ES3052425T3

ES3052425T3 - Gene sequencing analysis method and apparatus, and storage medium and computer device

Info

Publication number: ES3052425T3
Application number: ES22817861T
Authority: ES
Inventors: Jiaobo Yang; Xiangqian Jin; Zengquan He; Youjin Zhang
Original assignee: BGI Genomics Co Ltd
Current assignee: BGI Genomics Co Ltd
Priority date: 2021-06-23
Filing date: 2022-06-06
Publication date: 2026-01-07
Anticipated expiration: 2042-06-06
Also published as: IL298947B2; WO2022267867A1; IL298947B1; EP4152334A1; CN113299344A; SA522441760B1; EP4152334A4; EP4152334B1; JP7515632B2; AU2022298428A1; IL298947A; JP2023534124A; AU2022298428B2

Abstract

Un método y aparato de análisis de secuenciación genética, un medio de almacenamiento y un dispositivo informático. El método comprende: primero, realizar el procesamiento de cortes en una secuencia corta transmitida desde una plataforma de secuenciación en tiempo real para obtener el procesamiento de corte correspondiente; luego, introducir los datos de corte en una memoria para llamar a un programa de encapsulación precargado desde la memoria y realizar un análisis bioinformático de los datos de corte, obteniendo así el resultado del análisis correspondiente. Durante el proceso, no es necesario esperar a que una plataforma de secuenciación complete la secuenciación y luego transmitir el resultado completo a la plataforma correspondiente para su procesamiento y análisis. Los datos de corte secuenciados por la plataforma de secuenciación se adquieren en tiempo real y se realiza la secuenciación y el análisis en streaming de los datos de corte, acelerando así los procesos de secuenciación y análisis en su conjunto. Durante el análisis, los datos son datos de corte, lo que permite una mayor velocidad de transmisión y un menor consumo de tiempo en comparación con el resultado completo de la secuenciación. (Traducción automática con Google Translate, sin valor legal)

Description

[0001] DESCRIPCIÓN

[0002] Método y aparato de análisis de secuenciación génica, y medio de almacenamiento y dispositivo informático Campo

[0003] La presente divulgación se refiere al campo técnico de la información biológica, y en particular, a un método y aparato de análisis de secuenciación génica, un medio de almacenamiento y un dispositivo informático. Antecedentes

[0004] La tecnología de secuenciación de ADN ha desempeñado un papel vital en el impulso del desarrollo de la biología molecular desde su aparición. Este campo técnico ha experimentado enormes cambios desde la secuenciación manual temprana desarrollada por Frederick Sanger y los secuenciadores automáticos de primera generación basados en la secuenciación de Sanger, hasta las plataformas actuales de secuenciación de nueva generación.

[0005] El proceso de secuenciación de la plataforma de secuenciación de nueva generación incluye principalmente los siguientes pasos: durante cada ciclo de secuenciación, agregar cuatro nucleótidos etiquetados con diferentes fluoróforos y ADN polimerasas simultáneamente en canales de flujo, para extender la cadena de ADN de acuerdo con el principio de apareamiento complementario; adquirir imágenes de fluorescencia, con etiquetado de fluorescencia específico para la base que revela qué nucleótidos se agregan recientemente a la cadena en este ciclo, para así obtener las secuencias de ADN en esta posición en el templado; y realizar adicionalmente el siguiente ciclo de reacción. Este proceso se repite varias veces para obtener múltiples secuencias de ADN. Por ejemplo, una secuencia de ADN que incluye 50 bases se puede obtener realizando 50 ciclos de secuenciación. La secuencia única obtenida mediante este método es muy corta, y por lo tanto también se le denomina como secuencia corta.

[0006] En este sentido, para las plataformas de secuenciación de nueva generación, es necesario completar las operaciones bioquímicas y de obtención de imágenes antes del reconocimiento de la base, y los resultados del reconocimiento se convertirán a otras formas para su almacenamiento. Posteriormente, los archivos almacenados se transmiten a un almacenamiento primario para realizar el control de calidad de los datos, verificar la información de la muestra y la información de secuenciación, y los datos se archivan utilizando el almacenamiento secundario. Este tipo de secuenciación requiere mucho tiempo y tiene una baja eficiencia de transmisión, lo que da como resultado un proceso de análisis relativamente lento. Martin S. Lindner et al. presentan HiLive como un novedoso mapeador de lectura en tiempo real que implementa una estrategia de alineamiento basada en k-mero. Tobias P. Loka et al. presentan un nuevo algoritmo de mapeo de lectura en tiempo real con llamadas de variantes rápidas para obtener llamadas de variantes confiables incluso durante el proceso de secuenciación. Binda et al. proponen una aproximación de mapeo de lectura dinámico que mejora significativamente la precisión de la lectura del alineamiento.

[0007] Sumario

[0008] La presente divulgación tiene como objetivo resolver al menos uno de los inconvenientes técnicos mencionados anteriormente, en particular los inconvenientes técnicos de la técnica relacionada, tal como la secuenciación que consume mucho tiempo y la baja eficiencia de transmisión, lo que conduce adicionalmente a un proceso de análisis relativamente lento.

[0009] En un primer aspecto, la presente divulgación proporciona un método de análisis de secuenciación génica. El método de análisis de secuenciación génica incluye los siguientes pasos de: adquirir datos del corte transmitidos desde una plataforma de secuenciación en tiempo real, siendo los datos del corte un conjunto de secuencias cortas leídas después de realizar al menos un ciclo de secuenciación en una biblioteca de secuenciación; ingresar los datos del corte en una memoria; y realizar, mediante una llamada a un programa de encapsulamiento preestablecido en la memoria, procesamiento de datos y análisis de detección en los datos del corte, para obtener un resultado de análisis correspondiente, en el que el programa de encapsulamiento es un programa personalizado; en el que el programa de encapsulamiento comprende un programa del control de calidad de datos, un programa de procesamiento de datos y un programa del análisis de detección, y en el que dicha realización, mediante una llamada al programa de encapsulamiento preestablecido en la memoria, el procesamiento de datos y los análisis de detección en los datos del corte, para obtener el resultado del análisis correspondiente comprende: realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, procesamiento del control de calidad en los datos del corte, para obtener un resultado del control de calidad; realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, procesamiento de datos en el resultado del control de calidad, para obtener un resultado del procesamiento; y realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, un análisis de detección sobre el resultado del procesamiento, para obtener un resultado del análisis final; en el que la adquisición de los datos del corte incluye: determinar un tamaño del corte; cortar, con base en el tamaño del corte, todas las secuencias cortas sin cortar transmitidas actualmente desde la plataforma de secuenciación y leerlas después de un solo ciclo de secuenciación, utilizándose un conjunto de las secuencias cortas cortadas como datos del corte; en el que la determinación del tamaño del corte incluye: adquirir un estado de inactividad actual de la unidad central de procesamiento (CPU); y ajustar el tamaño del corte con base en el estado de inactividad actual de la CPU; en la que cuando la memoria no está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de múltiples ciclos de secuenciación; y cuando la memoria está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de un ciclo de secuenciación; en la que las partes bioquímicas y de obtención de imágenes en el proceso de secuenciación de cada ciclo se transmiten a la memoria en tiempo real para el reconocimiento de la base, después de obtener las secuencias cortas correspondientes, primero se determina el tamaño del corte, y las secuencias cortas que satisfacen el tamaño del corte, como una combinación, se emiten como los datos del corte, y los datos del corte se almacenan en la memoria; en la que cada conjunto de múltiples ciclos de secuenciación se toma como una pieza de datos del corte, dividido en un primer corte y cortes posteriores, y el tamaño del corte se puede ajustar de forma adaptativa de acuerdo con la velocidad de análisis; donde el primer corte contiene múltiples ciclos de secuenciación; los cortes posteriores se controlan automáticamente: si la máquina está relativamente inactiva, la transmisión se realiza una vez después de cada ciclo, los cortes posteriores solo contienen un ciclo de secuenciación; y si la máquina está relativamente ocupada, la transmisión se puede seleccionar para realizar después de un número de ciclo de secuenciación adecuado de los cortes posteriores.

[0010] De acuerdo con una realización de la presente divulgación, el método de análisis de secuenciación génica mencionado anteriormente puede comprender adicionalmente al menos una de las siguientes características técnicas adicionales.

[0011] De acuerdo con una realización de la presente divulgación, el programa de encapsulamiento incluye un programa del control de calidad de datos, un programa del procesamiento de datos y un programa del análisis de detección. El paso de realizar, mediante una llamada al programa de encapsulamiento preestablecido en la memoria, el procesamiento de datos y el análisis de detección sobre los datos del corte, para obtener el resultado del análisis correspondiente incluye: realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, el procesamiento de control de calidad sobre los datos del corte, para obtener un resultado de control de calidad; realizar, mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, el procesamiento de datos sobre el resultado del control de calidad, para obtener un resultado del procesamiento; y realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, el análisis de detección sobre el resultado del procesamiento, para obtener un resultado del análisis final.

[0012] De acuerdo con una realización de la presente divulgación, el paso de realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, el procesamiento del control de calidad en los datos del corte incluye: mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, calcular una tasa de error de la posición de secuencias cortas en los datos del corte, analizar estadísticamente una distribución de la base en los datos del corte y/o eliminar bases de baja calidad de los datos del corte, en el que las bases de baja calidad son bases con una calidad de base por debajo de un umbral de calidad.

[0013] De acuerdo con una realización de la presente divulgación, el paso de realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, el procesamiento de datos sobre el resultado de control de calidad incluye: realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, al menos uno de alineamiento, ordenamiento, deduplicación y realineamiento sobre una secuencia corta en el resultado del control de calidad.

[0014] De acuerdo con una realización de la presente divulgación, el paso de realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, al menos uno de alineamiento, ordenamiento, deduplicación y realineamiento en la secuencia corta en el resultado de control de calidad incluye: realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, un alineamiento entre la secuencia corta en el resultado del control de calidad y un gen de referencia, para determinar una posición de la secuencia corta en el gen de referencia; determinar una etiqueta de la posición de la secuencia corta con base en la posición de la secuencia corta en el gen de referencia; determinar, entre los hilos preestablecidos en la memoria, un hilo diana que se encuentra actualmente en un estado inactivo; y realizar, mediante una llamada al hilo diana y con referencia a la etiqueta de la posición de la secuencia corta, al menos uno de ordenamiento, deduplicación y realineamiento de la secuencia corta.

[0015] De acuerdo con una realización de la presente divulgación, el paso de realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, el análisis de detección sobre el resultado del procesamiento incluye: realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, la detección e interpretación de la mutación sobre el resultado del procesamiento.

[0016] En un segundo aspecto, la presente divulgación proporciona adicionalmente un aparato de análisis de secuenciación génica. El aparato de análisis de secuenciación génica incluye: un módulo de adquisición de datos configurado para adquirir datos del corte transmitidos desde una plataforma de secuenciación en tiempo real, siendo los datos del corte un conjunto de secuencias cortas leídas después de realizar al menos un ciclo de secuenciación en una biblioteca de secuenciación; un módulo de transmisión del corte configurado para ingresar los datos del corte en una memoria; y un módulo del análisis del procesamiento configurado para realizar, mediante una llamada a un programa de encapsulamiento preestablecido en la memoria, procesamiento de datos y análisis de detección en los datos del corte, para obtener un resultado del análisis correspondiente, en el que el programa de encapsulamiento es un programa personalizado; en el que el programa de encapsulamiento comprende un programa del control de calidad de datos, un programa del procesamiento de datos y un programa del análisis de detección, y en el que el módulo de análisis del procesamiento está configurado adicionalmente para: realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, procesamiento del control de calidad en los datos del corte, para obtener un resultado del control de calidad; realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, procesamiento de datos en el resultado del control de calidad, para obtener un resultado del procesamiento; y realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, un análisis de detección sobre el resultado del procesamiento, para obtener un resultado del análisis final; en el que el módulo de adquisición de datos está configurado adicionalmente para: determinar un tamaño del corte; cortar, con base en el tamaño del corte, todas las secuencias cortas sin cortar transmitidas actualmente desde la plataforma de secuenciación y leerlas después de un solo ciclo de secuenciación, utilizándose un conjunto de las secuencias cortas cortadas como los datos del corte; en el que para determinar el tamaño del corte, el módulo de adquisición de datos está configurado adicionalmente para: adquirir un estado de inactividad actual de la unidad central de procesamiento (CPU); y ajustar el tamaño del corte con base en el estado de inactividad actual de la CPU; en el que cuando la memoria no está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de múltiples ciclos de secuenciación; y cuando la memoria está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de un ciclo de secuenciación; en el que las partes bioquímicas y de obtención de imágenes en el proceso de secuenciación de cada ciclo se transmiten a la memoria en tiempo real para el reconocimiento de la base, después de obtener las secuencias cortas correspondientes, primero se determina el tamaño del corte, y las secuencias cortas que satisfacen el tamaño del corte, como una combinación, se emiten como los datos del corte, y los datos del corte se almacenan en la memoria; en la que cada conjunto de múltiples ciclos de secuenciación se toma como una pieza de datos del corte, dividida en un primer corte y cortes posteriores, y el tamaño del corte se puede ajustar de forma adaptativa de acuerdo con la velocidad del análisis; en el que el primer corte contiene múltiples ciclos de secuenciación; los cortes posteriores se controlan automáticamente: si la máquina está relativamente inactiva, la transmisión se realiza una vez después de cada ciclo, los cortes posteriores solamente contienen un ciclo de secuenciación; y si la máquina está relativamente ocupada, la transmisión se puede seleccionar para realizar después de un número de ciclo de secuenciación adecuado de los cortes posteriores.

[0018] En un tercer aspecto, la presente divulgación también proporciona un medio de almacenamiento que tiene instrucciones legibles por computadora almacenadas en el mismo. Las instrucciones legibles por computadora, cuando son ejecutadas por uno o más procesadores, ocasionan que el uno o más procesadores realicen pasos del método de análisis de secuenciación génica como se describe en una cualquiera de las realizaciones anteriores.

[0020] En un cuarto aspecto, la presente divulgación también proporciona un dispositivo informático que tiene instrucciones legibles por computadora almacenadas en el mismo. Las instrucciones legibles por computadora, cuando son ejecutadas por uno o más procesadores, ocasionan que el uno o más procesadores realicen pasos del método de análisis de secuenciación génica como se describe en una cualquiera de las realizaciones anteriores.

[0022] De las soluciones técnicas anteriores se puede observar que las realizaciones de la presente divulgación tienen las siguientes ventajas.

[0024] En el método y aparato de análisis de secuenciación génica, el medio de almacenamiento y el dispositivo informático de acuerdo con la presente divulgación, las secuencias cortas transmitidas desde una plataforma de secuenciación en tiempo real primero se cortan para realizar el procesamiento del corte correspondiente y posteriormente los datos del corte se introducen en una memoria. Por lo tanto, se puede llamar a un programa de encapsulamiento precargado en la memoria para realizar un análisis bioinformático de los datos del corte, obteniendo así un resultado del análisis correspondiente. Un proceso de este tipo puede adquirir los datos del corte de la secuenciación de la plataforma de secuenciación en tiempo real y realizar la secuenciación y el análisis de los datos del corte, en lugar de realizar el análisis de procesamiento solo después de que la plataforma de secuenciación haya terminado la secuenciación y los resultados de secuenciación completos se transmitan a la plataforma correspondiente. Por lo tanto, la presente divulgación permite acelerar todo el proceso de secuenciación y análisis. Además, los datos para el análisis son datos del corte, los cuales se pueden transmitir más rápido y toman menos tiempo en comparación con el resultado de la secuenciación completa.

[0026] Además, el proceso del análisis de acuerdo con la presente divulgación se realiza mediante un programa de encapsulamiento preestablecido en la memoria. Por lo tanto, los datos de secuenciación se transmiten innecesariamente a otra plataforma para su procesamiento, lo que reduce efectivamente la congestión de I/O y el consumo de la memoria, mejorando así aún más la eficiencia operativa de una máquina y prolongando la vida útil de la máquina.

[0027] Descripción de las figuras

[0028] Para explicar claramente las soluciones técnicas en las realizaciones de la presente divulgación o la técnica relacionada, a continuación, se presentan brevemente las figuras adjuntas necesarias para describir las realizaciones o la técnica relacionada. Las figuras adjuntas en la siguiente descripción simplemente son ilustrativas de algunas realizaciones de la presente divulgación. Los expertos en la técnica pueden derivar otras figuras a partir de estas figuras adjuntas sin realizar ningún esfuerzo creativo.

[0029] La Fig.1 es un diagrama de flujo esquemático de un método de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación;

[0030] La Fig.2 es un diagrama esquemático de un proceso de análisis de flujo de acuerdo con una realización de la presente divulgación;

[0031] La Fig.3 es un diagrama esquemático de un proceso de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación;

[0032] La Fig.4 es un diagrama esquemático que ilustra un proceso de secuenciación en correlación con el tiempo en un proceso de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación; La Fig.5 es un diagrama estructural esquemático de un aparato de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación; y

[0033] La Fig.6 es un diagrama esquemático de una estructura interna de un dispositivo informático de acuerdo con una realización de la presente divulgación.

[0034] Descripción detallada

[0035] A continuación, se describen claramente con detalle las soluciones técnicas en las realizaciones de la presente divulgación con referencia a las figuras adjuntas de las realizaciones de la presente divulgación. Las realizaciones que se describen a continuación son simplemente una parte y no la totalidad de todas las realizaciones de la presente divulgación. Otras realizaciones, las cuales son obtenidas por aquellos expertos en la técnica con base en las realizaciones de la presente divulgación sin realizar esfuerzos creativos, quedarán dentro del alcance de protección de la presente divulgación.

[0036] En resumen, la secuenciación es la conversión de las señales químicas de ADN en señales digitales procesables por computadora. Desde la secuenciación manual temprana desarrollada por Frederick Sanger y los secuenciadores automáticos de primera generación basados en la secuenciación de Sanger, hasta las actuales plataformas de secuenciación de nueva generación, el campo de la secuenciación ha experimentado cambios tremendos. Los cambios y avances en la tecnología de secuenciación desempeñan un gran papel de promoción en la investigación genómica, la investigación médica de enfermedades, la investigación de fármacos, la cría y otros campos.

[0037] En la actualidad, el proceso de secuenciación de la plataforma de secuenciación de nueva generación incluye principalmente los siguientes pasos: durante cada ciclo de secuenciación, agregar cuatro nucleótidos etiquetados con diferentes fluoróforos y ADN polimerasas simultáneamente en canales de flujo, para extender la cadena de ADN de acuerdo con el principio de apareamiento complementario; adquirir imágenes de fluorescencia, con etiquetado de fluorescencia específico para la base que revela qué nucleótidos se agregan recientemente a la cadena en este ciclo, para obtener así las secuencias de ADN en esta posición en el templado; y realizar adicionalmente el siguiente ciclo de reacción. Este proceso se repite varias veces para obtener múltiples secuencias de ADN. Por ejemplo, una secuencia de ADN que incluye 50 bases se puede obtener realizando 50 ciclos de secuenciación. La secuencia única obtenida mediante este método es muy corta, por lo que también se le denomina como secuencia corta.

[0038] En vista de lo anterior, para las plataformas de secuenciación de nueva generación, es necesario completar las operaciones bioquímicas y de obtención de imágenes antes del reconocimiento de las bases, y los resultados del reconocimiento se convertirán a otras formas para su almacenamiento. Posteriormente, los archivos almacenados se transmiten a un almacenamiento primario para realizar el control de calidad de los datos, verificar la información de la muestra y secuenciar la información, y los datos se archivan utilizando el almacenamiento secundario. Este tipo de secuenciación requiere mucho tiempo y tiene una baja eficiencia de transmisión, lo que da como resultado un proceso de análisis relativamente lento.

[0039] Por lo tanto, la presente divulgación tiene como objetivo resolver los problemas técnicos del proceso de análisis lento causado por el consumo de tiempo prolongado y la baja eficiencia de transmisión de la secuenciación en la técnica relacionada. La presente divulgación proporciona las siguientes soluciones técnicas.

[0040] La Fig.1 es un diagrama de flujo esquemático de un método de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación. Como se ilustra en la Fig.1, la presente divulgación proporciona un método de análisis de secuenciación génica, el cual incluye específicamente los siguientes pasos.

[0041] S110: se adquieren datos del corte.

[0042] En este paso, antes de realizar el análisis bioinformático, es necesario adquirir los datos del corte transmitidos desde la plataforma de secuenciación, con la finalidad de realizar el análisis bioinformático correspondiente con base en los datos del corte.

[0043] Se puede entender que, en la presente divulgación, dado que se tienen en consideración la eficiencia del análisis de las plataformas posteriores y la situación de ocupación de la memoria, etc., se requiere cortar los datos entrantes en tiempo real desde la plataforma de secuenciación, y el tamaño del corte se puede ajustar de forma adaptativa con base en el grado de inactividad del servidor. Por lo tanto, en la presente divulgación, los datos del corte adquiridos son un conjunto de secuencias cortas leídas después de realizar al menos un ciclo de secuenciación en una biblioteca de secuenciación y transmitidas desde la plataforma de secuenciación en tiempo real.

[0044] Se debe tener en cuenta que el ajuste adaptativo del tamaño del corte con base en el grado de inactividad del servidor puede incluir principalmente las siguientes situaciones. Si el servidor no está inactivo, se puede ajustar el tamaño del corte para ser capaz de cortar secuencias cortas que se puedan leer después de un ciclo de secuenciación. Si el servidor está inactivo, se puede ajustar el tamaño del corte para ser capaz de cortar secuencias cortas que se puedan leer después de múltiples ciclos de secuenciación. Además, el primer corte puede ocurrir después de que se hayan realizado múltiples ciclos de secuenciación. Por ejemplo, después de 10 ciclos de secuenciación, se crea un corte mediante cortes.

[0045] Como un ejemplo, en la presente divulgación, se puede emplear una plataforma de secuenciación de próxima generación para adquirir los datos del corte. La secuenciación de próxima generación (NGS) y la secuenciación de Sanger son lo mismo en el sentido de que se utiliza una computadora para detectar las señales fluorescentes generadas en el momento de la unión de los dNTP etiquetados con fluoróforo a un templado de ADN con catalizador de ADN polimerasa en cada ciclo de secuenciación. Sin embargo, a diferencia de la secuenciación Sanger, en la que se detecta un solo fragmento por unidad de tiempo, la NGS puede detectar señales de miles de canales simultáneamente, mejorando así enormemente la eficiencia.

[0046] Se puede entender que las plataformas de secuenciación de próxima generación discutidas en la presente memoria incluyen, pero no se limitan a, secuenciación de Illumina (Solexa), secuenciación de Roche 454, Ion torrent: Secuenciación de Protón/PGM y secuenciación de SOLiD.

[0047] Como un ejemplo, a continuación, se explica cómo la plataforma de secuenciación de próxima generación obtiene los datos del corte. A modo de ilustración, las plataformas de secuenciación de próxima generación en la presente divulgación requieren la construcción de una biblioteca de secuenciación antes de la secuenciación. La biblioteca de secuenciación se refiere a una mezcla de ADN de fragmentos de ADN que tienen secuencias adaptadoras de ADN específicas conectadas en ambos extremos de los mismos. Por ejemplo, una mezcla de fragmentos de ADN se obtiene mediante la interrupción del ADN genómico con ultrasonidos, rellenando los extremos de los fragmentos de ADN interrumpidos con enzimas y ligando las secuencias adaptadoras por medio de ligasas, y dicha mezcla de fragmentos de ADN se denomina como "biblioteca".

[0048] Antes de secuenciar la biblioteca de secuenciación utilizando la plataforma de secuenciación de próxima generación, se puede realizar amplificación por PCR en la biblioteca de secuenciación, con la finalidad de amplificar la pequeña cantidad de fragmentos de ADN en la solución a secuenciar varias veces o incluso docenas de veces. De esta manera se puede aumentar la densidad de distribución de los fragmentos de ADN a secuenciar en la solución, permitiendo adquirir una pequeña cantidad de fragmentos de ADN durante el muestreo.

[0049] Durante la secuenciación, se puede agregar una solución neutra y se pueden agregar cebadores dNTP de secuenciación a la solución neutra. Dado que el extremo 3' del dNTP está bloqueado por un grupo azida, la cadena del templado solo se puede extender una base durante un ciclo de secuenciación. Después de completar un ciclo de secuenciación, el grupo azida y el fluoróforo se escinden agregando un reactivo químico específico, para exponer el grupo hidroxilo en el extremo 3' del dNTP y, de esta manera, se puede leer la secuencia de bases.

[0050] En la presente divulgación, las partes bioquímicas y de obtención de imágenes de cada ciclo de secuenciación en el proceso de secuenciación se transmiten a la memoria en tiempo real para la llamada de la base (Basecall) para obtener la secuencia corta correspondiente, y los datos del corte, cuando satisfacen el tamaño del corte, se emiten y almacenan en la memoria.

[0051] Por ejemplo, se genera un archivo fastq después de la secuenciación con la plataforma de secuenciación de próxima generación existente. El archivo fastq es un archivo de secuencia que contiene un valor de calidad, donde q indica calidad, para almacenar los datos de secuenciación originales, con un nombre de extensión fastq o fq. El siguiente es un formato común de secuencia en archivos fastq

[0053]

[0055] En vista del formato de la secuencia anterior, cada cuatro filas del archivo fastq se consideran como una unidad independiente, es decir, se hace referencia a ellas como una secuencia corta. La primera fila comienza con "@", seguida de DJB775P1 que indica el nombre de la secuencia corta, y la cadena de caracteres de la primera fila sin espacio entre ellas se convierte de acuerdo con el estado de la información durante la secuenciación y es un identificador único de la secuencia corta. La segunda fila indica una secuencia de lectura de secuenciación, es decir, la secuencia de ADN de interés real. La secuencia se compone de cinco letras de A, C, G, T y N, en la que N representa una base que no se puede identificar durante la secuenciación. La tercera fila comienza con "+" y puede repetir la información de la primera fila en la versión anterior del archivo FASTQ. Actualmente, no se agrega información a la tercera fila para ahorrar espacio de almacenamiento. La cuarta fila indica el valor de calidad de la lectura de secuenciación, el cual es tan importante como la información de la base de la segunda fila, y el valor de calidad de la lectura de secuenciación representa la confiabilidad de cada base secuenciada, expresada por el código ASCII.

[0056] En la presente divulgación, con la finalidad de mejorar la eficiencia del análisis, los procesos de secuenciación y análisis se someten a cortes, y se utiliza una estructura de flujo para el procesamiento secuencial para realizar simultáneamente la secuenciación, la codificación, la transmisión y el análisis. El resultado obtenido en las partes de bioquímica y obtención de imágenes de cada ciclo de secuenciación en el proceso de secuenciación se transmite primero a la memoria para el procesamiento de reconocimiento de imágenes del proceso de basecall (llamada de la base), para obtener una pluralidad de secuencias cortas. Posteriormente, el tamaño del corte se determina con base en el grado de inactividad del servidor. Es decir, las bases de la segunda fila mencionadas anteriormente se cortan con base en el grado de inactividad del servidor. Si el servidor está inactivo, las bases se cortan como una pieza de datos del corte. Si el servidor no está inactivo, una sola base se corta como una sola pieza de datos del corte. Los datos del corte obtenidos después de los cortes se guardan en la memoria.

[0057] Cuando se leen los datos del corte en la memoria para su análisis, primero se puede quitar el adaptador. El adaptador se ubica al comienzo del primer corte, generalmente de 6 a 8 bases, y los datos del adaptador se pueden utilizar para distinguir diferentes muestras, lo que resulta conveniente para la salida posterior. Posteriormente, los datos del corte restantes se alinean con el genoma humano. Cada base de cada nueva pieza de datos del corte permite localizar un intervalo de lecturas en el genoma humano para reducirlo continuamente, y por lo tanto la posición del alineamiento es más precisa.

[0058] Además, en la presente divulgación, durante la secuenciación y el análisis, la plataforma utilizada puede ser una máquina que integra la secuenciación y el análisis, o puede ser una máquina que conecta un secuenciador existente y un analizador a través de una conexión de red para la transmisión de datos y el análisis de la operación, lo que no está limitado en la presente memoria.

[0059] S120: los datos del corte se introducen en la memoria.

[0060] En este paso, después de que se adquieren los datos del corte en el paso S110, los datos del corte se pueden ingresar en una memoria de la máquina de integración o en una memoria de un analizador en conexión con un secuenciador. De esta manera, el procesamiento de datos y el análisis de detección se pueden realizar sobre los datos del corte mediante un programa de encapsulamiento en la memoria.

[0061] Se puede entender que, después de que la biblioteca de secuenciación se secuencia con un secuenciador existente, el resultado de secuenciación obtenido generalmente se emite como un archivo fastq y se almacena en un disco duro. Al realizar el análisis de alineamiento, el archivo fastq se lee desde el disco duro y se alinea con el genoma humano (referencia.fa). Por el contrario, en la presente divulgación, los datos del corte adquiridos se transmiten directamente a la memoria para realizar el procesamiento de alineamiento, sin ser emitidos ni transmitidos a un disco duro, reduciendo así los procesos de escritura y lectura desde el disco duro y reduciendo el consumo de I/O.

[0062] Además, se debe de tener en cuenta que la memoria puede ser una memoria de Doble Velocidad de Datos (DDR). Debido a la gran cantidad de datos génicos y la memoria limitada del servidor, a menudo se amplía a la memoria de DDR. Los datos se transmiten respectivamente en un flanco ascendente y en un flanco descendente de la señal de reloj en la memoria de DDR, lo que lleva a que la velocidad de transmisión de datos de la memoria de DDR sea el doble de la de una SDRAM convencional. Además, el consumo de energía no se aumenta, ya que solo se adopta adicionalmente la señal del flanco descendente. Las señales de direccionamiento y de control son idénticas a las de la SDRAM convencional y se transmiten solo en el flanco ascendente de la señal de reloj.

[0063] S130: el procesamiento de datos y el análisis de detección se realizan en los datos del corte mediante una llamada al programa de encapsulamiento en la memoria, para obtener un resultado del análisis.

[0064] En este paso, al procesar los datos del corte, se debe llamar al programa de encapsulamiento preestablecido en la memoria para realizar el procesamiento de datos y el análisis de detección en los datos del corte, y se obtiene un resultado del análisis correspondiente.

[0065] Se debe de tener en cuenta que el programa de encapsulamiento en la presente memoria se refiere a un software que encapsula una pluralidad de programas en un programa, y el programa de encapsulamiento es un programa personalizado, el cual puede encapsular una pluralidad de programas diferentes en un programa de acuerdo con los requisitos del usuario, para realizar el procesamiento de datos y el análisis de detección en los datos del corte.

[0066] Además, el programa de encapsulamiento en la presente memoria está optimizado con base en el programa reconocido internacionalmente existente, aumentando así la cohesión de la memoria, aumentando el multihilo y agregando las funciones del procesamiento de datos del corte. Durante el procesamiento de datos mediante uso del programa de encapsulamiento, se puede habilitar el programa de encapsulamiento correspondiente en un disco y cargarlo en la memoria como un proceso de tarea, reduciendo así de manera efectiva el consumo de I/O, reduciendo el tiempo de lectura y escritura y mejorando la eficiencia del análisis.

[0067] Por ejemplo, es necesario realizar el procesamiento de datos en los datos del corte antes de que los datos del corte se sometan al análisis de detección, y el proceso del procesamiento de datos se puede implementar mediante uno o más programas, como un programa del control de calidad de datos, un programa de procesamiento de datos, etc. Posteriormente, se conecta un programa del análisis de detección para realizar el análisis de detección en un resultado obtenido después del procesamiento de datos. De esta manera, el resultado del análisis final puede ser más preciso.

[0068] La Fig.2 es un diagrama esquemático de un proceso de análisis de flujo de acuerdo con una realización de la presente divulgación. Como se ilustra en la Fig.2,

[0069] un secuenciador puede utilizar el sistema bioquímico y de obtención de imágenes para realizar la obtención de imágenes bioquímicas en la biblioteca de secuenciación y transmitir las imágenes obtenidas después de la obtención de imágenes bioquímicas a un servidor de control central en un modo de transmisión del corte. El servidor del control central puede transmitir las imágenes a un instrumento de análisis para el procesamiento de datos y el análisis de detección. El proceso del control de calidad de datos incluye que, una memoria del servidor en un servidor del control de calidad de datos obtenga la información de la muestra y secuenciación en un sistema de información de producción y los datos del corte transmitidos por el servidor del control central; el control de calidad de datos se realiza en los datos del corte, seguido por el archivado y la entrega de datos; y finalmente, se almacena el resultado del análisis, realizando así el proceso del análisis de flujo.

[0070] Se puede observar en la Fig. 2 que el conjunto de secuencias cortas transmitidas desde la plataforma de secuenciación se corta, una parte del tiempo de análisis se oculta dentro del tiempo de secuenciación original y el proceso de procesamiento de datos y el proceso del análisis de detección están vinculados entre sí a través de la memoria. De esta manera, el proceso del análisis de flujo utilizado en la presente divulgación puede reducir eficazmente el consumo de I/O, acortar el tiempo de lectura y escritura y mejorar la eficiencia del análisis.

[0071] Con el método de análisis de secuenciación génica proporcionado en la realización mencionada anteriormente, las secuencias cortas transmitidas desde una plataforma de secuenciación en tiempo real primero se cortan para realizar el procesamiento del corte correspondiente y posteriormente los datos del corte se introducen en una memoria. De esta manera, se puede llamar a un programa de encapsulamiento precargado en la memoria para realizar un análisis bioinformático de los datos del corte, obteniendo así un resultado de análisis correspondiente. Un proceso de este tipo puede adquirir los datos del corte de la secuenciación de la plataforma de secuenciación en tiempo real y realizar la secuenciación y el análisis de los datos del corte, en lugar de realizar el análisis de procesamiento solo después de que la plataforma de secuenciación haya terminado la secuenciación y los resultados de secuenciación completos se transmiten a la plataforma correspondiente. Por lo tanto, la presente divulgación permite acelerar todo el proceso de secuenciación y análisis. Además, los datos para el análisis son los datos del corte, los cuales se pueden transmitir más rápido y toman menos tiempo en comparación con el resultado de la secuenciación completa.

[0072] Además, el proceso del análisis de acuerdo con la presente divulgación se realiza mediante un programa de encapsulamiento preestablecido en la memoria. De este modo, los datos de secuenciación se transmiten innecesariamente a otra plataforma para su procesamiento, lo cual reduce efectivamente la congestión de I/O y el consumo de la memoria, mejorando así aún más la eficiencia operativa de una máquina y prolongando la vida útil de la máquina.

[0073] El método de análisis de secuenciación génica de la presente divulgación se explicará adicionalmente por medio de las siguientes realizaciones. Como se describe a continuación, el proceso de la adquisición de datos del corte se describe con detalle en las siguientes realizaciones.

[0074] En una realización, el paso de adquisición de los datos del corte en el paso S110 puede incluir los siguientes pasos:

[0075] S111: se determina un tamaño del corte.

[0076] S112: con base en el tamaño del corte, todas las secuencias cortas sin cortar, las cuales actualmente se transmiten desde la plataforma de secuenciación y se leen después de un solo ciclo de secuenciación, se cortan, y las secuencias cortas cortadas se utilizan como los datos del corte.

[0077] En esta realización, las partes bioquímicas y de obtención de imágenes del proceso de secuenciación de cada ciclo se transmiten a la memoria en tiempo real para el reconocimiento de la base. Después de obtener las secuencias cortas correspondientes, primero es necesario determinar el tamaño del corte, y las secuencias cortas que satisfacen el tamaño del corte, como una combinación, se emiten como los datos del corte, y los datos del corte se almacenan en la memoria.

[0078] Por ejemplo, cada ciclo m n (ciclos de secuenciación) se toman como una pieza de los datos del corte, donde m es el primer corte, m> = 10, n se refiere a todos los cortes posteriores, n> = 1 y n <= 20, y m n se pueden ajustar de forma adaptativa al tamaño del corte de acuerdo con la velocidad del análisis.

[0079] La Fig.3 es un diagrama esquemático de un proceso de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación, y la Fig.4 es un diagrama esquemático de un proceso de secuenciación en correlación con el tiempo en un proceso de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación. Como se ilustra en la Fig.3 y Fig.4, en la presente divulgación, al adquirir los datos del corte de la secuenciación en una plataforma de secuenciación en tiempo real y realizando la secuenciación y el análisis de flujo en los datos del corte, se puede acelerar el proceso de secuenciación y análisis. Posteriormente se realiza una detección de la mutación o un alineamiento con una biblioteca de patógenos de ARN, y después una anotación posterior, finalizando así el proceso del análisis y completando la entrega. El proceso de adquisición de datos del corte se describe con detalle en la realización anterior. A continuación, se describirá con más detalle el paso de determinar el tamaño del corte de la realización anterior.

[0080] En una realización, el paso de determinar el tamaño del corte en el paso S111 puede incluir los siguientes pasos.

[0081] S1111: se adquiere un estado de inactividad actual de la unidad central de procesamiento (CPU).

[0082] S1112: el tamaño del corte se ajusta con base en el estado de inactividad actual de la CPU.

[0083] En la presente realización, cuando se adquieren los datos del corte para el análisis de detección, los datos del corte son un conjunto de secuencias cortas transmitidas desde una plataforma de secuenciación en tiempo real y leídas después de realizar al menos un ciclo de secuenciación en fragmentos génicos en una biblioteca de secuenciación.

[0084] El tamaño del corte se puede ajustar de forma adaptativa de acuerdo con la velocidad del análisis, y la velocidad del análisis se puede obtener adquiriendo y analizando el estado de inactividad actual de la CPU. El estado actual de inactividad de la CPU está relacionado con una ocupación actual de la memoria. Una mayor ocupación actual de la memoria indica que la memoria no está inactiva y, por lo tanto, la velocidad del análisis de la memoria es relativamente lenta. Por lo tanto, el tamaño del corte se puede ajustar para ser capaz de cortar un conjunto de secuencias cortas que se leen después de múltiples ciclos de secuenciación. Una menor ocupación actual de la memoria indica que la memoria está inactiva y, por lo tanto, la velocidad del análisis de la memoria es relativamente rápida. Por lo tanto, el tamaño del corte se puede ajustar para ser capaz de cortar un conjunto de secuencias cortas que se leen después de un ciclo de secuenciación.

[0085] Por ejemplo, cada ciclo m n (ciclos de secuenciación) se toma como una pieza de datos del corte, y el corte después del corte m se controla automáticamente. Es decir, el tamaño del corte n se determina con base en el estado de inactividad de la máquina desde el comienzo del segundo corte hasta el final del último corte. Si la máquina está relativamente inactiva, la transmisión se realiza una vez después de cada ciclo, es decir, n = 1; y si la máquina está relativamente ocupada, la transmisión se realiza después de 20 ciclos, es decir, n = 20. Se puede entender que, de acuerdo con el principio de alineamiento en la presente divulgación, los datos del corte se transmiten al proceso de alineamiento y se alinean con el genoma humano, y se determina el intervalo del alineamiento de los datos del corte. Si los datos del corte son más grandes, el intervalo del alineamiento se reduce con mayor precisión.

[0086] Los pasos para determinar el tamaño del corte se explican con más detalle en las realizaciones anteriores, y el programa de encapsulamiento y el proceso de llamada del programa de encapsulamiento para el procesamiento de datos y el análisis de detección se describirán con detalle en las siguientes realizaciones. En una realización, el programa de encapsulamiento puede incluir un programa del control de calidad de datos, un programa del procesamiento de datos y un programa del análisis de detección.

[0087] En el paso S130, el paso de realizar, mediante una llamada al programa de encapsulamiento preestablecido en la memoria, el procesamiento de datos y el análisis de detección sobre los datos del corte incluye los siguientes pasos.

[0088] S131: el procesamiento del control de calidad se realiza en los datos del corte mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, para obtener un resultado del control de calidad.

[0089] S132: el procesamiento de datos se realiza sobre el resultado del control de calidad mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, para obtener un resultado del procesamiento.

[0090] S133: se realiza un análisis de detección sobre el resultado del procesamiento mediante una llamada al programa del análisis de detección preestablecido en la memoria, para obtener un resultado del análisis final. En esta realización, cuando se procesan los datos del corte, se puede llamar al programa de encapsulamiento preestablecido en la memoria para realizar el procesamiento de datos y el análisis de detección en los datos del corte, para obtener el resultado del análisis correspondiente.

[0091] El programa de encapsulamiento preestablecido en la memoria puede ser un programa personalizado. El programa personalizado puede ser un programa encapsulado por varios programas. Por ejemplo, el programa de encapsulamiento puede incluir un programa del control de calidad de datos, un programa del procesamiento de datos y un programa del análisis de detección.

[0092] El programa del control de calidad de datos se utiliza principalmente para realizar el procesamiento del control de calidad en los datos del corte, para obtener el resultado del control de calidad. El programa del procesamiento de datos se utiliza principalmente para realizar el procesamiento de datos sobre el resultado del control de calidad, para obtener el resultado del procesamiento. El programa del análisis de detección se utiliza para realizar el análisis de detección sobre el resultado del procesamiento, para obtener el resultado del análisis final.

[0093] En las realizaciones mencionadas anteriormente, se describen con detalle el programa de encapsulamiento y el proceso de realizar el procesamiento de datos y el análisis de detección mediante una llamada al programa de encapsulamiento. A continuación, se describe con detalle el proceso de realizar el procesamiento del control de calidad llamando al programa del control de calidad de datos.

[0094] En una realización, el paso S131 de realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, el procesamiento del control de calidad en los datos del corte puede incluir los siguientes pasos: mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, calcular una tasa de error de la posición de secuencia corta en los datos del corte, analizar estadísticamente una distribución de la base en los datos del corte y/o eliminar las bases de baja calidad de los datos del corte. Las bases de baja calidad son bases con una calidad de bases por debajo de un umbral de calidad.

[0095] En esta realización, cuando se realiza el procesamiento del control de calidad en los datos del corte, se llama al programa del control de calidad de datos en un programa de encapsulamiento para realizar el procesamiento del control de calidad.

[0096] Específicamente, el programa del control de calidad de datos se utiliza principalmente para realizar el procesamiento del control de calidad en los datos del corte, y el procesamiento del control de calidad puede incluir: calcular la tasa de error de la posición de la secuencia corta en los datos del corte, analizar estadísticamente la distribución de bases en los datos del corte, eliminar las bases de baja calidad de los datos del corte y otros procesos del control de calidad aplicables a las secuencias cortas. Se pueden seleccionar específicamente uno o más procesos de control de calidad y herramientas que se utilizarán en el proceso del control de calidad de acuerdo con las condiciones reales.

[0097] Por ejemplo, cuando es necesario eliminar las bases de baja calidad de los datos del corte, se puede calcular la calidad promedio de las bases en una ventana con una longitud determinada deslizando la ventana. Si la calidad promedio es demasiado baja, se eliminan directamente todas las bases.

[0098] En la realización mencionada anteriormente, se describe con detalle el proceso de realizar el procesamiento de control de calidad llamando al programa del control de calidad de datos. El proceso de realizar el procesamiento de datos llamando al programa de procesamiento de datos se describe en detalle mediante las realizaciones.

[0099] En una realización, el paso S132 de realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, el procesamiento de datos en el resultado de control de calidad puede incluir: realizar, mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, al menos uno de alineamiento, ordenamiento, deduplicación y realineamiento en la secuencia corta en el resultado del control de calidad.

[0100] En esta realización, después de que se realiza el procesamiento del control de calidad en los datos del corte, se puede llamar al programa de procesamiento de datos preestablecido en la memoria para realizar el alineamiento, ordenamiento, desduplicación y/o realineamiento en las secuencias cortas en el resultado del control de calidad obtenido después del procesamiento de control de calidad.

[0101] Aunque todos los datos del corte provienen de un genoma que tiene una secuencia, las diferentes secuencias cortas en los datos del corte han perdido por completo su relación secuencial después de la construcción y secuenciación de la biblioteca de ADN. Por lo tanto, dos secuencias cortas adyacentes en los datos del corte son secuencias cortas aleatorias en ciertas posiciones en el genoma original, y se desconoce la relación posicional entre dos secuencias cortas adyacentes en los datos del corte.

[0102] Por lo tanto, en la presente divulgación, después de realizar el procesamiento del control de calidad en los datos del corte, se puede llamar al programa de procesamiento de datos preestablecido en la memoria, para alinear las secuencias cortas en los datos del corte correspondientes al resultado del control de calidad con el gen de referencia de la especie correspondiente una por una, encontrando así la posición de cada secuencia corta en el gen de referencia. A continuación, las secuencias cortas se organizan en un orden. Este proceso se denomina como un proceso de alineamiento de los datos del corte.

[0103] Se debe de notar que el gen de referencia descrito en la presente memoria se refiere a la secuencia genómica de la especie, es decir, la secuencia genómica completa ensamblada, la cual a menudo se utiliza como una referencia estándar para la especie.

[0104] Una vez completado el alineamiento de las secuencias cortas, las secuencias cortas se someten a un procedimiento de clasificación. El procedimiento de clasificación consiste principalmente en ordenar las secuencias cortas previamente alineadas de acuerdo con el orden de sus posiciones, para formar una relación de posición continua de las secuencias cortas.

[0105] Después del procedimiento de ordenamiento, se puede realizar una operación de deduplicación en las secuencias cortas en los datos del corte, con la finalidad de eliminar las secuencias cortas repetidas en los datos del corte, facilitando así el análisis de detección posterior.

[0106] Finalmente, el proceso de realineamiento de secuencias cortas tiene como objetivo principal volver a corregir las regiones de posibles inserciones o eliminaciones de secuencia, las cuales se han encontrado en el proceso de alineamiento mencionado anteriormente, permitiendo así que el resultado del análisis de detección posterior sea más preciso.

[0107] Se puede entender que los procesos de procesamiento de datos mencionados anteriormente de alineamiento, ordenamiento, deduplicación y realineamiento se pueden configurar de manera selectiva de acuerdo con situaciones reales, y el orden secuencial también se puede configurar manualmente, lo cual no está específicamente limitado en la presente memoria.

[0108] Por ejemplo, los procedimientos de análisis normales son alineamiento, ordenamiento, deduplicación, realineamiento, detección de mutaciones y anotación. Durante el alineamiento, el archivo de entrada es un archivo fastq y el archivo de salida es un archivo bam. La salida es continuamente un archivo bam hasta el realineamiento. El archivo de salida de la detección de la mutación es un archivo vcf y la anotación se basa en el resultado de la detección de la mutación. Cuando se utilizan el método de análisis de secuenciación génica de la presente divulgación y la plataforma de secuenciación de próxima generación para secuenciación, se requiere el alineamiento para los procesos del análisis de todos los datos sin procesar del fastq de próxima generación, seguido de procesos posteriores o no. El archivo bam en cualquier etapa también se puede ingresar para el procesamiento de análisis posterior cuando no es parte de los datos sin procesar.

[0109] El proceso de alineamiento de la presente divulgación se describirá con más detalle a continuación. Por ejemplo, en el alineamiento de los datos del corte de acuerdo con la presente divulgación, las bases de las secuencias cortas en los datos del corte se pueden alinear con todo el genoma para encontrar la posición de cada secuencia corta en el gen de referencia. Después de que todos los datos del corte se ubican en posiciones específicas en todo el genoma, la información del alineamiento coincidente se integra para realizar el cribado y la extensión en posiciones de alineamiento adyacentes. Además, se permiten huecos (es decir, las posiciones en las que falla el alineamiento), por lo que se puede obtener una cadena de secuencia más larga alineada con todo el genoma.

[0110] Además, en el proceso de alineamiento mencionado anteriormente, se puede utilizar un algoritmo de programación dinámica que integra las situaciones de alineamiento global y local para seleccionar la información del resultado del alineamiento óptimo, y posteriormente el resultado del alineamiento de diferentes muestras se emite respectivamente a la memoria de acuerdo con la información del adaptador.

[0111] Por ejemplo, el algoritmo común BWA-MEM utiliza principalmente una estrategia de semilla y extensión. En una etapa de semilla, BWA toma el fragmento de la base de lecturas para realizar un mapeo preciso en la referencia y selecciona el fragmento de lectura que satisface ciertos requisitos de tiempos de coincidencia y longitud como semilla. Esta etapa del algoritmo se centra en la correspondencia precisa del índice FM. En una etapa de extensión, BWA utiliza el algoritmo Smith-Waterman para extender la semilla en las lecturas y la referencia hacia ambos lados para el alineamiento (tolerante al hueco), encontrando así la coincidencia global elegible de toda la lectura en la referencia.

[0112] Las realizaciones anteriores describen principalmente cómo se llama al programa del procesamiento de datos para realizar el procedimiento del procesamiento de datos, y realizaciones específicas del procesamiento de datos se describirán adicionalmente más adelante.

[0113] En una realización, el paso de realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, al menos uno de alineamiento, ordenamiento, deduplicación y realineamiento en la secuencia corta en el resultado del control de calidad puede incluir los siguientes pasos.

[0114] A11: se realiza un alineamiento entre la secuencia corta en el resultado del control de calidad y un gen de referencia mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, para determinar una posición de la secuencia corta en el gen de referencia.

[0115] A12: una etiqueta de la posición de la secuencia corta se determina con base en la posición de la secuencia corta en el gen de referencia.

[0116] A13: entre los hilos preestablecidos en la memoria, se determina un hilo diana que actualmente se encuentra en un estado inactivo.

[0117] A14: al menos uno de ordenamiento, desduplicación y realineamiento de la secuencia corta se realiza mediante una llamada al hilo diana y con referencia a la etiqueta de la posición de la secuencia corta.

[0118] En esta realización, cuando se realiza el procesamiento de datos en la secuencia corta en un resultado del control de calidad, se puede agregar la etiqueta de la posición a la secuencia corta alineada; y luego se determina si hay un hilo en un estado inactivo entre los respectivos hilos preestablecidos en la memoria actual. Si hay un hilo en estado inactivo, este hilo sirve como el hilo diana, y con referencia a la etiqueta de la posición de la secuencia corta, se llama al hilo diana para realizar el ordenamiento, la deduplicación y/o el realineamiento en la secuencia corta. De esta manera el ordenamiento y la deduplicación son más eficientes.

[0119] Por ejemplo, después de que la secuencia corta en el resultado del control de calidad se alinea con el gen de referencia mediante una llamada al programa de procesamiento de datos y la etiqueta de la posición correspondiente a la secuencia corta se determina con base en la posición de la secuencia corta en el gen de referencia, se puede llamar al hilo diana para realizar operaciones tales como ordenamiento y deduplicación en la secuencia corta. Por ejemplo, en el proceso de ordenamiento, cuando se utiliza multihilo para el procesamiento, el ordenamiento se puede realizar con referencia a la etiqueta de la posición de la secuencia corta, con la finalidad de mejorar la eficiencia de procesamiento del multihilo. De esta manera, el resultado del ordenamiento obtenido después del ordenamiento multihilo es preciso y la eficiencia del ordenamiento es mayor.

[0120] El proceso del procesamiento de datos se explica con más detalle en las realizaciones anteriores, y el proceso de realizar el análisis de detección en el resultado del procesamiento mediante una llamada al programa del análisis de detección se describe con detalle a continuación.

[0121] En una realización de la presente divulgación, el paso S133 de realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, el análisis de detección sobre el resultado del procesamiento puede incluir: realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, la detección e interpretación de la mutación sobre el resultado del procesamiento.

[0122] En esta realización, un objetivo de realizar el análisis de secuenciación génica es obtener un conjunto de mutaciones preciso de la muestra, el cual se debe de determinar mediante detección de la mutación, interpretación, etc. Actualmente, los resultados de la detección de mutaciones incluyen SNP, Indel, CNV y SV. El proceso de detección de la mutación puede utilizar algoritmos que apliquen inferencia Bayesiana o el algoritmo HaplotypeCaller.

[0123] Por ejemplo, cuando se emplea el algoritmo HaplotypeCaller para la detección de la mutación, se inferirá la combinación haploide de la población, se calculará una probabilidad de cada combinación y luego se deducirá la combinación de genotipos de cada muestra de acuerdo con esta información.

[0124] Además, al realizar el análisis de detección, tal como la detección de la mutación en el resultado del procesamiento, la detección de la mutación se puede realizar sin esperar a que se complete el alineamiento. Los diferentes cromosomas en todo el genoma se pueden dividir en varias regiones. Cuando se acumula una parte de los resultados del alineamiento para cada región, se puede encontrar la región de alta mutación para su detección. La situación de mutación verificada continuamente de la región de alta mutación existente, incluyendo los desajustes/inserciones/eliminaciones y los similares, se agrega al resultado de alineamiento posterior. Después de un ensamblaje de los datos de la región de alta mutación, se pueden obtener los datos del haplotipo simplificados. La estimación de máxima verosimilitud del haplotipo se estima mediante el uso del Modelo Oculto de Markov (HMM) para obtener el resultado de la tipificación de cada sitio en esta región y se genera la información de la mutación.

[0125] Se puede entender que, con la finalidad de mejorar la eficiencia del análisis de todo el análisis bioinformático, cuando se realiza la detección de la mutación en el resultado del procesamiento en la presente divulgación, la detección de la mutación se realiza en la región de alta mutación en lugar de en todos los sitios en todo el genoma. La región de alta mutación se puede seleccionar con base en la probabilidad de que ocurra la mutación en cada sitio. Por ejemplo, después de calcular la probabilidad de ocurrencia de la mutación en cada sitio, la región de alta mutación se puede determinar con base en un umbral de probabilidad predeterminado.

[0126] Además, durante el ensamblaje de los datos de la región de alta mutación, si existe una duplicación en el conjunto de fragmentos correspondientes al genoma de referencia, la longitud del fragmento corto se incrementará progresivamente hasta que no exista ninguna duplicación o se alcance el límite de longitud máximo, y al borde obtenido mediante el ensamblaje se le puede asignar un peso de acuerdo con el número de secuencias cortas obtenidas mediante alineamiento.

[0127] Aun adicionalmente, después de obtener el resultado de la detección de la mutación, el resultado de la detección de la mutación se puede someter a un control de calidad y filtrado, con la finalidad de evaluar adicionalmente la calidad del resultado de la detección de la mutación.

[0128] El aparato de análisis de secuenciación génica proporcionado en las realizaciones de la presente divulgación se describe a continuación.. El aparato de análisis de secuenciación génica que se describe a continuación se puede referir correspondientemente al método de análisis de secuenciación génica descrito anteriormente. La Fig.5 es un diagrama estructural esquemático de un aparato de análisis de secuenciación génica de acuerdo con una realización de la presente divulgación. En una realización, como se ilustra en la Fig. 5, la presente divulgación también proporciona un aparato de análisis de secuenciación génica, el cual incluye un módulo de adquisición de datos 210, un módulo de transmisión del corte 220 y un módulo de análisis del procesamiento 230.

[0129] El módulo de adquisición de datos 210 está configurado para adquirir datos del corte transmitidos desde una plataforma de secuenciación en tiempo real, siendo los datos del corte un conjunto de secuencias cortas leídas después de realizar al menos un ciclo de secuenciación en una biblioteca de secuenciación.

[0130] El módulo de transmisión del corte 220 está configurado para ingresar los datos del corte en una memoria.

[0131] El módulo de análisis del procesamiento 230 está configurado para realizar, mediante una llamada a un programa de encapsulamiento preestablecido en la memoria, el procesamiento de datos y el análisis de detección sobre los datos del corte, para obtener un resultado del análisis correspondiente, en el que el programa de encapsulamiento es un programa personalizado.

[0132] Con el aparato de análisis de secuenciación génica proporcionado en la realización mencionada anteriormente, las secuencias cortas transmitidas desde una plataforma de secuenciación en tiempo real primero se cortan para realizar el procesamiento del corte correspondiente y luego los datos del corte se introducen en una memoria. De esta manera, se puede llamar a un programa de encapsulamiento precargado en la memoria para realizar un análisis bioinformático de los datos del corte, obteniendo así un resultado del análisis correspondiente. Un proceso de este tipo puede adquirir los datos del corte de la secuenciación de la plataforma de secuenciación en tiempo real y realizar la secuenciación y el análisis de los datos del corte, en lugar de realizar el análisis de procesamiento solo después de que la plataforma de secuenciación haya terminado la secuenciación y los resultados de secuenciación completos se transmiten a la plataforma correspondiente. Por lo tanto, la presente divulgación permite acelerar todo el proceso de secuenciación y análisis. Además, los datos para el análisis son los datos del corte, los cuales se pueden transmitir más rápido y toman menos tiempo en comparación con el resultado de la secuenciación completa.

[0133] Además, el proceso del análisis de acuerdo con la presente divulgación se realiza mediante un programa de encapsulamiento preestablecido en la memoria. De este modo, los datos de secuenciación se transmiten innecesariamente a otra plataforma para el procesamiento, lo que reduce efectivamente la congestión de I/O y el consumo de la memoria, mejorando así aún más la eficiencia operativa de una máquina y prolongando la vida útil de la máquina.

[0134] En una realización, el módulo de adquisición de datos 210 puede incluir un módulo de determinación 211 configurado para determinar un tamaño del corte, y un módulo del corte 212 configurado para cortar, con base en el tamaño del corte, todas las secuencias cortas no cortadas transmitidas actualmente desde la plataforma de secuenciación y leídas después de un solo ciclo de secuenciación, utilizándose un conjunto de las secuencias cortas cortadas como los datos del corte.

[0135] En una realización, el módulo de determinación 211 puede incluir un módulo de adquisición de condición de la memoria 2111 configurado para adquirir un estado de inactividad actual de la memoria, y un módulo de ajuste del corte 2112 configurado para ajustar el tamaño del corte con base en el estado de inactividad actual de la memoria.

[0136] En una realización, el programa de encapsulamiento en el módulo del análisis del procesamiento 230 puede incluir un programa del control de calidad de datos, un programa del procesamiento de datos y un programa del análisis de detección.

[0137] El módulo de análisis del procesamiento 230, el cual está configurado para realizar, mediante una llamada a un programa de encapsulamiento preestablecido en la memoria, el procesamiento de datos y el análisis de detección sobre los datos del corte, para obtener un resultado del análisis correspondiente, puede incluir: un módulo del control de calidad de datos 231 configurado para realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, el procesamiento de control de calidad sobre los datos del corte, para obtener un resultado del control de calidad; un módulo del procesamiento de datos 232 configurado para realizar, mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, el procesamiento de datos sobre el resultado de control de calidad, para obtener un resultado del procesamiento; y un módulo del análisis de detección 233 configurado para realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, el análisis de detección sobre el resultado del procesamiento, para obtener un resultado del análisis final.

[0138] En una realización, el módulo del control de calidad de datos 231 puede incluir un primer módulo del procesamiento 2311. El primer módulo del procesamiento 2311 está configurado para, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, calcular una tasa de error de la posición de una secuencia corta en los datos del corte, analizar estadísticamente una distribución de la base en los datos del corte y/o eliminar las bases de baja calidad de los datos del corte. Las bases de baja calidad son bases con una calidad de bases por debajo de un umbral de calidad.

[0139] En una realización, el módulo del procesamiento de datos 232 puede incluir un segundo módulo del procesamiento 2321. El segundo módulo del procesamiento 2321 está configurado para realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, al menos uno de alineamiento, ordenamiento, deduplicación y realineamiento en la secuencia corta en el resultado del control de calidad. En una realización, el segundo módulo del procesamiento 2321 puede incluir un módulo de alineamiento 310, un módulo de la etiqueta de determinación 311, un módulo de hilo de determinación 312 y un módulo de operación de multihilo 313.

[0140] El módulo de alineamiento 310 está configurado para realizar, mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, un alineamiento entre la secuencia corta en el resultado del control de calidad y un gen de referencia, para determinar una posición de la secuencia corta en el gen de referencia.

[0141] El módulo de la etiqueta de determinación 311 está configurado para determinar una etiqueta de la posición de la secuencia corta con base en la posición de la secuencia corta en el gen de referencia.

[0142] El módulo de determinación de hilo 312 está configurado para determinar, entre hilos preestablecidos en la memoria, un hilo diana que se encuentra actualmente en un estado inactivo.

[0143] El módulo de operación de multihilo 313 está configurado para realizar, mediante una llamada al hilo diana y con referencia a la etiqueta de la posición de la secuencia corta, al menos uno de ordenamiento, deduplicación y realineamiento de la secuencia corta.

[0144] En una realización, el módulo del análisis de detección 233 puede incluir un tercer módulo del procesamiento 2331. El tercer módulo del procesamiento 2331 está configurado para realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, la detección de la mutación y la interpretación del resultado del procesamiento.

[0145] En una realización, la presente divulgación también proporciona un medio de almacenamiento que tiene instrucciones legibles por computadora almacenadas en el mismo. Las instrucciones legibles por computadora, cuando son ejecutadas por uno o más procesadores, ocasionan que los uno o más procesadores realicen los pasos del método de análisis de secuenciación génica como se describe en una cualquiera de las realizaciones anteriores.

[0146] En una realización, la presente divulgación también proporciona un dispositivo informático que tiene instrucciones legibles por computadora almacenadas en el mismo. Las instrucciones legibles por computadora, cuando son ejecutadas por uno o más procesadores, ocasionan que los uno o más procesadores realicen pasos del método de análisis de secuenciación génica como se describe en una cualquiera de las realizaciones anteriores.

[0147] La Fig.6 es un diagrama esquemático de una estructura interna de un dispositivo informático de acuerdo con una realización de la presente divulgación. El dispositivo informático 300 se puede proporcionar como un servidor. Haciendo referencia a la Fig. 6, el dispositivo informático 300 incluye: un componente de procesamiento 302, el cual incluye adicionalmente uno o más procesadores; y un recurso de la memoria representado por la memoria 301 y configurado para almacenar una instrucción tal como un programa de aplicación, el cual es ejecutable mediante el componente del procesamiento 302. El programa de aplicación almacenado en la memoria 301 puede incluir uno o más módulos, cada uno de los cuales corresponde a un conjunto de instrucciones. Además, el componente del procesamiento 302 está configurado para ejecutar una instrucción para realizar el método de análisis de secuenciación génica como se describe en una cualquiera de las realizaciones descritas anteriormente.

[0148] El dispositivo informático 300 puede incluir adicionalmente un componente de fuente de alimentación 303 configurado para realizar la gestión de energía del dispositivo informático 300, una interfaz de red cableada o inalámbrica 304 configurada para conectar el dispositivo informático 300 a una red, y una interfaz de entrada/salida (I/O) 305. El dispositivo informático 300 puede correr un sistema operativo almacenado en la memoria 301, tal como Windows Server TM, Mac OS XTM, Unix TM, Linux TM, Free BSDTM o los similares. Los expertos en la técnica apreciarán que la estructura ilustrada en la Fig.6 es simplemente un diagrama de bloques de una parte de la estructura relevante para la solución de la presente divulgación y no constituye una limitación en el dispositivo informático al cual se le aplica la solución de la presente divulgación. El dispositivo informático específico puede incluir componentes distintos a los ilustrados en las figuras, o combinar algunos componentes, o tener una disposición diferente de los componentes.

[0149] Por último, se debe de tener en cuenta que, en esta memoria descriptiva, los términos relacionales tal como "primero" y "segundo" se utilizan únicamente para diferenciar una entidad u operación de otra entidad u operación, y estos términos no requieren o implican necesariamente que exista alguna relación o secuencia real entre estas entidades u operaciones. Además, los términos "incluir", "que comprende", o cualquier otra mutación de los mismos, tienen por objeto cubrir una inclusión no exclusiva, de tal modo que un proceso, método, artículo o equipo que incluye una lista de elementos puede incluir además otros elementos que no están expresamente enlistados o no son inherentes a este proceso, método, artículo o equipo. Sin más limitaciones, los elementos definidos por la expresión "incluyendo un..." no excluyen la existencia de otros elementos idénticos en el proceso, método, artículo o equipo que incluye los elementos.

[0150] En esta memoria descriptiva se describen varias realizaciones de manera progresiva, centrándose cada realización en las diferencias con las otras realizaciones, y estas realizaciones se pueden combinar según sea necesario, haciendo referencia a las mismas partes y partes similares entre sí.

[0151] Las realizaciones anteriores de la presente divulgación se proporcionan para permitir que los expertos en la técnica implementen o practiquen la presente divulgación.

Claims

1. REIVINDICACIONES

1. Un método de análisis de secuenciación génica, que comprende:

adquirir datos del corte transmitidos desde una plataforma de secuenciación en tiempo real, siendo los datos del corte un conjunto de secuencias cortas leídas después de realizar al menos un ciclo de secuenciación en una biblioteca de secuenciación;

introducir los datos del corte en una memoria; y

realizando, mediante una llamada a un programa de encapsulamiento preestablecido en la memoria, un procesamiento de datos y un análisis de detección sobre los datos del corte, para obtener un resultado de análisis correspondiente, en el que el programa de encapsulamiento es un programa personalizado;

en el que el programa de encapsulamiento comprende un programa del control de calidad de datos, un programa de procesamiento de datos y un programa del análisis de detección, y

en el que dicha ejecución, mediante una llamada al programa de encapsulamiento preestablecido en la memoria, el procesamiento de datos y análisis de detección sobre los datos del corte, para obtener el resultado del análisis correspondiente comprende:

realizar, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, el procesamiento del control de calidad sobre los datos del corte, para obtener un resultado del control de calidad; realizar, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, el procesamiento de datos sobre el resultado del control de calidad, para obtener un resultado del procesamiento; y

realizar, mediante una llamada al programa del análisis de detección preestablecido en la memoria, el análisis de detección sobre el resultado del procesamiento, para obtener un resultado del análisis final;

en el que dicha adquisición de datos del corte comprende:

determinar un tamaño del corte;

cortar, con base en el tamaño del corte, todas las secuencias cortas sin cortar transmitidas actualmente desde la plataforma de secuenciación y leerlas después de un solo ciclo de secuenciación, utilizándose un conjunto de las secuencias cortas cortadas como los datos del corte;

en el que dicha determinación del tamaño del corte comprende:

adquirir un estado de inactividad actual de la unidad central de procesamiento (CPU); y

ajustar el tamaño del corte con base en el estado de inactividad actual de la CPU;

en el que cuando la memoria no está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de múltiples ciclos de secuenciación; y

cuando la memoria está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de un ciclo de secuenciación;

en el que las partes bioquímicas y de obtención de imágenes en el proceso de secuenciación de cada ciclo se transmiten a la memoria en tiempo real para el reconocimiento de la base, después de obtener las secuencias cortas correspondientes, primero se determina el tamaño del corte, y las secuencias cortas que satisfacen el tamaño del corte, como una combinación, se emiten como datos del corte, y los datos del corte se almacenan en la memoria;

en el que cada conjunto de múltiples ciclos de secuenciación se toma como una pieza de datos del corte, dividida en un primer corte y cortes posteriores, y el tamaño del corte se puede ajustar de forma adaptativa de acuerdo con la velocidad del análisis; donde el primer corte contiene múltiples ciclos de secuenciación; los cortes posteriores se controlan automáticamente: si la máquina está relativamente inactiva, la transmisión se realiza una vez después de cada ciclo, los cortes posteriores solo contienen un ciclo de secuenciación; y si la máquina está relativamente ocupada, la transmisión se puede seleccionar para ejecutarse después de un número de ciclo de secuenciación adecuado de los cortes posteriores.

2. El método de análisis de secuenciación génica de acuerdo con la reivindicación 1, en el que dicha ejecución, mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, el procesamiento del control de calidad sobre los datos del corte comprende:

mediante una llamada al programa del control de calidad de datos preestablecido en la memoria, calculando una tasa de error de la posición de secuencias cortas en los datos del corte, analizando estadísticamente una distribución de la base en los datos del corte y/o eliminando las bases de baja calidad de los datos del corte, en el que las bases de baja calidad son bases con una calidad de base por debajo de un umbral de calidad.

3. El método de análisis de secuenciación génica de acuerdo con la reivindicación 1, en el que dicha ejecución, mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, el procesamiento de datos sobre el resultado del control de calidad comprende:

ejecutando, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, al menos uno de alineamiento, ordenamiento, deduplicación, realineamiento y corrección del valor de calidad de la base en una secuencia corta en el resultado del control de calidad.

4. El método de análisis de secuenciación génica de acuerdo con la reivindicación 3, en el que dicha ejecución, mediante una llamada al programa del procesamiento de datos preestablecido en la memoria, de al menos uno de alineamiento, ordenación, deduplicación y realineamiento en la secuencia corta en el resultado del control de calidad comprende:

ejecutando, mediante una llamada al programa de procesamiento de datos preestablecido en la memoria, un alineamiento entre la secuencia corta en el resultado del control de calidad y un gen de referencia, para determinar una posición de la secuencia corta en el gen de referencia;

determinar una etiqueta de la posición de la secuencia corta con base en la posición de la secuencia corta en el gen de referencia;

determinar, entre hilos preestablecidos en la memoria, un hilo diana que se encuentra actualmente en un estado inactivo; y

ejecutando, mediante una llamada al hilo diana y con referencia a la etiqueta de la posición de la secuencia corta, al menos uno de ordenación, deduplicación y realineamiento de la secuencia corta.

5. El método de análisis de secuenciación génica de acuerdo con la reivindicación 1, en el que dicha realización, mediante una llamada al programa del análisis de detección preestablecido en la memoria, el análisis de detección sobre el resultado del procesamiento comprende:

ejecutando, mediante una llamada al programa del análisis de detección preestablecido en la memoria, la detección de la mutación y la interpretación del resultado del procesamiento.

6. Un aparato de análisis de secuenciación génica, que comprende:

un módulo de adquisición de datos configurado para adquirir datos del corte transmitidos desde una plataforma de secuenciación en tiempo real, siendo los datos del corte un conjunto de secuencias cortas leídas después de realizar al menos un ciclo de secuenciación en una biblioteca de secuenciación;

un módulo de transmisión del corte configurado para introducir los datos del corte en una memoria; y un módulo de análisis del procesamiento configurado para realizar, mediante una llamada a un programa de encapsulamiento preestablecido en la memoria, procesamiento de datos y análisis de detección sobre los datos del corte, para obtener un resultado del análisis correspondiente, en el que el programa de encapsulamiento es un programa personalizado;

en el que el módulo de análisis del procesamiento está configurado adicionalmente para:

en el que el módulo de adquisición de datos está configurado adicionalmente para:

determinar un tamaño del corte;

en el que, para determinar el tamaño del corte, el módulo de adquisición de datos está configurado adicionalmente para:

en el que cuando la memoria no está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de múltiples ciclos de secuenciación; y cuando la memoria está inactiva, el tamaño del corte se ajusta para ser capaz de cortar un conjunto de secuencias cortas que se leen después de un ciclo de secuenciación;

en el que cada conjunto de múltiples ciclos de secuenciación se toma como una pieza de datos del corte, se dividide en un primer corte y cortes posteriores, y el tamaño del corte se puede ajustar de forma adaptativa de acuerdo con la velocidad de análisis; donde el primer corte contiene múltiples ciclos de secuenciación; los cortes posteriores se controlan automáticamente: si la máquina está relativamente inactiva, la transmisión se realiza una vez después de cada ciclo, los cortes posteriores solo contienen un ciclo de secuenciación; y si la máquina está relativamente ocupada, la transmisión se puede seleccionar para realizar después de un número de ciclo de secuenciación adecuado de los cortes posteriores.

7. Un medio de almacenamiento, que tiene instrucciones legibles por computadora almacenadas en el mismo, en el que las instrucciones legibles por computadora, cuando son ejecutadas por uno o más procesadores, ocasionan que los uno o más procesadores realicen pasos del método de análisis de secuenciación génica de acuerdo con una cualquiera de las reivindicaciones 1 a 5.

8. Un dispositivo informático que tiene instrucciones legibles por computadora almacenadas en el mismo, en el que las instrucciones legibles por computadora, cuando son ejecutadas por uno o más procesadores, ocasionan que los uno o más procesadores realicen pasos del método de análisis de secuenciación génica de acuerdo con una cualquiera de las reivindicaciones 1 a 5.