利用蛋白质序列构建基因组的方法和装置

摘要

本发明提供了一种利用蛋白质序列构建基因组的方法和装置。具体地，本发明提供了基于蛋白序列拼接基因组的方法，包括筛选片段化蛋白序列、比对区域在蛋白序列上的排序及筛选、基于最多连接证据的基因组序列拼接筛选、形成新的基因组序列等步骤。本发明含有最多连接证据的拼接即为最可靠拼接的统计思想，以及利用包含同源蛋白在内的蛋白质序列拼接基因组的方法。根据本发明的利用蛋白质数据装配基因组的方法，能够利用公开的蛋白序列，以提升基因组的完整性。蛋白序列数据既可以是基因组序列对应物种的蛋白序列，也可以是近缘物种的蛋白序列。这些序列来自于公共数据库，也可以是使用者实验产生的数据。本发明还提供了实现上述方法的装置。