到16s高质量序列，对所述宏基因组测序原始数据进行质量过滤得到宏基因组高质量序列；
5、s2、将所述16s高质量序列聚类为扩增子序列变体并提取扩增子序列变体代表性序列，基于参考分类数据库对所述扩增子序列变体进行物种注释，同时基于所述扩增子序列变体代表性序列构建系统发育树并计算系统发育距离，得到扩增子序列变体丰度矩阵和系统发育距离矩阵；
6、s3、将所述宏基因组高质量序列组装为重叠群并预测开放阅读框，构建基因目录并生成基因丰度矩阵；
7、s4、将所述基因目录中的基因序列与所述扩增子序列变体代表性序列进行序列比对，建立序列同源映射关系，并依据所述序列同源映射关系将所述系统发育距离矩阵中的系统发育距离传递至对应基因，得到基因系统发育坐标；
8、s5、依据所述基因系统发育坐标，对所述基因丰度矩阵中的丰度值进行基于系统发育距离的插值重构，得到系统发育投影基因丰度矩阵；
9、s6、对所述扩增子序列变体丰度矩阵和所述系统发育投影基因丰度矩阵分别进行中心对数比变换，再按样本维度进行拼接，得到整合丰度矩阵。
10、优选的，所述s1具体包括以下步骤：
11、s1.1、分别读取待分析样本的16s测序原始数据和宏基因组测序原始数据，记录测序平台、测序深度和样本标识信息；
12、s1.2、对所述16s测序原始数据执行碱基质量过滤、接头序列切除和低复杂度序列剔除，得到16s高质量序列；
13、s1.3、对所述宏基因组测序原始数据执行碱基质量过滤、接头序列切除和宿主基因组比对去除，得到宏基因组高质量序列。
14、优选的，所述s2具体包括以下步骤：
15、s2.1、对所述16s高质量序列进行纠错和嵌合体去除后，按照序列相似度将纠错后的序列聚类为扩增子序列变体并提取扩增子序列变体代表性序列；
16、s2.2、将所述扩增子序列变体代表性序列与参考分类数据库进行比对，完成层级物种注释；
17、s2.3、基于所述扩增子序列变体代表性序列构建系统发育树，计算扩增子序列变体之间的系统发育距离得到系统发育距离矩阵，并统计每个样本中各扩增子序列变体的序列计数经深度归一化后得到扩增子序列变体丰度矩阵。
18、优选的，所述s3具体包括以下步骤：
19、s3.1、对所述宏基因组高质量序列进行从头组装得到重叠群，对所述重叠群进行开放阅读框预测，输出候选基因序列；
20、s3.2、将所述候选基因序列进行去冗余聚类，构建非冗余基因目录；
21、s3.3、将所述宏基因组高质量序列回帖至所述非冗余基因目录，统计每个基因的覆盖深度并经标准化后得到基因丰度矩阵。
22、优选的，所述s4具体包括以下步骤：
23、s4.1、采用序列比对算法将所述基因目录中的每一条基因序列与所述扩增子序列变体代表性序列进行比对，记录比对覆盖率和序列相似度；
24、s4.2、根据比对覆盖率和序列相似度建立基因与扩增子序列变体之间的序列同源映射关系；
25、s4.3、依据所述序列同源映射关系，将所述系统发育距离矩阵中对应扩增子序列变体的系统发育距离赋值给映射成功的基因，形成基因系统发育坐标。
26、优选的，所述s5具体包括以下步骤：
27、s5.1、根据所述基因系统发育坐标确定每个基因在系统发育树上的位置；
28、s5.2、以系统发育距离为尺度，对所述基因丰度矩阵中相邻位置基因的丰度值进行插值计算；
29、s5.3、用插值计算后的丰度值替换原丰度值，得到系统发育投影基因丰度矩阵。
30、优选的，所述s6具体包括以下步骤：
31、s6.1、对所述扩增子序列变体丰度矩阵和所述系统发育投影基因丰度矩阵分别进行中心对数比变换；
32、s6.2、将变换后的两个矩阵按样本标识进行横向拼接，得到整合丰度矩阵。
33、优选的，所述s2.3中系统发育树的构建采用最大似然法，系统发育距离的计算采用分支长度路径距离。
34、优选的，所述s5.2中的插值计算是针对每个基因选取系统发育距离最近的相邻基因，以各相邻基因与目标基因之间系统发育距离的倒数为权重，对相邻基因的丰度值进行加权平均，将加权平均结果作为该基因的插值丰度值。
35、本发明提供了一种16s和宏基因组测序数据分析方法。具备以下有益效果：
36、1.通过将基因序列与扩增子序列变体代表性序列进行比对并建立序列同源映射关系，实现了系统发育距离从16s数据向宏基因组基因的跨数据传递，使物种进化信息与功能基因信息能够在同一系统发育坐标系下对齐，解决了现有技术中两种数据进化维度无法有效统一的问题。
37、2.依据基因系统发育坐标，以系统发育距离倒数为权重对相邻基因丰度进行加权平均插值，实现了基于系统发育结构的基因丰度重构，有效利用16s进化信息对功能丰度进行约束与平滑，降低了测序深度波动与基因冗余对功能特征的干扰。
38、3.对扩增子序列变体丰度矩阵与系统发育投影基因丰度矩阵分别进行中心对数比变换后再按样本维度拼接，消除了成分数据的闭合效应，生成了结构稳定的整合丰度矩阵，提升了后续统计检验与机器学习分析的可靠性。