CN105631243B - 病原微生物的检测方法及装置 - Google Patents

病原微生物的检测方法及装置 Download PDF

Info

Publication number
CN105631243B
CN105631243B CN201511000616.XA CN201511000616A CN105631243B CN 105631243 B CN105631243 B CN 105631243B CN 201511000616 A CN201511000616 A CN 201511000616A CN 105631243 B CN105631243 B CN 105631243B
Authority
CN
China
Prior art keywords
pathogenic microorganism
microorganism
test
macro genome
matched
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201511000616.XA
Other languages
English (en)
Other versions
CN105631243A (zh
Inventor
周丰丰
麦国琴
仲任
姚曌旻
王誉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201511000616.XA priority Critical patent/CN105631243B/zh
Publication of CN105631243A publication Critical patent/CN105631243A/zh
Application granted granted Critical
Publication of CN105631243B publication Critical patent/CN105631243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明适用于生物检测技术领域，提供了病原微生物的检测方法及装置，包括：将测试宏基因组作为查询序列输入到预设的病原微生物数据库中；在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数；根据所述运算结果获取每种病原微生物的平均匹配值；将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果。本发明的检测过程无需序列拼接，简单、高效。

Description

病原微生物的检测方法及装置
技术领域
本发明属于生物检测技术领域，尤其涉及病原微生物的检测方法及装置。
背景技术
病原微生物是指对人或动物具有致病性的微生物，包括病毒、细菌、衣原体、支原体、螺旋体、真菌、放线菌等，这些病原微生物可引起感染、过敏、腹泻、肿瘤等疾病，甚至引发死亡，因此，对病原微生物的检测必须做到快速、准确。传统的对病原微生物的检测方法包括；直接涂片镜检、分离培养、生化反应、血清学反应、核酸分子杂交、基因芯片、多聚酶链反应等，上述检测方法操作繁琐，检测周期长，而且对操作人员技术水平的要求比较高。此外，传统检测方法通常是对样品进行微生物的培养，通过判断培养出来的微生物的特征来判断感染源，但由于技术限制，能够培养出的微生物不到所有微生物种类的1％，有很大的局限性。
基于传统检测方法的上述缺点，近年来，人们研发出了能够基于不同微生物基因序列的差异性来确定微生物种类的技术，即微生物宏基因测序，其主要包括16S测序和混合微生物基因组测序。16S测序是采用16SrRNA的通用引物进行扩增，然后利用二代测序的方法进行微生物种群的鉴定，并进行OUT分析；混合微生物基因组测序，是利用pair-end测序方式对整个群落中的DNA或RNA等片段进行测序，分析出优势的微生物种类，各微生物所占比例以及降解基因。
目前已有的宏基因组拼接软件包括Phrap、Forge、Arachne、JAZZ和CeleraAssembler等，上述软件都需要先进行序列拼接，不能直接从原始测序数据中得到结果，而且对操作人员的技术水平要求过高；目前已有的宏基因组比较分析软件包括MEGAN等，然而其只能比较标准化后样品的GC含量，无法检测病原微生物，由此看来，现有技术均无法简单、高效地完成对病原微生物的检测。
发明内容
有鉴于此，本发明实施例提供了一种无线扩展器与接入点间的通信质量检测方法及装置，以解决现有技术中均无法简单、高效地完成对病原微生物的检测的问题。
第一方面，提供了一种病原微生物的检测方法，包括：
将测试宏基因组作为查询序列输入到预设的病原微生物数据库中；
在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数；
根据所述运算结果获取每种病原微生物的平均匹配值；
将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果。
第二方面，提供了一种病原微生物的检测装置，包括：
输入单元，用于将测试宏基因组作为查询序列输入到预设的病原微生物数据库中；
运算单元，用于在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数；
获取单元，用于根据所述运算结果获取每种病原微生物的平均匹配值；
确定单元，用于将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果。
在本发明实施例中，通过BLAST运算，得到预设的病原微生物数据库中每种病原微生物与其在测试宏基因组中所匹配到的微生物的平均匹配值及个数，由于病原微生物在测试宏基因组中为优势种群，因此，将平均匹配值及匹配个数最高的病原微生物确定为测试宏基因组的检测结果，检测过程无需序列拼接，简单、高效。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的病原微生物的检测方法的实现流程图；
图2是本发明另一实施例提供的病原微生物的检测方法的实现流程图；
图3是本发明另一实施例提供的病原微生物的检测方法的实现流程图；
图4是本发明实施例提供的病原微生物的检测装置的结构框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透切理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
图1示出了本发明实施例提供的病原微生物的检测方法的实现流程，详述如下：
在S101中，将测试宏基因组作为查询序列输入到预设的病原微生物数据库中。
在本实施例中，若测试宏基因组的原始数据为fastq格式，则如图2所示，在S101之前，所述方法还包括：
S105，通过FASTX工具箱，将所述测试宏基因组的数据由fastq格式转化为fasta格式。
其中，所述FASTX工具箱(Toolkit)为一款对下一代测序数据预处理的软件，通过FASTX工具箱将测序原始数据转换为fasta格式数据后，作为查询序列(Query Sequence)输入至预设的病原微生物数据库中。
在执行S101之前，需要完成病原微生物数据库的创建，如图3所示：
S106，创建所述预设的病原微生物数据库，所述预设的病原微生物数据库中收集的病原微生物包括真菌18S rDNA序列、细菌16S rDNA序列和病毒基因组。
例如，可以创建涵盖了6952种上述病原微生物的数据库，以作为BLAST的搜索数据集(Choose Search Set)。
在S102中，在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数。
在进行BLAST运算时，使用的参数值可以设置如下：E值(evalue)为1e-20，找到的最大的目标的数目(max_target_seqs)为1，执行线程的数量(num_threads)为20。
此外，基于BLAST运算，每种病原微生物得到的运算结果还可以包括查询序列的ID、搜索数据集的ID、不匹配的碱基数、空缺的碱基、查询序列的起始位置、查询序列的终止位置、搜索数据集的起始位置、搜索数据集的终止位置等。
在S103中，根据所述运算结果获取每种病原微生物的平均匹配值。
在此，可以通过(X1Y1+X2Y2+X3Y3+X4Y4+X5Y5+X6Y6+X7Y7+……+XnYn)/n计算得到每种病原微生物的平均匹配度，其中，Xi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似度，Yi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似的长度，i＝1，2，……n，所述n为病原微生物在所述测试宏基因组中所匹配到的微生物的个数。
在S104中，将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果。
对于感染病原微生物的测试宏基因组来说，由于病原微生物是该宏基因组的优势种群，因此，平均匹配值和所匹配到的微生物的个数越高，则测试宏基因组所感染的越可能是这种病原微生物。
需要说明的是，在S104的检测结果确定过程中，若不存在平均匹配值和匹配到的微生物的个数均最高的病原微生物，那么认为该结果为假阳性的，不应当选择该结果。
以华大基因提供的已确定感染病原微生物的测试宏基因组样本为例，样本类型有DNA和RNA，其中，DNA数据的产生平台是Hiseq2000，RNA数据的产生平台是Ion Proton：
在样本1的检测结果中，取平均匹配值较高且匹配到的微生物的个数较高的组进行分析，发现平均匹配值最高的前两株菌都是支原体(Mycoplasma)，且每株菌匹配到的微生物的个数也较高，这与华大基因给出的经过医学生物学验证的检测结果一致。其中，第一株菌为咽支原体(Mycoplasma faucium)，其平均匹配值为71.246，平均匹配值之和是156598.3，匹配到的微生物的个数是2198；第二株菌也为支原体(Mycoplasmasalivarium)，其平均匹配值为67.972，平均匹配值之和是172443.7，匹配到的微生物的个数是2537；第三株菌是新鞘氨醇杆菌(Novosphingobium Novel FX94ZIM01DR72C)，其平均匹配值为65.500，平均匹配值之和是10741.95，匹配到的微生物的个数是164。第一株菌的平均匹配值、平均匹配值之和、匹配到的微生物的个数分别比第三株菌显著高出8.8％、13.578倍、12.402倍，这说明本发明实施例提供的检测方法与生物医学验证的病原微生物实际结果是吻合的，是可行的。
在样本2的检测结果中，取平均匹配值较高且匹配到的微生物的个数较高的组进行分析，发现平均匹配值且匹配到的微生物的个数较高的前四株病原微生物都是登革热病毒(Dengue virus)，这与华大基因给出的经过医学生物学验证的检测结果一致。其中，第一株菌(Dengue virus 1)的平均匹配值为122.186，平均匹配值之和是533753373，匹配到的微生物的个数是4368385；第二株菌(Dengue virus 3)的平均匹配值为101.105，平均匹配值之和是307034957，匹配到的微生物的个数是3036801；第三株菌(Dengue virus 4)的平均匹配值为100.675，平均匹配值之和是274624812，匹配到的微生物的个数是2727828；第四株菌(Dengue virus 2)的平均匹配值为92.690，平均匹配值之和是297822560，匹配到的微生物的个数是3213107。第一株菌的平均匹配值、平均匹配值之和、匹配的个数分别比第五株菌Aedesflavivirus的对应值要显著高出35.4％、50.488倍、37.017倍，这说明本发明实施例提供的检测方法与生物医学验证的病原微生物实际结果是吻合的，是可行的。
在本发明实施例中，通过BLAST运算，得到预设的病原微生物数据库中每种病原微生物与其在测试宏基因组中所匹配到的微生物的平均匹配值及个数，由于病原微生物在测试宏基因组中为优势种群，因此，将平均匹配值及匹配个数最高的病原微生物确定为测试宏基因组的检测结果，检测过程无需序列拼接，简单、高效。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的病原微生物的检测方法，图4示出了本发明实施例提供的病原微生物的检测装置的结构框图，所述病原微生物的检测装置可以是内置于计算设备或计算设备的应用系统内的软件单元、硬件单元或者是软硬结合的单元。为了便于说明，仅示出了与本实施例相关的部分。
参照图4，该装置包括：
输入单元41，将测试宏基因组作为查询序列输入到预设的病原微生物数据库中；
运算单元42，在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数；
获取单元43，根据所述运算结果获取每种病原微生物的平均匹配值；
确定单元44，将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果。
可选地，所述装置还包括：
转化单元，通过FASTX工具箱，将所述测试宏基因组的数据由fastq格式转化为fasta格式。
可选地，所述装置还包括：
创建单元，创建所述预设的病原微生物数据库，所述预设的病原微生物数据库中收集的病原微生物包括真菌18S rDNA序列、细菌16S rDNA序列和病毒基因组。
可选地，所述获取单元43具体用于：
通过(X1Y1+X2Y2+X3Y3+X4Y4+X5Y5+X6Y6+X7Y7+……+XnYn)/n计算得到每种病原微生物的平均匹配度，其中，Xi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似度，Yi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似的长度，i＝1，2，……n，所述n为病原微生物在所述测试宏基因组中所匹配到的微生物的个数。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种病原微生物的检测方法，其特征在于，包括：
创建预设的病原微生物数据库，所述预设的病原微生物数据库中收集的病原微生物包括真菌18S rDNA序列、细菌16S rDNA序列和病毒基因组；
将测试宏基因组作为查询序列输入到所述预设的病原微生物数据库中；
在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数、查询序列的ID、搜索数据集的ID、不匹配的碱基数、空缺的碱基、查询序列的起始位置、查询序列的终止位置、搜索数据集的起始位置、搜索数据集的终止位置；
根据所述运算结果获取每种病原微生物的平均匹配值；
将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果；
其中，所述根据所述运算结果获取每种病原微生物的平均匹配值包括：
通过(X1Y1+X2Y2+X3Y3+X4Y4+X5Y5+X6Y6+X7Y7+……+XnYn)/n计算得到每种病原微生物的平均匹配度，其中，Xi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似度，Yi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似的长度，i＝1，2，……n，所述n为病原微生物在所述测试宏基因组中所匹配到的微生物的个数。
2.如权利要求1所述的方法，其特征在于，在所述将测试宏基因组作为查询序列输入到预设的病原微生物数据库中之前，所述方法还包括：
通过FASTX工具箱，将所述测试宏基因组的数据由fastq格式转化为fasta格式。
3.一种病原微生物的检测装置，其特征在于，包括：
创建单元，用于创建预设的病原微生物数据库，所述预设的病原微生物数据库中收集的病原微生物包括真菌18S rDNA序列、细菌16S rDNA序列和病毒基因组；
输入单元，用于将测试宏基因组作为查询序列输入到所述预设的病原微生物数据库中；
运算单元，用于在所述预设的病原微生物数据库中对所述测试宏基因组进行BLAST运算，得到所述预设的病原微生物数据库中每种病原微生物的运算结果，所述运算结果包括所述病原微生物与其在所述测试宏基因组中所匹配到的微生物的相似性和相似的长度，以及包括所述病原微生物在所述测试宏基因组中所匹配到的微生物的个数、查询序列的ID、搜索数据集的ID、不匹配的碱基数、空缺的碱基、查询序列的起始位置、查询序列的终止位置、搜索数据集的起始位置、搜索数据集的终止位置；
获取单元，用于根据所述运算结果获取每种病原微生物的平均匹配值；
所述获取单元具体用于：
通过(X1Y1+X2Y2+X3Y3+X4Y4+X5Y5+X6Y6+X7Y7+……+XnYn)/n计算得到每种病原微生物的平均匹配度，其中，Xi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似度，Yi为病原微生物与其在所述测试宏基因组中所匹配到的第i个微生物的相似的长度，i＝1，2，……n，所述n为病原微生物在所述测试宏基因组中所匹配到的微生物的个数；
确定单元，用于将所述平均匹配值和所述匹配到的微生物的个数最高的病原微生物确定为所述测试宏基因组的检测结果。
4.如权利要求3所述的装置，其特征在于，所述装置还包括：
转化单元，用于通过FASTX工具箱，将所述测试宏基因组的数据由fastq格式转化为fasta格式。
CN201511000616.XA 2015-12-28 2015-12-28 病原微生物的检测方法及装置 Active CN105631243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511000616.XA CN105631243B (zh) 2015-12-28 2015-12-28 病原微生物的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511000616.XA CN105631243B (zh) 2015-12-28 2015-12-28 病原微生物的检测方法及装置

Publications (2)

Publication Number Publication Date
CN105631243A CN105631243A (zh) 2016-06-01
CN105631243B true CN105631243B (zh) 2018-08-14

Family

ID=56046171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511000616.XA Active CN105631243B (zh) 2015-12-28 2015-12-28 病原微生物的检测方法及装置

Country Status (1)

Country Link
CN (1) CN105631243B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744807B (zh) * 2021-11-03 2022-03-11 微岩医学科技(北京)有限公司 一种基于宏基因组学的病原微生物检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1290184A1 (en) * 2000-05-25 2003-03-12 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Lactobacillus reuteri glucosyltransferase
WO2003044199A1 (en) * 2001-11-21 2003-05-30 The University Of Hong Kong Recombinant bacillus phytases and uses thereof
CN1772921A (zh) * 2005-09-30 2006-05-17 国家海洋局第一海洋研究所 病原微生物模拟表位的生物信息学筛选方法
CN101149743A (zh) * 2007-11-09 2008-03-26 中国水产科学研究院黑龙江水产研究所 Dna测序污染序列批量处理工具
CN102222175A (zh) * 2011-05-06 2011-10-19 西南大学 一种与miRNA相关的功能性分子标记的开发方法
CN102399874A (zh) * 2011-11-01 2012-04-04 重庆出入境检验检疫局检验检疫技术中心 一种适用于基因检测的WideSpace高通量扩增方法
CN102676699A (zh) * 2012-05-21 2012-09-19 西安建筑科技大学 一种快速检测水环境中肠道病毒主要基因型的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1290184A1 (en) * 2000-05-25 2003-03-12 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Lactobacillus reuteri glucosyltransferase
WO2003044199A1 (en) * 2001-11-21 2003-05-30 The University Of Hong Kong Recombinant bacillus phytases and uses thereof
CN1772921A (zh) * 2005-09-30 2006-05-17 国家海洋局第一海洋研究所 病原微生物模拟表位的生物信息学筛选方法
CN101149743A (zh) * 2007-11-09 2008-03-26 中国水产科学研究院黑龙江水产研究所 Dna测序污染序列批量处理工具
CN102222175A (zh) * 2011-05-06 2011-10-19 西南大学 一种与miRNA相关的功能性分子标记的开发方法
CN102399874A (zh) * 2011-11-01 2012-04-04 重庆出入境检验检疫局检验检疫技术中心 一种适用于基因检测的WideSpace高通量扩增方法
CN102676699A (zh) * 2012-05-21 2012-09-19 西安建筑科技大学 一种快速检测水环境中肠道病毒主要基因型的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
环境微生物宏基因组学数据库利用;王慧丽等;《生物技术通报》;20151126;参见第78页、第79页第1章"环境宏基因组学项目介绍"、第80-82页第2章"环境宏基因组学数据库"、第83页第3章"环境宏基因组数据分析平台"、第86页第3.4节"CoMet"以及第82页第2.3节"MetagenomesOnline（MgOI）" *

Also Published As

Publication number Publication date
CN105631243A (zh) 2016-06-01

Similar Documents

Publication Publication Date Title
Ha et al. Application of the whole genome-based bacterial identification system, TrueBac ID, using clinical isolates that were not identified with three matrix-assisted laser desorption/ionization time-of-flight mass spectrometry (MALDI-TOF MS) systems
McKain et al. Practical considerations for plant phylogenomics
Epp Schmidt et al. Urbanization erodes ectomycorrhizal fungal diversity and may cause microbial communities to converge
Gweon et al. PIPITS: an automated pipeline for analyses of fungal internal transcribed spacer sequences from the I llumina sequencing platform
Herath et al. CoMet: a workflow using contig coverage and composition for binning a metagenomic sample with high precision
Paulson et al. Reply to:" a fair comparison"
Badotti et al. ITS and secondary biomarkers in fungi: review on the evolution of their use based on scientific publications
Zhou et al. ReprDB and panDB: minimalist databases with maximal microbial representation
Giangacomo et al. Comparing DNA extraction and 16S rRNA gene amplification methods for plant-associated bacterial communities
Cañete-Gibas et al. The black yeasts: an update on species identification and diagnosis
Carrieri et al. A fast machine learning workflow for rapid phenotype prediction from whole shotgun metagenomes
CN105631243B (zh) 病原微生物的检测方法及装置
Seal et al. CASSL: A cell-type annotation method for single cell transcriptomics data using semi-supervised learning
CN104560982B (zh) 不同种属微生物间种类和丰度比较的人工外源性参照分子
Schweizer et al. Cost-effective library preparation for whole genome sequencing with feather DNA
Mangericao et al. Computational prediction of CRISPR cassettes in gut metagenome samples from Chinese type-2 diabetic patients and healthy controls
Hu et al. Inferring species compositions of Complex Fungal communities from Long-and short-read sequence data
JP2012146066A (ja) 核酸情報処理装置およびその処理方法
Loeffelholz et al. The main challenges that remain in applying high-throughput sequencing to clinical diagnostics
US11437122B2 (en) Electronic methods and systems for microorganism characterization
CN110819704A (zh) 用于改善基于扩增子测序的微生物群落分类学解析的方法和系统
JP2012146067A (ja) 核酸情報処理装置およびその処理方法
Kuntal et al. Igloo-Plot: a tool for visualization of multidimensional datasets
Van Nuland et al. Above-and belowground fungal biodiversity of Populus trees on a continental scale
Giangacomo et al. Comparing DNA extraction and 16s amplification methods for plant-associated bacterial communities

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant