JP2023515248A - 微生物の標的断片における特異的領域の識別方法、装置及び応用 - Google Patents
微生物の標的断片における特異的領域の識別方法、装置及び応用 Download PDFInfo
- Publication number
- JP2023515248A JP2023515248A JP2022560020A JP2022560020A JP2023515248A JP 2023515248 A JP2023515248 A JP 2023515248A JP 2022560020 A JP2022560020 A JP 2022560020A JP 2022560020 A JP2022560020 A JP 2022560020A JP 2023515248 A JP2023515248 A JP 2023515248A
- Authority
- JP
- Japan
- Prior art keywords
- candidate
- specific region
- target
- sequence
- fragments
- 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.)
- Granted
Links
- 239000012634 fragment Substances 0.000 title claims abstract description 168
- 244000005700 microbiome Species 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012795 verification Methods 0.000 claims abstract description 7
- 230000000813 microbial effect Effects 0.000 claims description 40
- 241000894007 species Species 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 15
- 244000045947 parasite Species 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 241000894006 Bacteria Species 0.000 claims description 3
- 241000223935 Cryptosporidium Species 0.000 claims description 3
- 241000233866 Fungi Species 0.000 claims description 3
- 241000224421 Heterolobosea Species 0.000 claims description 3
- 241000222712 Kinetoplastida Species 0.000 claims description 3
- 241000243190 Microsporidia Species 0.000 claims description 3
- 241000223997 Toxoplasma gondii Species 0.000 claims description 3
- 241000224526 Trichomonas Species 0.000 claims description 3
- 241000700605 Viruses Species 0.000 claims description 3
- 210000003001 amoeba Anatomy 0.000 claims description 3
- 201000004792 malaria Diseases 0.000 claims description 3
- 239000013612 plasmid Substances 0.000 abstract description 15
- 108700022487 rRNA Genes Proteins 0.000 abstract description 8
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 230000009977 dual effect Effects 0.000 abstract 1
- 244000052769 pathogen Species 0.000 abstract 1
- 230000001717 pathogenic effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000000429 assembly Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 244000000010 microbial pathogen Species 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 108020004465 16S ribosomal RNA Proteins 0.000 description 1
- 241001646725 Mycobacterium tuberculosis H37Rv Species 0.000 description 1
- 108700035964 Mycobacterium tuberculosis HsaD Proteins 0.000 description 1
- 241000588652 Neisseria gonorrhoeae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000007857 nested PCR Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000003753 real-time PCR Methods 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012418 validation experiment Methods 0.000 description 1
Images
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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- 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
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/20—Polymerase chain reaction [PCR]; Primer or probe design; Probe optimisation
-
- 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
- G16B35/00—ICT specially adapted for in silico combinatorial libraries of nucleic acids, proteins or peptides
- G16B35/20—Screening of libraries
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Library & Information Science (AREA)
- Molecular Biology (AREA)
- Biochemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本発明に係る微生物の標的断片における特異的領域の識別方法は、微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得するステップＳ１００と、前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得するステップＳ２００と、特異的領域を検証及び取得するステップＳ３００とを含む。本発明は精度が高い。また、感度に優れ、亜種レベルを識別可能である。且つ、二重の検証モジュールを有するため、結果が正確である。一部のｒＲＮＡ遺伝子は同種の区別が不可能である。また、プラスミドは全てが種特異性を有しているわけではなく、普遍性も有さない。これに対し、本発明はあらゆる病原体の全ゲノムにおける特異的領域の識別に適用可能である。【選択図】図１
Description
本発明はバイオ情報学の分野に関し、特に、微生物の標的断片における特異的領域の識別方法、装置及び応用に関する。
生体試料における病原微生物のＤＮＡ濃度は非常に低く、検出限界に近いことが大半である。そのため、従来のＰＣＲ又はリアルタイムＰＣＲ検出を使用する場合には、往々にして検出感度が不足する。ツーステップネステッドＰＣＲ（ｔｗｏ－ｓｔｅｐ ｎｅｓｔｅｄ ＰＣＲ）といった別の方法を感度の向上に用いることもできるが、こうした方法は時間を要し、コストが嵩むほか、精度に劣る。そのため、検出感度を向上させることが極めて重要となっている。方式の１つでは、プライマー設計の際に適切な鋳型領域を探すが、通常はプラスミド及び１６ＳｒＲＮＡが選択される。
しかし、プラスミドを用いてプライマーを設計する場合には、いくつかの問題が発生する。なぜなら、全ての微生物が種特異的プラスミドを有しているわけではなく、プラスミドを持たない微生物も存在するからである。まず、プラスミドＤＮＡの種特異性は確実ではない。ある種のプラスミドの配列が別の種のプラスミドの配列と非常に似ている場合には、プラスミドに基づくＰＣＲ検出の結果に偽陽性又は偽陰性が発生するリスクが高まる。よって、多くの臨床実験室では、依然として別のＰＣＲプライマー対を用いて検証実験を行わねばならない。次に、プラスミドには普遍性がない。種によってはそもそもプラスミドを有さないため、プラスミドを用いてその種を検出することはできず、プラスミドにプライマーを設計して検出感度を向上させることはなおさら不可能である。例えば、およそ５％の淋菌（Ｎｅｉｓｓｅｒｉａ ｇｏｎｏｒｒｈｏｅａｅ）の菌株がプラスミドを有さなかったために検出不可能であったとの研究報告がある。
同様に、ｒＲＮＡ遺伝子領域をＰＣＲ検出の鋳型として選択する場合にも、いくつかの問題が存在する。ｒＲＮＡ遺伝子は全ての微生物種のゲノム中に存在し、複数のコピーを有するために検出感度を向上させられる場合が多い。しかし、実際には全てのｒＲＮＡ遺伝子が特異性を有しているわけではなく、例えば、結核菌Ｈ３７Ｒｖ中のｒＲＮＡ遺伝子はコピーを１つしか有さない。また、一部のｒＲＮＡ遺伝子は、配列の変化が検出に適していない。例えば、近親度が大変近い種同士、ないしは同種の異なるサブタイプの菌株同士では、ｒＲＮＡ遺伝子の配列があまりにも保守的なことから、種特異性、ひいては亜種特異性の要求を満たすことができない。
以上で述べた従来技術の欠点に鑑みて、本発明の目的は、微生物の標的断片における特異的領域の識別方法、装置及び応用を提供することである。
本発明は、第１の局面において、微生物の標的断片における特異的領域の識別方法を提供する。上記の方法は、少なくとも以下のステップを含む。
ステップＳ１００：微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得する。ここで、ｎは≧１の整数とする。
ステップＳ２００：前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得する。
ステップＳ３００特異的領域の検証及び取得：特異的領域候補が以下の条件を満たしているか否かを判断する。
１）共有データベースを検索して、特異的領域候補との類似度が所定値よりも大きいその他の種が存在するか否かを探す。
２）特異的領域候補を、各比較菌株の全ゲノム配列、及び微生物標的断片の由来菌株の宿主における全ゲノム配列とそれぞれアライメントし、類似度が所定値よりも大きい断片が存在するか否かを探す。
特異的領域候補が上記の条件をいずれも満たしていない場合には、当該特異的領域候補を微生物の標的断片における特異的領域とする。
本発明は、第２の局面において、微生物の標的断片における特異的領域の識別装置を提供する。前記装置は、少なくとも以下のモジュールを含む。
１回目切断片取得モジュール：微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得する。ここで、ｎは≧１の整数とする。
特異的領域候補取得モジュール：前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得する。
特異的領域検証・取得モジュール：特異的領域候補が以下の条件を満たしているか否かを判断する。
１）共有データベースを検索して、特異的領域候補との類似度が所定値よりも大きいその他の種が存在するか否かを探す。
２）特異的領域候補を、各比較菌株の全ゲノム配列、及び微生物標的断片の由来菌株の宿主における全ゲノム配列とそれぞれアライメントし、類似度が所定値よりも大きい断片が存在するか否かを探す。
特異的領域候補が上記の条件をいずれも満たしていない場合には当該特異的領域候補を微生物の標的断片における特異的領域とする。
本発明は、第３の局面において、コンピュータで読取可能な記憶媒体を提供する。当該記憶媒体にはコンピュータプログラムが記憶されている。当該プログラムは、プロセッサで実行される際に上記微生物の標的断片における特異的領域の識別方法を実現する。
本発明は、第４の局面において、プロセッサ及び前記コンピュータで読取可能な記憶媒体を含むコンピュータ処理デバイスを提供する。前記プロセッサは、前記コンピュータで読取可能な記憶媒体上のコンピュータプログラムを実行することで、前記微生物の標的断片
における特異的領域の識別方法のステップを実現する。
における特異的領域の識別方法のステップを実現する。
本発明は、第５の局面において、プロセッサ、メモリ及び通信機を含む電子端末を提供する。前記メモリはコンピュータプログラムを記憶するために用いられ、前記通信機は外部機器との通信接続に用いられる。前記プロセッサは、前記端末に前記微生物の標的断片における特異的領域の識別方法を実行させるよう、前記メモリに記憶されているコンピュータプログラムを実行するために用いられる。
前記微生物の標的断片における特異的領域の識別方法、前記微生物の標的断片における特異的領域の識別装置、前記コンピュータで読取可能な記憶媒体、前記コンピュータ処理デバイス又は前記電子端末は、微生物の標的断片における特異的領域を識別する使用に用いられる。
上述したように、本発明に係る微生物の標的断片における特異的領域の識別方法、装置及び応用は、以下の有益な効果を有する。
本発明のテスト事例は、文献データベースと比較して、精度が高く、感度に優れ、亜種レベルを識別可能である。また、二重の検証モジュールを有するため、結果が正確である。プラスミドを利用して特異性を検出する場合には、全てのプラスミドが種特異性を有しているわけではなく、普遍性も有さないとの課題が存在する。また、ｒＲＮＡを利用して特異性を検出する場合には、一部のｒＲＮＡ遺伝子が同種を区別できないとの課題が存在する。これに対し、本発明は種特異性を検出可能であり、ひいては亜種特異性標的断片を検出可能である。また、ゲノムアノテーションの存在有無による制限を受けず、ターゲット菌株の名称を提供するか、ローカルから配列ファイルをアップロードするだけでよい。本発明は、細菌、ウィルス、真菌、アメーバ、クリプトスポリジウム、鞭毛虫、微胞子虫、ピロプラズマ原虫、マラリア原虫、トキソプラズマ、トリコモナス原虫、キネトプラスト類等を含む全ての病原性微生物に適用可能である。
以下に、特定の具体的実施例によって本発明の実施形態につき説明する。なお、当業者であれば、本明細書に開示の内容から本発明のその他の利点及び効果を容易に理解可能である。更に、本発明は、その他の異なる具体的実施形態によっても実施又は応用が可能である。また、本明細書の各詳細事項については、視点及び応用の違いに応じて、本発明の精神を逸脱しないことを前提に各種の補足又は変更を加えてもよい。
そのほか、理解すべき点として、本発明で言及する１又は複数の方法ステップは、別途説明する場合を除き、これらの組み合わされるステップの前後に更にその他の方法ステップが存在してもよいこと、或いは、これらの明確に言及するステップの間に更にその他の方法ステップを挿入してもよいことを排除するものではない。更に、理解すべき点として、
本発明で提供する１又は複数のステップ間の組み合わせ及び接続関係は、別途説明する場合を除き、これらの組み合わされるステップの前後に更にその他のステップが存在してもよいこと、或いは、これらの明確に言及する２つのステップの間に更にその他のステップを挿入してもよいことを排除するものではない。且つ、別途説明する場合を除き、各方法ステップの番号は各方法ステップを区別するための便宜的な手段にすぎず、各方法ステップの配列順を規制するものでも、本発明で実施可能な範囲を限定するものでもない。よって、これらの相対関係の変更又は調整は、技術内容を実質的に変更しない限り、本発明で実施可能な範囲であるとみなされる。
本発明で提供する１又は複数のステップ間の組み合わせ及び接続関係は、別途説明する場合を除き、これらの組み合わされるステップの前後に更にその他のステップが存在してもよいこと、或いは、これらの明確に言及する２つのステップの間に更にその他のステップを挿入してもよいことを排除するものではない。且つ、別途説明する場合を除き、各方法ステップの番号は各方法ステップを区別するための便宜的な手段にすぎず、各方法ステップの配列順を規制するものでも、本発明で実施可能な範囲を限定するものでもない。よって、これらの相対関係の変更又は調整は、技術内容を実質的に変更しない限り、本発明で実施可能な範囲であるとみなされる。
図１～図３を参照する。説明すべき点として、本実施例で提供する図面は本発明の基本思想を概略的に説明するものにすぎない。図中には本発明に関係するアセンブリのみを示しているが、実際に実施する際のアセンブリの数、形状及びサイズに基づいて記載しているわけではない。実際に実施する際には、各アセンブリの形態、数及び比率を任意に変更してもよく、且つ、アセンブリのレイアウトや形態がより複雑になる場合もある。
図１に示すように、本実施例の標的断片における特異的領域の識別方法は、少なくとも以下のステップを含む。
ステップＳ１００：微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得する。ここで、ｎは≧１の整数とする。
ステップＳ２００：前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得する。
ステップＳ３００：特異的領域の検証及び取得：特異的領域候補が以下の条件を満たしているか否かを判断する。
１）共有データベースを検索して、特異的領域候補との類似度が所定値よりも大きいその他の種が存在するか否かを探す。
２）特異的領域候補を、各比較菌株の全ゲノム配列、及び微生物標的断片の由来菌株の宿主における全ゲノム配列とそれぞれアライメントし、類似度が所定値よりも大きい断片が存在するか否かを探す。
特異的領域候補が上記の条件をいずれも満たしていない場合には、当該特異的領域候補を微生物の標的断片における特異的領域とする。
上記の方法によって、前記微生物標的断片の由来菌株と比較菌株が同一種又は同一亜種であるか否かを区別することができる。
上記のステップにおいて、前記類似度とは、微生物の標的断片のカバー率と一致率の積である。
カバー率＝（類似配列断片の長さ／（微生物の標的断片の終端値－微生物の標的断片の始端値＋１））％
カバー率＝（類似配列断片の長さ／（微生物の標的断片の終端値－微生物の標的断片の始端値＋１））％
一致率とは、微生物の標的断片と比較菌株をアライメントしたときのｉｄｅｎｔｉｔｙ値である。２つの配列をアライメントした際のｉｄｅｎｔｉｔｙ値は、ｎｅｅｄｌｅ、ｗａｔｅｒ又はｂｌａｔ等のソフトウェアを用いて取得すればよい。
類似配列の長さとは、２つの配列をアライメントしたときに、一致した断片が標的断片に占める塩基数のことをいう。即ち、一致する断片の長さである。
類似度の所定値は必要に応じて決定すればよく、類似度の所定値が高いほど除去される断片は少なくなる。類似度の所定値は、例えば、９６％、９７％、９８％、９９％、１００％というように、９５％超とすることを推奨する。
具体的な配列を図１－３のステップＳ１００に示す。図中の淡色の塩基は、類似度が所定値を超えている配列断片を表す。
微生物の標的断片のカバー率及び一致率は、ｎｅｅｄｌｅ、ｗａｔｅｒ或いはｂｌａｔｌａｔといったソフトウェアを利用して計算可能である。
例えば、計算結果は図１－１に示すようになる。配列Ａは微生物の標的断片、配列Ｂは比較菌株１であり、配列ＡとＢをアライメントしたところ、下記のようになった。
配列Ａのカバー率＝（１８７／（１８７－１＋１））＊１００％＝１００％
配列Ａのカバー率＝（１８７／（１８７－１＋１））＊１００％＝１００％
また、配列Ａと配列Ｂの一致率＝９８．４％となっている。
よって、ＡとＢの類似度＝１００％＊９８．４％＝９８．４％となる。
ステップＳ１００における微生物の標的断片と比較菌株は共有データベースから取得する。なお、前記共有データベースとしては主にｎｃｂｉを選択する（ｈｔｔｐｓ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ）。
更に、上記の方法は以下のステップを含む。
ステップＳ１１０：選定した隣り合う微生物の標的断片を２つずつアライメントし、類似度が所定値よりも低いとのアライメント結果が出た場合には、警報を発するとともに、ターゲット株種に対応するスクリーニング条件を表示する。
これにより、人為的なエラーやその他の原因による異常データを除去可能である。ステップＳ１００における微生物の標的断片は、微生物の全ゲノムとしてもよいし、微生物の遺伝子断片としてもよい。
ステップＳ２００において、アライメントの速度を加速するために、好ましい実施形態では、前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれグループ別に繰り返しアライメントする。
具体的には、図１－２に示すように、１回目の切断片Ｔｎを残りの比較菌株における全ゲノム配列とグループ別に繰り返しアライメントする際には、以下のステップを含む。
ステップＳ２１０：残りの比較菌株をＰ個のグループに分割する。各グループには複数の比較菌株が含まれている。
ステップＳ２１１：１回目の切断片Ｔｎを第１グループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去する。そして、残ったいくつかの断片を１回目の切断片Ｔｎにおける１回目の配列候補ライブラリとして取得する。
ステップＳ２１２：１回目の切断片Ｔｎにおける前回の配列候補ライブラリを、次のグループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去する。そして、残ったいくつかの断片を１回目の切断片Ｔｎにおける次の配列候補ライブラリとして取得する。こうして、Ｐ回目の配列候補ライブラリを１回目の切断片Ｔｎの特異的配列候補ライブラリとして取得するまで、ステップＳ２１２を１回目の配列候補ライブラリから繰り返し実行する。
１回目の切断片における全ての特異的配列候補ライブラリの集合を特異的領域候補とする。
マルチスレッドがブロックされないよう、比較菌株の各グループに含まれる比較菌株の数は、演算環境のハードウェア構成に基づいて設定すべきである。当該数量は、動作環境の全体構成に基づいて設定したスレッド数とすればよく、一般的には１～５０スレッドとすればよい。具体的には、１～４スレッド、４～８スレッド、８～１０スレッド、１０～２０スレッド、２０～５０スレッドとすればよく、好ましくは４スレッドとする。なお、図１－２に示す実施形態では８スレッドとしている。
例えば、図１－２に示すように、標的配列が２５４１個の微生物標的断片を含んでおり、且つ、比較菌株が５８８個、ｍ＝８であるとする。まず、微生物の標的断片１を５８８個の比較菌株における配列１～８と同時に比較して１回目の切断を行い、一致配列を除去して、全体を取りまとめることで１回目の特異的配列ライブラリを取得する。次に、当該ライブラリを５８８個の比較菌株における配列９～１６と同時に比較して２回目の切断を行い、一致配列を除去して、全体を取りまとめることで２回目の特異的配列ライブラリを取得する。続いて、当該ライブラリを５８８個の比較菌株における配列１７～２４と同時に比較して３回目の切断を行い、一致配列を除去して、全体を取りまとめることで３回目の特異的配列ライブラリを取得する。・・・、このようにして、７３回目の特異的配列ライブラリを５８８個の比較菌株における配列５８５～５８８と同時に比較して７４回目の切断を行い、一致配列を除去して、全体を取りまとめることで７４回目の特異的配列ライブラリ（即ち、標的断片１の特異的配列ライブラリ）を取得するまで順に実行する。
続いて、標的配列における微生物の標的断片２を５８８個の比較菌株における配列１～８と同時に比較して１回目の切断を行い、一致配列を除去して、全体を取りまとめることで１回目の特異的配列ライブラリを取得する。次に、当該ライブラリを５８８個の比較菌株における配列９～１６と同時に比較して２回目の切断を行い、一致配列を除去して、全体を取りまとめることで２回目の特異的配列ライブラリを取得する。続いて、当該ライブラリを５８８個の比較菌株における配列１７～２４と同時に比較して３回目の切断を行い、一致配列を除去して、全体を取りまとめることで３回目の特異的配列ライブラリを取得する。・・・、このようにして、７３回目の特異的配列ライブラリを５８８個の比較菌株における配列５８５～５８８と同時に比較して７４回目の切断を行い、一致配列を除去して、全体を取りまとめることで７４回目の特異的配列ライブラリ（即ち、標的断片２の特異的配列ライブラリ）を取得するまで順に実行する。
こうして、標的配列における２５４１個の微生物標的断片と５８８個の比較菌株とのアライメントが全て完了するまで順に実行することで得られる切断片が、微生物の標的断片に
おける特異的領域候補となる。
おける特異的領域候補となる。
好ましい実施形態では、ステップＳ２００のあとに、更に、ステップＳ１００及びＳ２００を実行して標的配列における各微生物の標的断片の特異的領域候補を取得し、各微生物の標的断片における特異的領域候補の集合を標的配列の特異的領域候補とする。
標的配列は複数の標的断片を含み得る。複数の標的断片は、その他のスクリーニングステップによって微生物のゲノムから選別し、取得した断片としてもよい。例えば、特定の微生物の多コピー断片としてもよい。
ステップＳ３００において、前記共有データベースとしては主にｎｃｂｉを選択する（ｈｔｔｐｓ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ）。また、共有データベースを検索するアルゴリズムはｂｌａｓｔアルゴリズムとすればよい。
更に、ステップＳ１００、Ｓ２００及びＳ３００を実行する前に、演算環境のハードウェア構成に基づいて切断サイズを設定し、演算対象のデータをユニット切断する。具体的には、ステップＳ１００において、演算対象のデータは標的断片である。また、ステップＳ２００において、演算対象のデータは、一致配列を繰り返し除去するごとの該当特異的配列ライブラリである。また、ステップＳ３００において、演算対象のデータは特異的領域候補である。
ユニット切断後のユニット数量＊ユニットファイルの動作に必要な構成は、動作環境の全体構成を超えてはならない。
ユニット切断では、切断を要する配列の総数をスレッド数ｍで割ったものがユニット切断後のユニット数となる。マルチスレッド動作環境では、各スレッドが同一数の演算タスクを実行することで、最適な性能条件下における効率的な演算の実現を保証する。
図２に示すように、本実施例に係る微生物の標的断片における特異的領域の識別装置は、少なくとも以下のモジュール含む。
１回目切断片取得モジュール：微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得する。ここで、ｎは≧１の整数とする。
特異的領域候補取得モジュール：前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得する。
特異的領域検証・取得モジュール：特異的領域候補が以下の条件を満たしているか否かを判断する。
１）共有データベースを検索して、特異的領域候補との類似度が所定値よりも大きいその他の種が存在するか否かを探す。
２）特異的領域候補を、各比較菌株の全ゲノム配列、及び微生物標的断片の由来菌株の宿主における全ゲノム配列とそれぞれアライメントし、類似度が所定値よりも大きい断片が存在するか否かを探す。
特異的領域候補が上記の条件をいずれも満たしていない場合には、当該特異的領域候補を微生物の標的断片における特異的領域とする。
上記の装置によって、前記微生物標的断片の由来菌株と比較菌株が同一種又は同一亜種であるか否かを区別することができる。
前記類似度とは、標的断片のカバー率と一致率の積である。また、前記カバー率＝（類似配列断片の長さ／（微生物の標的断片の終端値－微生物の標的断片の始端値＋１））％である。
前記特異的領域候補取得モジュールは、前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれグループ別に繰り返しアライメントする。
１回目の切断片Ｔｎを残りの比較菌株における全ゲノム配列とグループ別に繰り返しアライメントする場合、前記特異的領域候補取得モジュールは以下のサブモジュールを含む。
比較菌株グループ分けサブモジュール：残りの比較菌株をＰ個のグループに分割する。各グループには複数の比較菌株が含まれている。
１回目配列候補ライブラリ取得サブモジュール：１回目の切断片Ｔｎを第１グループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去する。そして、残ったいくつかの断片を１回目の切断片Ｔｎにおける１回目の配列候補ライブラリとして取得する。
特異的領域候補取得サブモジュール：１回目の切断片Ｔｎにおける前回の配列候補ライブラリを、次のグループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去する。そして、残ったいくつかの断片を１回目の切断片Ｔｎにおける次の配列候補ライブラリとして取得する。こうして、Ｐ回目の配列候補ライブラリを１回目の切断片Ｔｎの特異的配列候補ライブラリとして取得するまで、特異的領域候補取得サブモジュールを１回目の配列候補ライブラリから繰り返し実行させる。
１回目の切断片における全ての特異的配列候補ライブラリの集合を特異的領域候補とする。
比較菌株の各グループに含まれる比較菌株の数は、演算環境のハードウェア構成に基づいて設定する。
一実施形態において、前記装置は、標的配列の特異的領域候補取得モジュールを更に含む。当該モジュールは、標的断片の１回目切断片取得モジュールと標的断片の特異的領域候補取得モジュールを実行し、標的配列における各標的断片の特異的領域候補を取得して、各標的断片の特異的領域候補の集合を標的配列の特異的領域候補とする。
選択的に、１回目切断片取得モジュールは、更に以下のサブモジュールを含む。
元データ類似度比較サブモジュール：選定した隣り合う微生物の標的断片を２つずつアライメントし、類似度が所定値よりも低いとのアライメント結果が出た場合には、警報を発するとともに、ターゲット株種に対応するスクリーニング条件を表示する。
本実施例の装置と上記方法の実施例の原理は基本的に同様のため、上記の方法及び装置の
実施例では、同様の特徴についての定義、計算方法、実施形態の提示、及び好ましい実施形態の提示に関する詳細な記載は互いに共通とできる。よって、繰り返し詳述することはしない。
実施例では、同様の特徴についての定義、計算方法、実施形態の提示、及び好ましい実施形態の提示に関する詳細な記載は互いに共通とできる。よって、繰り返し詳述することはしない。
説明すべき点として、上記の装置における各モジュールの区分は論理機能の区分にすぎず、実際に実現する際には全部或いは一部を１つの物理的実体に集積してもよいし、物理的に切り離してもよいと解釈すべきである。且つ、これらのモジュールは、全てを処理素子でソフトウェアを呼び出す形式で実現してもよいし、全てをハードウェア形式で実現してもよいし、また、一部のモジュールを処理素子でソフトウェアを呼び出す形式で実現して一部のモジュールをハードウェア形式で実現してもよい。例えば、取得モジュールは、単独で設置される処理素子としてもよいし、いずれかのチップに集積して実現してもよい。また、プログラムコードの形式でメモリに記憶してもよいし、いずれかの処理素子により上記取得モジュールの機能を呼び出して実行してもよい。その他のモジュールの実現についてもこれと同様である。また、これらのモジュールの全部又は一部は一体的に集積してもよいし、個別に実現してもよい。ここでいう処理素子は、信号処理能力を有する集積回路とすればよい。実現過程において、上記方法の各ステップ又は上記の各モジュールは、処理素子におけるハードウェアの集積論理回路又はソフトウェア形式の命令により完了してもよい。
例えば、上記のモジュールは上記方法を実施する１又は複数の集積回路として配置すればよい。例えば、１又は複数の特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ，ＡＳＩＣと略称）、或いは、１又は複数のマイクロプロセッサ（ｄｉｇｉｔａｌ ｓｉｎｇｎａｌ ｐｒｏｃｅｓｓｏｒ，ＤＳＰと略称）、或いは、１又は複数のフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ，ＦＰＧＡと略称）、或いは、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ，ＧＰＵと略称）等とすればよい。また、上記いずれかのモジュールを処理素子によりプログラムコードを呼び出す形式で実現する場合、当該処理素子は、例えば中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ，ＣＰＵと略称）やプログラムコードを呼び出し可能なその他のプロセッサといった汎用のプロセッサとすればよい。また、これらのモジュールは一体的に集積し、システムオンチップ（Ｓｙｓｔｅｍ－ｏｎ－ａ－ｃｈｉｐ，ＳＯＣと略称）形式で実現してもよい。
本発明のいくつかの実施例では、更に、コンピュータで読取可能な記憶媒体を提供する。当該記憶媒体にはコンピュータプログラムが記憶されている。当該プログラムは、プロセッサで実行される際に上記微生物の標的断片における特異的領域の識別方法を実現する。
本発明のいくつかの実施例では、更に、プロセッサ及び前記コンピュータで読取可能な記憶媒体を含むコンピュータ処理デバイスを提供する。前記プロセッサは、前記コンピュータで読取可能な記憶媒体上のコンピュータプログラムを実行することで、前記微生物の標的断片における特異的領域の識別方法のステップを実現する。
本発明のいくつかの実施例では、更に、プロセッサ、メモリ及び通信機を含む電子端末を提供する。前記メモリはコンピュータプログラムを記憶するために用いられ、前記通信機は外部機器との通信接続に用いられる。前記プロセッサは、前記端末に前記微生物の標的断片における特異的領域の識別方法を実行及び実現させるよう、前記メモリに記憶されたコンピュータプログラムを実行するために用いられる。
図３は、本発明で提供する電子端末を示す図である。前記電子端末は、プロセッサ３１、メモリ３２、通信機３３、通信インターフェース３４及びシステムバス３５を含む。メモ
リ３２及び通信インターフェース３４は、システムバス３５を介してプロセッサ３１及び通信機３３に接続され、相互の通信を完了する。メモリ３２はコンピュータプログラムを記憶するために用いられ、通信機３３、通信インターフェース３４はその他のデバイスとの通信に用いられる。プロセッサ３１及び通信機３３は、電子端末に上記の画像分析方法の各ステップを実行させるよう、コンピュータプログラムを動作させるために用いられる。
リ３２及び通信インターフェース３４は、システムバス３５を介してプロセッサ３１及び通信機３３に接続され、相互の通信を完了する。メモリ３２はコンピュータプログラムを記憶するために用いられ、通信機３３、通信インターフェース３４はその他のデバイスとの通信に用いられる。プロセッサ３１及び通信機３３は、電子端末に上記の画像分析方法の各ステップを実行させるよう、コンピュータプログラムを動作させるために用いられる。
上記で言及したシステムバスは、ペリフェラルコンポーネントインターコネクト基準（Ｐｅｒｉｐｈｅｒａｌ Ｐｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ，ＰＣＩと略称）のバスや、イーアイサ（Ｅｘｔｅｎｄｅｄ Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ，ＥＩＳＡと略称）バス等とすればよい。当該システムバスは、アドレスバス、データバス、制御バス等に分けられる。なお、表示の便宜上、図中では１本の太い線のみで示しているが、これは１本のバス又は１種類のバスのみを有することを意味しない。通信インターフェースは、データベースアクセス装置とその他のデバイス（例えば、クライアント、リーダ／ライタライブラリ、リードオンリーライブラリ）との通信の実現に用いられる。メモリは、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ，ＲＡＭと略称）を含んでもよいし、更に不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）を含んでもよく、例えば少なくとも１つの磁気ディスクメモリを含む。
上記のプロセッサは、中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ，ＣＰＵと略称）、ネットワークプロセッサ（Ｎｅｔｗｏｒｋ Ｐｒｏｃｅｓｓｏｒ，ＮＰと略称）等を含む汎用のプロセッサとしてもよいし、デジタルシグナルプロセッサ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ＤＳＰと略称）、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ，ＡＳＩＣと略称）、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ，ＦＰＧＡと略称）、グラフィックスプロセッサ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ，ＧＰＵと略称）、又は、その他のプログラマブルロジックデバイス、ディスクリートゲート、又はトランジスタの論理デバイス、ディスクリートハードウェアユニットとしてもよい。
当業者であれば理解可能なように、上記各方法の実施例を実現する全部又は一部のステップは、コンピュータプログラムに関連するハードウェアで完了可能である。前記コンピュータプログラムは、コンピュータで読取可能な記憶媒体に記憶可能である。当該プログラムは、実行時に上記各方法の実施例に含まれるステップを実行する。前記コンピュータで読取可能な記憶媒体には、フロッピーディスク、光ディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＭＯディスク、ＲＯＭ（Ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＥＰＲＯＭ（消去可能プログラマブルＲＯＭ）、ＥＥＰＲＯＭ（電気的消去可能プログラマブルＲＯＭ）、磁気カード又は光カード、フラッシュメモリ、或いは、機器で実行可能な命令の記憶に適したその他のタイプの媒体／機械可読媒体が含まれる（ただし、これらに限らない）。前記コンピュータで読取可能な記憶媒体は、コンピュータデバイスに未接続の製品としてもよいし、コンピュータデバイスに接続されて使用される部材としてもよい。
具体的に実現する場合、前記コンピュータプログラムは、特定のタスクの実行又は特定の抽象データ型を実現するルーチン、プログラム、オブジェクト、アセンブリ、データ構造等とする。
前記微生物の標的断片における特異的領域の識別方法、微生物標的断片における特異的領域の識別装置、コンピュータで読取可能な記憶媒体、コンピュータ処理デバイス又は電子
端末は、微生物のＰＣＲ検出に応用可能である。
端末は、微生物のＰＣＲ検出に応用可能である。
具体的には、鋳型配列のスクリーニングに用いられる。
前記微生物の標的断片における特異的領域の識別方法、前記微生物の標的断片における特異的領域の識別装置、前記コンピュータで読取可能な記憶媒体、前記コンピュータ処理デバイス又は前記電子端末は、微生物の標的断片における特異的領域を識別する使用に用いられる。
上記の使用によって、前記微生物標的断片の由来菌株と比較菌株が同一種又は同一亜種であるか否かを区別する。
微生物は、細菌、ウィルス、真菌、アメーバ、クリプトスポリジウム、鞭毛虫、微胞子虫、ピロプラズマ原虫、マラリア原虫、トキソプラズマ、トリコモナス原虫又はキネトプラスト類の１又は複数から選択される。
上記の実施例は本発明の原理と効果を例示的に説明するものにすぎず、本発明を制限するものではない。本技術を熟知する者であれば、本発明の精神及び範囲を逸脱しないことを前提に、上記の実施例を補足又は変更することが可能である。従って、当業者が本発明で開示した精神及び技術的思想から逸脱することなく遂行するあらゆる等価の補足又は変更もまた本発明の請求の範囲に含まれる。
Claims (15)
- 微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得し、ｎは≧１の整数であるステップＳ１００と、
前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得するステップＳ２００と、
特異的領域候補が以下の条件を満たしているか否かを判断し、
１）共有データベースを検索して、特異的領域候補との類似度が所定値よりも大きいその他の種が存在するか否かを探し、
２）特異的領域候補を、各比較菌株の全ゲノム配列、及び微生物標的断片の由来菌株の宿主における全ゲノム配列とそれぞれアライメントし、類似度が所定値よりも大きい断片が存在するか否かを探し、
特異的領域候補が上記の条件をいずれも満たしていない場合には、当該特異的領域候補を微生物の標的断片における特異的領域とする特異的領域の検証及び取得ステップＳ３００と、を少なくとも含むことを特徴とする微生物の標的断片における特異的領域の方法。 - ａ．上記の方法によって、前記微生物標的断片の由来菌株と比較菌株が同一種又は同一亜種であるか否かを区別可能であり、
ｂ．前記類似度とは、微生物の標的断片のカバー率と一致率の積であり、前記カバー率＝（類似配列断片の長さ／（微生物の標的断片の終端値－微生物の標的断片の始端値＋１））％であり、
ｃ．ステップＳ２００において、前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれグループ別に繰り返しアライメントし、
ｄ．上記の方法は、更に、選定した隣り合う微生物の標的断片を２つずつアライメントし、類似度が所定値よりも低いとのアライメント結果が出た場合には、警報を発するとともに、ターゲット株種に対応するスクリーニング条件を表示するステップＳ１１０を含む、との特徴のうちの１又は複数を更に含むことを特徴とする請求項１に記載の微生物の標的断片における特異的領域の識別方法。 - １回目の切断片Ｔｎを残りの比較菌株における全ゲノム配列とグループ別に繰り返しアライメントする際には、
残りの比較菌株をＰ個のグループに分割し、各グループには複数の比較菌株が含まれているステップＳ２１０と、
１回目の切断片Ｔｎを第１グループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去して、残ったいくつかの断片を１回目の切断片Ｔｎにおける１回目の配列候補ライブラリとして取得するステップＳ２１１と、
１回目の切断片Ｔｎにおける前回の配列候補ライブラリを、次のグループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去して、残ったいくつかの断片を１回目の切断片Ｔｎにおける次の配列候補ライブラリとして取得し、Ｐ回目の配列候補ライブラリを１回目の切断片Ｔｎの特異的配列候補ライブラリとして取得するまで、ステップＳ２１２を１回目の配列候補ライブラリから繰り返し実行し、１回目の切断片における全ての特異的配列候補ライブラリの集合を特異的領域候補とするステップ２１２と、を含むことを特徴とする請求項２に記載の微生物の標的断片における特異的領域の識別方法。 - 比較菌株の各グループに含まれる比較菌株の数は、演算環境のハードウェア構成に基づき設定することを特徴とする請求項３に記載の微生物の標的断片における特異的領域の識別
方法。 - ステップＳ２００のあとに、
ステップＳ１００及びＳ２００を実行して標的配列における各微生物の標的断片の特異的領域候補を取得し、各微生物の標的断片における特異的領域候補の集合を標的配列の特異的領域候補とすることを更に含むことを特徴とする請求項１に記載の微生物の標的断片における特異的領域の識別方法。 - 微生物の標的断片を１又は複数の比較菌株における全ゲノム配列とそれぞれ１対１でアライメントし、類似度が所定値を超えている断片を除去して、残りのいくつかの断片を１回目の切断片Ｔ１～Ｔｎとして取得し、ｎは≧１の整数である１回目切断片取得モジュールと、
前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれアライメントし、類似度が所定値を超えている断片を除去して、残った切断片の集合を微生物の標的断片における特異的領域候補として取得する特異的領域候補取得モジュールと、
特異的領域候補が以下の条件を満たしているか否かを判断し、
１）共有データベースを検索して、特異的領域候補との類似度が所定値よりも大きいその他の種が存在するか否かを探し、
２）特異的領域候補を、各比較菌株の全ゲノム配列、及び微生物標的断片の由来菌株の宿主における全ゲノム配列とそれぞれアライメントし、類似度が所定値よりも大きい断片が存在するか否かを探し、
特異的領域候補が上記の条件をいずれも満たしていない場合には、当該特異的領域候補を微生物の標的断片における特異的領域とする特異的領域検証・取得モジュールとを少なくとも含むことを特徴とする微生物の標的断片における特異的領域の識別装置。 - ａ．上記の装置は、前記微生物標的断片の由来菌株と比較菌株が同一種又は同一亜種であるか否かを区別可能であり、
ｂ．前記類似度とは、微生物の標的断片のカバー率と一致率の積であり、前記カバー率＝（類似配列断片の長さ／（微生物の標的断片の終端値－微生物の標的断片の始端値＋１））％であり、
ｃ．前記特異的領域候補取得モジュールは、前記１回目の切断片Ｔ１～Ｔｎを残りの比較菌株における全ゲノム配列とそれぞれグループ別に繰り返しアライメントし、
ｄ．１回目切断片取得モジュールは、更に、選定した隣り合う微生物の標的断片を２つずつアライメントし、類似度が所定値よりも低いとのアライメント結果が出た場合には、警報を発するとともに、ターゲット株種に対応するスクリーニング条件を表示する元データ類似度比較サブモジュールを含む、
との特徴のうちの１又は複数を更に含むことを特徴とする請求項６に記載の微生物の標的断片における特異的領域の識別装置。 - １回目の切断片Ｔｎを残りの比較菌株における全ゲノム配列とグループ別に繰り返しアライメントする場合、前記特異的領域候補取得モジュールは、
残りの比較菌株をＰ個のグループに分割し、各グループに複数の比較菌株が含まれている比較菌株グループ分けサブモジュールと、
１回目の切断片Ｔｎを第１グループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去して、残ったいくつかの断片を１回目の切断片Ｔｎにおける１回目の配列候補ライブラリとして取得する１回目配列候補ライブラリ取得サブモジュールと、
１回目の切断片Ｔｎにおける前回の配列候補ライブラリを、次のグループにおける各比較菌株の全ゲノム配列と１対１で同時にアライメントし、類似度が所定値を超えている断片を除去して、残ったいくつかの断片を１回目の切断片Ｔｎにおける次の配列候補ライブラ
リとして取得し、Ｐ回目の配列候補ライブラリを１回目の切断片Ｔｎの特異的配列候補ライブラリとして取得するまで、特異的領域候補取得サブモジュールを１回目の配列候補ライブラリから繰り返し実行させ、１回目の切断片における全ての特異的配列候補ライブラリの集合を特異的領域候補とする特異的領域候補取得サブモジュールと、を含むことを特徴とする請求項７に記載の微生物の標的断片における特異的領域の識別装置。 - 比較菌株の各グループに含まれる比較菌株の数は、演算環境のハードウェア構成に基づき設定することを特徴とする請求項８に記載の微生物の標的断片における特異的領域の識別装置。
- 更に、標的配列の特異的領域候補取得モジュールを含み、当該モジュールは、標的断片の１回目切断片取得モジュールと微生物の標的断片の特異的領域候補取得モジュールを実行し、標的配列における各微生物の標的断片の特異的領域候補を取得して、各微生物の標的断片における特異的領域候補の集合を標的配列の特異的領域候補とすることを特徴とする請求項６に記載の微生物の標的断片における特異的領域の識別装置。
- コンピュータプログラムが記憶されている記憶媒体であって、
当該プログラムは、プロセッサで実行される際に、請求項１～５のいずれかに記載の微生物の標的断片における特異的領域の識別方法を実現することを特徴とするコンピュータで読取可能な記憶媒体。 - プロセッサ及び請求項１１に記載のコンピュータで読取可能な記憶媒体を含むデバイスであって、
前記プロセッサは、前記コンピュータで読取可能な記憶媒体上のコンピュータプログラムを実行することで、請求項１～５のいずれかに記載の微生物の標的断片における特異的領域の識別方法のステップを実現することを特徴とするコンピュータ処理デバイス。 - プロセッサ、メモリ及び通信機を含む電子端末であって、前記メモリはコンピュータプログラムを記憶するために用いられ、前記通信機は外部機器との通信接続に用いられ、前記プロセッサは、前記端末に請求項１～５のいずれかに記載の微生物の標的断片における特異的領域の識別方法を実行させるよう、前記メモリに記憶されているコンピュータプログラムを実行するために用いられることを特徴とする電子端末。
- 請求項１～５に記載の微生物の標的断片における特異的領域の識別方法、請求項６～１０に記載の微生物の標的断片における特異的領域の識別装置、請求項１１に記載のコンピュータで読取可能な記憶媒体、請求項１２に記載のコンピュータ処理デバイス又は請求項１３に記載の電子端末の、微生物の標的断片における特異的領域を識別するための使用。
- ａ．上記の使用によって、前記微生物標的断片の由来菌株と比較菌株が同一種又は同一亜種であるか否かを区別し、
ｂ．微生物は、細菌、ウィルス、真菌、アメーバ、クリプトスポリジウム、鞭毛虫、微胞子虫、ピロプラズマ原虫、マラリア原虫、トキソプラズマ、トリコモナス原虫又はキネトプラスト類の１又は複数から選択される、
との特徴のうちの１又は複数を更に含むことを特徴とする請求項１４に記載の使用。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254403.4A CN111477274B (zh) | 2020-04-02 | 2020-04-02 | 微生物目标片段中特异性区域的识别方法、装置及应用 |
| CN202010254403.4 | 2020-04-02 | ||
| PCT/CN2020/090180 WO2021196358A1 (zh) | 2020-04-02 | 2020-05-14 | 微生物目标片段中特异性区域的识别方法、装置及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023515248A true JP2023515248A (ja) | 2023-04-12 |
| JP7366289B2 JP7366289B2 (ja) | 2023-10-20 |
Family
ID=71750532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022560020A Active JP7366289B2 (ja) | 2020-04-02 | 2020-05-14 | 微生物の標的断片における特異的領域の識別方法、装置及び応用 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230129284A1 (ja) |
| EP (1) | EP4116983A4 (ja) |
| JP (1) | JP7366289B2 (ja) |
| CN (1) | CN111477274B (ja) |
| AU (1) | AU2020440744A1 (ja) |
| WO (1) | WO2021196358A1 (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005135154A (ja) * | 2003-10-30 | 2005-05-26 | Hitachi Ltd | 配列類似性に基づく遺伝子オントロジーターム予測方法 |
| WO2006027913A1 (ja) * | 2004-08-10 | 2006-03-16 | Waseda University | 特徴パターン認識システムおよびその方法、並びにプログラム |
| US20090006002A1 (en) * | 2007-04-13 | 2009-01-01 | Sequenom, Inc. | Comparative sequence analysis processes and systems |
| JP2015536661A (ja) * | 2012-11-29 | 2015-12-24 | エフ．ホフマン−ラ ロシュ アーゲーＦ． Ｈｏｆｆｍａｎｎ−Ｌａ Ｒｏｃｈｅ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ | 標的シーケンシングリードの正確かつ迅速なマッピング |
| JP2016502162A (ja) * | 2012-10-15 | 2016-01-21 | テクニカル ユニバーシティ オブ デンマーク | 未加工のシーケンシングデータのデータベースにより駆動される一次解析 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6996477B2 (en) * | 2001-04-19 | 2006-02-07 | Dana Farber Cancer Institute, Inc. | Computational subtraction method |
| US20130267429A1 (en) * | 2009-12-21 | 2013-10-10 | Lawrence Livermore National Security, Llc | Biological sample target classification, detection and selection methods, and related arrays and oligonucleotide probes |
| US20140235456A1 (en) * | 2012-12-17 | 2014-08-21 | Virginia Tech Intellectual Properties, Inc. | Methods and Compositions for Identifying Global Microsatellite Instability and for Characterizing Informative Microsatellite Loci |
| US10796783B2 (en) * | 2015-08-18 | 2020-10-06 | Psomagen, Inc. | Method and system for multiplex primer design |
| CN105274092A (zh) * | 2015-11-30 | 2016-01-27 | 中国人民解放军军事医学科学院卫生学环境医学研究所 | 一种特异性等温寡核苷酸探针的批量获取方法 |
| CN105938522A (zh) * | 2016-04-11 | 2016-09-14 | 中国人民解放军第三军医大学 | 一种预测细菌iv型分泌系统效应分子的方法 |
| CN107463795A (zh) * | 2017-08-02 | 2017-12-12 | 南昌大学 | 一种识别酪氨酸翻译后修饰位点的预测算法 |
| US20190214110A1 (en) * | 2017-12-07 | 2019-07-11 | Seven Bridges Genomics Inc. | Detection of insufficient homology regions in a reference sequence |
| CN108359692B (zh) * | 2018-01-19 | 2022-03-15 | 陕西师范大学 | 一种特异性靶向hDGKθ基因的荧光素酶报告系统 |
| IL280651B2 (en) * | 2018-08-30 | 2024-05-01 | Univ Montreal | A proteogenome-based method for identifying tumor-specific antigens |
| CN109554488B (zh) * | 2019-01-24 | 2021-10-15 | 中国水产科学研究院长江水产研究所 | 雌性施氏鲟特异dna片段及应用 |
| CN110808086B (zh) * | 2019-09-30 | 2022-10-28 | 广州白云山和记黄埔中药有限公司 | 一种鉴定关键酶基因的植物物种特异性序列片段的方法 |
-
2020
- 2020-04-02 CN CN202010254403.4A patent/CN111477274B/zh active Active
- 2020-05-14 JP JP2022560020A patent/JP7366289B2/ja active Active
- 2020-05-14 EP EP20929624.3A patent/EP4116983A4/en active Pending
- 2020-05-14 WO PCT/CN2020/090180 patent/WO2021196358A1/zh unknown
- 2020-05-14 AU AU2020440744A patent/AU2020440744A1/en active Pending
- 2020-05-14 US US17/916,214 patent/US20230129284A1/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005135154A (ja) * | 2003-10-30 | 2005-05-26 | Hitachi Ltd | 配列類似性に基づく遺伝子オントロジーターム予測方法 |
| WO2006027913A1 (ja) * | 2004-08-10 | 2006-03-16 | Waseda University | 特徴パターン認識システムおよびその方法、並びにプログラム |
| US20090006002A1 (en) * | 2007-04-13 | 2009-01-01 | Sequenom, Inc. | Comparative sequence analysis processes and systems |
| JP2016502162A (ja) * | 2012-10-15 | 2016-01-21 | テクニカル ユニバーシティ オブ デンマーク | 未加工のシーケンシングデータのデータベースにより駆動される一次解析 |
| JP2015536661A (ja) * | 2012-11-29 | 2015-12-24 | エフ．ホフマン−ラ ロシュ アーゲーＦ． Ｈｏｆｆｍａｎｎ−Ｌａ Ｒｏｃｈｅ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ | 標的シーケンシングリードの正確かつ迅速なマッピング |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7366289B2 (ja) | 2023-10-20 |
| AU2020440744A1 (en) | 2022-11-10 |
| CN111477274A (zh) | 2020-07-31 |
| US20230129284A1 (en) | 2023-04-27 |
| CN111477274B (zh) | 2020-11-24 |
| WO2021196358A1 (zh) | 2021-10-07 |
| EP4116983A4 (en) | 2023-12-13 |
| EP4116983A1 (en) | 2023-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7333482B2 (ja) | 微生物の種特異的共通配列の取得方法、装置及び応用 | |
| EP2926288B1 (en) | Accurate and fast mapping of targeted sequencing reads | |
| CN111009286A (zh) | 对宿主样本进行微生物分析的方法和装置 | |
| CN106460045B (zh) | 人类基因组常见拷贝数变异用于癌症易感风险评估 | |
| Qiu et al. | A Bayesian approach to accurate and robust signature detection on LINCS L1000 data | |
| Jung et al. | An automatic block and spot indexing with k-nearest neighbors graph for microarray image analysis | |
| Lun et al. | From reads to regions: a Bioconductor workflow to detect differential binding in ChIP-seq data | |
| CN115312121A (zh) | 靶基因位点检测方法、装置、介质及程序产品 | |
| JP2023515248A (ja) | 微生物の標的断片における特異的領域の識別方法、装置及び応用 | |
| CN110970093B (zh) | 一种筛选引物设计模板的方法、装置及应用 | |
| JP7367234B2 (ja) | 微生物の標的断片における多コピー領域の識別方法、装置及び応用 | |
| CN113628682B (zh) | 一种t790m和c797s顺反式突变类型识别及计算方法 | |
| CN112599196B (zh) | 构建对核酸序列进行分类的模型方法及其应用 | |
| US20170024514A1 (en) | Distance maps using multiple alignment consensus construction | |
| Ji et al. | Shine: A novel strategy to extract specific, sensitive and well-conserved biomarkers from massive microbial genomic datasets | |
| CN117894367A (zh) | 微生物特异性序列保守性的筛选评估方法 | |
| KR20240001450A (ko) | 나노포어시퀀싱을 이용한 바이러스 탐색 및 바이롬 분석 | |
| Cabanski | Statistical Methods for Analysis of Genetic Data | |
| Goldstein et al. | De Novo Assembly of Distance Maps using on the fly Multiple Alignment Consensus Construction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221011 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221011 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230510 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230728 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230913 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231010 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7366289 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |