一种桑树泛基因组结构变异与次生代谢关联分析方法
本发明涉及生物信息与基因组分析领域，特别涉及一种桑树泛基因组结构变异与次生代谢关联分析方法。
背景技术：
1、桑树是兼具药用价值、经济价值与生态价值的多年生木本作物，桑树体内的次生代谢产物与其药用品质、抗逆性状密切相关。随着基因组测序技术的迭代发展，桑树参考基因组组装与功能基因组研究逐步推进，泛基因组分析技术已在多种作物的遗传变异挖掘工作中得到应用，可覆盖单一参考基因组无法呈现的物种遗传多样性。结构变异作为基因组遗传变异的重要组成部分，对基因表达调控与性状表型具有重要影响，多组学联合分析与深度学习方法逐步应用于作物基因组变异与代谢性状的关联研究中，为解析作物品质性状的遗传基础提供了多样化的分析路径。
2、目前针对桑树基因组的变异分析多基于线性参考基因组开展，难以全面覆盖不同桑树种质间的结构变异，存在变异检测范围受限、分型准确性不足的情况。现有桑树性状关联分析多聚焦单核苷酸多态性标记，针对结构变异的次生代谢性状关联研究较少，且多采用单性状独立分析的方式，未充分利用次生代谢通路的协同关联信息，难以高效挖掘多性状共有的遗传位点。传统关联分析方法难以有效区分因果变异与连锁不平衡带来的冗余变异，缺少从变异位点到代谢通路的完整调控路径解析，难以直接输出可用于种质改良的功能变异标记。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种桑树泛基因组结构变异与次生代谢关联分析方法。
2、本发明的目的是通过以下技术方案来实现的：
3、提供了一种桑树泛基因组结构变异与次生代谢关联分析方法，该方法包括以下步骤：
4、s1.获取桑树种质的长读长测序数据，以桑树参考基因组为骨架构建桑树图泛基因组，遍历桑树图泛基因组的路径信息检测全基因组范围内的结构变异；
5、s2.对结构变异进行群体基因型分型，统计结构变异的群体出现频率，结合基因组功能元件信息对结构变异进行功能注释，建立结构变异与次生代谢合成通路基因的映射关系，生成结构变异基因型矩阵；
6、s3.获取桑树种质的次生代谢组数据，对次生代谢组数据进行标准化处理，构建多任务深度学习模型，将结构变异基因型矩阵和次生代谢性状矩阵输入多任务深度学习模型执行关联分析，输出候选关联结构变异集合；
7、s4.对候选关联结构变异集合进行连锁不平衡分析，筛选因果性结构变异，整合结构变异、功能基因和代谢物数据构建调控通路网络，输出结构变异标记集合。
8、进一步的，步骤s1包括以下子步骤：
9、s101.对长读长测序数据进行质控处理与序列纠错，去除不符合设定要求的序列片段，得到质控后测序数据；
10、s102.对质控后测序数据进行基因组序列组装，得到对应桑树种质的组装序列；
11、s103.将桑树种质的组装序列与桑树参考基因组进行全基因组比对，获取组装序列与桑树参考基因组之间的变异位点信息；
12、s104.基于变异位点信息构建桑树图泛基因组，通过桑树图泛基因组的图路径遍历识别全基因组范围内的结构变异。
13、进一步的，步骤s2包括以下子步骤：
14、s201.基于桑树图泛基因组的路径信息对结构变异进行群体基因型分型，得到桑树种质对应的结构变异基因型信息；
15、s202.统计结构变异在桑树种质中的出现频率，筛选出现频率符合设定值的结构变异；
16、s203.结合基因组功能元件信息对筛选后的结构变异进行功能注释，得到结构变异对应的功能注释信息；
17、s204.根据结构变异的基因组位置信息，建立结构变异与次生代谢合成通路基因的映射关系，生成结构变异基因型矩阵。
18、进一步的，步骤s3包括以下子步骤：
19、s301.对次生代谢组数据进行缺失值填充与标准化处理，统一代谢物的量化尺度，得到次生代谢性状矩阵；
20、s302.融合次生代谢通路先验知识构建多任务注意力深度学习模型，设置多任务注意力深度学习模型的训练参数与损失函数；
21、s303.将结构变异基因型矩阵作为输入特征，将次生代谢性状矩阵作为输出标签，训练多任务注意力深度学习模型；
22、s304.根据多任务注意力深度学习模型输出的特征重要性评分，筛选评分符合设定值的结构变异，生成候选关联结构变异集合。
23、进一步的，步骤s4包括以下子步骤：
24、s401.计算候选关联结构变异集合中结构变异间的连锁不平衡系数，得到连锁不平衡分析结果；
25、s402.根据连锁不平衡分析结果筛选因果性结构变异，去除连锁不平衡程度符合设定值的冗余变异，得到因果结构变异集合；
26、s403.整合因果结构变异集合、次生代谢合成通路基因和代谢物数据，构建次生代谢调控通路网络；
27、s404.从因果结构变异集合中筛选符合设定条件的结构变异，输出结构变异标记集合。
28、进一步的，在步骤s103中，将桑树种质的组装序列与桑树参考基因组进行全基因组序列比对，获取组装序列与桑树参考基因组之间的序列差异信息，基于序列差异信息识别结构变异的类型与基因组位置，结构变异的类型包括缺失变异、插入变异、倒位变异和易位变异，将结构变异的类型信息与基因组位置信息整合为变异位点信息。
29、进一步的，在步骤s203中，获取基因组功能元件信息，基因组功能元件信息包括基因编码区信息、基因启动子区信息、基因内含子区信息和基因间区信息，将结构变异的基因组位置信息与基因组功能元件信息进行位置映射，判断结构变异所处的功能元件区域，生成结构变异对应的功能注释信息。
30、进一步的，在步骤s302中，获取次生代谢通路先验知识，次生代谢通路先验知识包括代谢物所属通路信息与通路间关联信息，基于次生代谢通路先验知识设置多任务注意力深度学习模型的任务关联权重，采用注意力机制提取结构变异的特征权重，构建包含输入层、注意力层、多任务隐藏层和输出层的多任务注意力深度学习模型。
31、进一步的，在步骤s401中，提取候选关联结构变异集合中所有结构变异的基因型信息，计算任意两个结构变异之间的连锁不平衡系数，根据连锁不平衡系数划分结构变异的连锁区块，将同一连锁区块内的结构变异进行分组，生成包含区块分组信息的连锁不平衡分析结果。
32、进一步的，在步骤s4中，将因果性结构变异、次生代谢合成通路基因和代谢物作为网络节点，根据结构变异与基因的位置映射关系、基因与代谢物的催化反应关系设置网络节点间的连接边，构建次生代谢调控通路网络，从网络节点中筛选位于通路节点位置的结构变异，输出结构变异标记集合。
33、本发明的有益效果是：
34、（1）通过构建图泛基因组完成全基因组范围的结构变异检测，结合多任务深度学习模型执行多性状联合关联分析，经连锁不平衡分析筛选因果变异并构建调控网络，输出对应的结构变异标记集合；
35、（2）完成结构变异的群体基因型分型与功能注释，建立变异位点与次生代谢合成通路基因的映射关系，生成标准化基因型矩阵，为关联分析提供统一规范的特征数据基础；
36、（3）融合代谢通路先验知识搭建多任务注意力深度学习模型，结合调控通路网络解析变异的调控路径，为种质资源改良与分子标记开发提供遗传分析依据。