一种基于重复序列识别的全基因组测序数据的拼接方法

摘要

本发明涉及一种基于重复序列识别的全基因组测序数据的拼接方法，首先计算散弹法测序数据中非重复片段和重复片段出现的概率分布，并根据这一概率分布确定重复序列的识别标准，然后用该标准屏蔽重复序列，再根据目标基因组的大小进行分组拼接，将得到的大片段中的N恢复成原有碱基，并利用同一克隆正反向测序的信息找出相关的大片段以及可能出现在它们之间的读数，并将其连接起来，所有能连接的片段都连接以后，再使用正反向测序信息把大片段排好顺序，即得到目标基因组的工作框架图。本发明的方法，具有提高效率、能处理复杂基因组、明显减少错误拼接出现的概率、减少大量前期生物学实验准备等优点。